CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Personalized ECG Signal Classification Using Block-Based Neural-Network and Particle Swarm Optimization

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۲۴۲ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ICBME20_078
زبان مقاله: انگلیسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله Personalized ECG Signal Classification Using Block-Based Neural-Network and Particle Swarm Optimization

  Shirin Shadmand - Microelectronics Research Laboratory,Electrical Engineering Department, Urmia University, Urmia, Iran
  Behbood Mashoufi - Microelectronics Research Laboratory,Electrical Engineering Department, Urmia University, Urmia, Iran

چکیده مقاله:

The purpose of this paper is the classification of ECG heartbeats of a specific patient in five heartbeat types according to AAMI recommendation, using an implementable neuralnetwork such as Block-based Neural Network (BBNN). A BBNN is created from 2-D array of blocks that are connected to eachother and easily can be expanded. Each block is a neural network. Because of flexibility in structure and internal configurations of BBNN, we can implement that with areconfigurable digital hardware such as field programmable gate array (FPGA). The internal structure of each block depends onnumber of incoming and outgoing signals. Therefore, the overall construction of network is determined by the moving of signalthrough the network blocks. Network structure and the weights are optimized using particle swarm optimization (PSO) algorithm. Input of the BBNN is a vector that the elements of thisvector are the features that extracted from ECG signal. In this paper wavelet transform based features and temporal featuresthat extracted from ECG signals create the input vector of BBNN. ECG signals are time varying and also for different people are unique. The BBNN parameters have been optimized by PSO algorithm witch can overcome the possible changes of ECG signals. The performance evaluation using the MIT-BIH arrhythmia database shows a high classification accuracy of 97 %.

کلیدواژه‌ها:

Block-based Neural Network (BbNNs) , Particle Swarm Optimization (PSO) , Electrocardiogram signals (ECG) , Patient specific ECG signal classification.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ICBME20-ICBME20_078.html
کد COI مقاله: ICBME20_078

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shadmand, Shirin & Behbood Mashoufi, ۱۳۹۲, Personalized ECG Signal Classification Using Block-Based Neural-Network and Particle Swarm Optimization, بیستمین کنفرانس مهندسی زیست پزشکی ایران, تهران, دانشگاه تهران, http://www.civilica.com/Paper-ICBME20-ICBME20_078.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Shadmand, Shirin & Behbood Mashoufi, ۱۳۹۲)
برای بار دوم به بعد: (Shadmand & Mashoufi, ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۱۱۰۲۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.