تشخیصآریتمی در نوار قلب بوسیله شبکه عصبی مصنوعی با در نظر گرفتن 10 شاخصریخت شناسی
Publish place: 18th Annual Conference of Mechanical Engineering
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,377
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME18_477
تاریخ نمایه سازی: 1 تیر 1389
Abstract:
نوار قلب یا اکوکاردیوگرام به عنوان ابزاری مهم جهت تشخیص بسیاری از بیماریهای قلبی عروقی بکار میرود. از آنجا که آنالیز این نوار کاری تخصصی است، چنانچه بتوان با مفسری مطمئن تحلیلاین نوار را همگانی تر نمود، گامی موثر در تشخیص بموقع این بیماریها برداشته میشود. از آنجا که شبکه های عصبی قابلیت آموزش دیدن بر اساس داده های پیش فرض را دارند، استفاده از آنها برای طراحی یک مفسر مطمئن اکوکاردیوگرام در تحقیقات مد نظر قرار گرفته است. در تحقیق حاضر، ابتدا بانکی از نوار قلب های نرمال و 3 آریتمی متعارف تهیه و به فایلهای عددی در متلب تبدیل شدند. نویز ها با ترکیب دو فیلتر پایین و بالا گذر حذف و سپس نقاط پیک R و بازه ضربان های مجزا در نوار قلب از هر نمونه استخراج شد. برای هر ضربان استخراجی خصوصیاتی شامل سه نوع ریخت شناسی فرمولی ( مانند ارتفاع پیک، نرخ ضربان)، آماری (مثل مقدار حداکثر هیستوگرام) و شکلی (در اینجا ضرایب فوریه) مطالعه شد که استفاده از ضرایب فوریه خاص این تحقیق بوده است. نهایتا 10 مشخصه بعنوان ورودی یک شبکه تک لایه عصبی انتخاب و قابلیت شبکه برای تشخیصنوع آریتمی یا نرمال بودن نمونه ای جدید امتحان شد. هر چند در بسیاری از حالات، شبکه قادر به تشخیص کاملا صحیح یا با خطای 10 درصد بود، لیکن بهترین عملکرد با شبکه ای شامل 8 نرون و استفاده از 13 ضریب سری فوریه بدست آمد که در تمام حالات موفق شد بدون خطا نوع نوار قلب و آریتمی متناظر را تشخیصدهد.
Keywords:
Authors
امین مرادی نژاد
دانش آموخته کارشناسی، دانشگاه یاسوج، بخش مهندسی مکانیک
علیرضا اصنافی
استادیار، دانشگاه یاسوج، بخش مهندسی مکانیک
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 :