پیش بینی ناهنجاری فیبریلاسیون بطنی با استفاده از ویژگی های مورفولوژیکی سیگنال الکتروکاردیوگرام
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق
- author عطیه ریاسی
- adviser مریم محبی
- publication year 1393
abstract
پیش بینی موثر تاکی آریتمی های بطنی به خصوص فیبریلاسیون بطنی(vf) و تاکی کاردی بطنی(vt)، که خطر مرگ بیمار را به دنبال دارند، دارای اهمیت پزشکی ویژه ای می باشند. بنابراین وجود یک پیش بینی کننده ی تاکی آریتمی بطنی با دقت بالا که بتوان از آن در دفیبریلاتورهای قابل کاشت به منظور انجام درمان های پیش گیرانه استفاده کرد، بسیار مفید است. گرچه تاکنون روش های زیادی به منظور جدا کردن ثبت های قبل از آریتمی و ثبت های نرمال ارائه شده اند، اما تنها روش های بسیار کمی به بررسی امکان پیش بینی vf/vt برای هر فرد به طور جداگانه پرداخته اند. بنابراین در این پایان نامه سعی شده است از دو دیدگاه به مسأله ی پیش بینی پرداخته شود. در دیدگاه اول مانند اغلب کارهای پیشین یک روشی بر مبنای طبقه بندی اپیزودهای قبل از آریتمی و اپیزودهای نرمال دور از آریتمی ارائه شده است که توانسته با استفاده از ترکیبی از مهم ترین ویژگی های مورفولوژیکی بطنی سیگنال قلب ثبت های نرمال و پیش از آریتمی را با حساسیت و خصوصیت به ترتیب 97% و 95% از هم تفکیک نماید. در دیدگاه دومبا بررسی تغییرات آنتروپی موج t ارتقاء یافته به کمک تجزیه مد تجربی (emd)ضربان به ضربان سیگنال ecg، یک پیش بینی کننده با صحت 84% و خصوصیت 93% برای هر فرد به طور جداگانه ارائه شده است و به دلیل اهمیت زمان پیش بینی در اعمال به موقع درمان، زمان پیش گویی توسط این الگوریتم نیز مورد بررسی قرار گرفته است.
similar resources
پیش بینی فیبریلاسیون بطنی با استفاده از آنالیز پیچیدگی موج t از سیگنال ecg
فیبریلاسیون بطنی (vf) علت عمده ی وقوع مرگ ناگهانی قلبی است و از آنجا که این آریتمی مهم ترین ناهماهنگی در ریتم قلب است و خطر مرگ را به دنبال دارد، پیش بینی آن از نظر کلینیکی بسیار حائز اهمیت است. یک پیش گویی کننده ی قابل اطمینان vf که قابلیت پیاده سازی در دفیبریلاتورهای کاشتنی قلبی کاشتنی را داشته باشد، می تواند با انجام درمان های پیش از موعد از وقوع vf جلوگیری کند. هدف از این مطالعه، بررسی امکا...
full textسنجش استعداد ابتلا به فیبریلاسیون دهلیزی با استفاده از تحلیلهای غیر خطی سیگنال الکتروکاردیوگرام
Atrial Fibrillation is a supra ventricular tachyarrhythmia, which is characterized by the deterioration of atrial mechanical function and aberrant. It has become a social and economic problem because a large percentage of the world population suffering from this disease. The early diagnosis of this fatal cardiac Arrhythmia can be prevented and managed it. In this study, we used non-invasive met...
full textپیش 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...
full textجداسازی سیگنال فیبریلاسیون بطنی بر مبنای مشخصات آشوبگون سیگنال های قلبی
در این تحقیق، با استخراج خواص پدیده های آشوبگون و بررسی سه دسته سیگنال قلبی شامل سیگنال های طبیعی، تاکیکاردی بطنی و فیبریلاسیون بطنی مشاهده شد که این خواص به صورت مشخصی در سیگنال فیبریلاسیون بطنی وجود دارند. از یک شبکه عصبی پس انتشار خطا برای جدا سازی سیگنال فیبریلاسیون بطنی نسبت به دو نوع دیگر سیگنال قلبی استفاده گردید. شبکه در دو حوزه...
full textسنجش استعداد ابتلا به فیبریلاسیون دهلیزی با استفاده از تحلیل های غیر خطی سیگنال الکتروکاردیوگرام
فیبریلاسیون دهلیزی یک تاکی آریتمی فوق بطنی است، که با فعالیت دهلیزی غیرهماهنگ و متعاقب آن وخامت عملکرد مکانیکی دهلیز مشخص می شود. بروز این بیماری در درصد بالایی از جمعیت جهان آن را به یک مشکل اجتماعی و اقتصادی تبدیل کرده است. با تشخیص زود هنگام این آریتمی کشنده قلبی، می توان آن را پیشگیری و مدیریت نمود. در این تحقیق برآنیم با استفاده از روشهای غیرتهاجمی، بر پایه تجزیه و تحلیل غیرخطی سیگنال الکت...
full textپیش بینی حملات فیبریلاسیون دهلیزی با استفاده از پردازش سیگنال ecg و ویژگی های hrv
در این رساله، الگوریتمی برای پیش بینی شروع و پایان حملات فیبریلاسیون دهلیزی(paf) با استفاده از پردازش سیگنال ecg ارائه کرده ایم. به منظور پیش بینی شروع حملات paf از ویژگی های مختلف سیگنال تغییرات نرخ ضربان قلب (hrv) استفاده کرده ایم که این ویژگی ها شامل ویژگی های طیف توان، ویژگی طیفی مراتب بالاتر و ویژگی های غیر خطی می شود. هرکدام از این ویژگی ها می توانند بخشی از رفتار سیگنال hrv را قبل از وقو...
15 صفحه اولMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023