استفاده از دسته بندی کننده های غیر خطی در تشخیص ضربان به ضربان ایسکمی
محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,429
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME14_052
تاریخ نمایه سازی: 3 تیر 1387
چکیده مقاله:
دسته بندی ضربان های قلبی در سیگنال الکتروکاردیوگرام (ECG) نقش بسیار مهمی در آشکارسازی اپیزودهای ایسکمی دارد. در این مقاله الگوریتمی را برای تشخیص ضربانهای ایسکمی با استفاده از دسته بندی کننده های غیر خطی شبکه عصبی و ماشین بردار پشتیبان ارائه کرده ایم. این الگوریتم شامل سه مرحله است. در مرحله اول سیگنال ECG به منظور استخراج الگوی نمونه، حذف نویز و آرتیفکت، استخراج قطعه ST و ... مورد پیش پردازش قرار می گیرد. در مرحله بعد داده های مورد نیاز برای طبقه بندی کننده آماده سازی شده و در مرحله آخر هر ضربان دسته بندی می شود. روش ارائه شده با استفاده از مجموعه داده ای مشتمل بر 18047 ضربان از پایگاه داده ST-T database ESC مورد ارزیابی قرار گرفته و نتایج بدست آمده برای دو معیار حساسیت و پیش بینی مثبت به ترتیب برابر 97/22% و 97/44% برای دسته بندی کننده شبکه عصبی با نرخ یادگیری متغیر و 92/13% و 90/34% برای دسته بندی کننده ماشین بردار پشتیبان می باشد.
کلیدواژه ها:
نویسندگان
مریم محبی آشتیانی
دانشگاه تربیت مدرس، دانشکده فنی، گروه مهندسی پزشکی.
حمید ابریشمی مقدم
دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق، گروه مهندسی پزشکی.
بابک محمدزاده اصل
دانشگاه تربیت مدرس، دانشکده فنی، گروه مهندسی پزشکی.
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 :