این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۷، شماره ۵۴۸، صفحات ۱۱۹۲-۱۱۹۹
عنوان فارسی طبقه‌بندی امواج قلبی به ‌منظور تشخیص سکته‌ی قلبی مبتنی بر استخراج ویژگی‌های ریخت‌شناسی از الگوهای فضایی- زمانی امواج وکتور کاردیوگرام
چکیده فارسی مقاله مقدمه: یکی از شایع‌ترین بیماری‌های قلبی- عروقی (Cardiovascular diseases یا CVDs) در سراسر جهان سکته‌ی قلبی (Myocardial infarction یا MI) است. با پردازش و واکاوی امواج الکتروکاردیوگرام (Electrocardiography یا ECG) و وکتور کاردیوگرام (Vectorcardiography یا VCG)، می‌توان به تشخیص و توصیف بیماری‌های قلبی نظیر MI دست‌یافت. یکی از روش‌های نوین در تشخیص، استفاده از متغیرهای فضایی- زمانی امواج وکتور کاردیوگرام است. هدف از انجام این مطالعه، تفکیک صحیح امواج سالم از بیمار به‌ استفاده از طبقه‌بند شبکه‌ی عصبی مصنوعی و رسیدن به ‌دقت و صحت قابل ‌قبول و همچنین، نشان دادن مزایای وکتور کاردیوگرافی و به‌ کارگیری آن به‌ عنوان روشی جهت پوشش معایب الکتروکاردیوگرافی بود. روش‌ها: در این تحقیق، علاوه بر به‌ کارگیری امواج الکتروکاردیوگرام در حوزه‌ی زمان، از الگوهای فضایی- زمانی امواج وکتور کاردیوگرام به‌ منظور شناسایی 80 بیمار مبتلا به MI و تمایز آن‌ها از 80 فرد سالم بهره بردیم. یافته‌ها: زمانی که ترکیب ویژگی‌های 12 لید ECG و 3 لید VCG به ورودی طبقه‌بند شبکه‌ی عصبی پیش‌خور (Feedforward neural network) اعمال شد، صحت 2/91 درصد، دقت 6/92 درصد و ویژگی 0/90 درصد حاصل شد که نتایج، مقادیر بالاتری را نسبت به زمانی که ویژگی‌ها به صورت جداگانه اعمال شوند، نشان می‌دهد. نتیجه‌گیری: مشاهدات بیانگر این است که روش‌های مبتنی بر ترکیب ECG و VCG، می‌توانند در تفکیک موارد MI از موارد سالم مؤثر باشند. امید است که این روش در ارزیابی بالینی و تشخیص نارسایی قلبی مفید واقع شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Classification of Cardiac Signals in Order to Diagnose Myocardial Infarction based on Extraction of Morphological Features from Spatio-Temporal Patterns of Vectorcardiogram Signals
چکیده انگلیسی مقاله Background: One of the most common cardiovascular diseases (CVDs) in the world is myocardial infarction (MI). By analyzing electrocardiogram and vectorcardiography (VCG) signals, it is possible to identify and characterize heart diseases such as MI. One of the new methods of detection is the use of spatio-temporal parameters of VCG signals. This study aimed to correctly distinguish healthy signals from patients, achieve acceptable accuracy, and show the benefits of VCG and its application as a method to cover the shortcoming of electrocardiography. Methods: In this study, in addition to applying electrocardiogram signals in the time domain, spatio-temporal patterns of VCG signals were used to identify 80 patients with MI, and differentiate them from 80 healthy individuals. Findings: When combining the 12-lead electrocardiography (ECG) and the 3-lead VCG features applied to the Feedforward Neural Network classifier input, an accuracy of 91.2%, specificity of 92.6%, and specificity of 90% were obtained. The results were in higher values than when applied separately. Conclusion: The observations indicate that combined ECG and VCG methods can be effective in distinguishing MI cases from healthy cases. It is hoped that this method may be useful in the clinical evaluation and heart failure diagnosis.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نسترن جعفری هفشجانی |
استاد، گروه بیوالکتریک، دانشکده‌ی فن‌آوریهای نوین علوم پزشکی و مرکز تحقیقات پردازش تصویر و سیگنال پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

علیرضا mehri مهری دهنوی |
گروه بیوالکتریک، دانشکده‌ی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران

رضا حاجیان |
استادیار، مرکز آموزشی- تحقیقاتی و درمانی قلب و عروق شهید رجایی، دانشگاه علوم پزشکی ایران، تهران، ایران

شبنم بوداغ |
متخصص قلب و عروق، فلوشیپ اکوکاردیوگرافی، مرکز آموزشی تحقیقاتی و درمانی قلب و عروق شهید رجایی، دانشگاه علوم پزشکی ایران، تهران، ایران

محدثه بهجتی |


نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/12390
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-2213938.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات