روشی مقاوم به نویز به منظور تشخیص ایسکمی میوکارد با استفاده از سیگنال الکتروکاردیوگرام و بهره گیری از طبقه بندهای ماشین بردار پشتیان و ماشین یادگیری افراطی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 606

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF03_0307

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

تشخیص صحیح ایسکمی میوکارد نقش مهمی در جلوگیری از عارضه های کشنده ی قلب نظیر آنفارکتوس میوکارد و مرگ ناگهانی قلب ناشی از ایسکمی، ایفا می کند. در سال های اخیر روش های متفاوتی در تشخیص ایسکمی ارائه شده اند. اما به دلیل وجود نویز و خطای محاسبات هنوز روشی قابل اعتماد برای حل این چالش ارائه نشده است. در این پژوهش روشی مقاوم به نویز در تشخیص دوره های قطعات ST ایسکمیک با استفاده از طبقه بندهای ماشین بردار پشتیبان و ماشین یادگیری افراطی ارائه شده است. این الگوریتم بر روی داده ی ST-T جامعه ی قلب و عروق اروپا پیاده سازی شده و مورد ارزیابی قرار گرفته است. در این پژوهش ابتدا روشی مبتنی بر تبدیل موجک گسسته و فیلتر میان گذر به منظور پیش پردازش و حذف نوسانات خط پایه پیاده سازی شده است. سپس به شناسایی موقیعیت زمانی اجزای مولفه ی سیگنال قلب پرداخته شده است. در مرحله ی بعد از هر ضربان 4 ویزگی به جهت تفکیک ضربان های سالم از دوره های ایسکمیک ارائه شده است : شیب خ بین دو نقطه ی ولتاژ صفر و نقطه ی پایانی کمپلکس QRS، معیار طول قوس در مساحت منحنی بین نقطه ی پاانی کمپلکس QRS و قله ی موج T، معیار مربع میانگین ریشه ی قطعه ی ST و شیب خط بین دو تقطه ی J و پایان موج T. در خاتمه ی تحقیق، با استفاده از طبقه بندهای ماشین بردار پشتیبان و و ماشین یادگیری افراطی به تشخیص دوره های ایسکمیک از ضربان های سالم پرداخته شده است.

کلیدواژه ها:

ایسکمی میوکارد ، انحراف قطعه ی ST ، تبدیل موجک ، ELM ، SVM

نویسندگان

دنا مافی

دانشجوی کارشناسی ارشد، مهندسی مکاترونیک، دانشگاه آزاد اسلامی واحد تهران جنوب

مرضیه السادت آقاعمو

دانشجوی کارشناسی ارشد، مهندسی مکاترونیک، دانشگاه آزاد اسلامی واحد تهران جنوب

علی غفاری

استاد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

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 :
  • Finegold, J.A. and Asaria, P. and Francis, D. (20 13), ...
  • Ranjith, P. Baby, P. and Joseph P. (2003), :ECG Analysis ...
  • Sahoo, G.K. Ari, S. and Patra, S.K. (2013), "ECG Analysis ...
  • Manocha, A.K. and Singh, M. (2011), "An Overview of Ischemia ...
  • Wisana, I.D. Widodo, T. Sjabani, M. and Susanto, A. (20 ...
  • Correa, Raul. Arini, P. Correa, L. Valentinuzzi, M. and Laciar, ...
  • Rabbani, H. Mahjoob, M.P. Farahabadi, E. Farahabadi, A. and Dehnavi, ...
  • Lemire, D. Pharand, C. Rajaonah, J. Dube, B. and Leblanc, ...
  • Maglaveras, N. Stamkopoulos, T. Pappas, C. and Strintzis, M.G. (1998), ...
  • Papaloukas, C. Fotiadis, D. Likas, A. and Michalis, L.K. (2002), ...
  • Faganeli, J. Jager, F. (2 0 0 8), "Automatic Distinguishing ...
  • Goletsis, Y. Papaloukas, C. Fotiadis, D.L. and Likas, A. (2004), ...
  • Exarchos, T.P. Tsipouras, M.G. Papaloukas, C. Fotiadis, D.L. and Michalis, ...
  • (201 1), "Ischemia Prediction via ECG using MLP and RBF ...
  • Afsar, F.A. Arif, M. and Yang, J. (200 8), "Detection ...
  • Andreao, R.V. Dorizzi, B. Boudy, J. and Mota J. (2004), ...
  • Taddei, A. Distante, G. Emdin, M. Pisani, P. Moody, G.B. ...
  • Goldberger, A.L. Amaral, L. Glass, L. Hausdorff, J.M. Ivanov, P. ...
  • Min, Y.J. Kim, H. Kang, Y.R. and Kim, G.S (20 ...
  • Osowski, S. and Siwek, K. and Markiewicz, T. (2004), MLP ...
  • Huang, G.B. and Siew, C.K. (2 005), "Extreme Learning Machine ...
  • Pan, J. and Tompkins, W.J. (1985), "A Real-Time QRS Detection ...
  • نمایش کامل مراجع