سال انتشار: ۱۳۸۷

محل انتشار: دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند

تعداد صفحات: ۶

نویسنده(ها):

عبدالرحیم کدخدامحمدی – دانشگاه اصفهان، دانشکده فنی، گروه کامپیوتر
احمدرضا نقشنیلچی –

چکیده:

در این مقاله یک سیستم دستهبندی ضربانهای الکتروکاردیوگرام ECG)براساس الگوریتم دستهبندی کننده سیگنالچندتاییMUSIC)توصیفگرهای شکل شناسی سیگنال و شبکه عصبی برای تشخیص ۹ نوع ضربانECGپیشنهاد شده است. با استفاده از الگوریتمMUSICشبهطیف سیگنالهایECGمحاسبه میشود. سپس ۲۸ مولفه فرکانسی اول و دو توصیفگر شکل شناسی سیگنال، تشکیل یک بردار ویژگی را میدهند که بعنوان ورودی شبکه عصبی پرسپترون چندلایهایMLP)استفاده میشود. بیشترین دقت با استفاده از شبکه عصبیMLPبه میزان۹۸/۵۶%حاصل شده است. همچنین، نتایج نشان میدهد که سیستم همواره کلاس نرمال را بدرستی تشخیص داده و هیچ کلاس دیگری را نیز اشتباهاً نرمال تشخیص نمیدهد