استفاده از مدل های هوش مصنوعی جهت پیش بینی شاخص تبخیر تعرق استاندارد بارندگی (SPEI) در حوضچه رودخانه لنگات، مالزی

Application of artificial intelligence models for the prediction of standardized precipitation evapotranspiration index (SPEI) at Langat River Basin, Malaysia

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

استفاده از مدل های هوش مصنوعی جهت پیش بینی شاخص تبخیر تعرق استاندارد بارندگی (SPEI) در حوضچه رودخانه لنگات، مالزی

Application of artificial intelligence models for the prediction of standardized precipitation evapotranspiration index (SPEI) at Langat River Basin, Malaysia

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

دسته بندی حملات صرعی با استفاده از ویژگی های آماری سیگنال الکتروانسفالوگرافی

Epileptic Seizure Classification using Statistical Features of EEG Signal

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

طبقه بندی حملات صرعی با خصوصیات آماری سیگنال نوار مغزی

Epileptic Seizure Classification using Statistical Features of EEG Signal

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تشخیص خودکار و اندازه گیری فضای شفافیت پشت گردن جنین

Automatic detection and measurement of nuchal translucency

چکیده

1- مقدمه

2- کارهای مرتبط

مواد و روش ها

3-1- توصیف مجموعه داده ها

3-2- پردازش تصویر موجک

3-3- تشخیص کادر محصور کننده ی پشت گردن

3-4- اندازه گیری منطقه ی شفاف پشت گردن

4- نتایج و بحث ها

4-1- انتخاب آستانه ی مناسب

4-2- ارزیابی ضخامت و منطقه ی پشت گردن

5- نتایج

چکیده

در این مقاله، ما یک روش شناسی جدید را برای حمایت از پزشکان به منظور شناسایی خودکار منطقه ی پشت گردن و برای دستیابی به اندازه گیری صحیح ضخامت فضای شفاف پشت گردن پیشنهاد کردیم. ضخامت فضای شفاف پشت گردن، یکی از مارکرهای اصلی غربال گری نقایص کروموزومی مانند تریزومی 13، 18 و 21 است. اندازه گیری آن در طی اسکن سونوگرافی در سه ماهه ی اول بارداری انجام می شود. روش شناسی پیشنهاد شده، اساسا بر اساس آنالیز موجک (ویولت) و تحلیل چند مقیاسی است. کارایی روش ما روی 382 فریم تصادفی که نشان دهنده ی برش (مقطع) میدساژیتال بودند و به صورت یکنواخت از روی فیلم های سونوگرافی بالینی واقعی 12 بیمار به دست آمده بودند، آنالیز شد. مطابق با پاسخ های صحیح مبنا ارائه شده توسط یک پزشک متخصص، ما یک نرخ مثبت واقعی برابر 99.95% را با توجه به تشخیص منطقه ی پشت گردن به دست آوردیم و حدود 64% از اندازه گیری ها، یک خطای برابر 1 پیکسل (که متناظر با 0.1 میلی متر است) داشتند.

مقدمه

سندرم داون (یا DS)، در سال 1886 توسط دکتر لانگدان داون شناسایی شد، این سندرم، یک بیماری ژنتیکی است که موجب ایجاد درجات متفاوتی از عقب ماندگی ذهنی، نمو جسمی و حرکتی می شود. آن توسط حضور یک کروموزوم اضافی در جفت 21ام در هسته های هر سلول (47 تا در مقایسه با تعداد نرمال که برابر 46 است) مشخص می شود؛ به این دلیل، به DS اغلب تحت عنوان تریزومی 21 نیز اشاره می شود. دلایل آن هنوز مشخص نیست و بنابراین هیچ روش واقعی برای پیش گیری از آن وجود ندارد. در اوایل دهه ی 70، سن مادر، اولین عاملی بود که مشخص شد ممکن است موجب ابتلا جنین به نقص کروزومومی شود.

