طبقه بندی آریتمی های قلبی با استفاده از تبدیل والش
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود
- نویسنده زهره نصیری
- استاد راهنما حسین مروی علیرضا احمدی فرد
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
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.
منابع مشابه
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 اولطبقه 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...
متن کاملشناسایی 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...
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 صنعتی شاهرود
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023