تشخیص غیر تهاجمی بیماری های دریچه قلب با استفاده از صوت قلبی
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,097
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_149
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
یکی از قدیمی ترین روش های تشخیص ناهنجاری های قلبی تشخیص با استفاده از صوت تولید شده توسط خود قلباست . این صوت حامل اطلاعات بسیار مفیدی است که در تشخیص بیماری های دریچه قلب ، عبور غیرطبیعی جریانخون و همچنین سایر بیماریهای قلبی مورد استفاده است.در این مقاله هدف ما ارائه ی سیستمی خودکار است که اینسیستم صوت قلب را دریافت مینماید و به دو گروه عادی و دارای اختلال دریچه ای طبقه بندی میکند.اختلالات دریچهای مورد برسی شامل تنگی آئورت (AS )، نارسایی آئورت (AR) ، تنگی میترال (MS) و نارسایی میترال (MR) خواهدبود.طرز کار ما استفاده از یک آنالیز طیفی صداهای قلب بر اساس اتورگرسیو نرمال منحنی چگالی طیفی (NAR-PSD) و ماشین بردار پشتیبان چند کلاسی (M-SVM) است که ما را قادر ساخته تا سوفل های قلبی را با استفاده از دوویژگی مهم تشخیصی F max و F with است که ماکسیموم منحنی NAR-PSD و عرض فرکانسی ما بین نقاطعبوری از منحنی NAR-PSD در مقدار آستانه انتخاب شده THV میباشد، تشخیص دهیم.آموزش و آزمایش نتایجبرای انواع داده های صوتی که شامل افراد سالم و دارای اختلال بود دقت و حساسیت بالای 99 درصد را نشانمی دهد.لازم به ذکر است که بر اساس تحقیقات انجام شده روش پیشنهادی آنالیز طیفی اتورگرسیو (PSD) و همچنین(M-SVM) یکی از روش های با بهره وری بالا برای طبقه بندی صوت های قلبی است.
Keywords:
Authors
سیداسماعیل هاشمی اقدم
دانشگاه علوم پزشکی و خدمات درمانی تبریز،ایران
حنیف یعقوبی
دانشگاه آزاد اسلامی واحد تبریز ،ایران
علیرضا صادق زاده
دانشگاه آزاد اسلامی واحد تبریز ،ایران
محمدعلی گلستان پور
باشگاه پژوهشگران جوان و نخبگان ، واحد تبریز،دانشگاه آزاد اسلامی ،تبریز ،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 :