<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی - ترجمه فا</title>
	<atom:link href="https://tarjomefa.com/tag/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%b1%d8%a7%db%8c%da%af%d8%a7%d9%86-%d9%85%d9%82%d8%a7%d9%84%d9%87-%d8%a8%db%8c%d9%88%d8%a7%d9%84%da%a9%d8%aa%d8%b1%db%8c%da%a9-%d8%a8%d8%a7-%d8%aa%d8%b1%d8%ac/feed/" rel="self" type="application/rss+xml" />
	<link>https://tarjomefa.com/tag/دانلود-رایگان-مقاله-بیوالکتریک-با-ترج/</link>
	<description>دانلود مقاله انگلیسی رایگان با ترجمه فارسی</description>
	<lastBuildDate>Sun, 12 Nov 2023 13:29:30 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=7.1</generator>

<image>
	<url>https://tarjomefa.com/wp-content/uploads/2022/09/cropped-favicon-32x32.jpg</url>
	<title>دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی - ترجمه فا</title>
	<link>https://tarjomefa.com/tag/دانلود-رایگان-مقاله-بیوالکتریک-با-ترج/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>دانلود رایگان ترجمه مقاله تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها – BMC 2016</title>
		<link>https://tarjomefa.com/f607</link>
					<comments>https://tarjomefa.com/f607#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Fri, 07 Sep 2018 08:40:10 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی بالینی با ترجمه فارسی]]></category>
		<guid isPermaLink="false">http://tarjomefa.com/?p=65551</guid>

					<description><![CDATA[<p>دانلود رایگان مقاله انگلیسی تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها: یک مطالعه برای مقایسه دستگاه های قابل دسترس تجاری و یک پرده ایزوله شده جدید مغناطیسی به همراه ترجمه فارسی   عنوان فارسی مقاله تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها: یک مطالعه برای مقایسه دستگاه های قابل &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f607">دانلود رایگان ترجمه مقاله تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها – BMC 2016</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2 style="text-align: center;"><span style="font-size: 14pt;">دانلود رایگان مقاله انگلیسی تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها: یک مطالعه برای مقایسه دستگاه های قابل دسترس تجاری و یک پرده ایزوله شده جدید مغناطیسی به همراه ترجمه فارسی</span></h2>
<h2 style="text-align: center;"> </h2>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان فارسی مقاله</span></strong></span></td>
<td style="text-align: center;">تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها: یک مطالعه برای مقایسه دستگاه های قابل دسترس تجاری و یک پرده ایزوله شده جدید مغناطیسی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان انگلیسی مقاله</span></strong></span></td>
<td style="text-align: center;">Interference between surgical magnetic drapes and pacemakers: an observational study comparing commercially available devices and a new magnetically isolated drape</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>رشته های مرتبط</b></span></td>
<td style="text-align: center;">مهندسی پزشکی، مهندسی پزشکی بالینی و بیوالکتریک</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">فرمت مقالات رایگان</span></strong></span></td>
<td style="text-align: center;">
<p>مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند</p>
<p>همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد</p>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">کیفیت ترجمه</span></strong></span></td>
<td style="text-align: center;">کیفیت ترجمه این مقاله <span style="color: #ff0000;">متوسط</span> میباشد </td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">توضیحات</span></strong></span></td>
<td style="text-align: center;"><span style="color: #ff0000;">چکیده این مقاله ترجمه نشده است.</span></td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">نشریه</span></strong></span></td>
<td style="text-align: center;">BMC</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مجله</span></strong></span></td>
