ارائه یک روش نوین به منظور پیش بینی مرگ ناگهانی قلبی (SCD) با استفاده از روش انتخاب ویژگی و طبقه بندی کننده تجمیع خبرگان
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 301
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISEE-7-3_002
تاریخ نمایه سازی: 6 دی 1400
Abstract:
مرگ ناگهانی قلبی (SCD) نتیجه تخریب شدید عملکرد قلبی است که سبب ازبین رفتن سیستم قلبی در افراد می شود. وقتی این اتفاق رخ میدهد، خون دیگر نمیتواند برای مدتی به قسمت های مختلف بدن پمپ شود. این واقعه به قدری جدی است که میتواند در عرض چند دقیقه، بیمار را از زندگی محروم سازد. درصورت علم به وقوع این حادثه میتوان ازطریق تجهیزاتی همچون دفیبریلاتور و استفاده از دیگر راهکارهای درمانی تعداد این نوع مرگ ها را به شدت کاهش داد. با وجود این، همچنان راه های مناسبی برای پیشبینی مرگ ناگهانی قلبی وجود ندارد تا پزشکان بتوانند ازطریق آن، تصمیمات مناسبی برای بیماران در معرض خطر بگیرند. در این مطالعه با استفاده از بهترین روش های استخراج ویژگی از پردازش های غیرخطی، زمان - فرکانس و کلاسیک که فراهم آمده مطالعات قبلی و تجربیات کارهای گذشته خود ما است، از یک روش نوین جهت انتخاب فضای ویژگی بهینه به صورت محلی استفاده شده است. همچنین در ادامه با توجه به وجود ویژگی های متفاوت از حوزه های مختلف، طبقه بندی کننده تجمیع خبرگان پیشنهاد شده است. روش های پیشنهادی این امکان را فراهم میکنند که با انتخاب بهینه ویژگی ها در هر بازه ۱ دقیقه ای از سیگنال، انتخاب ویژگی های متفاوتی در هر دقیقه قبل از واقعه انجام شود که با هم متفاوت باشند. این موضوع نه تنها باعث افزایش چشمگیر زمان پیشبینی از ۴ دقیقه به ۱۲ دقیقه با صحت بالا می شود، بلکه امکان تفسیر علائم بالینی با توجه به تکثر وجود ویژگی ها در هر دقیقه را نیز فراهم می سازد. ازطرفی وجود شبکه تجمیع خبرگان، تصمیم مناسب تری به عنوان خروجی درمورد پردازش حوزه های مختلف خواهد گرفت. نتایج مطالعه نشان دهنده توانمندی درخور توجه روش های پیشنهادی نسبت به دیگر روش های ارئه شده در مطالعات مشابه است.
Keywords:
انتخاب ویژگی محلی , تغییرات نرخ ضربان قلب , تجمیع خبرگان , سیگنال الکتروکاردیوگرام , مرگ ناگهانی قلبی
Authors
الیاس ابراهیم زاده
- دانشجوی دکتری تخصصی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران - تهران - ایران
بابک نجار اعرابی
استاد، دانشکده مهندسی برق و کامپیوتر - دانشگاه تهران - تهران - ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :