دوره 18، شماره 2 - ( 7-1400 )                   جلد 18 شماره 2 صفحات 163-176 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Vaghefi M, Jamshidi F. Features selection for cardiac arrhythmia diagnosis using multiple objective binary particle swarm optimization. JSDP. 2021; 18 (2) :163-176
URL: http://jsdp.rcisp.ac.ir/article-1-972-fa.html
واقفی مهسا، جمشیدی فاطمه. انتخاب ویژگی برای تشخیص آریتمی های قلبی با استفاده از بهینه‌سازی ازدحام ذرات باینری چند هدفه. پردازش علائم و داده‌ها. 1400; 18 (2) :163-176

URL: http://jsdp.rcisp.ac.ir/article-1-972-fa.html


گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
چکیده:   (64 مشاهده)
سیگنال الکتروکاردیوگرام، یکی از مهم­ترین ابزار برای طبقه­بندی انواع مختلف آریتمی­های قلبی است. معمولاً سیگنال­های ECG، حاوی نویزهای متفاوتی هستند. در این مقاله، تکنیک تجزیه مد تجربی گروهی که در آن هر تابع مد ذاتی (IMF)، شامل تنها یک مؤلفه­ ی فرکانسی است، برای حذف نویز به کار رفته است. با کمک پنجره ­بندی مناسب بر روی کمپلکس QRS متشکل از جمع سه IMF اول، حذف نویز با کمترین اعوجاج انجام شده و با استفاده از تبدیل موجک گسسته، نویزهای باقیمانده نیز از بین رفته است. سپس با به ­کارگیری تجزیه بسته­ ی موجک، از سیگنال ویژگی استخراج شده است که ویژگی­های بهینه، با روش  بهینه‌سازی ازدحام ذرات باینری چند هدفه انتخاب شده ­اند. در نهایت از شبکه عصبی پس انتشار، برای طبقه­ بندی استفاده گردیده که مقدار دقت 12/99 درصد برای 17 عدد سیگنال اخذ شده از پایگاه داده ­ی MIT-BIH، به دست آمده است.
 
متن کامل [PDF 1228 kb]   (41 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: 1397/11/25 | پذیرش: 1399/5/28 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.