بررسی تشخیص بیماری دیابت بر اساس اطلاعات مستخرج از سیگنال ECG با استفاده از شبکه‌های عصبی مصنوعی
Authors
Abstract:
زمینه و هدف: بیماری دیابت یکی از شایع‌ترین بیماری‌های دنیا شناخته شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص به‌موقع و صحیح آن میباشد. هدف این پژوهش ارائه روش جدیدی برای تشخیص بیماری دیابت است و قصد دارد برای اولین بار ارتباط تصاویر ECG با تشخیص بیماری دیابت به کمک شبکه عصبی مصنوعی و الگوریتم‌های داده کاوی را بررسی کند. روش بررسی: در این مطالعه 8 بیمار دیابتی و 64 فرد سالم حضور داشتند. الکتروکاردیوگرافی برای تمام افراد انجام گرفت. اطلاعات مورد نیاز از تصاویر ECG شامل: نام بیمار، سن، HR، p، t، RR، PP، P، PR، qt،qtcb استخراج و در پایگاه داده جمع‌آوری شد. برای طبقه‌بندی بیماران از شبکه‌های عصبی احتمالی و الگوریتم‌های استاندارد داده کاوی استفاده شده است. داده‌ها از طریق الگوریتم‌های داده کاوی و روشهای متفاوت کلاس‌بندی مورد بررسی و ارزیابی قرار گرفتند و نتایج هر یک با توجه به نرخ صحیح مقایسه شدند. از نرم‌افزار weka برای رده‌بندی‌ها استفاده شده است. یافته‌ها: دقت شناسایی الگوریتم‌های مبتنی بر قوانین و شبکه عصبی، نسبت به الگوریتم‌های درخت تصمیم و الگوریتم‌های مبتنی بر فاصله بالاتر و نتایج بهتری در تشخیص بیماری دیابت نشان دادند. بهترین نرخ شایستگی در الگوریتم Consistency Subset Eval با میزان 0/89 بود و موج QRS به عنوان بهترین انتخاب در همه الگوریتم‌ها گزارش می‌شود. ارزیابی داده‌های افراد دیابتی و غیر دیابتی با استفاده از الگوریتم شبکه‌های عصبی احتمالی نرخ صحیحی 95% را نشان داد. همچنین الگوریتم KNN کمترین پیچیدگی زمانی را نشان داد. نتیجه‌گیری: مدل مبتنی بر قوانین دقت بالاتری نسبت به کلیه الگوریتم‌های طبقه‌بندی داده کاوی مورد استفاده در پژوهش نشان داد.
similar resources
تشخیص بیماری دیابت با استفاده از شبکه عصبی مصنوعی و عصبی- فازی
Background & Aim: A main problem in diabetes is its timely and accurate diagnosis. This study aimed at diagnosing diabetes using data mining methods. Methods: The present study is an analytical investigation including 768 individuals with 8 attributes. Artificial neural networks and fuzzy neural networks were used to diagnose the diabetes. To achieve a real accuracy, the Kfold method was used ...
full textتشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی
در کاربردهای صنعتی، پایش وضعیت و عیبیابی بیرینگها از اهمیت زیادی برخوردار است. تحلیل ارتعاشی، انتشار صدا، دمانگاری و تحلیل روانکار از جمله روشهای تشخیصی جهت شناسایی عیوب بیرینگها میباشند. یکی از قابل اطمینانترین روش‌ها جهت عیبیابی تجهیزات دوار، مطالعه بر روی سیگنال ارتعاشی میباشد. تاکنون روشهای مختلفی جهت عیبیابی بیرینگهای غلتشی توسط سیگنالهای ارتعاشی در حوزه زمان ارائه شده است. بیش...
full textتشخیص بیماری فلاتر دهلیزی با استفاده از سیگنال ecg مبتنی بر اطلاعات آماری مرتبه بالا
در این پایان نامه روشی نوین مبتنی بر اطلاعات آماری مرتبه بالا برای تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg ارائه شده است. از الگوریتم پن-تامپکینز برای شناسایی قله های r و سپس با توجه به موقعیت قله r، قله های s ،q و t شناسایی شده اند. برای استخراج ویژگی های اطلاعات آماری مرتبه بالا از سیگنال tq که نشان دهنده ی فعالیت های دهلیزی می¬باشد و بصورت دنباله ای از قطعه های tq برای نمونه¬¬های 20 ثانی...
15 صفحه اولتشخیص بیماری هیپرتروفی بطن چپ با استفاده از سیگنال ecg و براساس اطلاعات آماری مرتبه بالا
در این پایان نامه روشی جدید برای تشخیص بیماری هیپرتروفی بطن چپ به کمک سیگنال ecg ارائه شده است. هیپرتروفی قلبی به افزایش حجم عضلات قلب به بیش از یک مقدار آستانه گفته می شود. هیپرتروفی بطن چپ شایع ترین نوع هیپرتروفی قلبی بوده و به دلیل افزایش احتمال سکته قلبی تشخیص به موقع این بیماری اهمیت ویژه ای دارد. بعد از جمع آوری دیتابیس سالم و بیمار برای شناسایی قله های r از الگوریتم پن-تامپکینز استفاده...
15 صفحه اولبررسی تأثیر پارامترهای پیوسته در تشخیص بیماری عروق کرونر قلبی با استفاده از شبکه‌های عصبی مصنوعی
Background & Aim: Coronary artery disease is among the common diseases in societies. The best method of assessing coronary artery diseases is through angiography. This study aimed at investigating the effect of disease parameters on the diagnosis of coronary artery disease using artificial neural networks. Methods: This analytic study included a database of 200 non-attributable records. In t...
full textMy Resources
Journal title
volume 19 issue 4
pages 64- 77
publication date 2017-10
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023