تشخیص بیماری هیپرتروفی بطن چپ با استفاده از سیگنال ecg و براساس اطلاعات آماری مرتبه بالا

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر
author رشید قربانی افخمی
adviser محمد علی طینتی توحید یوسفی رضایی
Number of pages: First 15 pages
publication year 1393

abstract

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 شده و سپس قله های q، s و t با توجه به موقعیت قله های r تعیین شده اند. سیگنال qt به صورت دنباله ای از قطعه های q تا t برای هر نمونه 20 ثانیه ای از داده ها تعریف شده است. همچنین از تبدیل ویولت گسسته با ویولت مادر db6 برای تجزیه سیگنال ecg به 4 باند فرکانسی استفاده کرده ایم. بردار ویژگی شامل میانگین ارتفاع قله های r به عنوان ویژگی زمانی و چولگی، کشیدگی و گشتاور پنجم مربوط به سیگنال های qt و ضرایب d4 از تبدیل ویولت به عنوان ویژگی های آماری مرتبه بالا می باشد. به منظور توجیه ویژگی های انتخابی از مدل مخلوط گوسی برای ارائه یک مدل آماری برای سیگنال های سالم و بیمار استفاده شده است. ماشین بردار پشتیبانی به کمک پنج ویژگی، داده ها را به دو گروه سالم و بیمار تقسیم کرده است. دقت دسته بندی %75/99 و حساسیت آن %100 می باشد. روش ارائه شده دارای بهبود قابل ملاحظه در تشخیص بیماری هیپرتروفی بطن چپ به کمک سیگنال ecg نسبت به الگوریتم های پیشین می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تشخیص 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 اول

بررسی تشخیص بیماری دیابت بر اساس اطلاعات مستخرج از سیگنال ECG با استفاده از شبکه‌های عصبی مصنوعی

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 ح...

full text

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

full text

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

طبقه بندی سیگنال الکترومایوگرام سطحی با استفاده از آمارگان مرتبه بالا

در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخر...

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 تبریز - دانشکده مهندسی برق و کامپیوتر

Keywords

هیپرتروفی بطن چپ برق نگاری قلب سلول ضربان ساز ماشین بردار پشتیبانی بی هنجاری دهلیز قلبی

Hosted on Doprax cloud platform doprax.com