<td style="text-align: center;">مهندسی بیومدیکال &#8211; BioMedical Engineering</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">سال انتشار</span></strong></span></td>
<td style="text-align: center;">2016</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif;"><span style="font-size: 10.6667px;"><b>کد محصول</b></span></span></td>
<td style="text-align: center;">F607</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مقاله انگلیسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2018/05/TarjomeFa-F607-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">ترجمه فارسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2018/05/TarjomeFa-F607-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">خرید ترجمه با فرمت ورد</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="http://iranarze.ir/surgical+magnetic+pacemakers+observational+magnetically+isolated+drape" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه مقاله با فرمت ورد</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">جستجوی ترجمه مقالات</span></strong></span></td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88%DB%8C-%D9%85%D9%82%D8%A7%D9%84%D8%A7%D8%AA-%D9%85%D9%87%D9%86%D8%AF%D8%B3%DB%8C+%D9%BE%D8%B2%D8%B4%DA%A9%DB%8C" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات مهندسی پزشکی </a>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;">  </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>فهرست مقاله:</strong></span></p>
<p>مقدمه<br />
روش ها<br />
نتایج<br />
بحث<br />
محدودیت ها<br />
نتیجه گیری</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>بخشی از ترجمه فارسی مقاله:</strong></span></p>
<p><strong>روش ها</strong><br />
پس از تصویب کمیته اخلاق پژوهشی بیمارستان میسونف-روزمونت منتسب به دانشگاه مونترال، بیماران با یک ضربان ساز قلبی کاشت شده( مدترونیک، مینیاپولیس، مینه سوتا، و بوستون علمی، تاتیک، MA، ایالات متحده) برای این مطالعه از اکتبر 2011 تا نوامبر 2011 در طی ویزیت های تعقیبی در کلینیک سرپایی ضربان ساز استخدام شدند. پس از بررسی دستگاه اولیه توسط کاردیولوژیست، پروتوکل به همه بیماران توضیح داده شده و افرادی که موافق شرکت در مطالعه بودند، یک فرم رضایت نامه کتبی را امضا کردند.<br />
داده های بیماران از جمله سن، جنسیت، قد، وزن، شاخص توده بدن(BMI) ثبت شدند. پروتوکل بر روی بیمارانی که لباس بیمارستان پوشیده بودند انجام شد. پایش الکتروکاردیوگراف با سه سیم سرب پیوسته(ECG) بر روی بیمار قرار داده شد و ECG توسط یک دکترای پزشکی(MD)، یک متخصص بیهوشی و یا یک رزیدنت ارشد بیهوشی و نیز پرستار دارای مجوز(RN) در سرتاسر مطالعه آنالیز شد. اول، یک استریپ ریتم( نوار قلب) از بیماران بدست امد. سپس، یک مگنت گرد مدترونیک(#174105-2, Minneapolis, MN, USA ) بر روی ضربان ساز قرار گرفته و یک کپی از ECG برای تایید رفتار حالت مگنت تعیین شده توسط کارخانه، بدست امد. بیماران با ICD و بیمارانی که در آن ها ریتم قلبی غیر قابل تمایز از ریتم پایه است، حذف شدند. مگنت گرد نیز خارج شد.<br />
بخش اول مطالعهف ارزیابی دو پرده مغناطیسی متفاوت بود. یک عضو پرسنل که در مطالعه حضور نداشت، دو پرده مغناطیسی را در یک کیسه پلاستیکی تیره پنهان کرد. پرده اول(CVD)، 29.5 cm × 37.5 cm بوده و دارای 70 آهنربای فریت سرامیک (116 پرده قابل استفاده مجدد #31140588، منسفلد امریکا) بود. در مطالعه قبلی(14)، آهنرباها در پرده CVD در یک حالت تصادفی صرف نظر از قطب آن ها، قرار می گیرند. در یک تک پرده، قطب هر آهنربا بر مسیر کلی مغناطیسم آن پرده تاثیر می گذارد. از این روی در ابتدای هر روز از جمع اوری داده ها، یک پرده متفاوت CVD برای کاهش اریبی ناشی از علامت مغناطیسی هر پرده تجاری استفاده شد. دومین پرده مغناطیسی یک نمونه ساخته شده با پوسته سیلیکون مشابه با پرده CVD بود، با این حال دارای 70 آهنربای فریت بود( شکل 2). ماده ایزولاسیون متشکل از یک کلاهک فلزی مبتنی بر فولاد بود که موجب کاهش بقایای مغناطیسی بر روی هر طرف پرده شده و تنها قسمت زیرین آهنربای فریت را برای ایجاد میدان مغناطیسی تک سویه پوشش می داد. میدان مغناطیسی کل بر روی سمت رو به بیمار کم تر از 10 گاوس بود( شکل 3)( فایل اضافی 1).<br />
