مدل های یادگیری ماشین برای طبقه بندی سیگنال ECG

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 597

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

UTCONF04_102

تاریخ نمایه سازی: 13 آبان 1399

Abstract:

آریتمی یکی از دلایل عمده مرگ و میر در سراسر جهان است تقریبا 17,9 میلیون نفر در اثر بیماری های قلبی عروقی میمیرند.به منظور کاهش این میزان مرگ و میر بسیار زیاد ، باید بیماری قلبی عروقی به درستی شناسایی وتشخیص داده شوند ودرمان مناسب برای ان باید بلافاصله در اختیار بیماران قرار گیرد. در این مطالعه یک گروه جدید مبتنی بر ماشین بردار تکیه گاه (SVM) برای طبقه بندی کردن ضربان قلب به 4طبقه از بانک اطلاعاتی آریتمی MIT-BIH پیشنهاد شده است.نتیجه بدست آمده با دیگر طبقه بندی ها مقایسه شد که این طبقه بندی ها SVM و جنگل تصادفی RF ،-Kنزدیکترین همسایگان KNN و شبکه کوتاه مدت طولانی است. چهار ویژگی استخراج شده ازسیگنال های ECG که توسط طبقه بندی کننده ها مورد استفاده قرار می گیرند عبارتنداز:1. (Wawelets) موجک ها2. آمار ترتیبی بالا3. RRفواصل4. ویژگی های مورفولوژیکی مجموعه ای از SVMها با دقت بالای 94,4٪ بهترین نتیجه را کسب کردند.

Authors

سیدمحمدمهدی رضوی

استاد دانشگاه، گروه مهندسی مکانیک دانشگاه فنی حرفه ای، شهید رجایی کاشان.

سحر صابری منش

دانش آموخته کارشناسی مهندسی پزشکی ،دانشگاه آزاد اسلامی واحد کاشان.

سارا غافلی

دانش آموخته کارشناسی مهندسی پزشکی ،دانشگاه آزاد اسلامی واحد کاشان.

غزاله زارع

دانش آموخته کارشناسی مهندسی پزشکی ،دانشگاه آزاد اسلامی واحد کاشان.