دانلود مقاله ترجمه شده رده بندی بیماری های قلبی از سیگنال های ECG با تبدیل موجک (IEEE 2015) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

رده بندی بیماری های قلبی از سیگنال های ECG با استفاده از تبدیل موجک و رده بندی KNN

Classification of heart diseases from ECG signals using wavelet transform and kNN classifier

چکیده

مقدمه

روش شناسی

الف ) روش 1 : الگوریتم ها برای استخراج ویژگی و طبقه بندی با استفاده از سیگنال های اصلی ECG

ب) روش 2 : الگوریتم ها برای استخراج ویژگی و طبقه بندی با استفاده از سیگنال های ECG تبدیل شده با استفاده از موجک

نتایج

جمع بندی

چکیده

قلب یکی از مهم ترین اندام بدن است که خون را همراه با مواد مغذی و اکسیژن در سراسر بدن ، گردش میدهد. تعدادی از دلایل وجود دارد که میتواند بر روی عملکرد عادی قلب، تاثیر بگذارد. در این مقاله ده بیماری قلبی، همراه با شرایط نرمال قلبی، با استخراج ویژگی از سیگنال های ECG ( الکتروکاردیوگرام) و تبدیل موجک سطح ششم از سیگنال های ECG بررسی شده است. نتایج با هم مقایسه شده است و صحت آن با استفاده از سیگنال های تبدیل موجک، بهبود پیدا میکند.

جمع بندی

برای کمک کردن به متخصص های پزشکی برای تشخیص بیماری های قلبی، سیگنال های ECG را میتوان با استفاده از الگوریتم های نرم افزاری در جهت به دست آوردن تشخیص در مورد بیماری های قلبی خودکار ، استفاده کرد. در این مقاله طبقه بندی از سیگنال های ECG و سیگنال های تبدیل شده ی ECG ، بررسی شده است. صحت طبقه بندی 87.5% در این مطالعه با استفاده از طبقه بندی کننده ی kNN انجام شده است. به عنوان یکی از حوزه های آتی برای این مطالعه، یک سیستم سخت افزاری را میتوان توسعه داد که بتواند بیماری های قلبی را به صورت خودکار ثبت کرده و تشخیص دهد و بتوان از آن در نواحی دور که دسترسی پزشکان به آن منطقه سخت است، استفاده کرد. همچنین دیگر انواع طبقه بندی کننده ها مانند بردار های پشتیبان ، مدل ترکیب گاوسی، مدل مارکوف پنهان را میتوان برای طبقه بندی استفاده کرده و عملکرد آن ها را با kNN مقایسه کرد.

Abstract

Heart is the most vital organ which circulates blood along with nutrients and oxygen throughout the body. There are number of reasons which may affect its normal working. In this paper ten heart diseases, as well as normal, have been classified by extracting features from original ECG (electrocardiogram) signals and sixth level wavelet transformed ECG signals. The results have been compared and improved accuracy has been obtained using wavelet transformed signals.

IV- CONCLUSION

To help medical practitioners diagnose subject’s heart diseases, ECG signal can be interpreted by software algorithms in the direction of achieving automated heart disease diagnosing system. In this paper classification is done from original ECG signals and wavelet transformed ECG signals. Classification efficiency of 87.5% has been obtained using wavelet transformed ECG signals. Classification is done using kNN classifier. As a future scope of this paper, an automated hardware system can be developed which may record and diagnose heart disease automatically and can be used at remote places where it is difficult for medical practitioners to service the people. Also other classifiers like Support vector machines, Gaussian Mixture Model, Hidden markov model can be used for classification and their performance can be compared with kNN. R

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

رده بندی بیماری های قلبی از سیگنال های ECG با استفاده از تبدیل موجک و رده بندی KNN

Classification of heart diseases from ECG signals using wavelet transform and kNN classifier