این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۷، شماره ۳، صفحات ۱۵-۳۲
عنوان فارسی ارائه یک روش نوین به‌منظور پیش‌بینی مرگ ناگهانی قلبی (SCD) با استفاده از روش انتخاب ویژگی و طبقه‌بندی‌کننده تجمیع خبرگان
چکیده فارسی مقاله مرگ ناگهانی قلبی (SCD) نتیجه تخریب شدید عملکرد قلبی است که سبب ازبین‌رفتن سیستم قلبی در افراد می‌شود. وقتی این اتفاق رخ می­دهد، خون دیگر نمی­تواند برای مدتی به قسمت‌های مختلف بدن پمپ شود. این واقعه به قدری جدی است که می­تواند در عرض چند دقیقه، بیمار را از زندگی محروم سازد. درصورت علم به وقوع این حادثه می­توان ازطریق تجهیزاتی همچون دفیبریلاتور و استفاده از دیگر راهکارهای درمانی تعداد این نوع مرگ‌ها را به شدت کاهش داد. با وجود این، همچنان راه‌های مناسبی برای پیش­بینی مرگ ناگهانی قلبی وجود ندارد تا پزشکان بتوانند ازطریق آن، تصمیمات مناسبی برای بیماران در معرض خطر بگیرند. در این مطالعه با استفاده از بهترین روش‌های استخراج ویژگی از پردازش‌های غیرِخطی، زمان - فرکانس و کلاسیک که فراهم‌آمده مطالعات قبلی و تجربیات کارهای گذشته خود ما است، از یک روش نوین جهت انتخاب فضای ویژگی بهینه به‌صورت محلی استفاده شده است. همچنین در ادامه با توجه به وجود ویژگی‌های متفاوت از حوزه‌های مختلف، طبقه‌بندی‌کننده تجمیع خبرگان پیشنهاد شده است. روش‌های پیشنهادی این امکان را فراهم می­کنند که با انتخاب بهینه ویژگی‌ها در هر بازه 1 دقیقه‌ای از سیگنال، انتخاب ویژگی‌های متفاوتی در هر دقیقه قبل از واقعه انجام شود که با هم متفاوت باشند. این موضوع نه‌تنها باعث افزایش چشمگیر زمان پیش­بینی از 4 دقیقه به 12 دقیقه با صحت بالا می‌شود، بلکه امکان تفسیر علائم بالینی با توجه به تکثر وجود ویژگی‌ها در هر دقیقه را نیز فراهم می‌سازد. ازطرفی وجود شبکه تجمیع خبرگان، تصمیم مناسب‌تری به‌عنوان خروجی درمورد پردازش حوزه‌های مختلف خواهد گرفت. نتایج مطالعه نشان‌دهنده توانمندی درخور توجه روش‌های پیشنهادی نسبت به دیگر روش‌های ارئه‌شده در مطالعات مشابه است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Novel Approach to Predict Sudden Cardiac Death Using Local Feature Selection and Mixture of Experts
چکیده انگلیسی مقاله Sudden Cardiac Death (SCD) is caused by loss of heart function which ultimately stops heart from pumping blood throughout the body and therefore, claims the patient’s life within few minutes. Once detected, sudden cardiac deaths could substantially decrease through applying medical procedures or instrumentations such as defibrillators. Nonetheless, effective approaches to SCD prediction, based on which doctors can make informed decisions, are yet to be discovered. This research aims to propose a novel approach to local feature selection with the assistance of the most accurate methodologies, which have formerly been developed in previous works of this team, for extracting features from nonlinear, time-frequency and classic processes. Furthermore, taking into consideration the existence of different features from different areas, the Mixture of Experts is put forward as a means of classification. The suggested methods enable us to select features that differ from one another in each minute before the incidence through the agency of optimal feature selection in each one-minute period of the signal. Not only will this facilitate increasing the prediction time from 4 minutes to 12 with a high level of accuracy, but it also will provide us with an opportunity to interpret clinical signs considering the plurality of features in each minute. Additionally, applying the Mixture of Experts classification proceeds to ensure a precise decision-making on the output of different areas processes. The results indicate to the superiority of the proposed method to those mentioned in similar studies.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الیاس ابراهیم زاده |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

بابک نجاراعرابی |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://isee.ui.ac.ir/article_20732_1acae694ff85099699f26976076d7eb6.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-386413.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات