سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

به کارگیری فیلتر وفقی برای حذف نویز از سیگنال های ECG با استفاده از تبدیل موجک و یادگیری عمیق

Publish Year: 1399
Type: Journal paper
Language: Persian
View: 101

This Paper With 8 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_JHBMI-7-3_009

Index date: 29 July 2024

به کارگیری فیلتر وفقی برای حذف نویز از سیگنال های ECG با استفاده از تبدیل موجک و یادگیری عمیق abstract

مقدمه: الکتروکاردیاگرام یکی از روش های اندازه گیری فعالیت های الکتریکی قلب است که این اندازه گیری با قرار دادن الکترودهایی روی سطح بدن اندازه گیری می شود. پزشکان برای تشخیص و شناسایی بیماری های قلبی از ابزار مشاهده استفاده می کنند که این کار در سیگنال های ECG توسط متخصص قلب و عروق انجام می شود. به طور خاص بیماری های قلبی با بررسی نمایش گرافیکی سیگنال های قلبی که با عنوان ECG معرفی شد، انجام می شود. سیگنال های ECG به دلیل منابع خارجی یا سایر فرآیند های فیزیولوژیکی بدن انسان با نویز همراه می باشد. روش: در این پژوهش کاربردی یک فیلتر وفقی بر اساس تبدیل موجک و شبکه عصبی عمیق برای کاهش نویز پیشنهاد شد. این مجموعه ترکیبی از تبدیل ویولت، یادگیری وفقی و نگاشت غیر خطی از شبکه های عصبی عمیق است. شبکه عصبی عمیق به کمک فیلتر وفقی برای کاهش نویز بیشتر از سیگنال ECG مورد استفاده قرار می گیرد. نتایج: معیار مورد نظر برای ارزیابی کیفیت روش پیشنهادی به منظور حذف نویز، نسبت سیگنال به نویز می باشد که هدف این پژوهش افزایش این نسبت می باشد که بیانگر بازدهی روش مبتنی بر تبدیل موجک و یادگیری عمیق می باشد. نتیجه ­گیری: نتایج حاصل از شبیه سازی نشان می دهد که روش پیشنهادی نسبت به روش های موجود حدود ۹/۵۶ درصد حذف نویز از سیگنال ECG را بهبود می بخشد. علت این امر آن است که ضرایب استخراجی از فیلتر وفقی با استفاده از شبکه عصبی عمیق بهینه می شوند به گونه ای که شکل موج با نویز کمتری را فراهم می آورد.

به کارگیری فیلتر وفقی برای حذف نویز از سیگنال های ECG با استفاده از تبدیل موجک و یادگیری عمیق Keywords:

به کارگیری فیلتر وفقی برای حذف نویز از سیگنال های ECG با استفاده از تبدیل موجک و یادگیری عمیق authors

صابر فولادی

Ph.D. Student in Electrical Engineering-Telecommunications, Electrical Engineering-Telecommunications Dept., Faculty of Electrical Engineering and Computer, Shokatabad Campus, University of Birjand, Birjand, Iran

حسن فرسی

Ph.D. in Electrical Engineering-Telecommunications, Professor, Electrical Engineering-Telecommunications Dept., Faculty of Electrical Engineering and Computer, Shokatabad Campus, University of Birjand, Birjand, Iran

فریما فرسی

Medical Doctoral Student, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran

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 :
Bahaz M, Benzid R. Efficient algorithm for baseline wander and ...
Sharma N, Singh Sidhu J. Removal of noise from ecg ...
Yazdanpanah B, Kumar KS, Raju GS. Notice of Removal: Noise ...
Farsi H, Mozaffarian MA, Rahmani H. Improving voice activity detection ...
Hosseini SM, Farsi H, Yazdi HS. Best clustering around the ...
https://physionet.org/۱۰. Mohammadzadeh S, Farsi H. Image retrieval using color-texture features ...
Jenkal W, Latif R, Toumanari A, Dliou A, El B’charri ...
نمایش کامل مراجع