چکیده مقاله
سالانه تعداد زیادی از مردم به دلیل بیماری های قلبی عروقی جان خود را از دست می دهند و این بزرگترین عامل مرگ و میر در جهان است ۸۰ درصد موارد قلبی عروقی شامل حملات قلبی و سکته است این تحقیق تلاشی برای پیش بینی دقیق بیماری های شایع قلبی مانند آریتمی ARR و نارسایی احتقانی قلب CHF بر روی مدل یکپارچه توسعه یافته با استفاده از تبدیل موجک پیوسته CWT و شبکه های عصبی عمیق است روش پیشنهادی مورد استفاده در این تحقیق، ویژگی های فرکانس زمانی سیگنال الکتروکاردیوگرام ECG را با تبدیل سیگنال های ECG یک بعدی به تصاویر اسکالوگرام دو بعدی و سپس تجزیه و تحلیل تصاویر دو بعدی به عنوان ورودی به مدل شبکه عصبی عمیق دوبعدی تجزیه و تحلیل می کند google net و یک نمونه شبکه و مقایسه هر دو دلیل تبدیل سیگنال های ECG به تصاویر دو بعدی این است که استخراج ویژگی های عمیق از تصاویر به جای داده های خام برای اهداف آموزشی در google net و یک شبکه نمونه آسان تر است داده های مورد استفاده از وب سایت Physionet ۱ BIDMC نارسایی احتقانی قلب CHF ۲ MIT BIH طبیعی NSR ۳ MIT BIH آریتمی Arr است در این کار، ما بهترین پارامترهای برازش را برای google net و یک مدل شبکه نمونه شناسایی کرده ایم که می تواند با موفقیت بیماری های قلبی رایج را با دقت ۹۹ درصد پیش بینی کند این کار همچنین با تحقیقات اخیر در مورد طبقه بندی ECG برای تشخیص بیماری قلبی مقایسه شده است و ثابت می کند که یک تکنیک موثر برای طبقه بندی است
کلیدواژهها
نویسندگان
سید مهدی خیری گشتی
دانشکده مهندسی پزشکی، گروه فنی و مهندسی، دانشگاه آزاد اسلامی، واحد دزفول، ایران
سید محمد مهدی صافی
دانشکده مهندسی پزشکی، گروه فنی و مهندسی، دانشگاه آزاد اسلامی، واحد دزفول، ایران
محمد عادلی
دانشکده مهندسی پزشکی، گروه فنی و مهندسی، دانشگاه آزاد اسلامی، واحد دزفول، ایران
محمدرضا هدیه زاده
دانشکده مهندسی پزشکی، گروه فنی و مهندسی، دانشگاه آزاد اسلامی، واحد دزفول، ایران
شیوه ارجاع
�یری گشتی، سید مهدی و صافی، سید محمد مهدی و عادلی، محمد و هدیه زاده، محمدرضا،1402،تشخیص آریتمی از سیگنال های ECG با استفاده از روش های یادگیری عمیق،هجدهمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک7 مهر 1405 · شیروان