تشخیص امراض دریچه ای قلب بر اساس سیگنال PCG با استفاده از شبکه عصبی
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,341
This Paper With 6 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:
NCCEB01_070
Index date: 8 June 2014
تشخیص امراض دریچه ای قلب بر اساس سیگنال PCG با استفاده از شبکه عصبی abstract
این مقاله براساس فونوکاردیوگرام می‌باشد. بدین نحو که سیگنال صوتی قلب را گرفته و پس از حذف نویز، به کمک نرم‌افزار متلب تبدیل ویولت را با ویولت خانواده دابیشز مرتبه 4 تا 4 مرحله اجرا می‌کنیم. تا به سیگنال مطلوب دست پیدا کنیم. حال با استفاده از ویژگی‌های زمانی، که از ضرایب جزئیات و تقریب مرتبه 4 به دست می‌آید، ماتریس ویژگی‌ها را از درون سیگنال استخراج می‌کنیم. ماتریس ویژگی حاصله را به شبکه عصبی پرسپترون دو لایه می‌دهیم. شبکه عصبی پس از آموزش کافی، آماده است. در سال 2008 ، تنها 38.5% پزشکان آمریکایی با شنیدن صدای قلب قادر به تشخیص درست امراض قلبی هستند. ولی در این روش، شبکه عصبی به طور متوسط قادر به 93.2% تشخیص درست می‌باشد. در این مقاله تمرکز بر روی بیماری‌های تنگی دریچه آئورت و نارسایی دریچه میترال و تنگی دریچه پولمونر می‌باشد. علاوه بر امراض مذکور شبکه عصبی قادر به تشخیص فرد سالم نیز می‌باشد. هم‌چنین اگر بیمار نوع دیگری به شبکه عصبی داده شود، پیام «ناشناس» را نشان خواهد داد.
تشخیص امراض دریچه ای قلب بر اساس سیگنال PCG با استفاده از شبکه عصبی Keywords:
تشخیص امراض دریچه ای قلب بر اساس سیگنال PCG با استفاده از شبکه عصبی authors
سید محمد موسوی علیزاده
کارشناس ارشد دانشگاه آزاد اسلامی واحد کازرون
علی رفیعی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد کازرون
نیما نخعی
کارشناس ارشد دانشگاه آزاد اسلامی واحد کازرون
علی توکلی گلپایگانی
عضو هیئت علمی دانشگاه علوم پزشکی شیراز
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 :