CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۴۲۱ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ICBME20_078
زبان مقاله: انگلیسی
حجم فایل: ۴۲۹.۵۵ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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:
https://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, https://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: دانشگاه دولتی
تعداد مقالات: ۱۱۱۳۴
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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > قلب و عروق
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    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.