طبقه بندی سیگنال های الکتروکاردیوگرام با استفاده از شبکه عصبی پس انتشار و EEMD
محل انتشار: ششمین کنفرانس ملی ایده های نو در مهندسی برق
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 377
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:
NCNIEE06_076
تاریخ نمایه سازی: 1 مرداد 1397
چکیده مقاله:
سیگنال الکتروکاردیوگرام((ECG، یکی از مهمترین ابزارها برای طبقهبندی انواع مختلف آریتمیهای قلبی است. از آنجا که سیگنال-های مورد پردازش بصورت واقعی از افراد اخذ میشوند، به احتمال زیاد حاوی نویزهای مختلفی چون نویز ماهیچهای یا تداخل خط تغذیه هستند. بنابراین قبل از پردازش و طبقهبندی سیگنالهای الکتروکاردیوگرام، نیاز است مرحلهی پیشپردازش که همان کاهش نویز است، انجام گردد. به علت غیرایستا بودن این سیگنال، تکنیک تجزیه به روش تجربی مجموع((EEMD پیشنهاد داده میشود. پس از مرحلهی حذف نویز، با استفاده ازتکنیک تجزیهی بستهی موجک، ویژگیهای آماری استخراج و بین صفر و یک نرمالیزه میشوند. در نهایت به کمک شبکه عصبی پس انتشار، سیگنالها براساس ویژگیهای آماری استخراج شده، طبقهبندی میگردند. در شبیهسازی این مقاله، تعداد 17 عدد سیگنال الکتروکاردیوگرام، از پایگاه دادهی MIT-BIH، اخذ شده است که در مرحلهی طبقهبندی در 6 کلاس مختلف قرار میگیرند. الگوریتم شبکهی عصبی پس انتشار با استفاده از EEMD، نتایج طبقهبندی بسیار خوبی با دقت 99/33 درصد را بدست آورده است.
کلیدواژه ها:
نویسندگان
اسداله کرایی
گروه مهندسی برق واحدشیراز دانشگاه آزاد اسلامی شیراز ایران
مهسا واقفی
گروه مهندسی برق واحدشیراز دانشگاه آزاد اسلامی شیراز ایران