تعداد نشریات | 44 |
تعداد شمارهها | 1,312 |
تعداد مقالات | 16,114 |
تعداد مشاهده مقاله | 52,720,183 |
تعداد دریافت فایل اصل مقاله | 15,387,524 |
تشخیص آریتمی فیبریلاسیون دهلیزی با استفاده از LSTMو CNN | ||
پردازش سیگنال پیشرفته | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 12 آذر 1402 | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jasp.2023.55780.1220 | ||
نویسندگان | ||
حسین حسینی نژاد محبتی* 1؛ تندیس بهرام راد2 | ||
1عضو هیئت علمی دانشکده مهندسی برق دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
2دانشکده مهندسی برق دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
چکیده | ||
آریتمی فیبریلاسیون دهلیزی یکی از خطرناکترین بیماریهای قلبی است که با تشخیص درست و به موقع آن میتوان از بروز سکته های مغزی و قلبی جلوگیری کرد. برای بالا بردن سرعت تشخیص و همچنین کم کردن احتمال خطای پزشکی مسئلهی تشخیص خودکار این نوع آریتمی مطرح میشود. در برخی از پژوهشها برای تشخیص آن از روشهای کلاسیک یادگیری ماشین استفاده شده است ولی به علت دشوار بودن تشخیص این آریتمی و وابستگی آن به بررسی چندین ضربان متوالی، استفاده از یادگیری عمیق دقت بالاتری در تشخیص نهایی دارد. بنابراین در این مقاله یک رویکرد مبتنی بر استفاده از شبکه یادگیری عمیق با ترکیب شبکههای LSTM وCNN پیشنهاد شده است. در این پژوهش با فیلتر میانهای و یک مرحله میانگینگیری از سیگنال، نویز سرگردان خط مبنا و نویز ناشی از حرکت عضلات حذف شده و باعث بهبود سیگنال به نویز به اندازه 29/8 دسیبل شده است. بهمریختگی فاصله RR درسیگنال ECG یکی از بارزترین ویژگیهای آریتمی فیبریلاسیون دهلیزی است، لذا با هدف کاهش پیچیدگی محاسباتی رویکرد پیشنهادی، فاصله RR به جای کل نمونههای سیگنال الکتروکاردیوگرام به عنوان داده ورودی شبکه درنظر گرفته شده است. برای تشخیص R از یک روش مبتنی بر الگوریتمPan-Tompkins با اعمال تغییراتی برای بهبود انطباقپذیری استفاده شده است. ارزیابی رویکرد پیشنهادی روی دو پایگاه Challenge 2017 و MIT-BIH AFDB انجام شده و صحبت به صورت بین-بیمار به ترتیب 97% و 90% بدست آمده است. | ||
کلیدواژهها | ||
: آریتمی فیبریلاسیون دهلیزی؛ حذف نویز؛ یادگیری عمیق؛ تشخیص خودکار؛ شبکه عصبی پیچشی؛ شبکه حافظه کوتاه مدت طولانی | ||
آمار تعداد مشاهده مقاله: 293 |