CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۵۰۹ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ISCEE18_112
زبان مقاله: فارسی
حجم فایل: ۳۸۸.۹۶ 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 طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN

  زهرا رستمی - دانشجوی کارشناسی مهندسی برق مخابرات، دانشگاه صنعتی قم
  روزبه رجبی - استادیار گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی قم

چکیده مقاله:

سیگنال الکتروکاردیوگرام فعالیت الکتریکی قلب را نشان می دهد و پزشکان در تشخیص بیماری‏های قلبی از آن استفاده می کنند. برای آنالیز یک ثبت طولانی از این سیگنال، زمان زیادی صرف می شود و گاهی ممکن است با خطا همراه شود، از این رو نیاز به یک ابزار تشخیص به کمک کامپیوتر، برای کمک به پزشکان احساس می شود. در این تحقیق، ابتدا نویزهای موجود در سیگنال، توسط فیلتر دیجیتال و تبدیل موجک گسسته حذف شده؛ سپس با الگوریتم Pan_Tompkins کمپلکس‏های QRS ، استخراج شده‏اند. در مرحله بعد ویژگی‏های هر سیکل قلبی توسط تبدیل موجک گسسته استخراج و برای کاهش ابعاد فضای ویژگی از تبدیل PCA استفاده شده است. در آخر، طبقه‏بندی آریتمی‏ها، با دو روش SVM و Feed-Forward Neural Network (FFNN) ، انجام شده است. از داده‏های موجود در پایگاه داده MIT-BIH arrhythmia و نرم‏افزار MATLAB جهت ارزیابی روش‏های به کار رفته استفاده شده است. پنج کلاس شامل ضربان‏های نرمال (N) و آریتمی‏های انسداد دسته شاخه چپ (LBBB)، انسداد دسته شاخه راست (RBBB)، انقباض زودرس دهلیزی (APB) و ضربان paced (PB)، با صحت 94/47 درصد با SVM و صحت 90/30 درصد با FFNN طبقه بندی شده است.

کلیدواژه‌ها:

الکتروکاردیوگرام، آریتمی، تبدیل موجک گسسته، تبدیل PCA، روش SVM

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-ISCEE18-ISCEE18_112.html
کد COI مقاله: ISCEE18_112

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:
رستمی, زهرا و روزبه رجبی، ۱۳۹۴، طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN، هجدهمین کنفرانس ملی دانشجویی مهندسی برق ایران، مشهد، سازمان علمی دانشجویی مهندسی برق کشور، https://www.civilica.com/Paper-ISCEE18-ISCEE18_112.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: (رستمی, زهرا و روزبه رجبی، ۱۳۹۴)
برای بار دوم به بعد: (رستمی و رجبی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Noise Cancellation from ECG Signal." International journal of computer applications ...
  • Arzeno, Natalia M., Zhi-De Deng, and Chi-Sang Poon. "Analysis ...
  • Pan, Jiapu, and Willis J. Tompkins. "A real-time QRS detection ...
  • Kunzmann, U. G. Wagner, J. Schochlin, and A. Bolz. "Parameter ...
  • Kanaan, Lara, Dalia Merheb, Maya Kallas, Clovis Francis, Hassan Amoud, ...
  • Lagerholm, Martin, Carsten Peterson, Guido Braccini, Lars Edenbrandt, and Leif ...
  • Martis, Roshan Joy, U. Rajendra Acharya, and Lim Choo Min. ...
  • Sambhu, D., and A. C. Umesh. "Automatic Classification of ECG ...
  • Sormmo, Leif, and Pablo Laguna. _ Electrocardi ogram (ECG) _ ...
  • Hsu, Chih-Wei, and Chih-Jen Lin. "A comparison of methods for ...
  • Goldberger AL, Amaral LAN, Glass L, Hausdorff JM, Ivanov PCh, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۶۸
    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 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.