طبقهبندی ضربانهای سیگنال ECG با ویژگیهای تبدیل موجک و طبقهبندهای SVM و FFNN
Publish place: 18th Conference on Electrical Engineering OF Iranian Student
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,154
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE18_112
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
سیگنال الکتروکاردیوگرام فعالیت الکتریکی قلب را نشان می دهد و پزشکان در تشخیص بیماریهای قلبی از آن استفاده می کنند. برای آنالیز یک ثبت طولانی از این سیگنال، زمان زیادی صرف می شود و گاهی ممکن است با خطا همراه شود، از این رو نیاز به یک ابزار تشخیص به کمک کامپیوتر، برای کمک به پزشکان احساس می شود. در این تحقیق، ابتدا نویزهای موجود در سیگنال، توسط فیلتر دیجیتال و تبدیل موجک گسسته حذف شده؛ سپس با الگوریتم Pan_Tompkins کمپلکسهای QRS ، استخراج شدهاند. در مرحله بعد ویژگیهای هر سیکل قلبی توسط تبدیل موجک گسسته استخراج و برای کاهش ابعاد فضای ویژگی از تبدیل PCA استفاده شده است. در آخر، طبقهبندی آریتمیها، با دو روش SVM و Feed-Forward Neural Network (FFNN) ، انجام شده است. از دادههای موجود در پایگاه داده MIT-BIH arrhythmia و نرمافزار MATLAB جهت ارزیابی روشهای به کار رفته استفاده شده است. پنج کلاس شامل ضربانهای نرمال (N) و آریتمیهای انسداد دسته شاخه چپ (LBBB)، انسداد دسته شاخه راست (RBBB)، انقباض زودرس دهلیزی (APB) و ضربان paced (PB)، با صحت 94/47 درصد با SVM و صحت 90/30 درصد با FFNN طبقه بندی شده است.
Keywords:
Authors
زهرا رستمی
دانشجوی کارشناسی مهندسی برق مخابرات، دانشگاه صنعتی قم
روزبه رجبی
استادیار گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی قم
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 :