نتایج

دستاورد پیشنهاد شده، یک روش شناسی خودکار را برای حمایت از پزشکان در ارزیابی برخی از نقایص کروموزومی مهم معرفی می کند. باید تاکید شود که، مطابق با پروتوکل بین المللی توصیف شده در (6)، فقط برش های (مقاطع) میدساژیتال باید در نظر گرفته شوند. در واقع، روش شناسی ما روی انتخاب این فریم ها از روی ویدئوها تکیه دارد که به دلیل نوع الگوریتم ماست که قبلا در (20) توصیف شده بود. اینجا ما توجه خودمان را روی تشخیص و اندازه گیری فضای شفاف پشت گردن متمرکز کرده ایم و از این رو یک محیط کامل را برای نشان دادن بیماری های احتمالی مانند تریزومی 13،18 و 21 در طی غربال گری سونوگرافی در طی سه ماهه ی اول بارداری ارائه کرده ایم. ما به صورت آزمایشگاهی، صحت روش شناسی را روی 382 فریم تصادفی به دست آمده از 12 معاینه ی واقعی تایید کردیم و نتایج به دست آمده را با پاسخ های صحیح مبنا ارائه شده توسط یک پزشک متخصص مورد مقایسه قرار دادیم.

Abstract

In this paper we propose a new methodology to support the physician both to identify automatically the nuchal region and to obtain a correct thickness measurement of the nuchal translucency. The thickness of the nuchal translucency is one of the main markers for screening of chromosomal defects such as trisomy 13, 18 and 21. Its measurement is performed during ultrasound scanning in the first trimester of pregnancy. The proposed methodology is mainly based on wavelet and multi resolution analysis. The performance of our method was analysed on 382 random frames, representing mid-sagittal sections, uniformly extracted from real clinical ultrasound videos of 12 patients. According to the ground-truth provided by an expert physician, we obtained a true positive rate equal to 99.95% with respect to the nuchal region detection and about 64% of measurements present an error equal to 1 pixel (which corresponds to 0.1 mm), respectively.

Introduction

Down’s Syndrome (namely DS), identified in 1886 by Dr. Langdon Down, is a genetic condition that causes a variable degree of delay in mental, physical and motor development. It is caused by the presence of an extra chromosome in the nucleus of every cell (47 in comparison with a normal number of 46) in the twenty-first pair; for this reason DS is often indicated as trisomy 21. Its causes are still unknown and therefore there is no real way of prevention. Early in the 70’s, the maternal age was the first element to deduce the probability for the fetus to present a chromosomal defect.

Conclusions

The proposed contribution introduces an automatic methodology to support physicians in the evaluation of some important chromosomal defects. It must be stressed that, according to the international acquisition protocol described in [6], only mid-sagittal sections must be considered. Indeed, our methodology relies on the selection of those frames from video sequences, due to our algorithm already described in [20]. Here we focus our attention on detecting and measuring the nuchal translucency, thus presenting a complete environment to highlight eventual diseases like trisomy 13, 18 and 21 during ultrasound scanning in the first trimester of pregnancy. We experimentally verified the correctness of our methodology on 382 random frames from 12 real examinations and compared the obtained results against the groundtruth provided by an expert physician.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص خودکار و اندازه گیری فضای شفافیت پشت گردن جنین

Automatic detection and measurement of nuchal translucency

ثبت تصویر خودکار با استفاده از تبدیل موجک گسسته دو بعدی

Automatic Image Registration using 2D-Discrete Wavelet Transform

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 استفاده از تبدیل موجک گسسته دو بعدی جهت ثبت تصویر به صورت اتوماتیک 

Automatic Image Registration using 2D-Discrete Wavelet Transform

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

پیش بینی خشکسالی با روشی مبنی بر موجک برای مدل سازی پیامدهای زمانی انواع مختلف خشکسالی

Drought prediction using a wavelet based approach to model the temporal consequences of different types of droughts

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

پیش بینی خشکسالی با روشی مبنی بر موجک برای مدل سازی پیامدهای زمانی انواع مختلف خشکسالی

Drought prediction using a wavelet based approach to model the temporal consequences of different types of droughts