هر پرده مغناطیسی پنهان شده و بر روی ضربان ساز بیمار با کمک یک نوار اندازه گیری یکی پس از دیگری، قرار گرفت. محقق انجام دهنده مطالعه و جمع اوری کننده داده ها هر دو از نوع پرده مغناطیسی خبر نداشتند.تداخل مغناطیسی در صورتی شناسایی شد که ریتم قلبی، آسنکرون و مشابه با تداخل ناشی از ریتم آهنربای گرد بود. در صورتی که هیچ گونه تغییری در ریتم با پرده مغناطیسی وجود نداشته باشد، پرده به فاصله 1-2 سانتی متر بر روی ضربان ساز برای استخراج یک ریتم آسنکرون جا به جا می شود. وقتی که پروتوکل کامل شد، بیمار به یک کاردیولوژیست مراجعه کرده و در صورت امکان، ترخیص می شد.<br />
بخش دوم مطالعه شامل ارزیابی و مقایسه چهار پرده مغناطیسی متفاوت از جمله CVD با پرده مغناطیسی نمونه بود. همه چهار پرده مغناطیسی تحت یک پروتکل همانند پرده های مغناطیسی در بخش اول مطالعه قرار گرفتند. به دلیل اندازه ها و اشکال مختلف چهار پرده، امکان ایجاد یک ارزیابی کور با یک کیسه پلاستیکی تیره وجود نداشت. پرده های مغناطیسی ارزیابی شده شامل پرده مغناطیسی CVD، پرده مغناطیسی JCM( پد مغناطیسی چند بار مصرف، جک سل مدیک، مونت رویال، کبک کانادا)، پرده مغناطیسی LDR( پد ابزار مغناطیسی، #25-002، اندازه ، شرکت صنایع درویال، پاول، TN، امریکا) و پرده مغناطیسی SDR( پد ابزار مغناطیسی، #25-001، اندازه ، شرکت صنایع درویال، پاول، TN، امریکا) بود.<br />
محاسبه اندازه نمونه برای برایند اولیه( اولین بخش از مطالعه) بر اساس مقایسه مستقیم بین نسبت بیماران تجربه کننده تداخل ضربان ساز مرتبط با پرده CVD در یک گروه و یک الگوی جدید در دیگری بود. مطالعه قبلی نشان داد که استفاده از پرده CVD منجر به تداخل ضربان ساز در 70 درصد شرکت کننده ها(14) شد و ما به دنبال کاهش 50 درصدی( از 70 تا 35 درصد) در تداخل با پرده نمونه بودیم. سپس محاسبه شد که 30 بیمار در هر گروه برای نشان دادن این تفاوت با به ترتیب الفا و بتای 0.05 و 0.8 نیاز بود.<br />
محاسبه اندازه نمونه برای بخش دوم از نتایج بدست آمده در طی بخش اول مطالعه با استفاده از نسبت بیماران تجربه کننده تداخل با نمونه ها به عنوان مبنایی برای محاسبه، بر گرفته شد. چون هیج مورد تداخل مشاهده نشد، تصمیم گرفته شد تا بیست شرکت کننده برای مرور اکتشافی تداخل ضربان ساز مرتبط با دستگاه های مختلف استفاده شوند.<br />
تست دقیق فیشر برای مقایسات در اولین بخش مطالعه استفاده شد. تنها آماره های توصیفی برای دومین بخش استفاده شدند. محاسبات و تحلیل ها با بسته آماری Prism 5.0 انجام شد( شرکت نرم افزار GraphPad، لا جولا،CA، امریکا). در غیر این صورت، داده ها به صورت میانگین+SD نمایش داده شده شدند و مقدار P &lt;0.05 به صورت معنی دار در نظر گرفته شد.</p>
</td>
</tr>
<tr>
<td>
<p><span style="color: #000080;"><strong>بخشی از مقاله انگلیسی:</strong></span></p>
<p dir="ltr" style="text-align: justify;"><strong>Methods</strong></p>
<p dir="ltr" style="text-align: justify;">Following approval of the research ethics committee of the Maisonneuve-Rosemont Hospital affiliated to the University of Montreal, patients with an implanted cardiac pacemaker (Medtronic, Minneapolis, Minnesota, and Boston Scientific, Natick, MA, USA) were recruited for this study from October 2011 until November 2011 during regular device follow-up visits at the outpatient pacemaker clinic. After the cardiologist performed the initial scheduled device interrogation, the protocol was explained to all patients, and those who agreed to participate in the study, signed a written consent form. Patient data including age, sex, height, weight, body mass index (BMI) were recorded. The protocol was performed with the patient supine, wearing a hospital gown. Continuous 3-lead electrocardiographic (ECG) monitoring was placed on the patient and the ECG was analysed by a medical Doctor (MD), an anesthesiologist or an anesthesiology senior resident, as well as a registered Nurse (RN) throughout the study. First, a strip of the patient’s baseline rhythm was obtained. Then, a Medtronic round magnet (#174105- 2, Minneapolis, MN, USA) was placed on the pacemaker and a copy of the ECG to confirm the magnet mode behavior as specified by the manufacturer was obtained. Patients with ICDs and patients in whom the magnet rate cardiac rhythm was indistinguishable from their baseline rhythm were excluded. The