مروری بر روش های تفکیک هوشمند آریتمی های قلبی با استفاده از شبکه ویولت

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 446

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM02_150

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

توانایی یک سیستم هوشمند برای طبقه بندی صحیح و تشخیص الگوها، آنها را برای استفاده در یک سیستم خبره که درشرح سیگنال الکتروکاردیوگرام کمک می کند, مناسب میسازد. ویژگیهای استخراج شده از سیگنال الکتروکاردیوگرام در تشخیص بسیار مفید هستند. روشهای بر پایه ویولت، بهترین اجرا مانند اندازه گیری های نامنظم را ارائه میدهند و آنها را برای آنالیز )دادههای( سیگنال الکترو کاردیوگرام مناسب میسازد.در این مقاله روش های های تفکیک هوشمند آریتمی های قلبی با استفاده از ابزار نوین و کارآمد شبکه ویولت مورد بررسی قرار گرفته است. شبکه ویولت با ایجاد مدلی دقیق از سیگنال ورودی در طی فرایند آموزش، به طبقه بندی آریتمیهایی که در مرحله آزمون به آن وارد میشود پرداخته و با دقت بالایی آنها را تفکیک مینماید. دقت شبکه در مرحله آزمون بیش از%8 .9 میباشدسیگنال الکتروکاردیوگرام به وسیله حذف ضرایب ویولت مشابه در مقیاس بالا بدون نویز شده است. لازم به ذکر است که ویولتهایDubechies مناسب برای مجموعه دادهها کوچک هستند و به طور آشکار توانا برای تعیین محدودهی موضوعات سلامت و بیماری مانند موضوعات اسکیمی میوکاردیال هستند

نویسندگان

نازلار قاسم زاده

دانشجوی کارشناسی ارشد ,دانشگاه آزاد اسلامی , واحد تبریز , گروه مهندسی پزشکی , تبریز , ایران,

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • I1] شاکری , محمدتقی ز سبزواری , وحیدرضا ; عازمی ...
  • Ebrahimzadeh, A., A. Khazaee, and V. Ranaee. Classification of the ...
  • Acharya, U. R., M. S ankaranar ayanan, J. Nayak, C. ...
  • H.S.Niranjana Murthy, M.Meenakshi _ ECG Signal Denoising and Ischemic Event ...
  • MIT-BIH arrhythmia database directory [Online]. Available from : database/mitd http ...
  • Lee SC, Using A Transl ation-Invariat Neural Network to Diagnose ...
  • Chi Z, Jaberi M A, Identification of Supraventri cular and ...
  • Karlik B, Ozbey Y, A New Approach for Arrhythmia Classification, ...
  • Yu Hen Hu, Palreddy S, and Tompkins WJ, Customization of ...
  • Hosseini H G, Reynolds KJ, Powers D, A Multi-Stage NN. ...
  • Yang M.-Yao, Hu W.-Chih and Shyu L.-Yu, ECG Events Detection ...
  • Dokur Z, Olmez T. and Yazgan E, Comparison of discrete ...
  • Chazal P de, Celler BG, and Reilly RB, Using wavelet ...
  • Dokur Zumray, and Olmez Tamer, ECG beat classification by a ...
  • Alan Jovic, and Nikola Bogunovic, :Feature Extraction for ECG Time- ...
  • V. S. Chouhan, and S. S. Mehta, "Detection of QRS ...
  • Yu, S. N., and K. T. Chou. Selection of significant ...
  • Kuo-Kuang Jen, and Yean-Ren Hwang, "ECG Featue Extraction and Classification ...
  • Khadra, L, A. S. Al-Fahoum, and S. Binajaj. A quantitative ...
  • E.D. Ubeyli, (2008) "Implementing wavelet transform / mixture of experts ...
  • Zhang Qinghua, and Benveniste Albert, Wavelet Networks, IEEE Transactions On ...
  • Dickhaus Hurtmut, and Heinrich Hurtmut, Classifying Biosignals with Wavelet Networks, ...
  • Zhang Qinghua, Using Wavelet Networks in Nonparametric Estimation, IEEE Trans ...
  • Networks, March 1997; 8(2): 227-236. ...
  • نمایش کامل مراجع