امکان تشخیص آریتمی های قلبی با استفاده از تحلیل شاخص های آشوبی سیگنال ecg

Authors

علی تمیزی

محمد عطایی

محمدرضا یزدچی

abstract

سیگنال الکتروکاردیوگرام (ecg) معمول ترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماری های قلبی است. مطالعات نشان می دهد سیگنال ecg یک ساختار خطی ساده ندارد بلکه دارای مؤلفه های غیرخطی است. در این مقاله سیگنال ecg به عنوان یک سری زمانی در نظر گرفته شده است و شاخص های غیرخطی آشوبی مانند بزرگ ترین نمای لیاپانوف ( ) و بعد همبستگی (d2) از سیگنال ecg برای افراد سالم و بیمار استخراج می شود. در این راستا الگوریتم های مناسب جهت استخراج پارامترهای لازم برای بازسازی فضای حالت و نیز محاسبه بزرگ ترین نمای لیاپانوف و بعد همبستگی از روی سیگنال ecg با ملاحظات مربوطه ارائه می گردد. سپس با استفاده از طبقه بندی کننده فازی امکان تفکیک افراد سالم و بیمار، براساس شاخص های آشوبی محاسبه شده بررسی می شود. داده ها از پایگاه داده های mit-bih گرفته شده است و مقایسه نتایج برای سه گروه شامل افراد با ریتم قلبی سالم (nsr)، بیماران فیبریلاسیون دهلیزی (af) و بیماران انسداد دسته شاخه چپ (lbbb) انجام شده است که مبیّن کارایی طبقه بندی ارائه شده بر اساس شاخص های آشوبی است.

Upgrade to premium to download articles

Already have an account?login

similar resources

امکان تشخیص آریتمی‌های قلبی با استفاده از تحلیل شاخص‌های آشوبی سیگنال ECG

سیگنال الکتروکاردیوگرام (ECG) معمول‌ترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماری‌های قلبی است. مطالعات نشان می‌دهد سیگنال ECG یک ساختار خطی ساده ندارد بلکه دارای مؤلفه‌های غیرخطی است. در این مقاله سیگنال ECG به عنوان یک سری زمانی در نظر گرفته شده است و شاخص‌های غیرخطی آشوبی مانند بزرگ‌ترین نمای لیاپانوف ( ) و بعد همبستگی (D2) از سیگنال ECG برای افراد سالم و بیمار ...

full text

امکان تشخیص آریتمی‌های قلبی با استفاده از تحلیل شاخص‌های آشوبی سیگنال ECG

full text

تشخیص آریتمی های قلبی به کمک شبکه های عصبی با بکارگیری ویژگی های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم یافته

در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه بندی آریتمی های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب hrv که دارای مشخصه های آشوبگونه بهتری نسبت به ecg ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی های متداول خطی زمانی و فرکانسی، ویژگی های غیرخطی (آشوبگون) نیز بررسی شده اند. برای تسهیل در تعلیم و افزایش دقت طبقه بندی کننده، از دو تکنیک استفاده شده است: الف) تعداد ویژگی های ا...

full text

تشخیص و تخمین تغییرات موج T با استفاده از تحلیل چندلیدی سیگنال ECG

full text

تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته

در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه‌بندی آریتمی‌های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب HRV که دارای مشخصه‌های آشوبگونه بهتری نسبت به ECG ‌ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی‌های متداول خطی زمانی و فرکانسی، ویژگی‌های غیرخطی (آشوبگون) نیز بررسی شده‌اند. برای تسهیل در تعلیم و افزایش دقت طبقه‌بندی‌کننده، از دو تکنیک استفاده شده است: الف) تعداد ویژگی‌های ...

full text

شناسایی و طبقه بندی آریتمی های قلبی از روی سیگنال ecg با استفاده از روش های تکاملی

آریتمی های قلبی از مهم ترین عوامل مرگ و میر در جهان محسوب می شوند؛ جلوگیری از افزایش این مرگ و میرها نیازمند روش هایی است که بتوانند به طور خودکار آریتمی را تشخیص دهند. پژوهش های فراوانی تاکنون در مورد شناسایی و طبقه بندی آریتمی های قلبی پیشنهاد شده است. یکی از بهترین نتایج به دست آمده در این زمینه توسط توسّلی [50] ارائه شده است. وی در طبقه بندی ضربان ها به 7 کلاس به میانگین صحت 3/99% دست یافت. ...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title:

روش های هوشمند در صنعت برق

Publisher: دانشگاه آزاد اسلامی واحد نجف آباد

ISSN 2322-3871

volume 3

issue 10 2012

Keywords

آشوب الکتروکاردیوگرام نمای لیاپانوف بعد همبستگی طبقه بندی کننده فازی

Hosted on Doprax cloud platform doprax.com