استخراج ویژگی ها و طبقه بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی (FANN)

اردلان قاسم زاده; رضا میرزایی; رضا کاظم زاده

استخراج ویژگی ها و طبقه بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی (FANN)

Publish place: First National Conference on Computer, Information and Communication Technology

Publish Year: 1393

Type: Conference paper

Language: Persian

This Paper With 9 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > منطق فازی

Export:

Link to this Paper:

https://civilica.com/doc/309278

Document National Code:

CCITC01_033

Index date: 18 November 2014

استخراج ویژگی ها و طبقه بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی (FANN) abstract

در این مقاله روشی برای تجزیه و تحلیل سینگنال الکتروکاردیوگرام با استفاده از شکل موج –PQRSTU، ارائه شده است که برای تشخیص بیماری های قلبی استفاده می شود. اساس این روش استفاده از منطق فازی و شبکه های عصبی مصنوعی (FANN) است که به منظور طبقه بندی سیگنال های متفاوت الکتروکاردیوگرام استفاده می شود. طبقه بندی، با استفاده از پالس های مختلفی (مانند V6, V5, V4, V3, V2, V1 و غیره) که مربوط به لایه های پنهان شبکه عصبی مصنوعی است، انجام می شود. مانند، موج P- فاصله –PR، فاصله –QRS، فاصله –ST، موج –T و غیره، این موارد به عنوان تجزیه و تحلیلی برای هر یک از پالس های ورودی، مطرح می شوند. که برای آموزش شبکه های عصبی مورد ا ستفاده قرار می گیرند. خروجی حاصل از شبکه عصبی منجر به ایجاد مجموعه فاکتورهای وزنی مربوط به هر یک از سیگنال ها می شود. سیستم ما با دقت 98%، دارای مزایای بسیاری از جمله کارآیی بهتر و سادگی می باشد.

استخراج ویژگی ها و طبقه بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی (FANN) Keywords:

الکتروکاردیوگرام , منطق فازی , شبکه های عصبی مصنوعی , ویژگی زمانی و تبدیل موجک , آریتمی های قلبی , موج PQRST

استخراج ویژگی ها و طبقه بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی (FANN) authors

اردلان قاسم زاده

گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه، ارومیه، ایران

رضا میرزایی

گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه، ارومیه، ایران

رضا کاظم زاده

گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه، ارومیه، 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 :

دانشگاه آزاد اسلامی واحد مرودشت- مهر ماه 1393 ...

Cohen, L.S.., Heart Disease Sympto- ms, Chapter 9, Yale University ...

Silipo, R., Marchesi, C., Artificial neural networks for automatic ECG ...

Srikanth, T., Napper, S., _ Gu. H., Bottom-Up Approach to ...

Husain, Hafizah, Len, Lai, Fatt, Efficient ECG Signal Classification Using ...

Mastorakis, N.E., Theororous, N.J. Rot, E.S.-, EKG.PRO:an Expert system for ...

Nauck, D., Kruse, R., Obtaining interpret- able Fuzzy classification rules ...

M .AChikh, F .Bereksi Reguig, Applicat- ion of artificial neural ...

Nauck, D., Kruse, R., 1999.Obtaining interpretable fuzzy classification rules from ...

Acharya UR, Bhat Ps, et al. Classification of heart rate ...

Song, M.H, Lee, _ S.P, Joung Lee, K., Yoo, S.K.. ...

Kandaswamy, A, Kumar, C.S., Ramanathan, Pl., Jayaraman, S., Malmuru -gan, ...

M ahmoodabadi, S.Z., Ahmadian, A., Abolhasani, M.D., Eslami, M., Bidgoli, ...

Moavenian, M., Khorrami, H., A qualitative comparison of Artificial Neural ...

http:/www. amb ulancetechn icanstudy. Co. ukrhythms.htm ...

نمایش کامل مراجع