round magnet was then removed. Part 1 of the study was to assess two different magnetic drapes. A member of the personnel not involved in the study concealed the two magnetic drapes in an opaque plastic bag. The first drape (“CVD”) measured 29.5 cm × 37.5 cm and contained 70 ceramic ferrite magnets (116 Reusable Drape #31140588, Devon by Covidien, Mansfield, MA, USA) (Fig. 1). In a previous study [14], the magnets in the CVD drape were found to be inserted in a random fashion, regardless of polarity. In a single drape, the polarity of each magnet can impact the overall vector of magnetism of that drape. Thus, at the beginning of each data collection day, a different CVD drape was used in order to reduce bias caused by the potential magnetic signature of each commercial drape. The second magnetic drape was a prototype made with a silicone shell similar to the CVD drape, but instead contained 70 isolated ferrite magnets (Fig. 2). The isolation material consisted of a steel-based metal cup that diminished the magnetic remanence on the patient side of the drape and only encapsulated the underside of each ferrite magnet in order to create a unidirectional magnetic field. The overall magnetic field on the patient facing side was less than 10 Gauss (Fig. 3) (Additional file 1). Each magnetic drape was concealed and centered over the patient’s pacemaker, with the help of a measuring tape, one after the other. The investigator performing the study and the data collector were both blinded to the type of magnetic drape. Magnetic interference was identified if the cardiac rhythm was asynchronous and identical to that produced by the round magnet rhythm. If there was no change in rhythm with the magnetic drape, the drape was displaced in 1–2 cm increments over the pacemaker in an effort to elicit an asynchronous rhythm. Once the protocol was completed, the patient was referred to the cardiologist who, if the situation permitted, discharged the patient. Part 2 of the study consisted of evaluating and comparing 4 different commercially available magnetic drapes, including the CVD, with the prototype magnetic drape. All four of these commercially available magnetic drapes underwent the same protocol as the magnetic drapes in part 1 of the study. Due to the different sizes and shapes of the four drapes, it was not possible to create a blinded evaluation with an opaque plastic bag. The magnetic drapes evaluated were the CVD magnetic drape, the “JCM” magnetic drape (Reusable Magnetic Pad, Jac-Cell Medic, Town of Mount-Royal, Quebec, Canada), the “LDR” magnetic drape (Magnetic Instrument Pad #25-002, size 20″ × 16″, DeRoyal Industries Inc., Powell, TN, USA), and the “SDR” magnetic drape (Magnetic Instrument Pad #25-001, size 10″ × 16″, DeRoyal Industries Inc., Powell, TN, USA). The sample size calculation for the primary outcome (first part of the study) was based on the direct comparison between the proportion of patients experiencing pacemaker interference associated with the CVD drape in one group and the new prototype in the other. A previous study having shown that using the CVD drape caused pacemaker interference in 70 % of participants [14], we elected to look for a 50 % reduction (from 70 to 35 %) in interference with the prototype drape. It was then calculated that 30 patients per group were needed to show such a difference with alpha and beta errors of 0.05 and 0.8 respectively. The sample size calculation for part 2 was to be derived from the results obtained during the first part of the study, using the proportion of patients experiencing interference with the prototype as a base for calculation. Since no case of interference was observed, it was arbitrarily decided to recruit twenty participants to provide an exploratory overview of the pacemaker interference associated with the various commercially available devices. Fisher’s exact test was used for comparisons in the first part of the study. Only descriptive statistics were used for the second part. Calculations and analyses were performed with Prism 5.0 statistical package (GraphPad Software Inc, La Jolla, CA, USA). Unless stated otherwise, data are presented as mean ± SD and a p value &lt;0.05 was deemed significant.