23056

طراحي سيستم پشتيبان تصميم براي پردازش تصوير نوار قلب با استفاده از داده كاوي

كارشناسي ارشد

مديريت اجرايي

1395

1399/03/17

دكتر رسول نورالسناء

دكتر روزبه قوسي

مهندسي پيشرفت

امروزه با رشد سريع پايگاه هاي اطلاعاتي در بيشتر مراكز و سازمان هاي پزشكي حجم عظيمي از داده ها در پايگاه داده ها ذخيره مي شوند، كه يكي از انواع اين داده ها نوارهاي الكتروكارديوگرام است. در سال هاي اخير تمايل به جستجو براي كشف الگوهاي پنهان ميان داده ها به منظور بهبود در تصميم گيري پزشكان افزايش چشمگيري داشته است. بيماري قلبي و عروقي يكي از شايع ترين و خطرناك ترين بيماري ها در كشور و جهان است، از اينرو جامعه پزشكي براي به حداقل رساندن اثرات، عوارض و هزينه هاي آنها به دنبال برنامه هايي براي بررسي بيشتر، پيشگيري، شناسايي زود هنگام و درمان موثر آن است. اخيرا از روش هاي داده كاوي براي رسيدن به اهداف هاي تعريف شده استفاده مي شود. تحقيق حاضر به تشخيص خودكار و طبقه بندي بيماري هاي قلبي با پردازش تصوير نوار الكتروكارديوگرام و روش داده كاوي پرداخته است. اين داده ها توسط پژوهشگاه علوم غدد و بيماري هاي متابوليسم دانشگاه علوم پزشكي تهران جمع آوري شده اند. داده هاي مورد استفاده در اين تحقيق كه شامل 1115 تصوير نوار قلب 12 ليد است، ابتدا با نرم افزار متلب پردازش شدند سپس با مشخص شدن معيارهاي تشخيص و به كار گيري كد مينه سوتا و الگوريتم هاي ژنتيك، درخت تصميم فازي، بيز ساده و روش بگينگ بر اساس فرآيند استاندارد داده كاوي كريسپ مورد بررسي قرار گرفته اند. بيماري ها در 8 كلاس طبقه بندي شدند كه به ترتيب 6 كلاس آن انواع بيماري هاي ايسكمي ، 1 كلاس آن بيماري آريتمي و 1 كلاس آن طبيعي بودن نوار الكتروكارديوگرام را شامل مي شود. در انتها اين تحقيق كه يك بررسي اپيدميولوژيك است كمك شاياني به تصميم پزشكان براي جلوگيري از خطا در تشخيص بيماري (از روي نوار قلب بيماران ) و تصميم گيري هاي مديريتي در حوزه ي سلامت مي كند.

1399/10/24

Designing decision support system for image processing of ECG by data mining

6/6/2020 12:00:00 AM

Today, with the rapid growth of databases in most medical centers and organizations, a huge amount of data is stored in databases, one of which is electrocardiogram tapes. In recent years, the tendency to search for hidden patterns in data to improve physicians' decisions has increased dramatically. Cardiovascular disease is one of the most common and dangerous diseases in the country and the world, so the medical community to minimize their effects, complications and costs seek programs for further investigation, prevention, early detection and effective treatment. It is. Recently, data mining methods have been used to achieve defined goals. The present study has performed the automatic diagnosis and classification of heart diseases by electrocardiogram image processing and data mining method. These data were collected by the Institute of Endocrine Sciences and Metabolic Diseases of Tehran University of Medical Sciences. The data used in this study, which includes 1115 images of 12-lead ECG, were first processed with MATLAB software, then by determining the criteria for diagnosis and application of Minnesota code and genetic algorithms, fuzzy decision tree, simple Bayesian and method Bagging is based on Crisp's standard data mining process. Diseases were classified into 8 classes, of which 6 classes included ischemic diseases, 1 class included arrhythmia, and 1 class included normal ECG scans. In the end, this research, which is an epidemiological study, helps physicians to make decisions to prevent misdiagnosis (from patients' ECGs) and management decisions in the field of health.

پردازش تصوير , داده كاوي , نوار قلب الكتروكارديوگرام 12 ليد , بيماري قلبي

Image processing , Data mining , ECG , Heart disease