Feature Extraction and Classification for ECG signals Processing based on Stationary Multiwavelet Transform and Artificial Neural Network
| العنوان بلغة أخرى: |
استخلاص المیزات والخواص وتصنیفھا من إشارة القلب بالاعتماد على الشبكة المتعددة المویجات المستقرة والشبكة العصبیة الصناعیة |
|---|---|
| المصدر: | مجلة المنصور |
| الناشر: | كلية المنصور الجامعة |
| المؤلف الرئيسي: | طه، زهراء خضير (مؤلف) |
| المجلد/العدد: | ع29 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2018
|
| الصفحات: | 85 - 101 |
| DOI: |
10.36541/0231-000-029-008 |
| ISSN: |
1819-6489 |
| رقم MD: | 975523 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | HumanIndex, EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
ECG signals | Stationary Wavelet Transform | Stationary Multiwavelet Transform Neural Networks
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| LEADER | 04072nam a22002657a 4500 | ||
|---|---|---|---|
| 001 | 1718129 | ||
| 024 | |3 10.36541/0231-000-029-008 | ||
| 041 | |a eng | ||
| 044 | |b العراق | ||
| 100 | |9 526385 |a طه، زهراء خضير |e مؤلف | ||
| 245 | |a Feature Extraction and Classification for ECG signals Processing based on Stationary Multiwavelet Transform and Artificial Neural Network | ||
| 246 | |a استخلاص المیزات والخواص وتصنیفھا من إشارة القلب بالاعتماد على الشبكة المتعددة المویجات المستقرة والشبكة العصبیة الصناعیة | ||
| 260 | |b كلية المنصور الجامعة |c 2018 | ||
| 300 | |a 85 - 101 | ||
| 336 | |a بحوث ومقالات |b Article | ||
| 520 | |a تم في هذا البحث الدمج بين الشبكة المتعددة المويجات المستقرة والشبكة العصبية الصناعية لغرض تصنيف إشارة القلب. أن قاعدة البيانات MIT-BIH قد استخدمت لقياس أداء الطريقة المقترحة ومقارنة النتيجة مع التقنيات التقليدية. أن الطرق (SMWT) و (MAM) تم اقتراحها لاستخلاص الميزات والخواص من الإشارة قبل تصنيفها بواسطة ANN. بما ان SMWT لها خاصية عدم التغير مع الزحف فأن هذا يعزز من أداء عملية التصنيف ويقلل من الخطأ. أن تكرار معالجة الأسطر الموجودة في هذا المخطط جعل الأسلوب المستخدم أكثر ملاءمة لاستخراج الميزات مقارنة مع SWT، MWT وPCA. ان الطرق (MAM) و (SMWT)تقلل من ابعاد الإشارة وتقلل من تعقيد دائرة التصنيف. أخيرا أن نتائج الطريقة المقترحة هي واقعية مقارنة مع. MWT-ANN, SMWT-ANN و PCA-ANN النتائج التي تم الحصول عليها تؤكد تفوق الخوارزمية المقترحة على الأساليب التقليدية. SMWT-ANN حققت دقة تصنيف 100 % ومعدل خطأ بمقدار 0.0014 | ||
| 520 | |b This paper proposes an algorithm that uses mix of Stationary Multiwavelet Transform and Artificial Neural Network (ANN) algorithm for classification of Electrocardiograph (ECG) signals. The MIT-BIH arrhythmia database is used to measure the performance of the suggested method and compare the results with conventional techniques. The Stationary Multiwavelet Transform (SMWT) and the Minimum Average Maximum strategy (MAM) is suggested to calculate the useful features of the signal before utilizing ANN algorithm for classification. Since SMWT is a translation invariant, therefore, it enhances the classification performance and reduces mean square error (MSE). Repeated Row Processing exists in this scheme to make it more suitable for feature extraction compared with Stationary Wavelet Transform (SWT), Multiwavelet Transform (MWT) and Principle Component Analysis (PCA). SMWT and MAM reduce dimensional space and decrease the complexity of classification circuit. ECG signal is classified using ANN. Finally, the results of the proposed method are realistic compared with SWT-ANN, MWT-ANN, and PCA-ANN. The obtained results emphasize the excellence of the presented algorithm than the traditional techniques. The SMWT-ANN achieves classification accuracy of 100% and mean square error of 1.4 ∗ 10 3 | ||
| 653 | |a الشبكة المتعددة المويجات |a الشبكات العصبية |a التقنيات التقليدية | ||
| 692 | |b ECG signals |b Stationary Wavelet Transform |b Stationary Multiwavelet Transform Neural Networks | ||
| 773 | |4 العلوم الإنسانية ، متعددة التخصصات |6 Humanities, Multidisciplinary |c 008 |e Al Mansour Journal |f Maǧallaẗ al-manṣūr |l 029 |m ع29 |o 0231 |s مجلة المنصور |v 000 |x 1819-6489 | ||
| 856 | |u 0231-000-029-008.pdf | ||
| 930 | |d n |p y | ||
| 995 | |a HumanIndex | ||
| 995 | |a EcoLink | ||
| 999 | |c 975523 |d 975523 | ||
عناصر مشابهة
-
Classification of ECG Signal Based on Heart Patient Cases Using Artificial Neural Network
بواسطة: Farkash, Hend M. منشور: (2017) -
Classification of ECG Signal Based on Heart Patient Cases Using Artificial Neural Network
بواسطة: Farkash, Hend Mansour منشور: (2010) -
New Trends for ECG Signals Classification
بواسطة: الطراونه، اسيا أحمد جراد منشور: (2020) -
Arabic text categorization based on features reduction using artificial neural network
بواسطة: الظاهري، سامي عبدالله منشور: (2010) -
Feature Extraction of EEG Signal to Classify Epileptic Signal Using Neural Network
بواسطة: جزار، عصام معتصم منشور: (2020)