</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<p>نوشته <a href="https://tarjomefa.com/f607">دانلود رایگان ترجمه مقاله تداخل بین پرده های مغناطیسی جراحی و ضربان ساز ها – BMC 2016</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f607/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله طبقه بندی ثبت های EEG صرع 5-S با آنتروپی توزیع و نمونه &#8211; Frontiersin 2016</title>
		<link>https://tarjomefa.com/f347</link>
					<comments>https://tarjomefa.com/f347#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Fri, 07 Sep 2018 08:03:52 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله الکتروانسفالوگرافی یا نوار مغزی EEG با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله الگوریتم با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیماری صرع با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیماری و درمان با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله سایبرنتیک پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مغز و اعصاب با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<guid isPermaLink="false">http://tarjomefa.com/?p=52642</guid>

					<description><![CDATA[<p>دانلود رایگان مقاله انگلیسی طبقه بندی ثبت های EEG صرع 5-S با استفاده از آنتروپی توزیع و آنتروپی نمونه به همراه ترجمه فارسی   عنوان فارسی مقاله: طبقه بندی ثبت های EEG صرع 5-S با استفاده از آنتروپی توزیع و آنتروپی نمونه عنوان انگلیسی مقاله: Classification of 5-S Epileptic EEG Recordings Using Distribution Entropy and &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f347">دانلود رایگان ترجمه مقاله طبقه بندی ثبت های EEG صرع 5-S با آنتروپی توزیع و نمونه &#8211; Frontiersin 2016</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2 style="text-align: center;"><span style="font-size: 14pt;">دانلود رایگان مقاله انگلیسی طبقه بندی ثبت های EEG صرع 5-S با استفاده از آنتروپی توزیع و آنتروپی نمونه به همراه ترجمه فارسی</span></h2>
<h2 style="text-align: center;"> </h2>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان فارسی مقاله:</span></strong></span></td>
<td style="text-align: center;">طبقه بندی ثبت های EEG صرع 5-S با استفاده از آنتروپی توزیع و آنتروپی نمونه</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان انگلیسی مقاله:</span></strong></span></td>
<td style="text-align: center;">Classification of 5-S Epileptic EEG Recordings Using Distribution Entropy and Sample Entropy</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>رشته های مرتبط:</b></span></td>
<td style="text-align: center;">پزشکی و مهندسی پزشکی، بیوالکتریک، مغز و اعصاب و سایبرنتیک پزشکی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">فرمت مقالات رایگان</span></strong></span></td>
<td style="text-align: center;">مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF میباشند</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">کیفیت ترجمه</span></strong></span></td>
<td style="text-align: center;">کیفیت ترجمه این مقاله خوب میباشد </td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">نشریه</span></strong></span></td>
<td style="text-align: center;">Frontiersin</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif;"><span style="font-size: 10.6667px;"><b>کد محصول</b></span></span></td>
