بازگشت به بانک اطلاعات پایان نامه ها

شماره دانشجویی : 930612108
نام و نام خانوادگي : مهسا سلطانی تهرانی
عنوان پایان نامه : پیش بینی حملات فیبریلاسیون دهلیزی زودرس مبتنی بر استخراج ویژگی-های زمانی، فرکانسی، آنالیز غیرخطی سیگنال الکتروکاردیوگرام و شبکه هوشمند آموزش¬دیده
دانشكده : دانشکده فنی و مهندسی
گروه تحصيلي : مهندسی پزشکی
رشته/گرایش تحصيلي : مهندسی پزشکی گرایش توانبخشی-کارشناسی ارشد
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (عضو هیات علمی مرکز) : فرداد فرخی ,
استاد مشاور (عضو هیات علمی مرکز) : کاوه کنگرلو ,
چكيده : فیبریلاسیون دهلیزی یکی ازشایع ترین بیماری¬های قلبی عروقی است که حدود یک درصد از جمعیت عمومی کل جهان به آن مبتلا هستند. میزان ابتلا به این بیماری با بالا رفتن سن افزایش می یابد. یک پیش بینی کننده ی دقیق برای شروع حملات فیبریلاسیون دهلیزی ، امکان جلوگیری از شروع آریتمی های دهلیزی را افزایش می دهد. در دهه های اخیر عده ای از محققان مطالعات خود را بر روی فعالیت دهلیزی و فرکانس قله و قالب آن به همراه ویژگی های طیفی سیگنال الکتروکاردیوگرام پایه ریزی کرده اند. در یک جمع بندی کلی از مطالعات می توان چنین دریافت که حساسیت بالای گزارش شده در پیش بینی حملات فیبریلاسیون دهلیزی مربوط به مطالعاتی است که در آن ها قطعات سیگنال ECG با زمان 30 دقیقه بکار برده شده است، حال آن که در مطالعاتی که زمان پیش بینی(پنجره¬ی مطالعات) کوتاه تر بوده است، این درصد پیش بینی حتی به مقادیر زیر80% رسیده است. در این مطالعه یک الگوریتم شش مرحله ای برای تشخیص و پیش بینی حملات فیبریلاسیون دهلیزی زودرس ارائه شده است که از ویژگی های زمانی، فرکانسی و دوطیفی سیگنال HRV در کنار ویژگی غیرخطی وابسته به تغییرات موج P استفاده می کند. به منظور طبقه بندی این ویژگی ها از روش SVM استفاده کرده و پارامترهای این الگوریتم را با روش PSO بهینه¬¬سازی نموده ایم. روش پیشنهادی بر روی داده های پایگاه داده استاندارد AFPDB ارزیابی شده است. افزودن ویژگی غیرخطی به روش پیش بینی توانسته تخمین شروع حملات فیبریلاسیون دهلیزی زودرس را دقیق تر انجام دهد.نتایج نشان می دهد که این تحقیق با استفاده از سیگنال های 15 دقیقه ای و با به کارگیری و استخراج ویژگی¬های منتخب توسط الگوریتم انتخاب ویژگی RSFS(SDRR، HH-H3، ROI-H1،از HRV وCTM که ویژگی غیر خطی مربوط به تغییرات طول دوره زمانی موج P است) به مقادیر 625/90 ، 33/93، 24/88 برای معیارهای ارزیابی ACC، SEN، SPE دست یافته است.
كلمات كليدي : فیبریلاسیون ، سیگنال الکتروکاردیوگرام ، شبکه هوشمند آموزش دیده
تاريخ دفاع : 1397-06-18