هدف ما ، تشخیص و طبقه بندی آریتمی های قلبی با استفاده از ترکیب ویژگی های خطی و غیرخطی از سیگنال های ECG

برای تشخیص کلاس آریتمی ها از داده های ECG موجود در سایت physionet.org مربوط به MIT-BIH arrytmia استفاده نمودیم که به صورت کلی به پنج دسته زیر که شامل کلاسهای N, S, F, V و U بوده است.

اولین قدم پیش پردازش سیگنال ها بوده است که باید بخش هایی که شامل هر کلاس است را جدا می نمودیم و سپس موج هر بخش را به دست می آوردیم و حذف نویز می نمودیم.

برای حذف نویز از تبدیل ویولت با تابع پایه db6 استفاده نمودیم و با استفاده از آن فرکانس های بالا که ۴۵ تا ۱۸۰ هرتز بود را حذف نمودیم.این حذف نویز با حذف ضرایبcd1 و cd2 تبدیل ویولت انجام شده است. تعداد داده های کلاس N 85052 داده، کلاس S 2450، کلاس F 982، کلاس V 7573 و کلاس U 7785 داده بوده است. در شکلهای ۱ تا ۵ تصاویر داده های نویزی و بدون نویز ۵ کلاس نمایش داده شده است.

ویژگی های خطی

برای استخراج ویژگی های خطی از تبدیل ویولت گسسته با تابع پایه db6 استفاده شد. با این تبدیل، ضرایب cd3 و cd4 را به دست آوردیم.

مشخصات غیرخطی

برای استخراج مشخصات غیرخطی از higher order sperctra یا HOS استفاده نمودیم. برای این کار از تولباکس hosa موجود در سایت MATHWORK استفاده شد که از ویژگی های Cross-covariance دو و سه بعدی، آمارگان گوسین و bicoherence استفاده شد.

کلاسبندی:

برای کلاسبندی از دو کلاسی فایر SVM-RBF و NN از نوع MLP استفاده شد

تشخیص و طبقه بندی آریتمی های قلبی با استفاده از ترکیب ویژگی های خطی و غیرخطی از سیگنال های ECG

Arrhythmia Recognition and Classification using Combined

Linear and Nonlinear Features of ECG Signals

 Published in:  Computer Methods and Programs in Biomedicine

Date of Publication: 2015

                                    برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

دکتری مهندسی پزشکی

دانشگاه تهران

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• گزارش مقاله و توضیحات فارسی و نتایج (Word)
• پیوست سورس کد
• پیوست دیتابیس

فیلم آموزشی مقاله نیز موجود میباشد که نتایج مبتنی بر کد تشریح شده است که با پرداخت جداگانه ارسال میشود

Papersim2015@gmail.com

دانلود فایل