Skip to main content
SUPERVISOR
بهزاد نظری (استاد راهنما) رسول امیر فتاحی ورنوسفادرانی (استاد راهنما) مجتبی منصوری (استاد مشاور)
 
STUDENT
Mahdi Kheirolahi Hoseinabadi
مهدی خیراللهی حسین آبادی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1387
Listening to the heart sound or in fact hearing sounds which are produced by the heart is a basic tool for heart diseases diagnose. This method can provide doctors with worthy information about the function of the heart. Diagnosing signs related to the heart diseases and left; MARGIN: 0cm 0cm 0pt; unicode-bidi: embed; DIRECTION: ltr" align=left Keywords: Ejection-fraction, Heart sound signal, first and second sound, Wavelet transform,Electrocardiogram signal
میزان برون ده قلبی (قدرت انقباضی قلب ) میزان خونی است که در هر دقیقه توسط قلب به داخل عروق بدن پمپ می‌شود. برون ده قلبی حاصل ضرب کسر جهشی قلبدر تعداد ضربان قلب می‌باشد. برون ده قلبی نشان دهنده وضعیت عملکردی تمام سیستم قلبی- عروقی می‌باشد. دانستن مقدار برون ده قلبی نقش کلیدی در کنترل بیماران قلبی- عروقی و تعیین سریع علت اختلال همودینامیک و ارائه روش درمانی مناسب دارد. روش‌های متعددی به منظور اندازه‌گیری برون ده قلبی ارائه شده است. تعدادی از این روش‌ها تهاجمی می‌باشند، مانند روش thermodilutionکه شایعترین روش اندازه‌گیری برون ده قلبی در کلینیک نیز می‌باشد. امروزه تلاش بر این است که اقدامات تشخیصی درمانی تا حد ممکن غیرتهاجمی باشند. بدین‌منظور روش‌هایی مانند اکوکاردیوگرافی، Cardio Q، Picco، Lidco، Nicco، Bio Z، Pulse contour وHemosonicبرای اندازه‌گیری برون ده قلبی ارائه شده است.در این تحقیق یک روش غیرتهاجمی به منظور ارزیابی میزان قدرت انقباضی قلب با استفاده از پردازش دیجیتال سیگنال صدای قلب ارائه شده است که لازمه آن استخراج ویژگی‌هایی از این سیگنال و طبقه‌بندی آن‌ها می‌باشد. به منظور استخراج ویژگی از سیگنال صدای قلب لازم است که دو بخش اصلی این سیگنال یعنی صدای اول (S 1 ) و صدای دوم (S 2 ) استخراج شوند لذا دو الگوریتم متفاوت به منظور جداسازی این صداها پیشنهاد می‌شود. اولین الگوریتم بدون استفاده از سیگنال الکتروکاردیوگرام و با استفاده از تبدیل موجک و پوش انرژی شانون، صداهای اول و دوم را استخراج می‌کند. صحت این الگوریتم در نمونه‌های سالم 100 درصد و در نمونه‌های بیمار 3/89 درصد می‌باشد. الگوریتم دوم از سیگنال الکتروکاردیوگرام به عنوان مرجع استفاده کرده و با استفاده از قله‌های R از کمپلکس QRS، صداهای اول و دوم را استخراج می‌کند. صحت این الگوریتم در نمونه‌های سالم 87/99 درصد و در نمونه‌های بیمار44/93 درصد می‌باشد. پس از جداسازی صداها، به منظور ارزیابی قدرت انقباضی پنج ویژگی از سیگنال صدای قلب استخراج کرده و آن‌ها را با استفاده از شبکه عصبی RBF طبقه‌بندی می‌کنیم. نتایج حاصله نشان می‌دهند که در 9/95 درصد از موارد جواب شبکه با نظر پزشک مطابقت دارد. کلمات کلیدی: 1- قدرت انقباضی 2-سیگنال صدای قلب 3-صدای اول و صدای دوم 4-تبدیل موجک 5-سیگنال الکتروکاردیوگرام

ارتقاء امنیت وب با وف بومی