تعیین شدت نارسایی دریچه ی سه لتی با استفاده از سیگنال فونوکاردیوگرام با به کارگیری ویزگی های کپستروم و استفاده از ماشین بردار پشتیبان
- سال انتشار: 1397
- محل انتشار: سومین کنفرانس سیستم های تصمیم گیری هوشمند
- کد COI اختصاصی: IDS03_115
- زبان مقاله: فارسی
- تعداد مشاهده: 635
نویسندگان
دانشگاه صنعتی امیرکبیلر دانشکه مهندسی پزشکی ازمایشگاه کنترل سیستم های بیولوزیکی
دانشگاه صنعتی امیرکبیلر دانشکه مهندسی پزشکی ازمایشگاه کنترل سیستم های بیولوزیکی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات دانشکده مهندسی پزشکی
بیمارستان ضایی یزد
چکیده
یکی از قدیمی ترین و کم هزینه ترین روش های تشخیص بیماریب های دریچه ای قلب گوش دادن به صدای قلب است. صداهای قلب حاوی اطلاعات حیاتی بسیاری هستند که تنها بخشی از آن قابل شنیدن است. در این پزوهش هدف ارایه ی سامانه ای خودکار است که سیگنال صدای قلب را دریافت کند و بدون استفاده از سیگنال های کمکی دیگر بتواند به صورت غیرتهاجمی شدت نارسایی بیماری دریچه ی سه لتی را تشخیص دهد و همچنین بهترین ناحیه ثبت سیگنال برای تشخیص این بیماری را معرفی کند براساس روش پیشنهادی در این مقاله، سیگنال صدای قلب ابتدا پیش پردازش شده و به چرخ ه های قلبی تقطیع می شود. سپس 48 ویزگی در حوزه های مختلف زمان، فرکانس، زمان - فرکانس و فضای کپستروم از آن استخراج شده و با استفاده از الگوریتم زنتیک ویزگی های برتر انتخاب می شود. در ادامه با استفاده از دو طبقه بند SVM,KNN داده ها در دو مرحله ک لاس بندی می شوند. مرحله اول شامل تشخیص بیماری است که با استفاده از طبقه بند KNN معیارهای ارزیابی صحت حساسیت و تشخیص به ترتیب برابر 91/96±2/39 و 91/69±3/71 و 92/43±06/3 هستند. مرحله دوم شامل تعیین شدت بیماری بین دو گروه خفیف و متوسط (شدید) می شود که طبقه بند SVM دارای معیارهای ارزیابی صحت، حساسیت و تشخیص به ترتیب برابر 96/94±1/24 و 95/58±2/55 و 97/61±0/99 است.کلیدواژه ها
فونوکاردیوگرام، نارسایی دریچه ی سه لتی، الگوریتم زنتیک، طبقه بندیمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.