با استفاده از شبکه های عصبی بلوکی ECG طبقه بندی سیگنال
بیمارهای قلب و عروق از شایع ترین بیماری های قرن حاضر محسوب شده و امروز نارسایی قلبی بزرگترین عامل مرگ و میر در جوامع صنعتی و نیمه صنعتی به حساب می آید . امروزه بدلیل اهمیت موضوع ، ابزارها و روش های مختلفی برای بررسی نحوه عملکرد قلب در پزشکی ساخته شده اند . هدف تمام این روش های بدست آوردن انواع مختلف اطلاعات در مورد عملکرد قلب است به نحوی که به کمک آن ها پزشک متخصص نه تنها توانایی تشخیص نوع بیماری قلب را دارد بلکه می تواند بروز نارسایی قلبی احتمالی درآینده را نیز پیش بینی و حتی المکان از آن جلوگیری نماید. در این مقاله، یک روشی جدید طبقه بندی سیگنال ECG با استفاده از شبکه های عصبی بلوکی جهت افزایش حساسیت طبقه بندی سیگنال ارایه می شود. به عبارت دیگر، در این مقاله روشی برای تشخیص بیماری های قلبی ارایه شده که بردارهای ویژگی بر اساس ویژگی انرژی تجزیه ویولت به دست آمده و دسته بندی کننده ELM آموزش دیده و ساخته می شوند. ELM دسته بندی صحیح بردارهای ویژگی را آموخته و سعی می کند سیگنال های قلب را به درستی دسته بندی نماید. در این پروژه از یک ELM 2 لایه که ساختاری مشابه شبکه پرسپترون دو لایه دارد استفاده شده است. ارزیابی عملکرد روش پیشنهادی و مقایسه آن با کارهای پیشین عملکرد مناسب روش پیشنهادی را نشان داد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.