-
شماره ركورد
28510
-
پديد آورنده
محمد حسن زاده سورشجاني
-
عنوان
طبقهبندي نوار قلبي بيماران كوويد-19 و بيماريهاي قلبي با كمك شبكههاي CNN
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
رياضي- رياضي كاربردي - بهينهسازي
-
سال تحصيل
1400
-
تاريخ دفاع
1402/3/31
-
استاد راهنما
جواد وحيدي
-
دانشكده
دانشكده رياضي
-
چكيده
الكتروكارديوگرافي يك ابزار تشخيصي است كه فعاليت الكتريكي قلب را ثبت ميكند. سيگنالهاي ECG ميتوانند ناهنجاريها و بيماريهاي قلبي مختلفي مانند كوويد-19، يك بيماري جديد كروناويروس را نشان دهند كه ميتواند باعث عوارض شديد تنفسي و قلبي عروقي شود. در اين پاياننامه، ما از شبكههاي عصبي كانولوشن (CNN) براي طبقهبندي سيگنالهاي ECG بيماران مبتلا به كوويد-19 و ساير ناهنجاريهاي قلبي، مانند انفاركتوس و سابقه انفاركتوس استفاده كرديم. ما از تكنيكهاي دادهها افزايي براي افزايش تعداد و تنوع سيگنالهاي ECG استفاده كرديم و با استخراج ويژگي براي بهبود عملكرد مدل CNN خود استفاده كرديم. قبل از اعمال مدل CNN براي سيگنالهاي ECG، ما همچنين يك روش استخراج ويژگي را براي تبديل سيگنالهاي ECG به طيفنگاري انجام داديم. طيفنگارها نمايش بصري فركانس و دامنه سيگنالهاي ECG در طول زمان هستند. ما از تبديل فوريه كوتاهمدت (STFT) براي محاسبه طيفنگارها از سيگنالهاي ECG استفاده كرديم. STFT تكنيكي است كه سيگنالهاي ECG را به بخشهاي كوتاه تقسيم ميكند و تبديل فوريه را در هر بخش اعمال ميكند. اين به ما امكان داد تا هم زمان و هم اطلاعات فركانس سيگنالهاي ECG را ضبط كنيم. ما مدل خود را با استفاده از دقت، بازيابي و صحت بهعنوان معيار ارزيابي كرديم و آن را با يك مدل پايه كه از ويژگيهاي دستساز استفاده ميكند، مقايسه كرديم. نتايج اوليه ما بادقت نشان ميدهد كه مدل CNN ما در وظايف طبقهبندي باينري و چند كلاسه بهخوبي عمل ميكند و بهدقت متوسط بالا 92.48 و امتياز F1 90.96 دستيافت. ما معتقديم كه پروژه ما توانسته روشي سريع و دقيق براي شناسايي و نظارت بر شرايط مختلف قلبي با استفاده از تجزيهوتحليل ECG ارائه دهد.
-
تاريخ ورود اطلاعات
1402/04/21
-
عنوان به انگليسي
Classification of cardiograms of covid-19 patients and heart diseases with the help of CNN networks
-
تاريخ بهره برداري
6/20/2024 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
محمد حسن زاده سورشجاني
-
چكيده به لاتين
Electrocardiography is a diagnostic tool that records the electrical activity of the heart. ECG signals can indicate various heart abnormalities and diseases, such as Covid-19, a novel coronavirus disease that can cause severe respiratory and cardiovascular complications. In this thesis, we used convolutional neural networks (CNN) to classify ECG signals of patients with covid-19 and other cardiac abnormalities, such as infarction and history of infarction. We used data augmentation techniques to increase the number and diversity of ECG signals and used feature extraction to improve the performance of our CNN model. Before applying the CNN model to the ECG signals, we also performed a feature extraction method to convert the ECG signals into spectrograms. Spectrograms are visual representations of the frequency and amplitude of ECG signals over time. We used short-time Fourier transform (STFT) to calculate spectrograms from ECG signals. STFT is a technique that divides ECG signals into short segments and applies a Fourier transform to each segment. This allowed us to record both the time and frequency information of the ECG signals. We evaluated our model using precision, accuracy, recall, and F1 precision as benchmarks and compared it with a baseline model that uses hand-crafted features. Our preliminary results accurately show that our CNN model performs well in binary and multi-class classification tasks, achieving a high average accuracy of 92.48 and an F1 score of 90.96. We believe that our project has been able to provide a quick and accurate method to identify and monitor various cardiac conditions using ECG analysis
-
كليدواژه هاي فارسي
الكتروكارديوگراف , كوويد , شبكههاي عصبي كانولوشن , عددي سازي سيگنال
-
كليدواژه هاي لاتين
ECG , COVID , Convolutional Neural Network , digitizing signal
-
Author
Mohammad Hassanzade
-
SuperVisor
Dr. Javad Vahidi
-
لينک به اين مدرک :