<td style="text-align: center;">f347</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مقاله انگلیسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2017/11/TarjomeFa-F347-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">ترجمه فارسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2017/11/TarjomeFa-F347-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">خرید ترجمه با فرمت ورد</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="http://iranarze.ir/classification+epileptic+eeg+recordings+distribution+entropy" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه مقاله با فرمت ورد</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">جستجوی ترجمه مقالات</span></strong></span></td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%81%D8%A7" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات </a>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>بخشی از ترجمه فارسی مقاله:</strong></span></p>
<p><strong>مقدمه</strong><br />
صرع، شایعترین اختلال عصبی بعد از میگرن، سکته ی مغزی و بیماری آلزایمر می باشد که حدود 50 میلیون انسان در سراسر جهان با صرع زندگی می کنند. صرع در تمام سنین رخ می دهد و می تواند آنها را از لحاظ اقتصادی، اجتماعی و حتی فرهنگی تحت تاثیر قرار دهد. افردی که صرع دارند اغلب فرصت های تحصیلی کاهش یافته، موانعب برای مشاغل خاص، دسترسی کاهش یافته به سلامتی و بیمه ی عمر و دیگر تبیض و انگ اجتماعی را تجربه می کنند.مطالعات اخیر نشان داده اند که بالای %70 از بیماران مبتلا به صرع می توانند درمان شوند. به هر حال سه چهارم کشورهایی با درآمد پایین یا متوسط نمی توانند به درمانی که آنها نیاز دارند برسند. این حالت یک شکاف درمانی می باشد زیرا %80 از افرادی که مبتلا به صرع هستند در این کشورها زندگی می کنند. موانع درمانی این افراد، شامل فقدان ارائه دهندگان مراقبت سلامتی آموزش دیده و تکنیک های تشخیصی کم هزینه ی معتبر می باشد.<br />
بعضی از عواملی که منجر به صرع می شوند عبارات از:اتصالات غیر طبیعی مغز، افزایش هماهنگ سازی فعالیت عصبی در مغز، یک اسیب مغزی به همراه شرایطی که فعالیت طبیعی مغز را مختل می کنند و یا بعضی از ترکیبات این فاکتورها. مشخصه ی صرع، تشنج های مکرر و بی دلیل می باشد. در طول فرایند epileptogenesis شبکه ی نرمال عصبی بطور ناگهانی به یک شبکه ی بیش از حد تحریک پذیر تبدیل می-شود که بیشتر بر قشر مخ تاثیر می گذارد. رایج ترین تست های تشخیصی صرع، اندازه گیری فعالیت های الکتریکی مغز از طریق ردیابی سیگنال های موج نگاری مغز (EEG) و magnetoencephalogram (MEG) و اسکن های مغزی شامل توموگرافی محاسبه ایی (CT)، توموگرافی نشر پوزیترون (PET) و تصویربرداری رزونانس مغناطیسی (MRI) می باشد.<br />
EEG یک تکنیک کم هزینه، غیر تهاجمی و در عین حال کارامد برای بررسی فعالیت مغزی می باشد. تخلیه-های spike غیر طبیعی در ثبت EEG می توانند قبل و در طول حمله ی تشنج شناسایی شوند . ثبت فازهای تشنج ictal و preictal از طریق تجزیه و تحلیل ویژگی های EEG، به مدت طولانی مطالعه شده است. این ویژگی های EEG از طیف وسیعی از محدوده ی زمانی، محدودی ی فرکانسی، تجزیه و تحلیل فرکانس زمانی و ویژگی هایی بر اساس دینامیک های سیگنال انتخاب می شوند. روش های غیر خطی، اخیراً بسیار مورد توجه هستند زیرا سیگنال های EEGخروجی های یک سیستم ذاتاً پیچیده و غیر خطی مغز در نظر گرفته می شوند. مطالعات منتشر شده روش های غیر خطی متفاوتی، به خصوص ویژگی های آنتروپی مانند آنتروپی تقریبی، آنتروپی نمونه، آنتروپی فازی و آنتروپی جایگشت یا ترکیبی از دو یا بیشتر از این ویژگی های آنتروپی را بررسی کرده است. تمام آنها عملکرد خوبی را برای توزیع سیگنال های EEG interictal و ictal و سیگنال-های طبیعی نشان داده اند.<br />
به هر حال، این مطالعات بر اساس ثبت های EEG از پایگاه داده ی خاص می باشند. دلیلی که برای استفاده از داده های طولانی تر وجود دارد بطور جزئی ممکن است بر اساس این حقیقت باشد که روش های آنتروپی سنتی، وابسته به پارامتر هستند و می توانند به تخمین های پایداری تنها با ثبت های داده ی طولانی برسند. بنابراین بیشتر الگوریتم های موجود تنها برای تشخیص رویداد بعدی یا افلاین نسبت به تشخیص در حین رخداد و آنلاین مناسب می باشند. این حالت مراقبان را به اقدام سریع در طول رویداد محدود می کند که برای سلامتی بهتر بیمار مبتلا به صرع، مهم می باشد. بیمار ممکن است در معرض شرایط تهدید کننده ی زندگی مواجه شود اگر یک حمله ی تشنج به سرعت تشخیص داده نشود. بعلاوه تشنج آنلاین و تشخیص تشنج بر اساس ثبت های EEG کوتاه مدت، علاقه ی فزاینده ایی را برای ظهور تقویت کننده های EEG قابل حمل ایجاد می کند. در حال حاضر هیچ مطالعه ایی منتشر نشده است که بطور سیستماتیک برای رسیدن به تشخیص دقیق با استفاده از EEG کوتاه مدت تلاش کرده باشد.