این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۴، شماره ۷، صفحات ۱۱۷-۱۲۱
عنوان فارسی کاربرد یک ویژگی ساده و مقاوم دو بعدی هندسی-تصویری در شناسایی دپلاریزاسیون بطنی
چکیده فارسی مقاله در این مقاله یک روش مبتکرانه، به نام پنجره متحرک Kاٌمین همسایگی نزدیک جهت شناسایی دپلاریزاسیون بطنی معرفی شده است. بدین منظور یک فضای ویژگی هندسی دو بعدی از سیگنال الکتروکاردیوگرام (طول بردار ویژگی برابر 2 می¬باشد) استخراج می¬گردد. در روش پیشنهادی یک پنجره با طول مشخص بر روی سیگنال خام (بدون پیش پردازش) حرکت می¬نماید. در هر حرکت از سیگنال واقع شده در داخل پنجره عکسی گرفته می¬شود. هر تصویر به وسیله¬ی یک ماتریس 300×300 پیکسلی تخمین زده می-شود. سپس به منظور ایجاد فضای ویژگی مناسب، به ازای هر تصویر، بردار ویژگی¬ بر اساس طول منحنی آن توسعه می¬یابد. در نهایت از روش طبقه¬بندی Kاٌمین نزدیکترین همسایگی به منظور طبقه بندی و شناسایی دپلاریزاسیون بطنی استفاده می¬شود. روش پیشنهادی به بانک اطلاعاتی داده¬های طولانی مدت هولتر بیمارستان دی تهران اعمال و مقادیر حساسیت و پیش¬بینی مثبت را به ترتیب 99.93 و 99.88 حاصل شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of a Simple Robust 2-D Pictorial-Geometrical Feature on QRS Complex Detection
چکیده انگلیسی مقاله In this paper a heuristic method, called Moving Window K-Nearest Neighbors (MW-KNN), for detecting QRS complexes was developed. To achieve this, a new simple 2-D geometrical feature space (feature space dimension was equal to 2) was extracted from the original electrocardiogram (ECG) signal. In this method, a sliding window was moved sample-by-sample on the preprocessed ECG signal. During each forward sliding, an artificial image was generated from the excerpted segment allocated in the window. Each image estimated by a 300×300 pixels matrix. Then, a pictorial-geometrical feature extraction technique based on curve-length was applied to each image for establishment of an appropriate feature space. Afterwards the K-Nearest Neighbors (KNN) Classification method was designed and implemented to the ECG signal. The proposed methods were applied to DAY general hospital high resolution holter data. For detection of QRS complex the average values of sensitivity Se = 99.93% and positive predictivity P+ = 99.88% were obtained.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید امیر حسینی سبزورای | seyed amir hosseini سبزورای
دانشگاه فردوسی مشهد-دانشکده مهندسی-گروه مکانیک
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

مجید معاونیان |
دانشگاه فردوسی مشهد-دانشکده مهندسی-گروه مکانیک
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

نشانی اینترنتی http://mme.modares.ac.ir/article_11240_b409fa43de06fdac79b629bdd8a9bd27.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-228538.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