و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm
Publish place: 17th Iranian Conference on Biomedical Engineering
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 727
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICBME17_028
Index date: 30 June 2013
و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm abstract
در این مقاله الگوریتمی به منظور استخراج ویژگی از سیگنال تغییرات نرخ ضربان قلب (HRV) که آریتمی ه ای فبریلاسیون بطنی (VF) و تاکیکاردی بطنی (VT) را شامل می شود و سپس طبقه بندی آنها با بکارگیری( Least square support vector machine(LS-SVM ارائه شده است. ویژگی های فرکانسی (شامل توان سیگنال در باند LF و HF) می توانند فعالیت بخش سمپاتیک و پاراسمپاتیک سیستم عصبی خودکار کنترل کننده ضربان قلب را نشان دهند. در اینجا روشی بر مبنای تبدیل Wavelet packet برای تجزیه سیگنال HRV به باندهای فرکانسی LF و HF استفاده شده است. سپس انرژی سیگنال در این باندها محاسبه می ود. در مرحله طبقه بندی، ویژگی های استخراج شده را به LS-SVM می دهیم. این مرحله شامل بهینه سازی متغیرهای ورودی و ارزیابی عملکرد سیستم از طریق آنالیز منحنی ROC (Receiver operating characteristic) است. روش ارائه شده با استفاده از داده های موجود در پایگاه داده Physinet مورد ارزیابی قرار گرفته و نتایج بدست آمده برای سه معیار SP,SE و AC در مقایسه با سایر روشهای موجود عملکرد بهتری را نشان می دهد.
و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm Keywords:
استخراج ویژگی , سیگنال تغییرات نرخ ضربان قلب Wavelet packet و Least square support vector machine
و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm authors
مریم جوکار قوچانی
دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی پزشکی
سعید راحتی قوچانی
ددانشگاه آزاد اسلامی واحد مشهد، گروه برق
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 :