طراحی سیستمی هوشمند برای تشخیص بیماری های جدی قلبی با استفاده از سیگنال های قلب
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند
- نویسنده امید مخلصی
- استاد راهنما ناصر مهرشاد سید محمد رضوی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
در سالیان اخیر استفاده از سیستم های هوشمند در علوم مهندسی به ویژه در تشخیص بیماری به طور چشم گیری افزایش پیدا کرده است. در زمینه ی تشخیص هوشمند بیماری های قلبی با استفاده از سیگنال های صوتی و سیگنال های الکتروکاردیوگراف نیز روش های متعددی ارائه شده است. از جمله ی این روش ها می توان به مدل های مبتنی بر آنالیز چند جمله ای سیگنال های قلبی، شبکه های عصبی، الگوریتم های مبتنی بر منطق فازی، ماشین های بردار پشتیبان و سایر روش های مقایسه ای بر پایه ی پارامتر های آماری اشاره نمود. علاوه بر این، روش های ترکیبی زیادی نیز بر اساس ترکیب نتایج الگوریتم های ذکر شده ی فوق مطرح شده اند. در این پایان نامه از یک الگوریتم سه مرحله ای برای تشخیص شش نوع بیماری و کارکرد طبیعی قلب با استفاده از سیگنال های صوتی قلب و نیز تشخیص چهار نوع بیماری و کارکرد طبیعی قلب با استفاده از سیگنال الکتروکاردیوگراف استفاده شده است. در روش پیشنهادی ابتدا به منظور کاهش نویز و انتخاب سیکل ضربانی شامل بیماری مورد نظر یک مرحله پیش پردازش روی سیگنال انجام می شود. در مرحله ی بعد ویژگی های زمانی و طیفی مناسب، از روی سیگنال انتخاب شده و با یکدیگر ترکیب می شوند. بردارهای ویژگی حاصل با استفاده از چند سیستم مرکب چند مرحله ای با ساختار عصبی مختلف طبقه بندی شده و تشخیص بیماری مربوط به آن سیگنال به کمک ترکیب در سطح تصمیم انجام می شود. نتایج حاصل از روش پیاده سازی در مقایسه با روش های موجود، در حد قابل ملاحظه ای بهبود یافته است. این امر نشان می دهد که ارائه ی روش های مناسب برای ترکیب در سطح تصمیم، که در حقیقت مدلی از مشاوره ی پزشکی می باشد، قادر است تشخیص بیماری را با ضریب اطمینان بیشتری انجام دهد.
منابع مشابه
طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
متن کاملتشخیص بیماری های قلبی با استفاده از آنالیز غیر خطی سیگنال تغییرپذیری نرخ ضربان قلب
سیگنال تغییرپذیری نرخ ضربان قلب (hrv) یک ابزار غیرتهاجمی مشهور برای ارزیابی وضعیت سیستم قلبی- عروقی و نیز اعصاب خودمختار می?باشد. تحقیقات اخیر نشان داده?اند که ساختار مولد این سیگنال، یک ساختار خطی ساده نیست بلکه شامل مولفه?های غیرخطی می?باشد که به عوامل هورمونی و نورونی وابسته است. لذا از آنجاییکه تحلیلهای کلاسیک، تنها رفتارهای خطی و پریودیک موجود در سیگنال را بررسی می?کنند، ارتباطات پیچیده?تر...
15 صفحه اولتشخیص زودهنگام مرگ ناگهانی قلبی با استفاده از پردازش سیگنال قلبی و فیلتر کالمن تعمیمیافته
مرگ ناگهانی قلبی یکی از مهمترین عوامل مرگ و میر در جهان به شمار رفته، و در بین مرگهای ناشی از بیماریهای قلبی سهم عمدهای را به خود اختصاص میدهد. یکی از راههای کاهش آمار مرگ ناشی از این دسته از بیماریها، تشخیص به موقع وقوع ناهنجاریهای خطرناک قلبی است. اساس این تحقیق بر این باور استوار است که ناهنجاریهای مخاطرهآمیز قلبی به صورت ناگهانی رخ نمیدهند، بلکه دقایقی قبل از وقوعشان، علائم و یا ...
متن کاملطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
در این مقاله، یک روش جدید برای طبقهبندی آریتمیهای قلبی بر مبنای تبدیل ویولت و شبکههای عصبی ارائه شده است. از تبدیل ویولت گسسته (dwt) جهت پردازش رکوردهای ecg. و استخراج ویژگیهای زمان – فرکانس استفاده میشود. نتیجهی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکهی عصبی مورد استفاده قرار میگیرد. هر چند که در سالهای اخیر، الگوریتمهای متنوعی برای تشخیص آریتمیهای قلبی پیشنهاد شدهان...
متن کاملامکان تشخیص آریتمی های قلبی با استفاده از تحلیل شاخص های آشوبی سیگنال ecg
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 ...
متن کاملارائه یک سیستم هوشمند در تشخیص بیماری عروق کرونری قلب با استفاده از شبکه عصبی احتمالی
مقدمه: انتخاب روش مناسب برای مدلسازی و تحلیل داده های سلامت و بهداشت، مبتنی بر نوع داده های موجود، بسیار مهم و در مواردی بسیار حساس است. تحقیق حاضر با هدف بررسی بسته بودن یا نبودن عروق کرونری قلب بر اساس شبکه عصبی احتمالی انجام شد. نتایج این تحقیق نشان داد که در جامعه آماری مورد مطالعه، شبکه های عصبی احتمالی بهتر و قوی تر از سایر شبکه های عصبی در تشخیص بیماری عمل کرده اند. روش بررسی: این تحقیق،...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023