پردازش هوشمند سیگنال الکتروکاردیوگرام به منظور تشخیص بیماری با استفاده ازتبدیل موجک و شبکه عصبی مصنوعی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,742
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:
ICSEE01_019
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
از میان سیگنالهای پزشکی، سیگنالهای قلبی به علت اهمیت ویژهای که در تشخیص سلامت یک فرد دارند، میتوان مورد توجه ویژهای قرار بگیرند. سیگنالهای قلبی از روی بدن یک انسان قابل ثبت میباشند که به آنها سیگنالهای الکتروکاردیوگرام یا ECG گفته میشود.پزشک متخصص از روی این سیگنالها میتواند اکثر بیماریهای قلبی را تشخیص دهد. در این مقاله روشی برای طبقه بندی سیگنال ECG ارایه میگردد. در این روش ابتدا نویز فرکانس پایین مربوط به عضلات بدن حذف و سپس از سیگنال تبدیل موجک گرفته میشود. آنگاه نویز فرکانسبالا از سیگنال حذف شده و دوباره سیگنال اصلی بازسازی میشود، که یک سیگنال بدون نویز و حاوی ویژگیهای اصلی میباشد. همچنین با اینعمل حجم اطلاعات برای پردازش مراحل بعدی 75 % کاهش مییابد. در مرحله بعد با استفاده از یک الگوریتم پیشنهادی تعیین مقدار بیشینه، موج R تشخیص داده شده و سرعت ضربان قلب محاسبه میشود. در نهایت سیگنال برای تعلیم و ارزیابی شبکه عصبی مصنوعی برای طبقه بندیو تشخیص هوشمند بیماری آماده میشود. طراحی انجام شده بر روی مجموعهای از سیگنالهای ECG مربوط به پایگاه داده MIT-BIH موردبررسی قرار گرفته است که تحلیل نتایج خروجی، حساسیت متوسط بالای 98.57 % را برای روش پیشنهادی نشان میدهد
کلیدواژه ها:
نویسندگان
مهدی فیروزی راد
دانشجوی کارشناسی ارشد الکترونیک موسسه آموزش عالی ادیبان،
جلیل مظلوم
عضو هیات علمی دانشگاه علوم و فنون هوایی شهید ستاری،
سمانه اعلمی هرندی
متخصص قلب و عروق دانشگاه علوم پزشکی سمنان، بیمارستان معتمدی گرمسار،
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 :