تشخیص نارسایی کم خونی عضلات قلبی از روی شکل موج ECG با استفاده از تبدیل کسینوسی (DCT) و شبکه عصبی مصنوعی (ANN)
محل انتشار: پانزدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,261
فایل این مقاله در 5 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:
ICBME15_067
تاریخ نمایه سازی: 26 آبان 1391
چکیده مقاله:
در این مقاله یک روش جدید برای تشخیص نارسایی کم خونی (MI) (myocardial ischemic episode) در مانیتورینگ گردشی قلبی (AECG)ECG بر پایه تغییرات ST-Segment معرفی شده است. این روش بر اساس تبدیل کسینوسی گسسته (DCT) Discrete Cosine Transform و شبکه عصبی (ANN) Artificial Neural Network ارزیابی و ارائه شده است. در ابتدا ST-Segmet بر اساس تخیص مکان پیک R در AECG استخراج می شود. زیر مجموعه ای از ضرایب DCT بعنوان بردار ویژگی حاصل از ST-Segment تعیین می شود و در نهایت یک شبکه سه لایه ای Feed Forward با بهره گیری از الگوریتم Backpropagation برای کلاسه بندی ST-Segment بعنوان نرمال و یا غیر نرمال (در بیماران مبتلا به MI) استفاده می شود. در شبیه سازی کامپیوتری نرخ طبقه بندی بالایی در حدود 82% بدست آمد. نتایج بدست آمده نشان داد که DCT و شبکه عصبی یک پیشنهاد قابل قبولی برای تشخیص نارسایی کم خونی با بهره گیری از ST-Segment در سیگنال AECG می باشد.
کلیدواژه ها:
Artificial Neural Network – Backpropagation - Discrete Cosine Transform - Myocardial Ischemic Episode - ST-Segment
نویسندگان
حجت محمدنژاد
دانشگاه شاهد، دانشکده فنی مهندسی
محمد پویان
دانشگاه شاهد، دانشکده فنی مهندسی
میثم خلیل ارجمندی
دانشگاه شاهد، دانشکده فنی مهندسی
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 :