نژادقلی, ایثار, مرادی, محمدحسن, عبدالعلی, فاطمه. (1389). طبقه‌بندی مستقل از بیمار ضربان قلب با استفاده از روش بازسازی فضای فاز. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 4(4), 279-292. doi: 10.22041/ijbme.2011.13196
ایثار نژادقلی; محمدحسن مرادی; فاطمه عبدالعلی. "طبقه‌بندی مستقل از بیمار ضربان قلب با استفاده از روش بازسازی فضای فاز". فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 4, 4, 1389, 279-292. doi: 10.22041/ijbme.2011.13196
نژادقلی, ایثار, مرادی, محمدحسن, عبدالعلی, فاطمه. (1389). 'طبقه‌بندی مستقل از بیمار ضربان قلب با استفاده از روش بازسازی فضای فاز', فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 4(4), pp. 279-292. doi: 10.22041/ijbme.2011.13196
نژادقلی, ایثار, مرادی, محمدحسن, عبدالعلی, فاطمه. طبقه‌بندی مستقل از بیمار ضربان قلب با استفاده از روش بازسازی فضای فاز. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 1389; 4(4): 279-292. doi: 10.22041/ijbme.2011.13196
طبقه‌بندی مستقل از بیمار ضربان قلب با استفاده از روش بازسازی فضای فاز
1دانشجوی دکتری، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
2دانشیار دانشکده مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
3دانشجوی کارشناسی ارشد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
چکیده
تاکنون از روشهای بسیاری برای طبقه‌بندی خودکار ضربان قلب استفاده شده است؛ اما تعداد بسیار اندکی از این روش‌ها در طبقه‌بندی مستقل از بیمار کارایی مناسبی داشته‌اند. در این مقاله، تئوری بازسازی فضای فاز برای طبقه‌بندی پنج نوع ضربان قلب (طبیعی، PVC، LBBB، RBBB و PB) در حالت مستقل از بیمار به کار رفته است. در روش اول و دوم ابتدا فضای فاز به دست آمده، مدلسازی شده و سپس با کمک طبقه‌بند بیزین کلاسیک، طبقه‌بندی انجام شده است. در روش اول مدل ترکیبی گوسین و و در روش دوم مدل بین به کار رفته است. در روش سوم، از بازسازی فضای فاز مستقیماً برای تعلیم تخمین‌زنندة شبکه عصبی با تأخیر زمانی استفاده شده؛ سپس طبقه‌بندی بر مبنای کمینه خطای پیش‌بینی، انجام شده است. نتایج هر سه روش در مقایسه با سایر روشهای طبقه‌بندی مستقل از بیمار بهبود قابل توجهی داشته است. بهترین نتایج مربوط به روش اول است که صحت طبقه‌بندی 5/92% در حالت مستقل از بیمار را نشان می‌دهد.
Patient Independent Heart Beat Classification using Reconstructed Phase Space
نویسندگان [English]
Isar Nejadgholi1؛ Mohammad Hasan Moradi2؛ Fateme Abdol Ali3
1Ph.D Student, Faculty of Biomedical Engineering, Amirkabir University of Technology
2Associate Professor, Faculty of Group, iomedical Engineering, Amirkabir University of Technology
3M.Sc Student, Faculty of Biomedical Engineering, Amirkabir University of Technology
چکیده [English]
Many methods for automatic heartbeat classification have been applied and reported in literature, but relatively little number of them concerned with patient independent classification because of the less significant results compared to patient dependent ones. In this work, Reconstructed Phase Space (RPS) theory is used to classify five heartbeat types (Normal, PVC, LBBB, RBBB and PB). In the first and second method, RPS is modeled by the Gaussian mixture model (GMM) and bins, respectively and then classified by classic Bayesian classifier. In the third method, RPS is directly used to train predictor time-delayed neural networks (TDNN) and classified based on minimum prediction error. All three methods highly outperform the results reported before for patient independent heartbeat classification. The best result is achieved using GMM-Bayes method with 92.5% accuracy for patient independent classification.
ابتدای صفحه