مقاله و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
3 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm :

تعداد صفحات:۷

چکیده:

در این مقاله الگوریتمی به منظور استخراج ویژگی از سیگنال تغییرات نرخ ضربان قلب (HRV) که آریتمی ه ای فبریلاسیون بطنی (VF) و تاکیکاردی بطنی (VT) را شامل می شود و سپس طبقه بندی آنها با بکارگیری( Least square support vector machine(LS-SVM ارائه شده است. ویژگی های فرکانسی (شامل توان سیگنال در باند LF و HF) می توانند فعالیت بخش سمپاتیک و پاراسمپاتیک سیستم عصبی خودکار کنترل کننده ضربان قلب را نشان دهند. در اینجا روشی بر مبنای تبدیل Wavelet packet برای تجزیه سیگنال HRV به باندهای فرکانسی LF و HF استفاده شده است. سپس انرژی سیگنال در این باندها محاسبه می ود. در مرحله طبقه بندی، ویژگی های استخراج شده را به LS-SVM می دهیم. این مرحله شامل بهینه سازی متغیرهای ورودی و ارزیابی عملکرد سیستم از طریق آنالیز منحنی ROC (Receiver operating characteristic) است. روش ارائه شده با استفاده از داده های موجود در پایگاه داده Physinet مورد ارزیابی قرار گرفته و نتایج بدست آمده برای سه معیار SP,SE و AC در مقایسه با سایر روشهای موجود عملکرد بهتری را نشان می دهد.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.