جستجوی مقالات مرتبط با کلیدواژه « کشیدگی طیفی » در نشریات گروه « پزشکی »
-
مقدمه
آریتمی قلبی به خصوص در ساعات اولیه می تواند موجب توقف فعالیت قلب و بروز مرگ گردد. از آنجا که اشتباه در تصمیم گیری از مهم ترین علل مرگ در بیماران بخش مراقبتهای ویژه قلبی است، لذا شناسایی و کلاس بندی آریتمی های قلبی با استفاده از سیگنال ECG برای تشخیص بیماران با ناهنجاری های قلبی یک منبع اطلاعاتی با ارزش در مواقع بحران و رزم می باشد.
روش کارابتدا با استفاده از فیلترهای دیجیتال و تبدیل موجک گسسته (DWT)، نویزهای سیگنال ECG حذف می شوند. در ادامه، با استفاده از تحلیل کشیدگی طیفی، تابع Kurtogram برای مجموعه QRS به دست می آید. با تقسیم بندی تابع Kurtogram، ویژگی های مفید از مجموعه QRS استخراج می شوند. در نهایت با استفاده از طبقه بند K-نزدیک ترین همسایه (KNN)، سالم بودن فرد یا نوع آریتمی مشخص می شود.
یافته هادر این مقاله از سیگنال های ECG موجود در پایگاه داده MIT-BIH استفاده می کنیم. سیگنال های افراد سالم و چهار نوع آریتمی شامل APB، PVC، LBBB و RBBB برای کلاس بندی انتخاب شدند. نتایج به دست آمده نشان دادند که روش پیشنهادی با دقت 98.51% سیگنال ECG را کلاس بندی می کند. از آنجا که دقت در تشخیص آریتمی قلبی در پزشکی عامل حیاتی و مهمی می باشد، لذا روش پیشنهادی می تواند برای تصمیم گیری متخصصان قلبی بسیار کارساز باشد.
نتیجه گیریبا توجه به پیچیدگی محاسباتی پایین روش پیشنهادی و نتایج به دست آمده می توان از آن برای تشخیص سریع و دقیق آریتمی قلبی که از موارد موثر پزشکی و یک منبع اطلاعاتی درمانی مهم در رزم می باشد، استفاده کرد.
کلید واژگان: آریتمی قلبی, رزم, طبقه بندی ECG, کشیدگی طیفی, طبقه بند K-نزدیک ترین همسایه}IntroductionCardiac arrhythmia, especially in the early hours, can stop heart activity and cause death. Since mistake in decision making is one of the most important causes of death in patients in cardiac intensive care units, the identification and classification of cardiac arrhythmias using the ECG signal is a valuable information source for diagnosing patients with heart abnormalities in times of crisis and warfare.
MethodAt first, the noises of ECG signal are removed using digital filters and discrete wavelet transform (DWT). Then, Kurtogram of each QRS complex is obtained using spectral kurtosis analysis. Informative features are obtained from segments of Kurtogram function. Finally, K-nearest neighbor classifier is used to determine the normality of person or its arrhythmia type is detected.
ResultsIn this paper, ECG signals from MIT-BIH signal are used. ECG signals of normal persons and four arrhythmias including APB, PVC, LBBB, and RBBB are chosen for classification. Obtained results show that proposed method achieves the accuracy of 98.51% for classification of ECG signals. Since accuracy of cardiac arrhythmia detection is an important and vital issue in medicine, the proposed method can be used by cardiologists to make a robust decision.
ConclusionConsidering the low computational complexity of the proposed method and obtained results, it can be used for fast and accurate cardiac arrhythmia detection, which is a special care resource and important task in physician within war.
Keywords: Cardiac arrhythmia, war, ECG classification, spectral kurtosis, KNN}
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.