در سال 2015 لی و همکارانش، یک روش آنتروپی جدید –آنتروپی توزیع-بر اساس توزیع فاصله ی بین بردار، در نمایش فضای حالت سری های زمانی توسعه دادند. DistEn برتری هم داده ی الگوگیری و هم داده ی کلنیکی جهان واقعی را با تعداد بسیار کمی از نمونه در مقایسه با SampEn و FuzzyEn نشان داده است. بعلاوه، DistEn مانعی را برای وابستگی به پارامتر ورودی روش های سنتی ایجاد می کند. در مطالعه ی قبلی-مان، ما این روش DistEn جدید را برای تجزیه و تحلیل EEGهای طبیعی، ictal و intrictal بکار بردیم و دریافتیم که تفاوت های قابل توجهی بین EEGهای intrictal و ictal وجود دارد. بعلاوه در این مطالعه ما بررسی کرده ایم که چگونه طول EEGها بر عملکرد DistEn تاثیر می گذارد. همچنین ما بین گروه ،تفاوت های DistEn را با استفاده از ثبت کامل، میانگین از هر دوره ی به ترتیب 5 ثانیه و 1 ثانیه در طول ثبت کامل، تست کردیم. جالب اینکه ما دریافتیم که میانگین عملکرد میانگین DistEn دوره های 5 ثانیه تقریباً مشابه به انهایی بود که با استفاده از ثبت کامل EEG یافت شدند. تز طرف دیگر، هنگام استفاده از دوره های 1 ثانیه، DistEn نه تنها قادر به تشخیص تفاوت بین EEGهای ictal و interictal بود بلکه همچنین قادر به تشخیص تفاوت بین EEGهای نرمال و interictal هم بود. اگرچه این مطالعه، از دوره های 1 و 5 ثانیه استفاده کرد، آن حالت درستی از کاربرد طول مدت کوتاه نمی باشد زیرا ان در طول ثبت کامل میانگین گیری شد. بنابراین در مطالعه ی فعلی، در عوض ما تنها یک دوره را استفاده خواهیم کرد. ما تصمیم داریم از طول دوره ی 5 ثانیه نسبت به 1 ثانیه در این مطالعه استفاده کنیم زیرا دوره ی 1 ثانیه بسیار کوتاه است و سایر الگوریتم ها نمی توانند نتایج معتبری را بدهند.<br />
یکی از جنبه های بسیار مهم استفاده از بخش های طولانی مدت، فرایند انتخاب بخش مورد علاقه از ثبت می-باشد. بسیاری از مطالعات، روش انتخاب تصادفی را دنبال می کنند که مشکلاتی را با توجه به ارزیابی تکرارپذیری و تعمیم پذیری تکنیک ارائه می کند. از آنجایی که انتخاب بخش داده به میزان زیادی تحت تاثیر ویژگی ها می باشد، بنابراین نتایج کلی، قابلیت اطمینان یافته ها سوال برانگیز می شود. برای حل این مشکل، ما سه پروتکل تقسیم بندی را پیشنهاد کردیم و نتایج را برای هر یک از انها بطور جداگانه بررسی کردیم.<br />
در این مطالعه ما عملکرد روش های DistEn و SampEn را برای طبقه بندی ثبت های EEG صرع کوتاه مدت با طول داده ی 5 ثانیه مقایسه کردیم. شکل 1 دیاگرام بلوکی این مطالعه را نشان می دهد. در ابتدا ما سیگنال-های EEG را از افراد سالن و مبتلا به صرع از پایگاه داده ی آنلاین جمع آوری کردیم و سه پروتکل را برای انتخاب سیگنال EEG 5 ثانیه از ثبت کامل پیشنهاد کردیم. سپس از DistEn و SampEn برای استخراج ویژگی استفاده کردیم. سرانجام ما عملکرد طبقه بندی ویژگی های استخراج شده در میان گروه های نرمال، interictal، ictalرا ارزیابی و مقایسه کردیم.<br />
الگوریتم های DistEn و SampEn در بخش الگوریتم های DistEn و SampEn توصیف می شوند. بخش توصیف داده های EEG، داده های EEG استفاده شده در این مطالعه را خلاصه می کند. روش های تجزیه و تحلیل آماری در بخش تجزیه و تحلیل آماری ارائه می شوند. نتایج در بخش نتایج، پس از بحث ها در بخش بحث ارائه می شوند. نتیجه گیری در آخرین بخش نتیجه می شود.</p>
</td>
</tr>
<tr>
<td>
<p><span style="color: #000080;"><strong>بخشی از مقاله انگلیسی:</strong></span></p>
<p dir="ltr" style="text-align: justify;"><strong>INTRODUCTION</strong></p>
<p dir="ltr" style="text-align: justify;">Epilepsy is the fourth most common neurological disorder after migraine, stroke, and Alzheimer’s disease (Sirven and Shafer, 2014) with an estimated 50 million people globally living with epilepsy (Media-Center, 2015). Epilepsy occurs in people of all ages and can affect them economically, socially, and even culturally. People with epilepsy often experience reduced educational opportunities, barriers to particular occupations, reduced access to health and life insurance, and other social stigma and discrimination (Sirven and Shafer, 2014; MediaCenter, 2015). Recent studies show that up to 70% of people with epilepsy can be successfully treated. However, about three fourths in low- and middle-income countries may not receive the treatment