این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۲۹، شماره ۱۷۴، صفحات ۰-۰
عنوان فارسی تشخیص زودهنگام ایسکمی با استفاده از سیگنال تغییرات ضربان قلب و شبکه‌های عصبی احتمالی بازگشتی
چکیده فارسی مقاله مقدمه: ایسکمی قلبی به وسیله ی عدم خون رسانی کافی به سلول های انقباضی ناشی می شود که باعث سکته ی قلبی می شود. بنابراین تشخیص غیر تهاجمی صحیح و زودهنگام ایسکمی قلبی نقش مهمی در درمان این بیماری و پیشگیری از نارسایی های قلبی متعاقب آن دارد. در طول سالیان متمادی، روش های مختلفی مبتنی بر سیگنال قلبی اخذ شده در ثبت های طولانی مدت برای تشخیص اتوماتیک ایسکمی پیشنهاده شده است. اما تاکنون تشخیص اتوماتیک ایسکمی در ثبت های کوتاه مدت به صورت یک مسأله ی باز باقی مانده است. در این مطالعه روش جدیدی برای تشخیص زودهنگام ایسکمی ارائه شد. روش ها: روش مورد استفاده در این مطالعه مبتنی بر تست های کوتاه مدت، تحلیل زمان-فرکانس سیگنال تغییرات ضربان قلب (HRV یا Heart Rate Variability) و شبکه های عصبی احتمالی بازگشتی به عنوان طبقه بندی کننده بود. برای این منظور ویژگی های باندهای فرکانسی در حین انجام سه آزمایش اتونومیک برخاستن، تنفس عمیق و کنترل تنفس در 98 نفر (50 فرد سالم و 48 بیمار) استخراج شد و به عنوان بردار ویژگی در نظر گرفته شد. افراد مورد آزمایش با نظر متخصص قلب و انجام تست ورزش و آنژیوگرافی مورد ارزیابی قرار گرفتند. یافته ها: نتایج این تحقیق نشان داد که می توان با استفاده از روش پیشنهادی و انجام تست های کوتاه مدت، افراد دچار ایسکمی را با دقت 88 درصد تشخیص داد. میزان دقت تشخیص افراد سالم 82 درصد بود. نتیجه گیری: نتایج این تحقیق نشان داد که می توان از سیگنال ضربان قلب اخذ شده در حین آزمایشات کوتاه مدت اتونومیک و شبکه های عصبی، به عنوان روشی برای تشخیص غیر تهاجمی و زود هنگام ایسکمی استفاده کرد. روش ارائه شده ساده، سریع و غیر تهاجمی بود و نیازی به ثبت های طولانی مدت و تست ورزش نداشت.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Early Diagnosis of Myocardial Ischemia Using Heart-Rate Variability and Recurrent Probabilistic Neural Network
چکیده انگلیسی مقاله Background: Myocardial ischemia is caused by a lack of sufficient blood flow to the contractile cells and may lead to myocardial infarction with its severe sequel of heart failure, arrhythmias, and death. Therefore, its early diagnosis and treatment is of great importance. During past several years, several strategies have been proposed for automatic detection of ischemic cardiac beats using the ST-T complex of the electrocardiogram (ECG) which is recorded during long-term Holter monitoring. However, automatic detection of ischemic subjects using short-term analysis of the ECG is an open problem. In this paper, we presented a new method for automated detection of ischemic patients. Methods: The study was conducted based on short-term analysis of the ECG, time-frequency analysis of heart-rate variability (HRV) and recurrent log linearized Gaussian mixture neural network (RLLGMN) as the classifier. For this purpose the feature vector was extracted from the energy of HRV was obtained from 98 subjects (50 healthy and 48 patients) at different frequency bands during different autonomic tests (i.e. controlled normal breathing, controlled deep breathing and active transition tests) and classified using a probabilistic neural network. Findings: The results showed that a correct classification rate of 82% for the healthy subjects and 86% for the ischemic subjects was achieved using the proposed method. Conclusion: The results indicated that HRV signals and recurrent probabilistic neural network can be used as a noninvasive method for identifying ischemia. The proposed method is simple, fast and noninvasive, and does not require the long-term recording of ECG signals as well as exercise treadmill test.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید وفایی زاده | majid vafaei zadeh
دانشجوی کارشناسی ارشد، مرکز فناوری عصبی ایران، گروه مهندسی پزشکی، دانشکده ی مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

عباس عرفانیان امیدوار | abbas erfanian omidvar
دانشیار، مرکز فناوری عصبی ایران، گروه مهندسی پزشکی، دانشکده ی مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

عباس فروتن | abbas foroutan
استادیار، گروه فیزیولوژی، دانشکده ی پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/1265
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-318576.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات