دسته بندی سیگنال های قلبی و تشخیص فیبریلاسیون دهلیزی با استفاده از الگوریتم های یادگیری ماشین
Publish place: Fourth National Conference on Applied Research in Electrical Engineering, Mechanics, Computer and Information Technology
Publish Year: 1397
Type: Conference paper
Language: Persian
View: 2,025
This Paper With 9 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:
EMCE04_199
Index date: 11 June 2019
دسته بندی سیگنال های قلبی و تشخیص فیبریلاسیون دهلیزی با استفاده از الگوریتم های یادگیری ماشین abstract
شناسایی آریتمی های قلبی با استفاده از سیگنال الکتروکاردیوگرام ( ECG ) به دلیل تشخیص به هنگام شرایط خطرناک قلب، از اهمیت زیادی در حوزه ی تحقیقات پزشکی و علوم کامپیوتر برخوردار است. امروزه بیشتر از آنالیز دستی برای تشخیص آریتمی های قلبی استفاده می شود که فرآیندی زمانبر است. به علاوه آنالیز دستی همواره مستعد خطای انسانی است. در این مقاله از الگوریتم یادگیری عمیق در شناسایی و تشخیص آریتمی های قلبی استفاده شده است. داده هایی که برای یادگیری و ارزیابی روش پیشنهادی استفاده شده است، از چالش physionet/computing 2017 انتخاب شده اند. نتایج شبیه سازی های انجام شده نشان می دهند که سیستم پیشنهادی در دسته بندی سیگنال های ECG شامل کلاس های ریتم های با فیبریلاسیون دهلیزی، ریتم های طبیعی، ریتم های نویزی و سایر ریتم ها، در مقایسه با روش های موجود، دقت بالاتری نتیجه داده است.
دسته بندی سیگنال های قلبی و تشخیص فیبریلاسیون دهلیزی با استفاده از الگوریتم های یادگیری ماشین Keywords:
دسته بندی سیگنال های قلبی و تشخیص فیبریلاسیون دهلیزی با استفاده از الگوریتم های یادگیری ماشین authors
محمدرضا روستایی
دانشگاه شهید بهشتی، تهران، ایران
حجت طبخی
دانشگاه شهید بهشتی، تهران، ایران
احمدعلی آبین
دانشگاه شهید بهشتی، تهران، ایران