PUKYONG

GUIDE OAK 국가리포지터리 부경대학교

검색

PUKYONG Repository 대학원 정보시스템협동과정

Metadata Downloads

Abstract: 심전도(ECG, Electrocardiography)는 심장 박동의 전기적 신호를 기록한 것이다. 오늘날 ECG는 심장병의 진단에 사용되고 있으며, 신호의 특징에 따라 몇 가지 심장 질환을 구분할 수 있다고 알려져 있다. ECG에 의한 심장 질환 분류는 현재 지속적인 연구 주제의하나이다. 본 논문에서는 은닉 마르코프 모델(HMM), 다층 퍼셉트론(MLP) 그리고 지지 벡터 기계(SVM) 등, 다층 퍼셉트론 그리고 지지 벡터 기계 등 세 가지 기계 학습 모델로 ECG 분류를 하고 각각의 성능을 비교하였다. ECG 신호의 두 봉우리 사이의 일주기 신호를 전처리 하고 그 결과를 세 가지 기계 학습 방법으로 시험하였다. 그 결과 SVM의 성능은 약 81.3%, HMM의 성능은 약 28%, MLP는 87%를 보였다.

Keyword: Heart Disease Diagnosis Electrocardiograph Hidden Markov Model Support Vector Machine Multilayer Perceptron

URI: https://repository.pknu.ac.kr:8443/handle/2021.oak/13505
http://pknu.dcollection.net/jsp/common/DcLoOrgPer.jsp?sItemId=000002331648

Table Of Contents: Chapter 1. Introduction 1
1.1 Background 1
1.2 Objective And Research Method 2
1.3 Outline And Contribution Of Thesis 2
Chapter 2. Understanding Heart Diseases And Classification 4
2.1. Heart Diseases 4
2.2. Electrocardiography 5
2.3. Self-Organizing Map 6
2.4. SVM (Support Vector Machine) 6
2.5. MLP (Multilayer Perceptron) 8
2.6. Hidden Markov Model 9
Chapter 3. ECG Classification Using HMM 10
3.1. Experiment Method 10
3.2. Data Set 10
3.3. Baseline Correction 11
3.4. Vector Quantization 12
3.5. Hidden Markov Model 13
3.6. Result 14
Chapter 4. ECG Classification Using SVM 16
4.1 Experiment Method 16
4.2 Data Set 16
4.3 Baseline Correction 17
4.4 Signal Cutting 18
4.5 Support Vector Machine 18
4.6 Result 19
Chapter 5. ECG Classification Using MLP 21
5.1 Experiment Method 21
5.2 Data Set 21
5.3 Baseline Correction 22
5.4 Signal Cutting 23
5.5 Multilayer Perceptron (MLP) And Result 23
Chapter 6. Conclusion & Future Studies 25
6.1. Conclusions 25
6.2. Future Studies 26
References 27
Acknowledgement 28

Authorize & License

qrcode