This page uses JavaScript and requires a JavaScript enabled browser.Your browser is not JavaScript enabled.
This page uses JavaScript and requires a JavaScript enabled browser.Your browser is not JavaScript enabled.
خط مشی دسترسی
درباره ما
ثبت نام
راهنما
فارسی
ورود
صفحه اصلی
X
جستجو
X
جستجوی مدارک
X
تمام متن
X
منابع دیجیتالی
جستجوی مدارک
تمام متن
منابع دیجیتالی
گالری
کتابخانه شخصی
پرسش و پاسخ
تازه ها
خطا
رکورد قبلی
رکورد بعدی
نام مرکز
:
دانشگاه علوم پزشکی اصفهان
نوع مدرک
:
پایان نامه فارسی
زبان مدرک
:
فارسی
شماره رکورد
:
100416
شماره مدرک
:
ت۱۲۵۴۳
شماره راهنما
:
WG،۲۹۸،ز۲۷الف،۱۳۸۹
سرشناسه
:
زراعتکار، الهام
عنوان
:
استفاده از ویژگیهای موجT جهت تشخیص بیماران مستعد آریتمی های قلبی با استفاده از شبکههای عصبی [پایاننامه]
نویسنده
:
/الهام زراعتکار
استاد راهنما
:
؛ سعید کرمانی، علیرضا مهری دهنوی
استاد مشاور
:
؛ حمید صانعی، محمدعلی استوان
محل تحصیل
:
دانشکده پزشکی
سال تحصیل
:
، ۱۳۸۹
مقطع تحصیلی
:
رشته مهندسی پزشکی، کارشناسی ارشد
صفحه شمار
:
ن، ۱۲۴ ص.: مصور، جدول، نمودار
يادداشت
:
این یک پایان نامه تحقیقاتی با شماره ۳۸۸۴۴۰ است
يادداشت
:
چاپی
چکيده
:
از آنجایی که آریتمی های قلبی یکی از عوامل مهم مرگ و میر در جهان می باشد، استخراج اطلاعات از سیگنال ECG جهت تشخیص و پیش بینی رخداد آریتمی از اهمیت ویژه ای برخوردار است. تا کنون روش های مختلفی جهت طبقه بندی آریتمی های قلبی بکار گرفته شده است که اغلب بر مبنای استخراج ویژگیهای کمپلکس QRS می باشد. در این مطالعه پس از انتخاب بانک اطلاعاتی مناسب و پیش پردازش های اولیه نظیر حذف آرتیفکت برق شهر، تنفس، EMG و حذف انحراف از مبدا به کمک روشهای جدید با قابلیت اطمینان بالا، ابتدا کمپلکس QRS و سپس محدوده موجT تشخیص داده شده و میزان خطا و صحت عملکرد آن مورد بررسی قرار گرفته است. از آنجایی که موجT مربوط به زمان رپلاریزاسیون قلب می باشد و در این مرحله قلب در حالت استراحت بوده و برای تولید موج سینوسی جدید در گره SA آماده می شود، ویژگیهای این موج بر روی سیکل جدید تاثیرگذار خواهد بود. بنابراین از ویژگیهای موجT برای طبقه بندی سه سیگنال نرمال، TWA و LQT استفاده شده است. دسته های مختلف ویژگیهای استخراج شده شامل ویژگیهای مورفولوژی، ضرائب ویولت، آمارگان مراتب بالا و همچنین ویژگی های تخمینی، آماری و فرکانسی می باشد. پس از استخراج این ویژگیها، موثرترین ویژگی و همبستگی آنها مورد بررسی قرار گرفته و نهایتا طبقه بندی توسط شبکه های عصبی MLP و RBF صورت پذیرفته است. نتیجه ارزیابی طبقه بندی کننده با دسته های مختلف ویژگیها، بیانگر موثر بودن ویژگیهای مورفولوژی در مقایسه با دیگر ویژگیها می باشد. همچنین از میان دیگر ویژگیهای مورفولوژی و ویژگیهای استخراج شده از، از قسمت نزولی موجT از سایر بخش ها موثرترند. از طرفی کارایی و عملکرد شبکه MLP با توجه به شاخص های ارزیابی طبقه بندی در مقایسه با شبکه RBF بالاتر می باشد. در مرحله آخر جهت بالا بردن سرعت تعلیم و کاهش پیچیدگی شبکه، همبستگی بین ویژگیها و نگاشت آنها به فضایی با بعد کمتر به کمک تحلیل PCA مورد بررسی قرار گرفته است. نتایج حاصله که بیش از ۱۴۰۰۰ ضربان صورت گرفته و مقایر دقت بدست آمده با ویژگیهای مورفولوژی برای سه طبقه مرمال، LQT و TWA بترتیب ۹۹/۶۳ درصد، ۹۹/۴۵ درصد و ۹۹/۱۲ درصد با ویژگیهای ویولت ۹۶/۷۲ درصد، ۹۵ درصد و ۸۷/۹۸ درصد با ویژگیهای کامیولنت ۹۷/۹۴ درصد، ۹۴/۸۳ درصد، ۹۱/۹۳ درصد و با ویژگیهای تخمینی ، آماری و فرکانسی ۹۹/۴۴ درصد، ۹۷/۱۵ درصد و ۹۴/۹۱ درصد بوده که دلالت بر توانایی شبکه عصبی ، دفت و مقاوم بودن الگوریتمهای استخراج QRS وT و موثر بودن ویژگیهای مورفولوژی موجT دارد
توصیفگر
:
۱. آنژین قفسه صدری.- کلیدواژهها: ثبت تغییرات الکتریکی قلب
:
بی نظمی ضربان قلب
:
آنژین قفسه صدری
:
Electrocardiography
:
Arrhythmia
:
Angina Pectoris
شناسه افزوده
:
کرمانی، سعید، استاد راهنما
:
مهری دهنوی، علیرضا، استاد راهنما
شناسه افزوده
:
دانشکده پزشکی
http://elib.mui.ac.ir/site/catalogue/100416
آدرس ثابت
پیشنهاد خرید
نقد
|
پیوستها
|
موجودی
|
نظرسنجی
عنوان :
نام فایل :
نوع عام محتوا :
نوع ماده :
فرمت :
سایز :
عرض :
طول :
استفاده از ویژگیهای موجT جهت تشخیص بیماران مستعد آریتم...
zeratkar elhamA.pdf
پایان نامه فارسی
متن
application/pdf
845 KB
85
85
نمایش
دانلود
کلیه حقوق معنوی این نرم افزار متعلق به شرکت پارس آذرخش می باشد