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

اثر عدم قطعیت بازار مالی و فاکتورهای اقتصاد کلان بر همبستگی سهام اوراق قرضه در بازارهای نوظهور

Impact of financial market uncertainty and macroeconomic factors on stock–bond correlation in emerging markets

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تحقیق در امور بین الملل و امور مالی 

Research in International Business and Finance

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اثر عدم قطعیت بازار مالی و فاکتورهای اقتصاد کلان بر همبستگی سهام اوراق قرضه در بازارهای نوظهور

Impact of financial market uncertainty and macroeconomic factors on stock–bond correlation in emerging markets

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مقایسه روش های فراگیری ماشین برای کشف فلج چند گانه مبتنی بر آنتروپی موجک ایستا: درخت تصمیم گیری، نزدیک ترین همسایه و ماشین بردار پشتیبانی

Comparison of machine learning methods for stationary wavelet entropy-based multiple sclerosis detection: decision tree, k-nearest neighbors, and support vector machine

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

شبیه سازی پردازش تصویر دیجیتال در کاربرد های پزشکی

Special Issue: Simulation of Digital Image Processing in Medical Applications

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مقایسه متد های یادگیری ماشین جهت تشخیص مولتیپل اسکلروز مبتنی بر آنتروپی موجک ثابت : درخت تصمیم گیری، نزدیک ترین همسایه و ماشین بردار پشتیبانی

Comparison of machine learning methods for stationary wavelet entropy-based multiple sclerosis detection: decision tree, k-nearest neighbors, and support vector machine

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

ارتقای سیستم اتوماتیک تشخیص گفتار با خصوصیات پویای ارزیابی شده از طرح بازگشتی سیگنال گفتار

Improvement of automatic speech recognition systems via nonlinear dynamical features evaluated from the recurrence plot of speech signals

چکیده

مقدمه

تاثیر مطالعه

روش ها و مواد مورد استفاده

فضای فاز بازسازی شده

طرح بازگشتی

استخراج ویژگی

متغیر های ثابت دینامیک استخراج شده از RP ها

انتروپی : ر این قسمت، انتروپی رنی به عنوان چهارمین ویژگی در نظر گرفته میشود

استخراج ویژگی با استفاده از تبدیل موجک

روش های کاهش ابعاد

انتخاب ویژگی

تبدیل ویژگی ها

روش شناسی های آزمایشی

مروری بر روی سیستم

دیتابیس

نتایج آزمایشی

مباحث

جمع بندی

چکیده

ویژگی های مبتنی بر طیف سیگنال، که معمولا در سیستم های خودکار تشخیص گفتار مورد استفاده قرار میگیرد (ASR) ، اطلاعات فاز سیگنال های گفتار رد میشود. ازین رو، با استفاده از ویژگی های اضافی، که در آن ها فاز سیگنال رد نشود، میتواند موجب پر شدن این خلا شود. با قرار دادن سیگنال های گفتار در فضای فاز بازسازی شده ( RPS) و سپس استخراج کردن بعضی از ویژگی های مفید از آن، روش جدیدی در این زمینه به دست آمده است. در این مقاله، ما این روش را با ارزیابی بعضی از ویژگی های مفید از طرح بازگشتی (RP) از سیگنال های داخلی RPS ، دنبال میکنیم ؛ ویژگی های پیشنهاد شده با استفاده از اعمال کردن یک تبدیل موجک دو بعدی بر روی دیاگرام های منتج شده ی RP ، ارزیابی میشود. ویزگی های پیشنهاد شده در یک طرح ASR به تنهایی ارزیابی شده و سپس در ترکیب با ضریب های کپسترال فرکانسی مل متداول (MFCC) بررسی میشود. برای مورد دوم، با استفاده از مجموعه کلام رایج انگلیسی TIMIT ، 3.94% بهبود صحت طبقه بندی در نرخ صحت شناسایی صوت ، در مقایسه با استفاده ی تنها از ویژگی های MFCC به دست آمد.

