تشخیص اولیه بیماری قلبی با استفاده از طبقه بندی و درخت رگرسیون
چکیده
تشخیص اولیه در مورد مشکلات قلبی یکی از مهم ترین موضوعات برای تشخیص های پزشکی میباشد. در این مقاله، ما یک روش خودکار را برای بخش بندی صدای قلبی ارائه میدهیم که به نظر میتوان از آن برای طبقه بندی و درخت رگرسیون، استفاده کرد. سیستم تشخیصی، برای شناسایی و طبقه بندی بیماری های قلبی طراحی و ایجاد شده است و با استفاده از مجموعه داده ی نماینده ی 116 سیگنال صدای قلبی این کار انجام شده است که از موارد سالم و ناسالم از نظر شرایط قلبی، به دست آمده است. هدف نهایی این تحقیق، اجرا کردن یک سیستم تشخیص قلبی میباشد که میتواند مورد استفاده ی یک متخصص در ارزیابی بیماران قرار بگیرد تا تعداد اکو کاردیوگرام های غیر ضروری کاهش پیدا کرده و دیگر نیازی نباشد که نوزادانی به دنیا بیایند که تحت تاثیر بیماری های قلبی هستند. در این مطالعه، 99.14% صحت و 100% حساسیت و 98.28% ویژگی بر روی مجموعه داده ی مورد استفاده، به دست آمده است.
1- مقدمه
ارزیابی های صوتی قلبی به صورت گسترده توسط متخصص های قلبی استفاده میشود تا عملکرد های قلبی در بیماران ارزیابی شده و حضور حالت های غیر عادی در افراد شناسایی شود. اما نمیتوان به راحتی این مهارت را به دست آورد. این روز ها سیگنال های تولید شده توسط قلب نه تنها توسط گوشی پزشکی بلکه با استفاده از فونوکاردیوگرام روی صفحه ی نمایش بررسی میشود. این تکنیک، شامل ثبت کردن لرزش های صوتی قلب و گردش خون میباشد.
مرمر های قلبی معمولا اولین نشانه های تغییرات فیزیولوژیک در دریچه های قلبی هستند و معمولا در طول گوش دادن به صدای قلب در رسیدگی های اولیه، شناسایی میشود. دو نوع از مرمر قلبی را میتوان در طول گوش دادن به قلب شناسایی کرد : حالت آسیبی و حالت عادی. مورد دوم در نوزادان با نام مرمر نوزادی تعریف میشود.
Abstract
Early diagnosis of heart defects are very important for medical treatment. In this paper, we propose an automatic method to segment heart sounds, which applies classification and regression trees. The diagnostic system, designed and implemented for detecting and classifying heart diseases, has been validated with a representative dataset of 116 heart sound signals, taken from healthy and unhealthy medical cases. The ultimate goal of this research is to implement a heart sounds diagnostic system, to be used to help physicians in the auscultation of patients, with the goal of reducing the number of unnecessary echocardiograms and of preventing the release of newborns that are in fact affected by a heart disease. In this study, 99.14% accuracy, 100% sensitivity, and 98.28% specificity were obtained on the dataset used for experiments.
I. INTRODUCTION
CARDIAC auscultation is widely used by physicians to evaluate cardiac functions in patients and detect the presence of abnormalities. It is however a difficult skill to acquire. Nowadays signals produced by the heart are not only heard using a stethoscope but also observed as phonocardiograms (PCG) on a screen. Phonocardiography is the recording of sonic vibrations of heart and blood circulation.
Heart murmurs are often the first sign of pathological changes of heart valves, and they are usually found during auscultation in primary health care. Two types of murmur can be observed during auscultation: pathological and normal. The latter, in newborns, is called innocent murmur [1].
چکیده
1. مقدمه
2. روش ها
الف) پیش پردازش
ب) استخراج ویژگی
ج) طبقه بندی و درخت رگرسیون
3. آزمایش ها و نتایج
4. جمع بندی
Abstract
I. INTRODUCTION
II. METHODS
A. Pre-processing
B. Feature extraction
C. Classification And Regression Trees
III. EXPERIMENTS AND RESULTS
IV. CONCLUSIONS
- 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