سال انتشار: ۱۳۸۷

محل انتشار: پانزدهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: ۵

نویسنده(ها):

حجت محمدنژاد – دانشگاه شاهد، دانشکده فنی مهندسی
محمد پویان – دانشگاه شاهد، دانشکده فنی مهندسی
میثم خلیل ارجمندی – دانشگاه شاهد، دانشکده فنی مهندسی

چکیده:

در این مقاله یک روش جدید برای تشخیص نارسایی کم خونی (MI) (myocardial ischemic episode) در مانیتورینگ گردشی قلبی (AECG)ECG بر پایه تغییرات ST-Segment معرفی شده است. این روش بر اساس تبدیل کسینوسی گسسته (DCT) Discrete Cosine Transform و شبکه عصبی (ANN) Artificial Neural Network ارزیابی و ارائه شده است. در ابتدا ST-Segmet بر اساس تخیص مکان پیک R در AECG استخراج می شود. زیر مجموعه ای از ضرایب DCT بعنوان بردار ویژگی حاصل از ST-Segment تعیین می شود و در نهایت یک شبکه سه لایه ای Feed Forward با بهره گیری از الگوریتم Backpropagation برای کلاسه بندی ST-Segment بعنوان نرمال و یا غیر نرمال (در بیماران مبتلا به MI) استفاده می شود. در شبیه سازی کامپیوتری نرخ طبقه بندی بالایی در حدود ۸۲% بدست آمد. نتایج بدست آمده نشان داد که DCT و شبکه عصبی یک پیشنهاد قابل قبولی برای تشخیص نارسایی کم خونی با بهره گیری از ST-Segment در سیگنال AECG می باشد.