طبقه بندی آریتمی های قلبی با استفاده از تبدیل والش

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود
author زهره نصیری
adviser حسین مروی علیرضا احمدی فرد
Number of pages: First 15 pages
publication year 1390

abstract

بیماری های قلبی بنا بر آمارهای سازمان جهانی بهداشت شایعترین علت فوت را در میان سایر بیماری ها به خود اختصاص می دهند. استفاده از الکتروکاردیوگرام (electrocardiogram:ecg) به دلیل اینکه ثبت آن آسان، کم هزینه و در عین حال ثمر بخش می باشد، برای تشخیص بیماری های قلبی کاربرد وسیع و قابل توجهی دارد.برای کاستن از اشتباهات پزشکان و کمک به آنها، می توان از روشهای هوشمند در تشخیص این بیماری ها استفاده نمود. تغییر و اعوجاج در هریک از پارامترهای اصلی سیگنال الکتروکاردیوگرام می تواند نشان دهنده یک بیماری قلبی باشد. در این تحقیق ،روشی جدید با استفاده از تبدیل والش برای طبقه بندی آریتمی های قلبی پیشنهاد شده است. هدف اصلی این تحقیق، بدست آوردن روشی اتوماتیک ، کارا و سریع, جهت تشخیص و تفکیک بیماری های قلبی بلوک شاخه ای راست ، بلوک شاخه ای چپ ، پیس ریتم و انقباضات زودرس بطنی4 و حالت نرمال از یکدیگر می باشد. به منظوراستخراج ویژگیها و کاهش ویژگیهای سیگنال قلب از طیف والش استفاده شده است .با استفاده از طیف والش ویژگی های مناسب از سیگنال قلب استخراج شده است .آزمایشات روی دیتابیس "mit_bih" 5 انجام شده است و در نهایت نمونه های انتخاب شده به یک طبقه بندی کننده svm داده می شود و ضربان های متفاوت در هر یک از گروه ها دسته بندی می شوند.آزمایشات انجام شده بر روی دیتابیس مذکور نشان دهنده موفقیت روش پیشنهادی در جهت کاهش ویژگی می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

طبقه بندی و تشخیص هوشمند آریتمی های سیگنالهای قلبی با استفاده از تبدیل موجک و شبکه عصبی مصنوعی

تشخیص آریتمی های قلبی سیگنال الکترودیاگرام (ecg ) به دلیل تشخیص بهنگام شرایط خطرناک قلب از اهمیت زیادی برخوردار است. آنالیز دستی برای تشخیص آریتمی های قلبی زمان قابل توجهی می طلبد. به علاوه آنالیز دستی همواره مستعد خطا می باشد. به همین دلیل در طی دو دهه ی اخیر ، تحقیقات قابل ملاحظه ای در زمینه ی تشخیص اتوماتیک آریتمی های قلبی انجام شده است. روش هایی که تا کنون ارائه شده است نسبت به یکدیگر در چگ...

15 صفحه اول

تشخیص و طبقه بندی آریتمی های قلبی توسط شبکه عصبی

چکیده ندارد.

15 صفحه اول

طبقه بندی اختلالات قلبی با استفاده از شبکه کوانتیزه کننده برداری و بر اساس ویژگی های استخراج شده از تبدیل ویولت

در این مقاله کارکرد شبکه عصبی کوانتیزه کننده برداری (LVQ) در طبقه بندی شش نوع سیگنال الکتروکاردیوگرام (ECG) با استفاده از ویژگی های استخراج شده به وسیله تبدیل ویولت مرتبه شش خانواده دابیچی بررسی شده است. شش سیگنال مورد نظر عبارت اند از: ECG <span lan...

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. ...

طبقه بندی سنگ ‏های ساختمانی از دیدگاه قابلیت برش با استفاده از روش خوشه بندی فازی

پیش بینی قابلیت برش سنگ به عنوان یکی از فاکتورهای موثر در تخمین هزینه‏ها و پیش بینی میزان تولید یک کارخانه فرآوری سنگ از اهمیت بالایی برخوردار می‏باشد. بنابراین شناخت کامل سنگ‏های ساختمانی و ارزیابی توان اجرایی دستگاه‏های برش در کارخانه‏های فرآوری، طراحان و برنامه‏ریزان تولید را به سمت بهبود سرعت فرآوری و افزایش تولید سوق می‏دهد. از اینرو، به کارگیری روش‏های نو و کاربردی برای دست‏یابی به این اه...

full text

آریتمی های قلبی در جریان اورمی ها

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود

Keywords

آریتمی های قلبی ماشین بردار پشتیبان طیف والش

Hosted on Doprax cloud platform doprax.com