تشخيص بيماري قلبي با استفاده از دسته‌بند جنگل تصادفي با كمك ويژگي‌هاي آماري سيگنال الكتروكارديوگرام

كارشناسي ارشد

چكيده بيماري‌هاي قلبي سالانه جان بسياري از مردم را مي‌گيرد و از نظر تعداد مرگ‌ومير انسان‌ها، رتبه اول بين بيماري‌ها را دارد. تشخيص زودهنگام بيماري‌هاي مربوط به قلب نقش مهمي در زنده ماندن انسان‌ها دارد. سيگنال الكتروكارديوگرام يك داده مناسب براي ارزيابي فعاليت الكتريكي قلب است كه برخي از بيماري‌هاي قلبي با تحليل اين سيگنال قابل تشخيص هستند. سيگنال الكتروكارديوگرام شامل اطلاعات بسيار مهم از وضعيت قلب و يكي از داده‌هاي مورد استفاده پزشكان درتشخيص بيماري‌هاي مختلف قلبي است و همچنين داراي يك سري اطلاعات از وضعيت قلب مانند تعداد ضربان قلب، فاصله زماني بين پيك‌هاي قلب و غيره است. به دليل ناپايدار بودن سيگنال الكتروكارديوگرام و داشتن يك سري از شكل موج‌هاي پيچيده‌ي تكراري و تشابه سيگنال‌ها در برخي بيماري‌ها با سيگنال‌هاي قلب سالم به مدل‌هايي نياز است كه بتواند به آساني حجم زيادي از اين اطلاعات را تجزيه و تحليل كند. اين مدل‌ها بر اساس پردازش سيگنال‌هاي الكتروكارديوگرام و روش‌هاي يادگيري ماشين قادر به تجزيه و تحليل اين اطلاعات مي‌باشند. دسته بندي بيماران بر اساس سيگنال الكتروكارديوگرام شامل مراحل: پيش‌پردازش، استخراج ويژگي و دسته‌بندي مي‌باشد. استخراج ويژگي و دسته‌بندي داراي روش‌هاي مختلفي مي‌باشد. در اين پايان‌نامه براي استخراج ويژگي، از ويژگي‌هاي آماري سيگنال استفاده مي‌شود. براي به‌دست آوردن مقادير ويژگي‌ها، از تركيب سيگنال‌هاي ضبط شده از هر بيمار استفاده مي‌شود. سپس از دهك‌هاي سيگنال اندازه و فاز براي ايجاد ويژگي استفاده مي‌شود. در ادامه با استفاده از دسته‌بند جنگل تصادفي، دسته‌بندي انجام مي‌شود. با استفاده از ويژگي‌هاي معرفي شده و تعيين يك سري از پارامترهاي دسته‌بند جنگل تصادفي دقت دسته‌بندي 83.87% شده است. واژه‌هاي كليدي: تشخيص بيماري قلبي، سيگنال الكتروكارديوگرام، دسته‌بند جنگل تصادفي، استخراج ويژگي

190305

دانشگاه علم و صنعت ايران

هوش مصنوعي و رباتيك

دكتر برنگي - دكتر فتحي