مقاله انگلیسی رایگان در مورد مدل های یادگیری ماشین برای طبقه بندی سیگنال ECG – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله مدل های یادگیری ماشین مخصوص بیمار برای طبقه بندی سیگنال ECG
عنوان انگلیسی مقاله Patient Specific Machine Learning Models for ECG Signal Classification
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۱۰ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
شناسه ISSN ۱۸۷۷-۰۵۰۹
مدل مفهومی دارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط پزشکی، کامپیوتر، مهندسی پزشکی
گرایش های مرتبط قلب و عروق، هوش مصنوعی، بیوالکتریک
نوع ارائه مقاله
ژورنال و کنفرانس
مجله  علوم کامپیوتر پروسیدیا – Procedia Computer Science
دانشگاه NIT, Raipur, Department of Information Technology, Raipur 492010, India
کلمات کلیدی آریتمی، الکتروکاردیوگرام، اثر کلی، ماشین بردار پشتیبانی
کلمات کلیدی انگلیسی Arrhythmia، Electrocardiogram، ensemble، Support vector machine
شناسه دیجیتال – doi
https://doi.org/10.1016/j.procs.2020.03.269
کد محصول E14923
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Related work

۳- Material and methods

۴- Experimental Results

۵- Conclusion

References

بخشی از متن مقاله:

Abstract

Arrhythmia is one of the major cause of deaths across the globe. Almost 17.9 million deaths are caused due to cardiovascular diseases. In order to reduce this much mortality rate, the cardiovascular disease should be properly identified and the proper treatment for the same should be immediately provided to the patients. In this study, a new ensemble based support vector machine (SVM) classifier was proposed to classify heartbeat into four classes from MIT-BIH arrhythmia database. The results were compared with other classifiers that are SVM, Random Forest (RF), K-Nearest Neighbours (KNN), and Long Short Term Memory network. The four features were extracted from the ECG signals that were used by the classifiers are Wavelets, high order statistics, R-R intervals and morphological features. An ensemble of SVMs obtained the best result with an overall accuracy of 94.4%.

Introduction

The prime cause of deaths across the world according to the report of WHO are cardiovascular diseases (CVDs): Annually, more people die from cardiac diseases than from any other disease. In 2016, approximately 18 million people died because of cardiac-related diseases, which reflects 31% of all the deaths globally. 85% of the deaths among this 31% are due to heart attack and stroke. An approximate of three-fourths of cardiac deaths take place in low-income and middle-income countries [1]. In 2015, 82% of the 17 million premature deaths due to non- communicable diseases are in low and middle-income countries, and the rest are caused by CVDs. The leading cause of CVDs is a long-term effect of cardiac arrhythmias. When the electrical signal, to the heart that coordinate heartbeats don’t work properly, Arrhythmias occur [2].

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *