دانلود رایگان ترجمه مقاله نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی (سال ۲۰۱۴)
این مقاله انگلیسی ISI در ۳ صفحه در سال ۲۰۱۴ منتشر شده و ترجمه آن ۴ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی |
عنوان انگلیسی مقاله: |
Monitoring and Diagnosing Neonatal Seizures by Video Signal Processing |
|
مشخصات مقاله انگلیسی | |
فرمت مقاله انگلیسی | pdf و ورد تایپ شده با قابلیت ویرایش |
سال انتشار | ۲۰۱۴ |
تعداد صفحات مقاله انگلیسی | ۳ صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع ارائه مقاله | ژورنال |
رشته های مرتبط با این مقاله | مهندسی پزشکی، پزشکی |
گرایش های مرتبط با این مقاله | مغز و اعصاب، پزشکی کودکان، مهندسی پزشکی بالینی، بیوالکتریک |
چاپ شده در مجله (ژورنال) | اسناد الکترونیکی در مورد بینایی کامپیوتر و آنالیز تصویر – Electronic Letters on Computer Vision and Image Analysis |
ارائه شده از دانشگاه | گروه مهندسی اطلاعات، دانشگاه پارما، ایتالیا |
نمایه (index) | scopus – DOAJ |
شناسه شاپا یا ISSN | ۱۵۷۷-۵۰۹۷ |
شناسه دیجیتال – doi | https://doi.org/10.5565/rev/elcvia.623 |
ایمپکت فاکتور(IF) مجله | ۰٫۱۷۶ در سال ۲۰۱۹ |
شاخص H_index مجله | ۸ در سال ۲۰۲۰ |
شاخص SJR مجله | ۰٫۱۳۰ در سال ۲۰۱۹ |
شاخص Q یا Quartile (چارک) | Q4 در سال ۲۰۱۹ |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | F1765 |
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 | ترجمه ارزان – نقره ای ⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۴ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin |
ترجمه ضمیمه | ندارد ☓ |
ترجمه پاورقی | ندارد ☓ |
منابع داخل متن | به صورت عدد درج شده است ✓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
کیفیت ترجمه | کیفیت ترجمه این مقاله متوسط میباشد. |
بخشی از ترجمه |
چکیده |
بخشی از مقاله انگلیسی |
Abstract Clinical operators in one of the most difficult health care fields, namely neonatal neurology, on a daily basis have to face the diagnosis of epileptic seizures. Most of the neonates affected by perinatal diseases are at risk of neonatal seizures, which are the most common sign of acute neurological dysfunctions and must be promptly and accurately recognized in order to establish timely treatments. Traditional diagnostic methods are based on ElectroEncephaloGraphic (EEG) monitoring. The neonatal EEG analysis is, however, a very specialistic and time-consuming technique which requires particular skills not always easily available in Neonatal Intensive Care Units (NICUs). Therefore, non-invasive, real-time, automated, low-cost, wide-scale diagnostic methods and equipments capable of reliably recognizing neonatal seizures would be of significant value in the NICUs. Whilst the importance of promptly diagnosing the presence of neonatal seizures is clear, there are no actual methods to early recognize or detect such pathological behaviors, nor currently available instruments to predict them. The only available and reliable method is the EEG, which is moderately invasive and needs well-trained medical personnel to be correctly administered and interpreted. A very appealing alternative, with respect to the EEG, to automatically detect the presence of seizures consists in acquiring, through a video camera, the movements of the newborn’s body and properly processing the relevant video signal. The goal of an effective image processing algorithm is the detection of “unusual” movements of the newborn. The aim of automatic detection and classification of neonatal seizures through a video camera is not to completely replace the EEG (still required for accurate diagnosis), but to make a realtime, low-cost, preliminary, automatic diagnosis based on clinical aspects of neonatal seizures. In other words, an automatic video camera-based system could be used to permanently monitor every patient in the neonatal care unit, whereas the EEG would be required for a definitive diagnosis only when the system indicates, with high probability, the potential presence of seizures. For this purpose several approaches, developed at the Department of Information Engineering, in collaboration with the Department of Neurosciences, both of the University of Parma (Italy), have been proposed: periodicity-based, classification-based and clustering-based approaches. |