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

Absence epilepsy seizure onsets detection based on ECG signal analysis

اعتبار موردنیاز: ۰ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۳۰۹ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ICBME20_091
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 Absence epilepsy seizure onsets detection based on ECG signal analysis

  Fatemeh Es.haghi - Microelectronic & Microsensor Lab,Electrical and Computer Engineering Department, University of Tabriz, Tabriz, Iran
  Javad Frounchi - Microelectronic & Microsensor Lab,Electrical and Computer Engineering Department, University of Tabriz, Tabriz, Iran
  Parviz Shahabi - School of Advanced Medical Science,Tabriz University of Medical Sciences, Tabriz, Iran
  Mina Sadighi - School of Advanced Medical Science,Tabriz University of Medical Sciences, Tabriz, Iran

چکیده مقاله:

Detecting epileptic seizure onsets is the main goal of numerous studies, since it has many profits for patients and clinicians. Methods based on electroencephalogram (EEG), electrocardiogram (ECG), and other electrophysiological signals had been used for automatic detection in the literature. For the first time, absence seizures have been detected based on ECG signals in this study. Animal models of absence epilepsy, WAG/Rij rats, with repetitive seizures (duration about few seconds’), have been investigated. After detecting QRS complexes from ECG signal and extracting 38 different linear, nonlinear and frequency domain features from heart rate variability, feature vectors were constructed. In order to obtain high efficiency detection algorithm, feature selection have been implemented based on wrapper approach. Results related to support vector machine (SVM), linear discriminate analysis (LDA), and k-nearest neighbor (kNN), three important classifiers for seizure detection have been compared in this work. The test results for patient- independent detection with 5 selected features in leave-one-out (LOO) train approach had accuracy of 74%, 72% and 71% for SVM, LDA and kNN, respectively. All the algorithms and methods have been optimized to be useful in embedded implementations

کلیدواژه‌ها:

Epilepsy, Absence, Seizure detection, ECG, Heart rate, Feature extraction, 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_091.html
کد COI مقاله: ICBME20_091

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:
Es.haghi, Fatemeh; Javad Frounchi; Parviz Shahabi & Mina Sadighi, ۱۳۹۲, Absence epilepsy seizure onsets detection based on ECG signal analysis, بیستمین کنفرانس مهندسی زیست پزشکی ایران, تهران, دانشگاه تهران, http://www.civilica.com/Paper-ICBME20-ICBME20_091.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: (Es.haghi, Fatemeh; Javad Frounchi; Parviz Shahabi & Mina Sadighi, ۱۳۹۲)
برای بار دوم به بعد: (Es.haghi; Frounchi; Shahabi & Sadighi, 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: ۱۸۸۵۲
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.