دانلود مقاله ترجمه شده تشخیص اولیه بیماری قلبی با استفاده از رگرسیون درختان (IEEE 2013) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

ieee2

 

 

این مقاله انگلیسی ISI در نشریه IEEE در ۴ صفحه در سال ۲۰۱۳ منتشر شده و ترجمه آن ۱۱ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

تشخیص اولیه بیماری قلبی با استفاده از طبقه بندی و رگرسیون درختان

عنوان انگلیسی مقاله:

Early Diagnosis of Heart Disease Using Classification And Regression Trees

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش 
سال انتشار ۲۰۱۳
تعداد صفحات مقاله انگلیسی ۴ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله پزشکی
گرایش های مرتبط با این مقاله قلب و عروق
چاپ شده در کنفرانس  کنفرانس مشترک بین المللی شبکه های عصبی – International Joint Conference on Neural Networks
ارائه شده از دانشگاه گروه مهندسی برق و الکترونیک (DIEE)، دانشگاه کالیاری، ایتالیا
نویسندگان Amir Mohammad Amiri and Giuliano Armano
شناسه شاپا یا ISSN ISSN ۲۱۶۱-۴۳۹۳
شناسه دیجیتال – doi https://doi.org/10.1109/IJCNN.2013.6707080
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۲۹۴
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۱ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن درج نشده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱- مقدمه

۲- روش ها

الف) پیش پردازش

ب) استخراج ویژگی

ج)- طبقه بندی و درخت رگرسیون

۳- آزمایش ها و نتایج

۴- جمع بندی

 

بخشی از ترجمه

چکیده

تشخیص اولیه در مورد مشکلات قلبی یکی از مهم ترین موضوعات برای تشخیص های پزشکی میباشد. در این مقاله، ما یک روش خودکار را برای بخش بندی صدای قلبی ارائه میدهیم که به نظر میتوان از آن برای طبقه بندی و درخت رگرسیون، استفاده کرد. سیستم تشخیصی، برای شناسایی و طبقه بندی بیماری های قلبی طراحی و ایجاد شده است و با استفاده از مجموعه داده ی نماینده ی ۱۱۶ سیگنال صدای قلبی این کار انجام شده است که از موارد سالم و ناسالم از نظر شرایط قلبی، به دست آمده است. هدف نهایی این تحقیق، اجرا کردن یک سیستم تشخیص قلبی میباشد که میتواند مورد استفاده ی یک متخصص در ارزیابی بیماران قرار بگیرد تا تعداد اکو کاردیوگرام های غیر ضروری کاهش پیدا کرده و دیگر نیازی نباشد که نوزادانی به دنیا بیایند که تحت تاثیر بیماری های قلبی هستند. در این مطالعه، ۹۹٫۱۴% صحت و ۱۰۰% حساسیت و ۹۸٫۲۸% ویژگی بر روی مجموعه داده ی مورد استفاده، به دست آمده است.

 

۴- جمع بندی

روش پیشنهاد شده موضوعات جدیدی در طبقه بندی صدای قلبی و استفاده از CART مطرح میکند. ما نشان دادیم که CART و کدگذاری مناسب داده ها پتانسیل خوبی برای طبقه بندی صدای قلبی در نوزادان سالم و مبتلا به مرمر دارد. با در نظر داشتن صدای ناشناخته در قلب خروجی سیستم به صورت طبقه بندی مناسب میباشد. این اطلاعات میتواند برای یک پزشک در زمینه تصمیم گیری در مورد شرایط نوزادان در مورد ترخیص یا درمان مرمر مفید باشد. این تکنولوژی برای پویش در حجم بالا که احتمال وجود مرمر در آن ها وجود دارد بسیار مفید می باشد. سیستم نرافزاری پیشنهاد شده در این کار به عنوان اولین نسخه ابزار تشخیصی برای پشتیبانی از پزشک ها برای تشخیص به شمار می آید.

 

بخشی از مقاله انگلیسی

Abstract

Early diagnosis of heart defects are very important for medical treatment. In this paper, we propose an automatic method to segment heart sounds, which applies classification and regression trees. The diagnostic system, designed and implemented for detecting and classifying heart diseases, has been validated with a representative dataset of 116 heart sound signals, taken from healthy and unhealthy medical cases. The ultimate goal of this research is to implement a heart sounds diagnostic system, to be used to help physicians in the auscultation of patients, with the goal of reducing the number of unnecessary echocardiograms and of preventing the release of newborns that are in fact affected by a heart disease. In this study, 99.14% accuracy, 100% sensitivity, and 98.28% specificity were obtained on the dataset used for experiments.

 

IV- CONCLUSIONS

The proposed methods proposes novelties in both segmentation of heart sound and application of CART. We demonstrated that CART and a suitable data encoding have significant potential for the classification of heart sound data as innocent or pathological murmurs in newborns. Given an unknown heart sound, the system output its classification. This information can be very useful for a physician to decide whether or not to release a newborn or send her/him for an echocardiogram. This technology is for high-volume screening of newborns suspected of having a heart disease. The software system proposed in this work can be considered the first release of a diagnostic tool able to support physicians in their diagnostic task.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

تشخیص اولیه بیماری قلبی با استفاده از طبقه بندی و رگرسیون درختان

عنوان انگلیسی مقاله:

Early Diagnosis of Heart Disease Using Classification And Regression Trees

 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.