NATIONAL BIBLIOGRAPHY NUMBER
Number
T27156
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
انگلیسی
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
DIAGNOSIS OF HEART DISEASE USING DATA MINING TECHNIQUES ON CARDIAC PROFILE MEASUREMENT SYSTEMS AND ELECTROCARDIOGRAM SIGNAL
General Material Designation
Dissertation
First Statement of Responsibility
Hind Al-Obaidi
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
Electrical and Computer Engineering
Date of Publication, Distribution, etc.
1401
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
67p.
Other Physical Details
cd
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
M.S.
Discipline of degree
computer engineering
Date of degree
1401/06/14
SUMMARY OR ABSTRACT
Text of Note
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
Text of Note
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.
OTHER VARIANT TITLES
Variant Title
تشخیص بیماری قلبی با استفاده از تکنیک های داده كاوی بر روی سیستم های اندازه گیری مشخصات قلبی و سیگنال الکتروكاردیوگرام
UNCONTROLLED SUBJECT TERMS
Subject Term
Heart disease, Electrocardiogram, neural network, QRS
Subject Term
بیماری قلبی، الکتروکاردیوگرام، شبکه عصبی، QRS
PERSONAL NAME - PRIMARY RESPONSIBILITY
Entry Element
Al-Obaidi,
Part of Name Other than Entry Element
Hind
Relator Code
Producer
PERSONAL NAME - SECONDARY RESPONSIBILITY
Entry Element
Ali Balafar,
Entry Element
Baradarani,
Part of Name Other than Entry Element
Mohammad
Part of Name Other than Entry Element
Aryaz
Relator Code
Thesis advisor
Relator Code
Consulting advisor
CORPORATE BODY NAME - SECONDARY RESPONSIBILITY
Entry Element
Tabriz
ORIGINATING SOURCE
Country
ایران
Agency
Central Library of Tabriz
LOCATION AND CALL NUMBER
Call Number
ارشد پایاننامه QA76.F5 1401
ELECTRONIC LOCATION AND ACCESS
Electronic name
Hind Al-Obaidi
Contact for access assistance
عبادی
e
TL
276903
a
Y
