طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN :

تعداد صفحات :۸

چکیده مقاله:

سیگنال الکتروکاردیوگرام فعالیت الکتریکی قلب را نشان می دهد و پزشکان در تشخیص بیماری‏های قلبی از آن استفاده می کنند. برای آنالیز یک ثبت طولانی از این سیگنال، زمان زیادی صرف می شود و گاهی ممکن است با خطا همراه شود، از این رو نیاز به یک ابزار تشخیص به کمک کامپیوتر، برای کمک به پزشکان احساس می شود. در این تحقیق، ابتدا نویزهای موجود در سیگنال، توسط فیلتر دیجیتال و تبدیل موجک گسسته حذف شده؛ سپس با الگوریتم Pan_Tompkins کمپلکس‏های QRS ، استخراج شده‏اند. در مرحله بعد ویژگی‏های هر سیکل قلبی توسط تبدیل موجک گسسته استخراج و برای کاهش ابعاد فضای ویژگی از تبدیل PCA استفاده شده است. در آخر، طبقه‏بندی آریتمی‏ها، با دو روش SVM و Feed-Forward Neural Network (FFNN) ، انجام شده است. از داده‏های موجود در پایگاه داده MIT-BIH arrhythmia و نرم‏افزار MATLAB جهت ارزیابی روش‏های به کار رفته استفاده شده است. پنج کلاس شامل ضربان‏های نرمال (N) و آریتمی‏های انسداد دسته شاخه چپ (LBBB)، انسداد دسته شاخه راست (RBBB)، انقباض زودرس دهلیزی (APB) و ضربان paced (PB)، با صحت ۹۴/۴۷ درصد با SVM و صحت ۹۰/۳۰ درصد با FFNN طبقه بندی شده است.