استخراج ویژگیهای طیفی مراتب بالاتر سیگنال HRV به منظور پیش بینی شروع حملات فیبریلاسیون دهلیزی
Publish place: 16th Iranian conference on Biomedical Engineering
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 2,424
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICBME16_051
Index date: 2 July 2009
استخراج ویژگیهای طیفی مراتب بالاتر سیگنال HRV به منظور پیش بینی شروع حملات فیبریلاسیون دهلیزی abstract
در این مقاله الگوریتمی به منظور پیش بینی شروع حملات فیبریلاسیون دهلیزی با استفاده از سیگنال ECGارائه شده است. این الگوریتم شامل 3 مرحله می باشد: 1. پیش پردازش سیگنال ECG که شامل حذف نویز و آشکار سازی موج R و استخراج سیگنال HRV می باشد. 2. استخراج ویژگیهای مناسبی که قادر باشند رفتار سیگنال HRV را قبل از وقوع حمله مدل کنند. در این بخش از هر اپیزود سیگنال HRV دو ویژگی فرکانسی و شش ویژگی طیفی مراتب بالاتر استخراج می شود. ویژگی های فرکانسی (شامل توان سیگنال در باند LF و HF) می توانند فعالیت بخش سمپاتیک و پاراسمپاتیک سیستم عصبی خودکار کنتر کننده نرخ ضربان قلب را نشان دهند. همچنین با توجه به ماهیت غیرخطی و غیرگوسی سیگنال HRV، استخراج ویژگیهایی از bispectrum سیگنال اطلاعاتی را راجع به فاز بین مولفه های مختلف فرکانسی سیگنال HRV ا رائه می کند 3. دسته بندی کننده ماشین بردار پشتیبان (SVM). روش ارائه شده با استفاده از داده های موجود در پایگاه داده AFPDB مورد ارزیابی قرار گرفته و نتایج بدست آمده برای سه معیار Positive Predictivity , Specificity , Sensitivity به ترتیب برابر 19/85% و 76/82% و 14/82% است که در مقایسه با سایر روشهای موجود نتایج بهتری به دست آمده است.
استخراج ویژگیهای طیفی مراتب بالاتر سیگنال HRV به منظور پیش بینی شروع حملات فیبریلاسیون دهلیزی Keywords:
حملات فیبریلاسیون دهلیزی , سیگنال تغییرات نرخ ضربان قلب , ماشین بردار پشتیبان , ویژگیهای طیفی مراتب بالاتر , ویژگیهای فرکانسی
استخراج ویژگیهای طیفی مراتب بالاتر سیگنال HRV به منظور پیش بینی شروع حملات فیبریلاسیون دهلیزی authors
مریم محبی آشتیانی
دانشگاه تربیت مدرس دانشکده برق ، گروه مهندسی پزشکی
حسن قاسمیان یزدی
دانشگاه تربیت مدرس دانشکده برق ، گروه مهندسی پزشکی
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 :