این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۴، شماره ۲، صفحات ۲۵-۴۲
عنوان فارسی طبقه بندی آریتمی‌های قلبی مبتنی بر ترکیب نتایج شبکه های عصبی با نظریه شواهد دمپستر- شفر
چکیده فارسی مقاله آریتمی‌های قلبی یکی از شایع ترین  بیماریهای قلبی است که ممکن است سبب مرگ بیمار گردد. از این رو شناسایی آریتمی‌های قلبی بسیار مهم است. در این مقاله برای دسته بندی  آریتمی‌های قلبی در سه کلاس PAC، PVC و Normal روشی مبنی بر ترکیب طبقه بندی کننده‌ها با استفاده از نظریه شواهد لحاظ شده است. بدین شکل که ابتدا پیک‌های R در ECG شناسایی گردید. سپس ویژگی‌های  خطی ECG شامل RMSSD، SDNN و HR Mean و همچنین ویژگی غیر خطی آن با استفاده از SVD بدست آمد. ترکیب ویژگی‌های بدست آمده به شبکه‌های عصبی MLP، Cascade Feed Forward و RBF داده شد. اصل عدم قطعیت در مورد  پاسخ آن‌ها بررسی و در نهایت پاسخ این طبقه بندی کننده‌ها با استفاده از نظریه شواهد با یکدیگر ترکیب شدند. جهت پردازش ECG نیاز به حذف نویز نبوده و روش پیشنهادی توانسته است در حضور نویز، نوع آریتمی قلبی را در بهترین حالت با حساسیت 98 % تشخیص دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی classification of Cardiac Arrhythmias based on combination of the results of Neural Networks using Dempster-Shefer Evidence Theory
چکیده انگلیسی مقاله Cardiac arrhythmias are one of the most common heart diseases that may cause the death of the patient. Therefore, it is extremely important to detect cardiac arrhythmias.  3 categories of arrhythmia, namely, PAC, PVC, and normal are considered in this paper based on classifier fusion using evidence theory. At first R peaks of ECG were identified. Then, the line features including ECG RMSSD, SDNN and HR Mean, and also non-linear characteristics were obtained by using SVD. The combination of these features results is given in MLP, Cascade Feed Forward and RBF neural networks. Next the principle of uncertainty about their response was checked, and finally, the results of these classifiers were combined by applying evidence theory. ECG processing is not needed to remove noise, however, the proposed method, in the presence of noise, is able to detect the cardiac arrhythmia, in best situation with 98% sensitivity.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله جمال قاسمی | jamal ghasemi
babolsar, iran
بابلسر-خیابان بهشتی-پردیس دانشگاه مازندران-دانشکده فنی و مهندسی
سازمان اصلی تایید شده: دانشگاه مازندران (Mazandaran university)

سمیه کرد | somayeh kord
noor, iran
نور، دانشگاه آزاد واحد نور
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی نور (Islamic azad university of noor)

محمد غلامی | mohamad gholami
babolsar, iran
بابلسر-خیابان بهشتی-پردیس دانشگاه مازندران-دانشکده فنی و مهندسی
سازمان اصلی تایید شده: دانشگاه مازندران (Mazandaran university)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-626-3&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-474283.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات