دانلود ترجمه مقاله سیستم پشتیبانی هوشمند برای شناسایی بیماری شبکیه – مجله الزویر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” سیستم پشتیبانی هوشمند برای شناسایی بیماری شبکیه ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
1 – مقدمه
2 – کار های مربوطه
2-1 کاربرد های تشخیص مبتنی بر دسکتاپ
2-2 سیستم های تشخیص مبتنی بر موبایل
2-3 بهینه سازی سیستم
3- سیستم تشخیص هوشمند بیماری شبکیه ای مبتنی بر موبایل
4 – نتایج و آزمایشات
5 – نتیجه گیری

• بخشی از ترجمه:

5 – نتیجه گیری
مقاله حا=ضر یک الگوی آشکار سازی بیماری شبکیه ای مبتنی بر موبایل را با استفاده از تلفن های هوشمند در دسترس تجاری با یکپارچه سازی میکروسکوپ بیرونی معرفی کرده بود . الگوی پیشنهادی بطور ویژه برای پلت فرم عملیاتی اندروید با استفاده از شبکه عصبی آینده نگر توسعه یافته بود . سپس الگو از طریق دو مجموعه آزمایش ارزیابی گردیده و تایید شده بود تا شایستگی ها و قابلیت های رویکرد منتخب ثابت گردند . یاداوری می گردد که سیستم مبتنی بر تلفن هوشمند اجراء شده ، سیستم سریع تشخیص بیماری شبکیه ای را با نرخ های دقت بالا ارایه می کند و همچنین به مصرف انرژی بسیار کم از طریق روش جذر دار نیاز دارد . الگوریتم مصرف انرژی موثر بر اساس تکنیک چرخه عمر به طور قابل ملاحظه ای مصرف برق تلفن های هوشمند را بهینه می سازد . همچنین اپلیکیشن توسط کاربر موبایل به راحتی عملیاتی می شود و می توان از راه دور همانند راه حل موبایل کم هزینه برای پایش سلامتی در هر زمانی استفاده گردد . این ویژگی ها در مقایسه با دوربین فوندوس موجود با راه حل های بسیار پیچیده و بسیار گران ، گزینه قابل توجهی می باشند . ما در کار آینده در نظر داریم تا انواع علت های غیرعادی بودن شبکیه را تشخیص دهیم . دیگر خط تحقیق ما باعث توسعه سیستم جاری برای آشکارسازی سرطان پوست می باشد . در نهایت ، سیستم پتانسیل زیادی را در مورد اپلیکیشن های مراقبت سلامتی در حال تکامل نشان می دهد تا جوامع گسترده تری از ان سود ببرند .

• بخشی از مقاله انگلیسی:

5. Conclusion

This paper has presented an intelligent mobile-based retinal disease detection scheme using commercially available Smartphones with the integration of an external microscope. The proposed scheme was especially developed for the Android operating platform using a feed forward Neural Network. It was then evaluated and verified through two sets of experiments (using benchmark datasets) to demonstrate the merits and capabilities of the chosen approach. It is noted that the implemented Smartphone based system offers fast retinal disease detection (the shortest response time: 0.66 s for a single test) with very high accuracy rates and also requires very little energy consumption through the rooted method. The proposed energy efficient algorithm based on the duty cycle technique also significantly optimizes the power consumption of Smartphones. The application is also very easy to be operated by any mobile user and could be used remotely as an ef- ficient low cost mobile solution for health monitoring at anytime. These features are very notable as compared to the existing Fundus camera based complex and very expensive solutions. In future work, we also aim to further distinguish various causes of retinal abnormalities. Another line of our research has also extended the current system for skin cancer detection. Finally, the system shows great potential in evolving healthcare applications to benefit wider communities.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله