تشخیص غیر تهاجمی بیماری های دریچه قلب با استفاده از صوت قلبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,086

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC02_149

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

یکی از قدیمی ترین روش های تشخیص ناهنجاری های قلبی تشخیص با استفاده از صوت تولید شده توسط خود قلباست . این صوت حامل اطلاعات بسیار مفیدی است که در تشخیص بیماری های دریچه قلب ، عبور غیرطبیعی جریانخون و همچنین سایر بیماریهای قلبی مورد استفاده است.در این مقاله هدف ما ارائه ی سیستمی خودکار است که اینسیستم صوت قلب را دریافت مینماید و به دو گروه عادی و دارای اختلال دریچه ای طبقه بندی میکند.اختلالات دریچهای مورد برسی شامل تنگی آئورت (AS )، نارسایی آئورت (AR) ، تنگی میترال (MS) و نارسایی میترال (MR) خواهدبود.طرز کار ما استفاده از یک آنالیز طیفی صداهای قلب بر اساس اتورگرسیو نرمال منحنی چگالی طیفی (NAR-PSD) و ماشین بردار پشتیبان چند کلاسی (M-SVM) است که ما را قادر ساخته تا سوفل های قلبی را با استفاده از دوویژگی مهم تشخیصی F max و F with است که ماکسیموم منحنی NAR-PSD و عرض فرکانسی ما بین نقاطعبوری از منحنی NAR-PSD در مقدار آستانه انتخاب شده THV میباشد، تشخیص دهیم.آموزش و آزمایش نتایجبرای انواع داده های صوتی که شامل افراد سالم و دارای اختلال بود دقت و حساسیت بالای 99 درصد را نشانمی دهد.لازم به ذکر است که بر اساس تحقیقات انجام شده روش پیشنهادی آنالیز طیفی اتورگرسیو (PSD) و همچنین(M-SVM) یکی از روش های با بهره وری بالا برای طبقه بندی صوت های قلبی است.

کلیدواژه ها:

بیماریهای دریچه قلبی ، ویژگی طیفی صدای قلب ، ماشین بردار پشتیبان (M-SVM) و منحنی (NAR-PSD)

نویسندگان

سیداسماعیل هاشمی اقدم

دانشگاه علوم پزشکی و خدمات درمانی تبریز،ایران

حنیف یعقوبی

دانشگاه آزاد اسلامی واحد تبریز ،ایران

علیرضا صادق زاده

دانشگاه آزاد اسلامی واحد تبریز ،ایران

محمدعلی گلستان پور

باشگاه پژوهشگران جوان و نخبگان ، واحد تبریز،دانشگاه آزاد اسلامی ،تبریز ،ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. O.Bonow and D.L. Mann and D. P. Zipes and ...
  • H. Valafar, F. Valafar, A. Darvill, P. Albersheim, A. Kutlar, ...
  • C.G. DeGroff, S. Bhatikar, J. Hertzberg, R. Shandas, L. Valdes-Cruz, ...
  • Stasis A: Decision Support System for Heart Sound Diagnosis Using ...
  • «1 Intcrmationl Confcrcncc & 3"" National Confcrcncc on Ncw Tcchnologics ...
  • T .R. Reed, N.E. Reed, P. Fritzson, Heart sound analysis ...
  • A. Haghighi-Mo od, J.N. Torry, A sub-band energy tracking algorithm ...
  • doi: 10. 1 01 6/j.eswa.2006. 12.015. ...
  • S.R. Bhatikar, C. DeGroff, and R.L. Mahajan, _ classifier based ...
  • I. Turkoglu, A. Arslan, and E. Ilkay, "An expert system ...
  • of severity of aortic stenosis through time- Assessment:ه _ Kim, ...
  • S. H. Kim, H.-J. Lee, J.-M. Huh, and B.-C. Chang, ...
  • R.J. Adolph, J.F. Stephens, and K. Tanaka, "The clinical value ...
  • F. Dirgenali, and S. Kara, "Recognition of early phase of ...
  • V. Vapnik, The nature of statistical learning theory, NewYork, Springer, ...
  • "" Intcrmationl Confcrcncc & 3«4 National Confcrcncc on Ncw Tcchnologics ...
  • C.-T. Su, and C.-H. Yang, ":Feature selection for the SVM: ...
  • نمایش کامل مراجع