5- جمع بندی

در این کار، ما با استفاده از نظریه ی RPS، سعی کردیم روشی غیر خطی برای استخراج ویژگی را به دست بیاوریم تا بتوانیم بعضی از ویژگی های غیر خطی از سیستم تولید کلام انسان را ثبت کنیم. قاب های کلامی نخست در RPS ها ادغام شده و در این روند از نظریه ی تیکن استفاده شد. با استفاده از خط سیر های کلام در فضای فاز و ویژگی های بازگشتی در سیستم های دینامیک، الگو های RP مربوطه ایجاد شدند. ثابت های شناخته شده ی دینامیک ثبت از RP های منتج شده استخراج شد ؛ علاوه بر این، تجزیه های موجک بر روی RP ها اعمال شده و سپس با ارزیابی ضریب های انتروپی شانون و ضریب های انرژی، بعضی از ویژگی های خالص مبتنی بر موجک نیز به دست آمد. سپس تحلیل های تمایز خطی و الگوریتم های انتخاب مستقیم، بر روی داده ها اعمال شد.

Abstract

The spectral-based features, typically used in Automatic Speech Recognition (ASR) systems, reject the phase information of speech signals. Thus, employing extra features, in which the phase of the signal is not rejected, may fill this gap. Embedding the speech signal in the Reconstructed Phase Space (RPS) and then extracting some useful features from it, is a recently considered approach in this field. In this paper, we will follow this approach by evaluating some useful features from the Recurrence Plot (RP) of the embedded speech signals in the RPS; the proposed features are evaluated via applying a two-dimensional wavelet transform to the resulted RP diagrams. The proposed features are examined in an ASR task alone and in combination with the traditional Mel-Frequency Cepstral Coefficients (MFCC). For the second case, using English TIMIT corpus, 3.94% absolute classification accuracy improvement in the phoneme recognition accuracy rate, against using only the MFCC features is gained.

5- Conclusion

In this work, we searched for a nonlinear feature extraction method, employing the RPS theory, to capture some nonlinear features from the human speech production system. Speech frames were first embedded in the RPS, utilizing Taken’s theory. Using the speech trajectories in the phase space and the recurrence property of the dynamical system, the related RP pattern was generated. The known dynamical invariants were next derived from the resulted RPs; moreover, the wavelet decomposition was applied to the RPs and then by evaluating Shanon entropy and the energy of the coefficients, some pure wavelet-based features were resulted. The linear discriminant analysis and the forward feature selection algorithms were then applied to them.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

ارتقای سیستم اتوماتیک تشخیص گفتار با خصوصیات پویای ارزیابی شده از طرح بازگشتی سیگنال گفتار

Improvement of automatic speech recognition systems via nonlinear dynamical features evaluated from the recurrence plot of speech signals

فشرده سازی تصویر Iris با استفاده از رمزگذاری تبدیل موجک

Iris Image Compression using Wavelets Transform Coding

چکیده

1- مقدمه

2- کارهای مرتبط

3- فشرده سازی تصویر

A- تبدیل HAAR

B- موجک درخت صفر تعبیه شده (EZW)

C- موجک درخت در امتداد جهت فضایی (STW)

D- پارتیشن بندی مجموعه در درختان سلسله مراتبی (SPIHT)

