[صفحه اصلی ]   [Archive]  
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
پست الکترونیک::
::
جستجو در پایگاه

جستجوی پیشرفته
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
نظرسنجی
نظر شما در مورد کیفیت مطالب این سایت چیست؟
عالی
خوب
متوسط
ضعیف
   
:: جلد 18، شماره 5 - ( آذر و دی 1392 1392 ) ::
جلد 18 شماره 5 صفحات 286-277 برگشت به فهرست نسخه ها
طراحی و بررسی کارایی سیستم هوشمند جداسازی و طبقه‌بندی آریتمی‌های موجود در سیگنال‌های صوتی قلب با استفاده از فیلتر تطبیقی و شبکه عصبی چند لایه پس انتشار (MLP-BP)
خسرو رضایی ، دکتر جواد حدادنیا*
دانشیار، گروه مهندسی پزشکی و عضو هیأت علمی دانشگاه حکیم سبزواری، سبزوار، ایران ، Haddadnia@hsu.ac.ir
چکیده:   (6849 مشاهده)
سابقه و هدف: شنیدن سیگنال‌های صوتی قلب یکی از روش‌های غیر تهاجمی و در عین حال آسان در تشخیص بی‌نظمی‌های عملکردی قلب انسان محسوب می‌شود که تحلیل صحیح آن، به دانش و تجربه‌ی پزشک متخصص نیاز دارد. هدف این مقاله، طراحی و پیاده‌سازی یک سیستم هوشمند در جداسازی و طبقه‌بندی آریتمی‌های موجود در سیگنال‌های صوتی قلب است. مواد و روشها: این پژوهش در مرحله‌ی نخست به صورت اکتشافی و در مرحله‌ی دوم، به صورت تجربی پیاده‌سازی شده است. در گام اول، سیگنال‌های صوتی قلب از طریق دستگاه ضبط کننده‌ی صداهای قلبی (PCG) به دست آمدند. داده‌ها از 41 داوطلب به صورت آگاهانه و غیر مداخله‌ای در طول یک ماه، از مرکز مطالعات بالینی قلب و عروق بیمارستان واسعی شهر سبزوار، به صورت نرمالیزه شده دریافت شدند. با آزمایش نمونه‌های مورد مطالعه، 104 سیگنال طبیعی و 60 سیگنال صوتی غیر طبیعی قلب از مجموع افراد گردآوری شد. در مرحله‌ی پردازش اولیهی داده‌ها، با استفاده از فیلتر تطبیقی، نویزها و اختلالات محیطی، از سیگنال صوتی جداسازی می‌شوند. سپس با اعمال تبدیل CWT به داده‌ها، فرایند استخراج ویژگی بر اساس سیکل‌های قلبی سیگنال صوتی صورت گرفته و در نهایت بردارهای ویژگی 32 گانه موجک با استفاده از ضرایب جزئی، تشکیل می‌شود. طبقه‌بندی نهایی سیگنال‌های صوتی طبیعی و غیر طبیعی قلب، با استفاده از شبکه‌ی عصبی چند لایه پرسپترون و به صورت پس انتشار (MLP-BP) صورت می‌پذیرد. 70% داده‌ها در آموزش شبکه‌ی عصبی پیشنهادی و 30% آنها برای آزمایش شبکه MLP-BP به کار گرفته شدند. یافته‌ها: پیاده‌سازی مرحله‌های جداسازی و طبقه‌بندی سیگنال‌های صوتی با استفاده از 15 بیمار قلبی که شامل 10 مرد و 5 زن با میانگین سنی 7/561 سال و 26 فرد سالم که شامل 19 مرد و 7 زن با میانگین سنی 7/85/56 سال انجام گرفت و مشاهده شد که به ترتیب دقت‌های 5/190/96 درصد و 94 درصد در خروجی الگوریتم حاصل آمدند. عملکرد قابل قبول سیستم، بر اساس طراحی دقیق نرم افزاری بوده و به همین دلیل کارایی مناسبی را در عمل به همراه دارد. نتیجه‌گیری: بر مبنای قابلیت اطمینان به خروجی نرم افزار در طبقه‌بندی صحیح سیگنال‌های صوتی قلب و به دلیل انطباق بالای تشخیص در مرحله‌ی اکتشاف با تشخیص در واقعیت، امکان پیاده‌سازی این سیستم در بخش‌های بیمارستانی وجود داشته و انجام آن را توجیه می‌کند.
واژه‌های کلیدی: سیگنال صوتی قلب، آریتمی، جداسازی، طبقه‌بندی، فیلتر تطبیقی و شبکه‌های عصبی MLP-BP
متن کامل [PDF 1128 kb]   (1699 دریافت)    
نوع مطالعه: پژوهشی | موضوع مقاله: پزشکی
دریافت: 1392/12/7 | پذیرش: 1392/12/7 | انتشار: 1392/12/7
ارسال پیام به نویسنده مسئول

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

CAPTCHA


XML   English Abstract   Print


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

Khosro Rezaee, Javad Haddadnia. Design and performance evaluation of intelligent system to segregate and classify the phonocardiograph abnormalities using matched filter and multilayer perceptron-back propagation neural networks. pajoohande 2013; 18 (5) :277-286
URL: http://pajoohande.sbmu.ac.ir/article-1-1613-fa.html

خسرو رضایی ، دکتر جواد حدادنیا . طراحی و بررسی کارایی سیستم هوشمند جداسازی و طبقه‌بندی آریتمی‌های موجود در سیگنال‌های صوتی قلب با استفاده از فیلتر تطبیقی و شبکه عصبی چند لایه پس انتشار (MLP-BP). پژوهنده. 1392; 18 (5) :277-286

URL: http://pajoohande.sbmu.ac.ir/article-1-1613-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 18، شماره 5 - ( آذر و دی 1392 1392 ) برگشت به فهرست نسخه ها
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4645