An electrocardiogram classification method based on neural network

Abstract

Heart disease is a problem that can happen to anyone, and the leading cause of death for men and women in the world. Heart disease occurs for any of several reasons, overuse of alcohol, cigarettes, coffee, etc. An electrocardiogram can be used to discover different types of heart disease. This research presents an electrocardiogram classification based on the neural network proposing five ECG beat types, and a method is proposed for feedforward backpropergation and logistic regression variable selection. The objective of the logistic regression variable selection is to reduce the variable of ECG beat for improving performance of classification and reducing the change of an over fitting situation. The results successfully showed that the presented selection variable method can be used to improve the performance classification of heart disease

คลื่นไฟฟ้าหัวใจเป็นวิธีการตรวจหา โรคหัวใจและหลอดเลือดเป็นเรื่องง่าย และมีประสิทธิภาพ ตรวจคลื่นไฟฟ้าหัวใจ ที่ผลิตในกล้ามเนื้อหัวใจ บีบอัดการเต้นของหัวใจเมื่อมาถึงจุดที่ หัวใจของเซลล์กล้ามเนื้อ ที่สามารถสร้างชนิดพิเศษ ของกระแสไฟฟ้าที่ตัวเอง เราเรียก จุดที่โหนด ไซนัส กระแสไฟฟ้า วิ่งผ่านกล้ามเนื้อของห้องหัวใจ พลังงานที่เราได้ เรียกว่า การไหลของคลื่น P เพื่อหยุดการเชื่อมต่อระหว่างหัวใจห้องบนและโพรงที่เรียกว่า โหนด AV นี้แล้ว ไฟฟ้าจะวิ่งลงด้านซ้ายและหัวใจห้องบนขวา และปัจจุบันที่เกิดขึ้นจะเรียกว่าซับซ้อน QRS ของกราฟ แสดงตัวอย่างปกติของกล้ามเนื้อหัวใจ วิทยานิพนธ์ฉบับนี้แสดงให้เห็นถึง การจัดหมวดหมู่ของคลื่นไฟฟ้า (คลื่นไฟฟ้าหัวใจเต้น) จะถูกนำเสนอ ผ่านการฝึกอบรม โดยวิธีแบบแพร่ย้อนกลับ และวิธีการเลือกถดถอยโลจิสติกตัวแปร วัตถุประสงค์ของการเลือกตัวแปรที่ลด ตัวแปรของคลื่นไฟฟ้าหัวใจเต้น ก็จะมีการปรับปรุง การจัดหมวดหมู่ให้ได้เร็วขึ้น และ หลีกเลี่ยงสถานการณ์ที่เหมาะสม ผลที่ได้แสดงให้เห็นว่าประสบความสำเร็จในการเลือกตัวแปรที่นำเสนอ สามารถใช้สำหรับการปรับปรุงประสิทธิภาพสำหรับการวินิจฉัยของโรคหัวใจ