4- فلودیاگرام روش پیشنهادی

5- نتایج شبیه سازی

A- پایگاه داده CASIA و MMU

6- نتیجه گیری

چکیده

سیستم بازشناسی عنبیه برای احراز وتصدیق هویت، یکی از دقیقترین و پذیرفته شده ترین بیومتریک ها در جهان می باشد. سیستم عنبیه قابل حمل بکاررفته دراپلیکیشن های اجرای قانون، به سرعت رو به افزایش بوده است. اما این وسیله قابل حمل نیازمند کانال ارتباط پهنای باند محدود برای ارسال کد یا تصویر عنبیه می باشد. هرچند رزولوشن کامل تصویر عنبیه برای بازشناسی درست فرد ، و به حداقل رساندن زمان در کانالی با پهنای باند محدود جهت شناسایی اضطراری ترجیح داده می شود، اما باید از فشرده سازی تصویر برای به حداقل رساندن اندازه تصویر استفاده نمود. این مقاله اثرات فشرده سازی را به ویژه برای تصویر عنبیه براساس تصویر تبدیل شده موجک با استفاده ازموجک درخت درجهت فضایی (STW) ، موجک درخت صفر تعبیه شده (EZW) و پارتیشن بندی مجموعه در درختان سلسله مراتبی (SPIHT) مورد پژوهش قرار داده و بدین طریق مناسب ترین فشرده سازی تصویر را شناسایی می کند. در این مقاله، از روش تبدیل موجک Haar برای فشرده سازی و تجزیه تصویر با تغییر سطح تجزیه استفاده شده است. نتایج بدست آمده برحسب نسبت پیک سیگنال به نویز (PSNR)، میانگین مربعات خطا(MSE)، نسبت بیت در هر پیکسل (BPP)، و نسبت فشرده سازی (CR) مورد بررسی قرار گرفته است. به وضوح این گونه استنباط شده است که تبدیل موجک در فشرده سازی تصویر موثرتر عمل می کند، زیرا عملکرد بازشناسی در حداقل سطح ممکن متاثر واقع شده و کاربرد تبدیل Haar در سطح ایده آل مناسب می باشد. از پایگاه داده عنبیه CASIA ، MMU برای این منظور استفاده شده است.

6- نتیجه گیری

نشان داده شده است که STW به خاطر نسبت فشرده سازی بالایش، برای فشرده سازی تصاویر عنبیه مناسب می باشد. در نتیجه فشرده سازی، امنیت سیستم های بازشناسی عنبیه را کاهش نمی دهد، بلکه فقط راحتی کاربر را کاهش می دهد. این مقاله اثرات فشرده سازی تصاویر عنبیه را مورد پژوهش قرار داده است، در حالیکه سیستم بازشناسی از الگوریتم بازشناسی عنبیه تجاری به همراه رمزگذاری تبدیل موجک با استفاده از تکنیک های SPIHT، STW و EZW استفاده کرده است. عملکرد تطبیقی به کاهش نویز بدون از دست دادن قابل توجه بافت نسبت داده می شود. همچنین اطمینان حاصل شده است که الگوریتم های تطبیق عنبیه با تکنیک های فشرده سازی تصاویر، تخریب نمی شوند. درنتیجه اندازه بزرگ پایگاه داده عنبیه را می توان به اندازه کوچکی کاهش داد که با یک وسیله قابل حمل می توان به آن رسیدگی نمود و بر تطبیق تاثیرکمی اعمال نمود.

Abstract

Iris recognition system for identity authentication and verification is one of the most precise and accepted biometrics in the world. Portable iris system mostly used in law enforcement applications, has been increasing more rapidly. The portable device, however, requires a narrow-bandwidth communication channel to transmit iris code or iris image. Though a full resolution of iris image is preferred for accurate recognition of individual, to minimize time in a narrowbandwidth channel for emergency identification, image compression should be used to minimize the size of image. This paper has investigated the effects of compression particularly for iris image based on wavelet transformed image, using Spatialorientation tree wavelet (STW), Embedded Zero tree Wavelet (EZW) and Set Partitioning in hierarchical trees (SPIHT), to identify the most suitable image compression. In this paper, Haar wavelet transform is utilized for image compression and image decomposition, by varying the decomposition level. The results have been examined in terms of Peak signal to noise ratio (PSNR), Mean square Error (MSE), Bit per Pixel Ratio (BPP) and Compression ratio (CR). It has been evidently found that wavelet transform is more effective in the image compression, as recognition performance is minimally affected and the use of Haar transform is ideally suited. CASIA, MMU iris database have been used for this purpose.

