طبقه بندی بیماری های قلبی از سیگنال های ECG، با تبدیل موجک و طبقه بندی کننده kNN
چکیده
قلب یکی از مهم ترین اندام بدن است که خون را همراه با مواد مغذی و اکسیژن در سراسر بدن ، گردش میدهد. تعدادی از دلایل وجود دارد که میتواند بر روی عملکرد عادی قلب، تاثیر بگذارد. در این مقاله ده بیماری قلبی، همراه با شرایط نرمال قلبی، با استخراج ویژگی از سیگنال های ECG ( الکتروکاردیوگرام) و تبدیل موجک سطح ششم از سیگنال های ECG بررسی شده است. نتایج با هم مقایسه شده است و صحت آن با استفاده از سیگنال های تبدیل موجک، بهبود پیدا میکند.
مقدمه
قلب پیچیده ترین اندام بدن انسان بوده و بیماری های مرتبط با آن باید با صحت بالا و در زمان کوتاه شناسایی شود و عدم موفقیت در شناسایی مشکلات قلبی میتواند منجر به مرگ ناگهانی شود. برای تشخیص بیماری های قلبی، سیگنال های ECG مورد استفاده قرار گرفته است. به دلیل این که انواع مختلف از ساختار های فیزیولوژیک در انسان وجود دارد، و انواع مختلفی از ECG نیز وجود دارد. ازین رو، این شکل موج از همین بیماری ممکن است در میان افراد اندکی متفاوت باشد. برای بعضی از بیماری ها، نشانه های بالینی در راستای ECG میتواند برای تشخیص دادن بیماری در مراحل اولیه مناسب باشد ؛ در حالی که بسیاری از بیماری های قلبی در طول زمان، توسعه پیدا میکنند. بنابراین، بسیاری از ابزار ویژه در حال حاضر برای ثبت کردن سیگنال در چندین روز مورد استفاده قرار میگیرد مانند هولتر مانتیور ها. این موضوع برای متخصص های قلبی عروقی سخت میشود که بتوانند امواج را مطالعه کرده و آن ها را در زمان محدود، تفسیر میکنند.
Abstract
Heart is the most vital organ which circulates blood along with nutrients and oxygen throughout the body. There are number of reasons which may affect its normal working. In this paper ten heart diseases, as well as normal, have been classified by extracting features from original ECG (electrocardiogram) signals and sixth level wavelet transformed ECG signals. The results have been compared and improved accuracy has been obtained using wavelet transformed signals.
I. INTRODUCTION
Heart is the most sophisticated organ of human body and the diseases related to it need to be identified with much accuracy and in short time, failure of which can lead to sudden death. For diagnosis of heart, ECG signals are used. Since there is variation in physiological structures of humans, they have different shapes of ECG. Therefore, the wave shape of the same disease may vary little bit from person to person. For some diseases, the clinical symptoms along with ECG will be sufficient to diagnose the disease at early stages; whereas, many cardiac diseases develop over a long time. So, some specialised instruments are used to record the signals for a few days, such as Holter ambulatory monitor [1]. This gets cumbersome for the cardiologist to study the waves and interpret them in limited time.
چکیده
1 مقدمه
2 روش شناسی
الف ) روش 1 : الگوریتم ها برای استخراج ویژگی و طبقه بندی با استفاده از سیگنال های اصلی ECG
ب) روش 2 : الگوریتم ها برای استخراج ویژگی و طبقه بندی با استفاده از سیگنال های ECG تبدیل شده با استفاده از موجک
3 نتایج
4 جمع بندی
Abstract
I. INTRODUCTION
II. METHODOLOGY
A. Method 1: Algorithm for feature extraction and classification using original ECG signals
B. Method 2: Algorithm for feature extraction and classification using wavelet transformed ECG signals
III. RESULTS
IV. CONCLUSION
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه