طبقه بندی سیگنال های قلبی به منظور تشخیص آنفارکتوس میوکارد مبتنی بر استخراج ویژگی های مورفولوژیکی از الگو های فضایی-زمانی سیگنال هایوکتورکاردیوگرام
عنوان مقاله: طبقه بندی سیگنال های قلبی به منظور تشخیص آنفارکتوس میوکارد مبتنی بر استخراج ویژگی های مورفولوژیکی از الگو های فضایی-زمانی سیگنال هایوکتورکاردیوگرام
شناسه ملی مقاله: ICBME26_010
منتشر شده در بیست و ششمین کنفرانس ملی و چهارمین کنفرانس بین المللی مهندسی زیست پزشکی ایران در سال 1398
شناسه ملی مقاله: ICBME26_010
منتشر شده در بیست و ششمین کنفرانس ملی و چهارمین کنفرانس بین المللی مهندسی زیست پزشکی ایران در سال 1398
مشخصات نویسندگان مقاله:
نسترن جعفری هفشجانی - گروه بیوالکتریک، دانشکده فناوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
علیرضا مهری دهنوی - گروه بیوالکتریک، دانشکده فناوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
خلاصه مقاله:
نسترن جعفری هفشجانی - گروه بیوالکتریک، دانشکده فناوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
علیرضا مهری دهنوی - گروه بیوالکتریک، دانشکده فناوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
یکی از شایعترین بیماری های قلبی عروقی (CVDs) در سراسر جهان آنفارکتوس میوکارد (MI) است که به سکته ی قلبی معروفاست و علت آن انسداد عروق کرونری و خون رسانی ناکافی به ماهیچه های قلبی است. استفاده از الکتروکاردیوگرافی (ECG) ووکتورکاردیوگرافی (VCG)، تشخیص و توصیف بیماری های قلبی را بهبود بخشیده است . در این تحقیق، علاوه بر بکارگیری سیگنالهای الکتروکاردیوگرام در حوزه زمان، از الگوهای فضایی-زمانی سیگنال های وکتورکاردیوگرام به منظور شناسایی 80 بیمار مبتلا بهMI و تمایز آنها از 52 فرد سالم به کار گرفته شد . هدف در این تحقیق تفکیک صحیح سیگنال های سالم از بیمار و رسیدن به دقتو صحت قابل قبول و همچنین نشان دادن مزایای وکتورکاردیوگرافی و بکارگیری آن به عنوان روشی جهت پوشش معایبالکتروکاردیوگرافی قدیمی است.
کلمات کلیدی: آنفارکتوس میوکارد (MI)، الکتروکاردیوگرام (ECG)، وکتورکاردیوگرام (VCG)، تبدیل ویولت (WT)، شبکه عصبی مصنوعی (ANN)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1011500/