سال انتشار: ۱۳۸۶

محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: ۶

نویسنده(ها):

مریم محبی آشتیانی – دانشگاه تربیت مدرس، دانشکده فنی، گروه مهندسی پزشکی.
حمید ابریشمی مقدم – دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق، گروه مهندسی پزشکی.
بابک محمدزاده اصل – دانشگاه تربیت مدرس، دانشکده فنی، گروه مهندسی پزشکی.

چکیده:

دسته بندی ضربان های قلبی در سیگنال الکتروکاردیوگرام (ECG) نقش بسیار مهمی در آشکارسازی اپیزودهای ایسکمی دارد. در این مقاله الگوریتمی را برای تشخیص ضربانهای ایسکمی با استفاده از دسته بندی کننده های غیر خطی شبکه عصبی و ماشین بردار پشتیبان ارائه کرده ایم. این الگوریتم شامل سه مرحله است. در مرحله اول سیگنال ECG به منظور استخراج الگوی نمونه، حذف نویز و آرتیفکت، استخراج قطعه ST و … مورد پیش پردازش قرار می گیرد. در مرحله بعد داده های مورد نیاز برای طبقه بندی کننده آماده سازی شده و در مرحله آخر هر ضربان دسته بندی می شود. روش ارائه شده با استفاده از مجموعه داده ای مشتمل بر ۱۸۰۴۷ ضربان از پایگاه داده ST-T database ESC مورد ارزیابی قرار گرفته و نتایج بدست آمده برای دو معیار حساسیت و پیش بینی مثبت به ترتیب برابر ۹۷/۲۲% و ۹۷/۴۴% برای دسته بندی کننده شبکه عصبی با نرخ یادگیری متغیر و ۹۲/۱۳% و ۹۰/۳۴% برای دسته بندی کننده ماشین بردار پشتیبان می باشد.