شماره کتابشناسی ملی
شماره
T27156
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
DIAGNOSIS OF HEART DISEASE USING DATA MINING TECHNIQUES ON CARDIAC PROFILE MEASUREMENT SYSTEMS AND ELECTROCARDIOGRAM SIGNAL
نام عام مواد
Dissertation
نام نخستين پديدآور
Hind Al-Obaidi
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Electrical and Computer Engineering
تاریخ نشرو بخش و غیره
1401
مشخصات ظاهری
نام خاص و کميت اثر
67p.
ساير جزييات
cd
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
نظم درجات
computer engineering
زمان اعطا مدرک
1401/06/14
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Heart disease and related concerns are frequent problems affecting body health. Electrocardiogram; (ECG) clustering is a suitable and appropriate method for diagnosing heart disorders, which is helpful for diagnosing more heart diseases. In this thesis, the MIT-BIH ECG database is used to review and analyze the characteristics of the QRS wave, and ECG signals, in which the Pan-Tompkins method is used. The proposed model is as follows: after extracting the sample features, clustering is used to represent all the cases considered in the thesis, and then RBF neural network is used to examine the ECG data. The results showed that the proposed method (RBFNN+ PSO) with Pan-Tompkins feature extraction had higher sensitivity, specificity and, accuracy. The proposed method (RBFNN+ PSO) with Pan-Tompkins feature extraction had a lower error in four criteria. This method introduced a novel method for feature extraction with higher accuracy. The accuracy of MLPNN increased by the increase in the number of hidden neurons
متن يادداشت
بیماری قلبی یک بیماری شایع است که سلامت انسان را تحت تاثیر قرار می دهد. طبقه بندی الکتروکاردیوگرام (ECG) موثرترین و مستقیم ترین روش برای تشخیص بیماری قلبی است که برای تشخیص بیشتر علائم بیماری قلبی مفید است. در این پایان نامه از پایگاه داده ECG MIT-BIH برای استخراج ویژگی های QRS سیگنال های ECG با استفاده از الگوریتم Pan-Tompkins استفاده می کنیم. پس از استخراج نمونه‌ها، از خوشه‌سازی بصری برای غربالگری نمونه‌ها استفاده می‌شود و سپس از شبکه عصبی RBF برای تجزیه و تحلیل اطلاعات ECG استفاده می‌شود. نتایج نشان داد که روش پیشنهادی (RBFNN+ PSO) با استخراج ویژگی پان تامپکینز از حساسیت، ویژگی و دقت بالاتری برخوردار است. روش پیشنهادی (RBFNN+ PSO) با استخراج ویژگی Pan-Tompkins خطای کمتری در چهار معیار داشت. این روش روش جدیدی را برای استخراج ویژگی با دقت بالاتر معرفی کرد. دقت MLPNN با افزایش تعداد نورون‌های پنهان افزایش یافت.
عنوانهای گونه گون دیگر
عنوان گونه گون
تشخیص بیماری قلبی با استفاده از تکنیک های داده كاوی بر روی سیستم های اندازه گیری مشخصات قلبی و سیگنال الکتروكاردیوگرام
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Heart disease, Electrocardiogram, neural network, QRS
اصطلاح موضوعی
بیماری قلبی، الکتروکاردیوگرام، شبکه عصبی، QRS
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
عنصر شناسه اي
Al-Obaidi,
ساير عناصر نام
Hind
کد نقش
Producer
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
Ali Balafar,
عنصر شناسه اي
Baradarani,
ساير عناصر نام
Mohammad
ساير عناصر نام
Aryaz
کد نقش
Thesis advisor
کد نقش
Consulting advisor
شناسه افزوده (تنالگان)
عنصر شناسه اي
Tabriz
مبدا اصلی
کشور
ایران
سازمان
Central Library of Tabriz
شماره دستیابی
شماره بازیابی
ارشد پایاننامه QA76.F5 1401
دسترسی و محل الکترونیکی
نام الکترونيکي
Hind Al-Obaidi
ارتباط براي تسهيلات دسترسي
عبادی
وضعیت انتشار
فرمت انتشار
e
اطلاعات رکورد کتابشناسی
نوع ماده
TL
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
