• شماره ركورد
    22691
  • پديد آورنده

    يلدا كيانيان

  • عنوان
    پيش بيني مرگ ناگهاني قلب در بيماران مبتلا به بيماري قلبي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي پزشكي- بيوالكتريك
  • سال تحصيل
    1394
  • تاريخ دفاع
    1398/7/13
  • استاد راهنما
    دكتر احمد آيت الهي
  • دانشكده
    برق
  • چكيده
    تغييرات ناگهاني سيگنال هاي قلبي و به دنبال آن سكته و ايست قلبي يكي از عوامل شايع در بروز مرگ هاي ناگهاني مي باشد. به دليل اهميت موضوع، ابزارها و روش هاي مختلفي براي بررسي نحوه عملكرد قلب در پزشكي نوين ابداع شده كه مي توان به روش هايي از جمله ثبت سيگنال هاي قلبي، الكتروكاردياگرام (ECG)، آنژيوگرافي و ... اشاره كرد. به دليل اين كه آناليز تصاوير ثبت شده به عهده شخص متخصص بوده و از آنجا كه معمولا تغييرات شديد در عملكرد قلب به صورت ناگهاني و تقريبا در لحظه وقوع حادثه رخ مي دهد احتمال خطا در تشخيص زياد بوده و در اكثر موارد جان بيماران در معرض خطر مرگ قرار مي گيرد. به همين خاطر مطالعات فراواني در اين زمينه جهت هوشمند كردن و افزايش صحت تشخيص انجام گرفته است. ايست ناگهاني قلبي (SCD) يكي از علل اصلي مرگ در ميان مردم است. يكي از روش هاي پيشنهادي براي پيش بيني SCD بر اساس سيگنال هاي (ECG) با استفاده از تبديل موجك بسته اي (WPT) ، تكنيك پردازش سيگنال، شاخص همگن (HI) ، اندازه گيري غير خطي براي سيگنال هاي سري زماني و الگوريتم طبقه بندي شبكه عصبي احتمالاتي پيشرفته (EPNN) مي باشد. ما در اين تحقيق توانستيم اين روش را ارتقا بدهيم.در اين كار ما از دو مدل شبكه عصبي استفاده نموديم.ما با استفاده از شبكه عصبي فازي انطباقي (ANFIS) توانستيم زمان پيش بيني SCD را به 24 دقيقه قبل از وقوع آن بهبود ببخشيم. اثربخشي و سودمندي اين روش پيشنهاد شده با استفاده از يك پايگاه داده و داده هاي ECG مورد ارزيابي قرار مي گيرد.
  • تاريخ ورود اطلاعات
    1399/07/06
  • عنوان به انگليسي
    Prediction of sudden cardiac death in patients with heart disease
  • تاريخ بهره برداري
    10/5/2019 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    يلدا كيانيان

  • چكيده به لاتين
    Sudden changes in cardiac signals and followed by that, heart attack and cardiac arrest are one of the most common causes of sudden deaths. Due to the importance of this subject, various tools and methods have been devised to investigate the way of heart function in modern medicine, such as cardiac signal recording (Electrocardiogram (ECG)), angiography, and so on. Because the analysis of recorded images is the responsibility of expert and since that usually severe changes in cardiac function occurs suddenly and almost at the time of accident, the probability of error in diagnosis will be high and in most cases patients' lives will be at risk of death. For this reason, many studies have been carried out in this field in order to smartening and increase the detection accuracy. Sudden cardiac death (SCD) is one of the leading causes of death among people. A proposed method is presented for predicting SCD based on ECG signals by using wavelet packet transform (WPT), signal processing technique, homogeneity index (HI), nonlinear measurement for time series signals and neural network classification algorithm. The effectiveness and usefulness of the proposed method are measured and evaluated by using a database of ECG data. In the proposed method, HI values are calculated for 512 nodes from the first level of decomposition to eight levels of WPT decomposition for each 1 minute interval and subject. This analysis improves the effectiveness of proposed method and computational efficiency.