دوره 17، شماره 3 - ( مجله مهندسی برق و الکترونیک ایران - جلد 17 شماره 3 1399 )                   جلد 17 شماره 3 صفحات 119-128 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mavaddati S. ECG Arrhythmia Classification Based on Wavelet Packet Transform and Sparse Non-Negative Matrix Factorization. Journal of Iranian Association of Electrical and Electronics Engineers. 2020; 17 (3) :119-128
URL: http://jiaeee.com/article-1-919-fa.html
مودتی سمیرا. تشخیص آریتمی‌های قلبی براساس تبدیل بسته موجک و الگوریتم فاکتورگیری ماتریس غیر‌منفی تنک. مجله مهندسی برق و الکترونیک ایران. 1399; 17 (3) :119-128

URL: http://jiaeee.com/article-1-919-fa.html


دانشگاه مازندران
چکیده:   (94 مشاهده)
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.
متن کامل [PDF 592 kb]   (29 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: الکترونیک
دریافت: 1398/3/20 | پذیرش: 1399/4/10 | انتشار: 1399/7/7

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb