نام و نام خانوادگی:مهدی مصلح
عنوان پایان نامه: بهبود تشخيص بيماري هاي قلبي از طريق سيگنال PCG با انتخاب ويژگي هاي موثر بر اساس الگوريتم وراثتي
رشته تحصیلی:مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر مهدی نصری
چکیده:
قلب یکی از مهمترین اندام های داخلی بدن است. براساس گزارش سازمان بهداشت جهانی در سال 2015، شانزده میلیون نفر سالانه قبل از سن 70 سالگی به دلیل بیماری های غیرواگیر جان خود را از دست می دهند. این نوع بیماریها یکی از چالش های عمده قرن بیست و یکم هستند. موضوع تشخیص بیماری های قلبی و پیش بینی برخی رخدادهای مخاطره آمیز مرتبط با سیستم های قلبی عروقی نظیر سکته قلبی، مرگ ناگهانی، گرفتگی عروق کرونر، شوک های فشار خون و مشکلات دریچه ای و مکانیکی قلبی یکی از آرزوهای علمی مهم دانشمندان و محققان این زمینه در پنج دهه گذشته است. صدای قلب توانایی توصیف فعالیت های مکانیکی قلب را دارد. طبق تحقیقات گذشته، صدای قلب در اثر حرکت دریچه های قلب که به دلیل نوسان کل سیستم قلبی-عروقی ایجاد می شود تولید می شود. بروز اشکال در فعالیت قلب سبب اختلالاتی در صداهای قلب یا فونوکارديوگرام می شود. این تغییرات در سیگنال صدای قلب (PCG) ، قبل از بروز علائم بیماری رخ می دهد و به همین دلیل منجربه تشخیص بیماری در مراحل اولیه خواهد شد. در اين پايان نامه هدف اين است که پس از دريافت سيگنال هاي صوتي قلب (PCG) و فيلترينگ مناسب، به مجموعه اي از فريم هاي همپوشان تقسيم مي شود. در ادامه از هر فريم، مجموعه اي از ويژگي ها در حوزه موجک (DWT)، ضرايب کپسترال فرکانس مل (MFCC)، تبديل هيلبرت هوانگ (HHT)، تبديل فوريه کسري (FFT) و آنتروپي استخراج مي گردد، سپس به کمک يک رويکرد ترکيبي انتخاب ويژگي فيلتر-پوششي، زيرمجموعه اي از ويژگي هاي کارآمد انتخاب مي شوند. به منظور عمليات کاهش (فيلتر) از الگوريتم PCA و جهت رويکرد پوششي از الگوريتم تکاملي وراثتي با دسته بند SVM بهره گرفته، که باعث بهبود تشخيص بيماري هاي قلبي از جمله تنگي دريچه آئورت (AS) ، تنگي دريچه ميترال (MS)، نارسائي دريچه ميترال (MR)، افتادگي دريچه ميترال (MVP) که با نرخ شخیص 2/97 درصد مي شود.
کلیدواژه: فونوکارديوگرام، بيماري قلبي ، تبديل موجک گسسته ،ضرايب کپسترال فرکانس مل ، ماشين بردار پشتيبان ، الگوريتم وراثتي ، تبديل هيلبرت هوانگ ، تبديل فوريه کسري