CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

کلاسه بند مبتنی برSVM و KNN جهت تشخیص نارسایی های قلبی براساس مشخصه های استخراج شده از الکتروکاردیوگرام

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۴۳ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی
سال انتشار: ۱۳۹۷
نوع ارائه: شفاهی
کد COI مقاله: TIET01_011
زبان مقاله: فارسی
حجم فایل: ۵۳۹.۵۴ کیلوبایت (فایل این مقاله در ۱۳ 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 ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کلاسه بند مبتنی برSVM و KNN جهت تشخیص نارسایی های قلبی براساس مشخصه های استخراج شده از الکتروکاردیوگرام

  لیلا غفوری - دانشجو ارشد هوش مصنوعی دانشگاه خیام مشهد
  علی جبرئیلی - استاد یار دانشگاه خیام مشهد

چکیده مقاله:

تشخیص آریتمی های قلبی با پردازش، تفسیر و تحلیل سیگنال های الکتروکاردیوگرام قلبی امکان پذیر هست. توسعهء روش های سریع و دقیق طبقه بندی خودکار الکتروکاردیوگرام برای تشخیص بالینی بیماری های قلبی بسیار ضروری است.هدف این پژوهش نیز، تحلیل سیگنال های قلب به منظور طبقه بندی آریتمی میباشد. آریتمی که در اینجا استفاده شده یکی از شایع ترین آریتمی های قلبی که همواره مورد توجه پزشکان قرار گرفته، آریتمی انقباضات زودرس بطنی است. در این پژوهش از پایگاه دادهء MIT-BIH arrhythmia databas به عنوان منبع داده استفاده شده است. برای تشخیص ضربان های زودرس بطنی در بیماران از ویژگی های مورفولوژیکی الکتروکاردیوگرام بدست آمده استفاده شده است و پس از استخراج و انتخاب ویژگی ها، برای طبقه بندی از روش های ماشین بردار پشتیبان و روش k نزدیک ترین همسایه استفاده شده است. روش ماشین بردار پشتیبان بهترین عمکرد با تابع کرنل rbf برای دادهای آزمون با درصد صحت 96.36 و درصد خطای 0.036 حساسیت 88.38 و برای نرخ اختصاصی بودن 99.11 درصد ، وK نزدیکترین همسایه با فاصله مینکوسفکی بهترین عمکرد با همسایه3 k= برای دادهای آزمون با درصد صحت 02/97 ، درصد خطای 0.029، پارامتر حساسیت 89.67 و نرخ اختصاصی بودن 99.55 برای تشخیص آریتمی عمل کرد.در این الگوریتم مشاهده میشود میتوان خطای تشخیص را کاهش داده ودرصد صحت را افزایش داد. و به پزشک در تشخیص اریتمی زودرس بطنی کمک کند.

کلیدواژه‌ها:

تشخیص آریتمی. الکتروکاردیوگرام.انقباضات زودرس بطنی. استخراج ویژگی

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-TIET01-TIET01_011.html
کد COI مقاله: TIET01_011

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:
غفوری, لیلا و علی جبرئیلی، ۱۳۹۷، کلاسه بند مبتنی برSVM و KNN جهت تشخیص نارسایی های قلبی براساس مشخصه های استخراج شده از الکتروکاردیوگرام، کنفرانس بین المللی فناوری و نوآوری در علوم ، مهندسی و تکنولوژی، تهران، شرکت همایش آروین البرز، https://www.civilica.com/Paper-TIET01-TIET01_011.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: (غفوری, لیلا و علی جبرئیلی، ۱۳۹۷)
برای بار دوم به بعد: (غفوری و جبرئیلی، ۱۳۹۷)
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: موسسه غیرانتفاعی
تعداد مقالات: ۲۸۸
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.

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.