دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 2 1 2011 04 21 Using Mixture Structures of Neural Networks in Order to Detect Cardiac Arrhythmias Using Fusion of Temporal and Wavelet Features به‌کارگیری ساختارهای ترکیبی از شبکه‌های عصبی به‌منظور تشخیص آریتمی‌های قلبی با استفاده از ادغام ویژگی‌های موجک و زمانی 1 16 15306 FA امید مخلصی - کارشناسی ارشد برق الکترونیک، دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایران ناصر مهرشاد - استادیار گروه برق الکترونیک، دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایران سید محمد رضوی - استادیار گروه برق الکترونیک، دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایران Journal Article 2016 06 14 In recent years the use of intelligent systems in science and engineering, especially in the diagnosis of disease, is increasingly growing. In this paper a smart way to diagnose heart disease (cardiac arrhythmias) is presented. This method is based on a combination of structures using neural networks for classification of normal operation and four abnormal heart functions. In the combination of these structures, some neural networks as a mediator, and some of them have been used as a specialist. In the proposed method firstly for removing noise from ECG signal, preprocessing was performed. The various time features (including fifteen properties) and wavelet features (includes fifteen feature) are extracted from the noise free signal and given the large number of selected features, principal components analysis is used for feature reduction to eight features. The proposed structures of MLP neural networks and RBF neural networks are appropriately trained for classification of arrhythmias and their performance has been evaluated. The results of the implementation of the proposed method on MIT / BIH database show the better performance in the diagnosis of cardiac arrhythmias compared to previous approaches. <br />  : در سالیان اخیر، استفاده از سیستم‌های هوشمند در علوم مهندسی و به‌ویژه در تشخیص بیمارهای مختلف به‌طور فزاینده‌ای رو به افزایش است. در این مقاله نیز یک روش هوشمند ترکیبی برای تشخیص بیماری‌های قلبی (آریتمی‌های قلبی) ارائه شده است. اساس این روش بر استفاده از ساختارهای ترکیبی از شبکه​های عصبی برای طبقه‌بندی کارکرد طبیعی و چهار کارکرد غیر طبیعی قلب است. در این ساختارهای ترکیبی، برخی از شبکه‌های عصبی به‌عنوان میانجی و برخی از آنها به‌عنوان متخصص استفاده شده‌اند. در روش پیشنهادی، ابتدا پیش‌پردازش مناسب برای حذف نویز از سیگنال الکتروکاردیوگرافیانجام شده است. سپس، ویژگی‌های مختلف زمانی (شامل پانزده ویژگی) و موجک (شامل پانزده ویژگی) از روی سیگنال عاری از نویز استخراج و با توجه به زیاد بودن تعداد ویژگی‌های انتخاب شده، از روش تحلیل مولفه‌های اصلی برای ادغام این ویژگی‌ها و کاهش ابعاد فضای ویژگی به هشت بعد استفاده شده است. در ادامه، ساختارهای ترکیبی پیشنهاد شده از شبکه‌های عصبی پرسپترون چندلایه و شبکه​های عصبی پایه​شعاعی برای طبقه‌بندی مناسب آریتمی‌ها آموزش داده و کارایی آن‌ها ارزیابی شده است. نتایج حاصل از پیاده‌سازی روی داده‌های برچسب خورده‌ پایگاه داده‌ MIT/BIH ، کارآیی بهتر روش پیشنهادی در مقایسه با روش‌های قبلی در تشخیص آریتمی‌های قلبی را نشان می‌دهند. https://isee.ui.ac.ir/article_15306_79a654b7d5abbfd5223be7a8b99b8583.pdf