VI- CONCLUSION

STW has been shown that it is well suited for iris image compression for its high compression ratio. Consequently, compression does not decrease the security of iris recognition systems, but “only” reduces user convenience. This paper has investigated the effects of iris image compression while the recognition system is used a commercial iris recognition algorithm along with wavelet transform coding by applying SPIHT, STW and EZW technique. The matching performance is attributed to noise reduction without a significant loss of texture. It has also been ensured that the iris-matching algorithms are not degraded by image compression techniques. As a result large size of iris database can be reduced to small size that can be handled in a portable device and minimally affected the matching purpose.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

فشرده سازی تصویر Iris با استفاده از رمزگذاری تبدیل موجک

Iris Image Compression using Wavelets Transform Coding

رده بندی بیماری های قلبی از سیگنال های ECG با استفاده از تبدیل موجک و رده بندی KNN

Classification of heart diseases from ECG signals using wavelet transform and kNN classifier

چکیده

مقدمه

روش شناسی

الف ) روش 1 : الگوریتم ها برای استخراج ویژگی و طبقه بندی با استفاده از سیگنال های اصلی ECG

ب) روش 2 : الگوریتم ها برای استخراج ویژگی و طبقه بندی با استفاده از سیگنال های ECG تبدیل شده با استفاده از موجک

نتایج

جمع بندی

چکیده

قلب یکی از مهم ترین اندام بدن است که خون را همراه با مواد مغذی و اکسیژن در سراسر بدن ، گردش میدهد. تعدادی از دلایل وجود دارد که میتواند بر روی عملکرد عادی قلب، تاثیر بگذارد. در این مقاله ده بیماری قلبی، همراه با شرایط نرمال قلبی، با استخراج ویژگی از سیگنال های ECG ( الکتروکاردیوگرام) و تبدیل موجک سطح ششم از سیگنال های ECG بررسی شده است. نتایج با هم مقایسه شده است و صحت آن با استفاده از سیگنال های تبدیل موجک، بهبود پیدا میکند.

جمع بندی

برای کمک کردن به متخصص های پزشکی برای تشخیص بیماری های قلبی، سیگنال های ECG را میتوان با استفاده از الگوریتم های نرم افزاری در جهت به دست آوردن تشخیص در مورد بیماری های قلبی خودکار ، استفاده کرد. در این مقاله طبقه بندی از سیگنال های ECG و سیگنال های تبدیل شده ی ECG ، بررسی شده است. صحت طبقه بندی 87.5% در این مطالعه با استفاده از طبقه بندی کننده ی kNN انجام شده است. به عنوان یکی از حوزه های آتی برای این مطالعه، یک سیستم سخت افزاری را میتوان توسعه داد که بتواند بیماری های قلبی را به صورت خودکار ثبت کرده و تشخیص دهد و بتوان از آن در نواحی دور که دسترسی پزشکان به آن منطقه سخت است، استفاده کرد. همچنین دیگر انواع طبقه بندی کننده ها مانند بردار های پشتیبان ، مدل ترکیب گاوسی، مدل مارکوف پنهان را میتوان برای طبقه بندی استفاده کرده و عملکرد آن ها را با kNN مقایسه کرد.

Abstract

Heart is the most vital organ which circulates blood along with nutrients and oxygen throughout the body. There are number of reasons which may affect its normal working. In this paper ten heart diseases, as well as normal, have been classified by extracting features from original ECG (electrocardiogram) signals and sixth level wavelet transformed ECG signals. The results have been compared and improved accuracy has been obtained using wavelet transformed signals.

IV- CONCLUSION

To help medical practitioners diagnose subject’s heart diseases, ECG signal can be interpreted by software algorithms in the direction of achieving automated heart disease diagnosing system. In this paper classification is done from original ECG signals and wavelet transformed ECG signals. Classification efficiency of 87.5% has been obtained using wavelet transformed ECG signals. Classification is done using kNN classifier. As a future scope of this paper, an automated hardware system can be developed which may record and diagnose heart disease automatically and can be used at remote places where it is difficult for medical practitioners to service the people. Also other classifiers like Support vector machines, Gaussian Mixture Model, Hidden markov model can be used for classification and their performance can be compared with kNN. R

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

رده بندی بیماری های قلبی از سیگنال های ECG با استفاده از تبدیل موجک و رده بندی KNN

Classification of heart diseases from ECG signals using wavelet transform and kNN classifier