پیش بینی سیگنال های ECG با تکیه بر تکنیک PAT و شبکه عصبی ANFIS و MLP

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

 پیش بینی سیگنال های ECG با تکیه بر تکنیک PAT و شبکه عصبی ANFIS و MLP دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی سیگنال های ECG با تکیه بر تکنیک PAT و شبکه عصبی ANFIS و MLP  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 پیش بینی سیگنال های ECG با تکیه بر تکنیک PAT و شبکه عصبی ANFIS و MLP،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی سیگنال های ECG با تکیه بر تکنیک PAT و شبکه عصبی ANFIS و MLP :

تعداد صفحات :۱۷

چکیده مقاله:

آریتمی های قلبی از جمله تهدیدکننده های سلامت انسان به شمار میروند. بنابراین تشخیص زودهنگام این آریتمی ها با تکیه بر سیگنال های ECG امری حیاتی در درمان میباشد. از جملهی این آریتمی ها فیبریلاسیون بطنی، تاکی کاردی بطنی و تاکیکاردی فوق بطنی هستند که پیشبینی این آریتمی ها عملیات بهبود و درمان را تسریع میبخشد. در این مقاله یک روش جدید به منظور پیشبینی آریتمی های قلبی در سیگنال ECG معرفی شده است. داده های ECG مورد استفاده در این مقاله از سه پایگاه داده شامل آزمایشگاه آریتمی از دانشگاه بوستون بث، دانشگاه کریکتون و MIT جمع-آوری شدهاند. روش پیشنهادی به این صورت است که پس از حذف نویز، توسط تکنیک پن و تامپکینز (PAT) پیک های R در سیگنال شناسایی شده و به این وسیله فاصله های RR برای سیگنال محاسبه میشود. با میانگین گیری از مقدار این فواصل، مقدار تقریبی برای تناوب سیگنال بدست میآید. سپس با در نظر گرفتن ۵۰ نمونه در محدوده ی لحظه ای که مقدار تقریبی تناوب نشان میدهد تا لحظه ی فعلی (یک دور تناوب قبل از لحظه فعلی)، سیستم قادر به پیشبینی ۱۰ لحظه بعد خواهد بود. به دلیل روند غیر خطی در سیگنال ECG، در روش پیشنهادی از پیش بینی کننده های MLP و ANFIS برای دستیابی به یک مقایسه ی جامع بین دو الگوریتم، استفاده شده است. با اینکه از پیش بینی کننده های شبکه عصبی مصنوعی در سیگنال های ECG در موارد محدودی استفاده شده است اما با توجه به اینکه مقدار MSE در بهترین نتیجهی مربوط به این مقاله برابر با ۶/۳۴۲ ارایه شده است، روش های ذکرشده برای این کار بسیار مناسب ارزیابی میشوند.