توضیحات
فصل اولمقدمه
۱-۱- مقدمه
۱-۲- تعریف مسئله
۱-۳- ضرورت و اهمیت تحقیق
۱-۴- روش تحقیق
۱-۵- تعریف مفاهیم
سیگنال الکتریکی قلب:
پتانسیل عمل عضله قلب
مرحله استراحت :
مرحله دپلاریزاسیون :
مرحله رپلاریزاسیون :
موج P :
منحنی QRS :
موج T :
قطعه ST :
بازه QT:
بیماریهای ضربان قلب :
فصل دوم پیشینه پژوهش
۲-۱- مقدمه
معرفی پایگاه داده:
۲-۲- طبقهبندی سیگنال ECG با استفاده از موجک و شبکه عصبی
۲-۳- طبقهبندی سیگنال ECG با استفاده ازموجک و خواص مورفولوژیک و شبکه عصبی
۲-۴- طبقهبندی سیگنال ECG با استفاده از تبدیل موجک و شبکه عصبی فازی
۲-۵- طبقهبندی سیگنال ECG با استفاده از تبدیل ویولت و شبکه عصبی مصنوعی و الگوریتم پرندگان
۲-۶- طبقهبندی آریتمیهای قلبی با استفاده از SVM
۲-۷- طبقهبندی آریتمی دهلیزی بطنی
۲-۸- طبقهبندی سیگنال الکتروکاردیوگرام با طبقهبند ماشین بردار پشتیبان و الگوریتم PSO
۲-۹- طبقهبندی آریتمیهای قلبی با استفاده از PSO
۲-۱۰- رویکرد ترکیبی در طبقهبندی سرطان
۲-۱۱- دستهبندی آریتمیهای قلبی بر مینای تبدیل موجک و SVM
۲-۱۲- طبقهبندی سیگنال ECG با استفاده از خواص مورفولوژی
۲-۱۳- انتخاب ویژگی با استفاده از الگوریتم فاخته باینری
۲-۱۴- انتخاب ویژگی با استفاده از الگوریتم فاخته
فصل سوم معرفی الگوریتمها و روشهای پردازش سیگنالECG
۳-۱- مقدمه
۳-۲- آنالیز موجک
۳-۲-۱- تبدیل موج پیوسته (CWT)
۳-۲-۲- تبدیل موجک گسسته
۳-۳-۲-۲- تجزیه چند سطحی
۳-۲-۴- انتخاب موجک مادر
۳-۲-۴- ویژگیهای استخراج شده از ویولت
۳-۳- ویژگی زمانی
۳-۴- استخراج ویژگی با مدل خودبازگشتی(AR)
۳-۵- استراتژی انتخاب ویژگی
۳-۶- تحلیل مولفه اصلی (PCA)
۳-۷- روش بیشترین وابستگی و کمترین افزونگی (mRMR)
۳-۸- الگوریتم فاخته COA
۳-۸-۲- جزییات الگوریتم بهینهسازی فاخته
۳-۸-۲-۱- تولید محلهای سکونت اولیه فاختهها (جمعیت اولیهی جوابهای کاندید)
۳-۸-۲-۲- روش فاختهها برای تخمگذاری
۳-۸-۲-۳- مهاجرت فاختهها
۳-۸-۲-۴- از بین بردن فاختههای قرار گرفته در مناطق نامناسب
۳-۸-۲-۵- همگرایی الگوریتم
۳-۹- گسستهسازی دودویی الگوریتم فاخته
۳-۱۰- ماشین بردار پشتیبان(SVM)
۳-۱۱- الگوریتم بهینهسازی ذرات(PSO)
۳-۱۱-۱- وزن اینرسی
۳-۱۲- شمای کلی سیستم طبقهبندی سیگنال ECG
فصل چهارم روش پیشنهادی طبقهبندی سیگنال ECG
۴-۱- مقدمه
۴-۲- پیشپردازش سیگنال ECG
۴-۲-۱- شیفت سیگنال به انحراف زمینه
۴-۲-۲- حذف مقدار متوسط سیگنال
۴-۲-۳- حذف نویز ناشی از برق شهر
۴-۲-۴- هموارسازی سیگنال
۴-۲-۵- پنجرهگذاری سیگنال
۴-۲-۶- آزمون همبستگی و حذف ضربانهای ناهمبسته
۴-۲-۷- انتخاب دادههای آموزش و آزمون
۴-۳- ویژگیهای سیگنال
۴-۳-۱- استخراج ویژگی
۴-۳-۱-۱- ویژگی زمانی
۴-۳-۱-۲- ویژگی موجک
۴-۳-۱-۳- ویژگی AR
۴-۳-۱-۴- شناسایی نقاط پراهمیت سیگنال با استفاده از PCA
۴-۳-۲-ترکیب و ادغام ویژگیها
۴-۳-۲-۱- انتخاب ویژگی با PCA
۴-۳-۲-۲- انتخاب ویژگی با mRMR
۴-۳-۲-۳- انتخاب ویژگی با استفاده از الگوریتم فاخته
۴-۴- طبقهبندی با استفاده از SVM
فصل پنجم نتیجهگیری
۵-۱- مقدمه
۵-۲- مقایسه و نتیجهگیری
۵-۴- ارائه پیشنهاد
منابع :
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.