فهرست مطالب azadeh kiani
-
در این مقاله، یک روش جدید برای طبقه بندی آریتمی های قلبی بر مبنای تبدیل ویولت و شبکه های عصبی ارائه شده است. از تبدیل ویولت گسسته (DWT) جهت پردازش رکوردهای ECG. و استخراج ویژگی های زمان – فرکانس استفاده می شود. نتیجه ی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکه ی عصبی مورد استفاده قرار می گیرد. هر چند که در سال های اخیر، الگوریتم های متنوعی برای تشخیص آریتمی های قلبی پیشنهاد شده اند، اما اکثر محققین از تعداد محدودی داده در کار خود استفاده نموده اند در حالیکه در این تحقیق از 20 رکورد موجود در پایگاه داده استاندارد MIT-BIH در قالب420 نمونه سیگنال استفاده شده است. نتایج شبیه سازی نشان می دهد که سیستم طراحی شده با استفاده از یک شبکه ی عصبی پرسپترون چند لایه (MLP) به عنوان طبقه بندی کننده از دقت بالایی برخوردار می باشد و می تواند 4 کلاس آریتمی را با دقت بیش از97% طبقه بندی کند.
کلید واژگان: ECG, آریتمی های قلبی, شبکه های عصبی, ویولت}Journal of Iranian Association of Electrical and Electronics Engineers, Volume:9 Issue: 1, 2012, P 33In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and extracting some time frequency features to be used for training a multi-layered perceptron (MLP) neural network. In fact, the MLP NN performs the classification task. Although many algorithms have been presented for ECG arrhythmias detection over the past years, the results reported in the past, have generally been limited to relatively small set of data patterns. Here, we have used 20 recordings of the MIT-BIH arrhythmias data base for training and testing our neural network based classifier. The simulation results show that the classification accuracy of our method is 97% over 420 patterns using 20 files including four arrhythmias.Keywords: ECG, Arrhythmia, Discrete wavelet transform (DWT), Neural network} -
In this paper a new implementation of CMOS ripple comparator cell using the Gate-Diffusion Input (GDI) technique is presented. The proposed design using this technique allows for the reduction of power consumption, propagation delay, and the area of digital circuits while maintaining low complexity of logical design. The performance comparison with standard CMOS and GDI logic design techniques is presented. These methods are compared with respect to the number of devices, PDP, and power dissipation. Simulation results confirm that the proposed cell can work at low supply voltage and dissipates low power.
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.