ارائه یک روش نوین به منظور پیش بینی مرگ ناگهانی قلبی (scd) با استفاده از روش انتخاب ویژگی و طبقه بندی کننده تجمیع خبرگان
نویسندگان
چکیده
مرگ ناگهانی قلبی (scd) نتیجه تخریب شدید عملکرد قلبی است که سبب ازبین رفتن سیستم قلبی در افراد می شود. وقتی این اتفاق رخ میدهد، خون دیگر نمیتواند برای مدتی به قسمت های مختلف بدن پمپ شود. این واقعه به قدری جدی است که میتواند در عرض چند دقیقه، بیمار را از زندگی محروم سازد. درصورت علم به وقوع این حادثه میتوان ازطریق تجهیزاتی همچون دفیبریلاتور و استفاده از دیگر راهکارهای درمانی تعداد این نوع مرگ ها را به شدت کاهش داد. با وجود این، همچنان راه های مناسبی برای پیشبینی مرگ ناگهانی قلبی وجود ندارد تا پزشکان بتوانند ازطریق آن، تصمیمات مناسبی برای بیماران در معرض خطر بگیرند. در این مطالعه با استفاده از بهترین روش های استخراج ویژگی از پردازش های غیرِخطی، زمان - فرکانس و کلاسیک که فراهم آمده مطالعات قبلی و تجربیات کارهای گذشته خود ما است، از یک روش نوین جهت انتخاب فضای ویژگی بهینه به صورت محلی استفاده شده است. همچنین در ادامه با توجه به وجود ویژگی های متفاوت از حوزه های مختلف، طبقه بندی کننده تجمیع خبرگان پیشنهاد شده است. روش های پیشنهادی این امکان را فراهم میکنند که با انتخاب بهینه ویژگی ها در هر بازه 1 دقیقه ای از سیگنال، انتخاب ویژگی های متفاوتی در هر دقیقه قبل از واقعه انجام شود که با هم متفاوت باشند. این موضوع نه تنها باعث افزایش چشمگیر زمان پیشبینی از 4 دقیقه به 12 دقیقه با صحت بالا می شود، بلکه امکان تفسیر علائم بالینی با توجه به تکثر وجود ویژگی ها در هر دقیقه را نیز فراهم می سازد. ازطرفی وجود شبکه تجمیع خبرگان، تصمیم مناسب تری به عنوان خروجی درمورد پردازش حوزه های مختلف خواهد گرفت. نتایج مطالعه نشان دهنده توانمندی درخور توجه روش های پیشنهادی نسبت به دیگر روش های ارئه شده در مطالعات مشابه است.
منابع مشابه
ارائه یک روش نوین بهمنظور پیشبینی مرگ ناگهانی قلبی (SCD) با استفاده از روش انتخاب ویژگی و طبقهبندیکنندة تجمیع خبرگان
مرگ ناگهانی قلبی (SCD) نتیجه تخریب شدید عملکرد قلبی است که سبب ازبینرفتن سیستم قلبی در افراد میشود. وقتی این اتفاق رخ میدهد، خون دیگر نمیتواند برای مدتی به قسمتهای مختلف بدن پمپ شود. این واقعه به قدری جدی است که میتواند در عرض چند دقیقه، بیمار را از زندگی محروم سازد. درصورت علم به وقوع این حادثه میتوان ازطریق تجهیزاتی همچون دفیبریلاتور و استفاده از دیگر راهکارهای درمانی تعداد این نوع مرگ...
متن کاملپیش بینی مرگ ناگهانی قلبی (SCD) با استفاده از تحلیل های زمان – فرکانس و آنالیز غیر خطی سیگنال الکتروکاردیوگرام
مرگ ناگهانی قلبی (SCD) همه ساله جان میلیونها انسان را میگیرد . با استفاده از تجهیزات پزشکی از قبیل دیفیبریلاتور می توان تعداد این نوع مرگها را کاهش داد، با وجود این راههای مناسبی برای پیش بینی مرگ ناگهانی قلبی که پزشکان بتوانند از طریق آن تصمیمات مناسبی را برای بیماران در معرض خطر بگیرند، وجود ندارد. در این مقاله با استفاده از پردازش سیگنال الکتروکاردیوگرام مرگ ناگهانی قلبی پیش بینی شده است...
متن کاملاستفاده از شبکه های تجمیع خبرگان(Mixture of Experts)به منظور طبقه بندی سیگنال مغزی افراد سالم و بیماران صرعی
چکیده: EEGیکی از مهمترین و رایجترین مراجع برای مطالعه عملکرد مغز واختلالات نورولوژیک است. به همین دلیل، تشخیص تغییرات EEG توسط سیستمهای خودکار، موضوعی است که برای سالهای متوالی تحت مطالعه است.از آنجا که در هر سیستم دسته بندی، صحت تصمیم گیری از اهمیت ویژه ای برخوردار است، لذا نیازمند وجود روش های طبقه بندی بهتر برای سیگنال مغزی هستیم. در این تحقیق، به دنبال ارائه یک سیستم هوشمند مرکب برای بهبو...
متن کاملافزایش نرخ کارایی طبقه بندی با استفاده از تجمیع ویژگی های موثر روش های مختلف ترکیب شبکه های عصبی
Both theoretical and experimental studies have shown that combining accurate Neural Networks (NN) in the ensemble with negative error correlation greatly improves their generalization abilities. Negative Correlation Learning (NCL) and Mixture of Experts (ME), two popular combining methods, each employ different special error functions for the simultaneous training of NN experts to produce negat...
متن کاملپیش بینی سکته قلبی با استفاده از داده کاوی و روش انتخاب ویژگی دو مرحله ای
چکیده مقدمه و هدف: سکته قلبی یکی از علل اصلی مرگ و میر در کشورهای در حال توسعه می باشد. هدف این مطالعه، ارزیابی عملکرد مدل های دسته بندی برای پیش بینی سکته قلبی است که از یک مدل انتخاب ویژگیِ مبتنی بر وزن دهی به وسیله svm و الگوریتم ژنتیک، بهره می برد. مواد و روش ها: داده های این مطالعه از اطلاعات مراجعه کنندگان به بیمارستان تخصصی قلب شهید مدنی خرم آباد به دست آمده است که شامل 519 بیمار و 52 ویژ...
متن کاملارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به منظور طبقه بندی تصاویر تمام پلاریمتریک راداری
یک تصویر تمام پلاریمتریک راداری (polsar) قادر است ویژگیهای پلاریمتریک مهمی برای طبقهبندی پوشش زمینی فراهم کند. این ویژگیها می توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روشهای تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگیهای پلاریمتریک فراوانی از یک تصویر polsar استخراج میشود. سپس با استفاده از الگوریتم ژنتیک (ga) و درخت تصمیم (dt)، یک روش انت...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
هوش محاسباتی در مهندسی برقجلد ۷، شماره ۳، صفحات ۱۵-۳۲
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023