تشخیص آریتمیهای قلبی براساس تبدیل بسته موجک و الگوریتم فاکتورگیری ماتریس غیرمنفی تنک
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 352
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIAE-17-3_012
تاریخ نمایه سازی: 3 اسفند 1399
چکیده مقاله:
چکیده: بیماریهای قلبی یکی از شایعترین عوامل مرگ و میر در محدودههای سنی مختلف میباشد و تعیین دقیق نوع آریتمی براساس پردازش سیگنالهای قلبی میتواند در کنار دانش پزشکی به تصمیمگیری درست در مورد وضعیت بیمار منتهی گردد. در این زمینه تشخیص نوع آریتمی و انتخاب شیوه درمانی مناسب بر اساس آن میتواند به یک مسئله چالش برانگیز تبدیل گردد زیرا امکان بروز خطا در این تصمیمگیری توسط پزشک وجود دارد. به منظور بررسی دقیق جزئیات سیگنال قلبی ثبتشده از بیمار، بکارگیری تکنیکهای پردازش و تحلیل سیگنال میتواند اهمیت بسیاری داشته باشد. در این مقاله، تشخیص نوع آریتمی به کمک ترکیب ویژگیهای مورفولوژیکی و ضرایب تبدیل بسته موجک صورت میگیرد. به منظور کاهش بُعد این دسته ویژگیها از الگوریتم تحلیل مولفههای اساسی تنک ساختاریافته استفاده میشود. سپس از این بردار ویژگی به منظور یادگیری مدلهای بازنماییکننده ساختار داده مربوط به هر نوع آریتمی قلبی به کمک الگوریتم فاکتورگیری ماتریس غیرمنفی تنک استفاده میگردد. دستهبندی دادهها در این روش براساس مقدار انرژی ضرایب تنک حاصل از بازنمایی داده صورت میگیرد. نتایج روش پیشنهادی با نتایج حاصل از سایر روشهای مطرح در این حوزه و نیز سایر طبقهبندهای مبتنیبر شبکه عصبی و ماشین بردار پشتیبان مقایسه شده است. نتایج حاصل از این شبیهسازیها نشان میدهد که روش پیشنهادی مبتنیبر ویژگیهای ترکیبی معرفیشده و مدلهای آموزشدیده قادر به دستهبندی انواع آریتمی قلبی با دقت بالا خواهد بود.
کلیدواژه ها:
ECG arrhythmia classification ، Morphological features ، Wavelet packet transform ، Sparse structured principal component analysis ، sparse non-negative matrix factorization. ، آریتمی قلبی ، ویژگی مورفولوژیکی ، تبدیل بسته موجک ، تجزیه مولفههای اساسی تنک ساختاریافته ، الگوریتم فاکتورگیری ماتریس غیرمنفی تنک.
نویسندگان
سمیرا مودتی
University of Mazandaran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :