Thesis

تشخیص ایسکمی میوکارد با استفاده از طبقه بندی کننده فازی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

با توجه به ارتباط موثر بین سیگنال الکتروکاردیوگرام و فعالیت الکتریکی قلب، همچنین کم هزینه و غیرتهاجمی بودن آن، استفاده از این سیگنال در زمینه تشخیص بیماری های قلبی – عروقی توسط پزشکان متخصص افزایش یافته است. در این میان تشخیص به موقع ایسکمی میوکارد به عنوان یکی از عوامل اصلی سکته قلبی، از اهمیت ویژه ای برخوردار می باشد. دو دیدگاه اساسی در زمینه روشهای تشخیص ایسکمی وجود دارد که دیدگاه اول به تفکیک اپیزودهای ایسکمیک در سیگنال و دیدگاه دوم به تفکیک ضربان های ایسکمیک می پردازد. از آن جهت که تفکیک ضربان به ضربان پیش زمینه ای برای تفکیک اپیزود به اپیزود ایسکمی می باشد، دست یابی به روشی با دقت بالا در این مرحله بسیار حائز اهمیت است. همچنین با توجه به وجود عدم قطعیتهای زبانی، استفاده از روشهای تعبیرپذیر در زمینه تشخیص های پزشکی، نسبت به سایر روشها ارجحیت بالاتری خواهد داشت. در این پروژه، سیستمی اتوماتیک با دقت نسبی بالا، دارای قابلیت تعبیر پذیری به منظور دسته بندی و تفکیک ضربان های ایسکمیک از ضربان های سالم پیشنهاد شده است. در این الگوریتم، پس از حذف نویز و استخراج اطلاعات شکلی از سیگنال با استفاده از روش تبدیل موجک چند مقیاسی، دسته بندی این اطلاعات و استخراج دانش در زمینه تشخیص بیماری توسط سیستم فازی ممدانی انجام شده است. ارزیابی این الگوریتم بر روی سی ثبت ازسیگنال های پایگاه داده esc(st-t) انجام شده است. به منظور بررسی کارایی این سیستم در مقایسه با روشهای دیگر، دسته بندی این اطلاعات با دو دسته بندی کننده دیگر – شبکه های عصبی- احتمالاتی و ماشینهای بردار پشتیبان- نیز انجام شده است. نتایج بدست آمده بیانگر حساسیت و خصوصیت نسبی بالا این روش در مقایسه با روشهای عصبی – احتمالاتی و ماشینهای بردار پشتیبان بوده است در کنار این واقعیت که این الگوریتم قابلیت تعبیر پذیری را نیز داراست. پس از بررسی تعبیر پذیری سیستم، تعدادی از قواعد زبانی موثر در تشخیص ایسکمی از پایگاه قواعد استخراج و به قواعد موجود در زمینه تشخیص ایسکمی افزوده گردید که این عمل باعث بهبود الگوریتم شده است.

Supervisors and advisors

محمد تشنه لب، مهدی علیاری شوره دلی

Similar theses

Similar items

  • تلفیق نتایج چند طبقه‏بندی‏کننده فازی با استفاده از قوانین اتصال در فضای توپولوژی فازی

    Articleسنجش از دور و gis ایرانحمیدرضا اورعی، دانشگاه خواجه نصیرالدین طوسی مهدی مختارزاده، دانشگاه خواجه نصیرالدین طوسی حمید عبادی، دانشگاه خواجه نصیرالدین طوسی

    طبقه‏بندی، تکنیکی در تحلیل تصاویر سنجش از دور است که به طور وسیع در کاربرد‏های مختلف استفاده می‏شود. در روش‏های طبقه‏بندی نظارت‏شده سنتی، اطلاعات آموزشی و نتایج طبقه‏بندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده می‏شوند. در مواردی که عدم اطمینان و پیکسل‏های مختلط در سنجش از دور

  • تشخیص هوشمند بیماری هپاتیت با استفاده از آنالیز اجزای اصلی و هم جوشی طبقه بندی کننده ها

    Articleکومشسید جلال الدین موسوی راد، seyed jalaleddin mousavirad dept. of computer engineering, faculty of electrical and computer engineering, university of kashan, kashan, iranدانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر حسین ابراهیم پور کومله، hossein ebrahimpour komleh dept. of computer engineering, faculty of electrical and computer engineering, university of kashan, kashan, iranدانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر

    سابقه و هدف: در سال های اخیر، بیماری هپاتیت در جهان بسیار شیوع پیدا کرده است. تشخیص صحیح بیماری هپاتیت کار ساده ای نمی باشد. هدف از این مقاله، ارائه یک سیستم هوشمند مبتنی بر تکنیک های یادگیری ماشین جهت تشخیص بیماری هپاتیت می باشد. مواد و روش ها: الگوریتم پیشنهادی شامل سه مرحله اس

  • ارائه یک سیستم طبقه بندی کننده چندگانه فازی برای ادغام داده های فراطیفی و لیدار

    محدودیت­های سنجنده­های مختلف سنجش از دور و ضعف آنها در شناسایی عوارض مختلف باعث شد ادغام داده­های حاصل از سنجنده­های مختلف به منظور بهبود نتایج طبقه بندی مورد توجه قرار گیرد. در میان سنجنده­های مختلف کنونی، در سال­های اخیر دو سنجنده فراطیفی و لیدار به منظور طبقه­بندی زمین بسیار پ

  • ارائه روشی برای طبقه بندی داده های ابرطیفی aviris ، با استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها

    Articleسنجش از دور و gis ایرانمجید رحیم زادگان، دانشگاه خواجه نصیرالدین طوسی محمدرضا مباشری، دانشگاه خواجه نصیرالدین طوسی محمدجواد ولدان زوج، دانشگاه خواجه نصیرالدین طوسی یاسر مقصودی مهرانی

    یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظرو طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابر طیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باند ها)، اح

  • طبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان

    Articleعلوم و فنون نقشه برداریمسعود حبیبی، m. habibi geomatics engineering faculty k.n. toosi university of technology valiasr street, mirdamad cross tehran, iran 19967-15433تهران - خیابان ولیعصر، تقاطع میرداماد، روبروی ساختمان اسکان دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی محمود رضا صاحبی، m. r. sahebi geomatics engineering faculty k.n. toosi university of technology valiasr street, mirdamad cross tehran, iran 19967-15433تهران - خیابان ولیعصر، تقاطع میرداماد، روبروی ساختمان اسکان دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی یاسر مقصودی، y. maghsoudi geomatics engineering faculty k.n. toosi university of technology valiasr street, mirdamad cross tehran, iran 19967-15433تهران - خیابان ولیعصر، تقاطع میرداماد، روبروی ساختمان اسکان دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

    طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا بر

  • بهینه سازی طبقه بندی کننده ی ماشین بردار پشتیبان با استفاده از آلگوریتم ژنتیک به منظور طبقه بندی تصاویر پلاریمتریک راداری

    Articleعلوم و فنون نقشه برداریرضا عطارزاده، r. attarzadeh surveying and geomatics group - university of tehranگروه نقشه برداری دانشگاه تهران جلال امینی، j. amini surveying and geomatics group - university of tehranگروه نقشه برداری دانشگاه تهران

    طبقه بندی تصاویر ماهواره ای یکی از متداول ترین روشهای استخراج اطلاعات از داده های سنجش از دوری می باشد. با ظهور سنجنده های مایکروویو امکان بهره برداری از اطلاعاتی متمایز از اطلاعات قابل استخراج از سنجنده های نوری فراهم آمده است. دلیل این امر امکان استفاده از ویژگی های متمایز طیف