طبقه بندی ویژگیهای سیگنال الکتروکاردیوگرام جهت تشخیص اتوماتیک بیماری فیبریلاسیون دهلیزی
Publish place: 2nd Joint Congress on Fuzzy and Intelligent Systems
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,282
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
FJCFIS02_175
Index date: 17 July 2013
طبقه بندی ویژگیهای سیگنال الکتروکاردیوگرام جهت تشخیص اتوماتیک بیماری فیبریلاسیون دهلیزی abstract
هر گونه اختلال در سیگنالهای الکتروکاردیوگرامECG)می تواند نشانهای از نوعی بیماری در قلب باشد. یکی ازشایعترین این دسته از بیماریها، فیبریلاسیون دهلیزی نام دارد که میتواند در مواردی منجر به عوارضی نظیر سکتههای قلبی و لخته شدن خون شود. به همین دلیل امروزه تشخیص اتوماتیک این بیماری با استفاده از انواع روشهای هوشمند استخراج ویژگی ازسیگنالECGطبقهبندی ویژگیها از اهمیت بالایی برخوردار است. در این مقاله نیز با استخراج سه دسته ویژگی از سیگنالECG و طبقه بندی آنها با استفاده از روشKNNبیز و شبکههای عصبی چند لایه به این نتیجه رسیدیم که اصولا طبقه بندی ویژگیهای مربوط به شکل ظاهری سیگنال خصوصا با استفاده از شبکه های عصبی به ما این امکان را میدهد که در بیش از 85 % از موارد افرادسالم را از مبتلایان به بیماریPAFتشخیص دهیم. الگوریتمهای بکار رفته جهت آموزش شبکه عصبی از نوع پس انتشار خطای نسبی، خطای کلی و گرادیان مزدوج میباشند که البته در میان آنها الگوریتم پس انتشار خطای نسبی دارای حجم محاسبات کمتر ، سرعت همگرایی بالاتر و نرخ طبقه بندی درست بیشتری میباشد.
طبقه بندی ویژگیهای سیگنال الکتروکاردیوگرام جهت تشخیص اتوماتیک بیماری فیبریلاسیون دهلیزی Keywords:
فیبریلاسیون دهلیزی , استخراج ویژگی , آنالیز المانهای اساسی , طبقهبندی کننده بیزK-نزدیکترین همسایه و شبکه عصبی چند لایه
طبقه بندی ویژگیهای سیگنال الکتروکاردیوگرام جهت تشخیص اتوماتیک بیماری فیبریلاسیون دهلیزی authors
بهاره پوربابایی،
دانشگاه تهران- دانشکده مهندسی برق و کامپیوتر- قطب علمی کنترل و پردازش
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 :