• صفحه اصلی
  • مرور
    • شماره جاری
    • بر اساس شماره‌های نشریه
    • بر اساس نویسندگان
    • بر اساس موضوعات
    • نمایه نویسندگان
    • نمایه کلیدواژه ها
  • اطلاعات نشریه
    • درباره نشریه
    • اهداف و چشم انداز
    • اعضای هیات تحریریه
    • همکاران دفتر نشریه
    • اصول اخلاقی انتشار مقاله
    • بانک ها و نمایه نامه ها
    • پیوندهای مفید
    • پرسش‌های متداول
    • فرایند پذیرش مقالات
    • اخبار و اعلانات
  • راهنمای نویسندگان
  • ارسال مقاله
  • داوران
  • تماس با ما
 
  • ورود به سامانه ▼
    • ورود به سامانه
    • ثبت نام در سامانه
  • English
صفحه اصلی فهرست مقالات مشخصات مقاله
  • ذخیره رکوردها
  • |
  • نسخه قابل چاپ
  • |
  • توصیه به دوستان
  • |
  • ارجاع به این مقاله ارجاع به مقاله
    RIS EndNote BibTeX APA MLA Harvard Vancouver
  • |
  • اشتراک گذاری اشتراک گذاری
    CiteULike Mendeley Facebook Google LinkedIn Twitter Telegram
فصل نامه علمی پژوهشی مهندسی پزشکی زیستی
مقالات آماده انتشار
شماره جاری
شماره‌های پیشین نشریه
دوره دوره 11 (1396)
دوره دوره 10 (1395)
دوره دوره 9 (1394)
دوره دوره 8 (1393)
دوره دوره 7 (1392)
دوره دوره 6 (1391)
دوره دوره 5 (1390)
شماره شماره 4
شماره شماره 3
شماره شماره 2
شماره شماره 1
دوره دوره 4 (1389)
دوره دوره 3 (1388)
دوره دوره 2 (1387)
دوره دوره 1 (1386)
دوره دوره -2 (1384)
دوره دوره -1 (1383)
سلیمانی, رضا, روحانی, سید مجتبی. (1390). تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 5(2), 89-103. doi: 10.22041/ijbme.2011.13143
رضا سلیمانی; سید مجتبی روحانی. "تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته". فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 5, 2, 1390, 89-103. doi: 10.22041/ijbme.2011.13143
سلیمانی, رضا, روحانی, سید مجتبی. (1390). 'تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته', فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 5(2), pp. 89-103. doi: 10.22041/ijbme.2011.13143
سلیمانی, رضا, روحانی, سید مجتبی. تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 1390; 5(2): 89-103. doi: 10.22041/ijbme.2011.13143

تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته

مقاله 1، دوره 5، شماره 2، تابستان 1390، صفحه 89-103  XML اصل مقاله (460 K)
نوع مقاله: مقاله کامل پژوهشی
شناسه دیجیتال (DOI): 10.22041/ijbme.2011.13143
نویسندگان
رضا سلیمانی1؛ سید مجتبی روحانی 2
1مربی دانشگاه آزاد اسلامی، واحد سبزوار
2استادیار دانشگاه آزاد اسلامی، واحد گناباد
چکیده
در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه‌بندی آریتمی‌های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب HRV که دارای مشخصه‌های آشوبگونه بهتری نسبت به ECG ‌ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی‌های متداول خطی زمانی و فرکانسی، ویژگی‌های غیرخطی (آشوبگون) نیز بررسی شده‌اند. برای تسهیل در تعلیم و افزایش دقت طبقه‌بندی‌کننده، از دو تکنیک استفاده شده است: الف) تعداد ویژگی‌های استخراج شده توسط تکنیک آنالیز تمایزی تعمیم‌یافته GDA کاهش یافته است بدون آنکه این کاهش محتوای اطلاعات موجود را تقلیل دهد. ب) به کمک یک نگاشت خودسازمانده SOM برای هر گروه از داده‌ها، داده‌هایی برای تعلیم انتخاب شده‌اند که بیشترین محتوای اطلاعات را در مورد آن گروه داشته باشند. بررسی نتایج نشان می‌دهد که ویژگی‌های آشوب‌گونه نقش موثری در افزایش دقت سیستم تشخیص آریتمی قلبی دارد بنحوی که دقت کلی روش از حدود 92٪ به 97٪ افزایش یافته است. همچنین این نتایج موید اهمیت بکارگیری تکنیک‌های GDA و SOM به نحو پیش‌گفته است.در مرحله طبقه‌بندی طبقه‌بندهای MLP و SVM و PNN‌ مورد استفاده قرار گرفته و نتایج مقایسه شده است. در این مقاله7 نوع آریتمی مختلف VT, VF, LBBB, CHB, AF, AFL, PVC و نیز گروه ضربانهای طبیعی (NSR) با دقت کلی 97.4 درصد شناسایی و طبقه‌بندی شده‌اند. 
کلیدواژه‌ها
آریتمی قلبی؛ سیگنال ECG؛ سیگنال HRV؛ شبکه عصبی مصنوعی؛ ماشینهای بردار پشتیبان SVM؛ تحلیل تمایزی تعمیم‌یافته GDA؛ نگاشت خودسازمانده SOM
موضوعات
پردازش سیگنال های حیاتی؛ سایر موارد مرتبط با بیوالکتریک
عنوان مقاله [English]
Heart arrhythmia diagnosis by neural networks using chaotic features of HRV signal and generalized discriminant analysis
نویسندگان [English]
Reza Soleimani1؛ Seyed Mpjtaba Rouhani2
1Lecturer, Islamic Azad University of Sabzevar
2Assistant Professor, Islamic Azad University of Gonabad
چکیده [English]
in this paper, a novel and effective algorithm for classification of important heart arrhythmia is presented. The proposed algorithm uses heart rate variation (HRV) signal which has better chaotic characteristics. In addition to commonly used linear time domain and frequency domain features, nonlinear (chaotic) features are examined, too. To increase classification accuracy and facilitate learning, two techniques are used: a) extracted features are reduced by generalized discriminant analysis (GDA) and b) by a self organizing map (SOM), the most informant data are selected. Chaotic features help to improve diagnosis accuracy from 92% up to 97%. The results indicate the importance of GDA and SOM in efficiency of proposed algorithm. MLP, SVM and PNN classifiers are examined and compared. The proposed algorithm was able to diagnose 7 arrhythmias PVC, AFL, AF, CHB, LBBB, VF, VT and normal sinus rhythm (NSR) with 97.4% accuracy.
کلیدواژه‌ها [English]
Heart arrhythmia, Electrocardiography (ECG), Heart rate variability (HRV), Neural Networks, Support vector machines (SVM), self organizing maps (SOM), generalized discriminant analysis (GDA)
مراجع
آمار
تعداد مشاهده مقاله: 1,377
تعداد دریافت فایل اصل مقاله: 883
صفحه اصلی | واژه نامه اختصاصی | اخبار و اعلانات | اهداف و چشم انداز | نقشه سایت
ابتدای صفحه ابتدای صفحه

مجله مهندسی پزشکی زیستی از انتشارات انجمن مهندسی پزشکی ایران است که امتیاز رتبه علمی-پژوهشی از وزارت علوم، تحقیقات و فن آوری برای نشریات فنی و مهندسی را دارا است

Journal Management System. Designed by sinaweb.