ارائه یک سیستم تصمیم یار هوشمند برای تشخیص بیماری های جدی قلب با استفاده از سیگنال الکتروکاردیوگرام

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,456

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE06_027

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

اریتمی های قلبی از جمله رایج ترین علل مرگ و میر در جهان به شمار می آیند تفکیک و تشخیص آریتمی های قلبی با استفاده از سیستم های هوشمند یکی از مهمترین روش ها برای تشخیص سریع و صحیح علایم موجود در سیگنال های قلبی می باشد. در این مقاله از یک روش هوشمند تصمیم یار برای تشخیص بیماریهای قلبی است استفاده شده است. مبنای این روش بر، استفاده از ساختارهای ترکیبی از شبکه های عصبی برای طبقه بندی کارکرد طبیعی و پنج کارکرد طبیعی و پنج کارکرد غیرطبیعی قلب استوار است. در این گونه ساختارهای ترکیبی و تصمیم بار برخی از شبکه های عصبی به عنوان شبکه ی پایه یا عمومی و برخی دیگر از آنها به عنوان شبکه ی متخصص استفاده شده است. (مرحله ی اول پزشک عمومی و مرحله ی دوم پزشک متخصص) در این مقاله ابتدا پیش پردازش مناسب بر روی سیگنالهای قلبی انجام شده و سپس ویژگی های زمانی (17 ویژگی) و ویژگی های موجک (18 ویژگی) استخراج و با استفاده از روش تحلیل مؤلفه های اصلی، ادغام و کاهش ابعاد ویژگی صورت گرفته است و در ادامه با استفاده از یک شبکه عصبی چند لایه اقدام به طبقه بندی شش کلاس مختلف از پایگاه MIT-BIH کردیم که پس از بررسی نتایج و به منظور بالا بردن دقت سیستم تصمیم به طراحی یک سیستم ترکیبی تصمیم یار هوشمند گرفتیم که نتایج حاصل از این طراحی منجر به بالاتر بردن دقت به صورت قابل ملاحظه ای و در حد 98.3 گردید.

کلیدواژه ها:

آریتمی های قلبی- ساختارهای ترکیبی شبکه های عصبی- استخراج ویژگی زمانی و موجک

نویسندگان

کنعان کیانی

کارشناس ارشد برق کنترل، دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد گناباد، گناباد

ناصر مهرشاد

دانشیار گروه برق الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند

محسن فرشاد

استادیار گروه برق کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند

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 :
  • تیلر، مالکوم1387. تنها کتاب EKG که نیاز دارید . ترجمه ...
  • مارتین تی هاگان، هاوارد بی دی موث، مارک بیل1388. طراحی ...
  • امید مخلصی، ناصر مهرشاد، محمد رضوی(1390). به کارگیری ساختارهای ترکیبی ...
  • محمد تقی شاکری، وحید رضا سبزواری(1386)، تفکیک هوشمند آریتمی های ...
  • ایمان موذن زاده، محمد رضا احمد زاده (1388) . طراحی ...
  • محمد باقر منهاج، 1389. مبانی شبکه های عصبی - تهران ...
  • Lee SC, Using A Trans lation-Invari at Neural Network to ...
  • Karlik B, Ozbey Y, A New Approach for Arrhythmia Classification, ...
  • Yu Hen Hu, Palreddy S, and Tompkins WJ, Customization of ...
  • Dokur Z, Olmez T. and Yazgan E, Comparison of discrete ...
  • Chazal P de, Celler BG, and Reilly RB, Using wavelet ...
  • Hosseini H G, Reynolds KJ, Powers D, A Multi-Stage NN. ...
  • Dokur, Z., & 0lmez, T. (2001). ECG beat classification by ...
  • Guler, I., & Ubeyli, E. (2005b). ECG beat classifier designed ...
  • -WWW .physionet _ org/physiob ank/databas e/#ecg ...
  • Sung-Nien Yu, Ying-Hsiang Chen.(2007) E le ctrocardiogram beat classification based ...
  • J.Nadal, C.DE _ M.Bossan, Classification of cardiac arrhythmias based on ...
  • نمایش کامل مراجع