they need. This is a considerable “treatment gap,” since nearly 80% of the epilepsy population live in those countries (Media-Center, 2015). Barriers to treatment for those people include the lack of trained healthcare providers and reliable low-cost diagnostic techniques (Media-Center, 2015). Some common reasons of epilepsy are an abnormality in brain connections, an increased synchronization of neuronal activity in the brain (in which some brain cells either overexcite or over-inhibit other cells), a brain damage associated with conditions that disrupt normal brain activity, or some combination of these factors (NINDS, 2015). The hallmark of epilepsy is recurrent and unprovoked seizures. During the “epileptogenesis” process, the normal neuronal network abruptly turns into a hyper-excitable network, affecting mostly the cerebral cortex (Acharya et al., 2013). The most commonly used diagnostic tests for epilepsy is the measurement of electrical activity in the brain through monitoring electroencephalogram (EEG) or magnetoencephalogram (MEG) signals, and brain scans including computed tomography (CT), positron emission tomography (PET), and magnetic resonance imaging (MRI) (NINDS, 2015; Zhang et al., 2015). EEG is a non-invasive, low-cost, yet effective technique for examining the electrical activity of the brain. Abnormal spike discharges can be identified in EEG recordings before and during a seizure attack (interictal and ictal states). Recognition of interical and ictal seizure phases through the analysis of EEG features has long been studied (Acharya et al., 2013). Those EEG features are selected from a wide spectrum, including timedomain (Meier et al., 2008; Minasyan et al., 2010), frequencydomain (Polat and Güne¸s, 2007; Chua et al., 2011), timefrequency analysis (Ocak, 2009; Tzallas et al., 2009; Guo et al., 2010; Alam and Bhuiyan, 2013; Kumar et al., 2014a,b), and features based on non-linear dynamics of the signal (Yuan et al., 2011). Non-linear methods have attracted increasing attention recently, since EEG signals are considered outputs of an intrinsically non-linear, complex system—the brain. Published studies have explored the availability of different nonlinear methods, especially entropy features such as approximate entropy (ApEn) (Srinivasan et al., 2007; Ocak, 2009; Guo et al., 2010; Kumar et al., 2014a,b), sample entropy (SampEn) (Song et al., 2012), fuzzy entropy (FuzzyEn) (Kumar et al., 2014a; Xiang et al., 2015), and permutation entropy (PE) (Nicolaou and Georgiou, 2012; Li et al., 2014), or the combinations of two or more of these entropy features (Kannathal et al., 2005; Yuan et al., 2011; Acharya et al., 2012, 2015), all of which have shown good performance for distinguishing interictal, ictal EEG signals, and normal signals. However, these studies are based on the entire EEG recordings (whose lengths is usually more than 20 s) from a specific database (Srinivasan et al., 2007; Ocak, 2009; Guo et al., 2010; Yuan et al., 2011; Acharya et al., 2012; Nicolaou and Georgiou, 2012; Song et al., 2012; Kumar et al., 2014a,b). The reason for using longer data length may partly be due to the fact that the traditional entropy methods are parameter dependent and typically can achieve stable estimations only for relatively long data recordings (e.g., 1000 sampling points or more; Richman and Moorman, 2000; Xie et al., 2008; Chen et al., 2009; Yentes et al., 2013). Therefore, most of the existing algorithms are only suitable for offline or post event detection of seizure rather than online or during event detection. This limits the caregivers to take prompt action during an event, which is important for better health outcome of epileptic patient. Patients may be exposed to life-threatening conditions if a seizure onset cannot be detected promptly. Additionally, online epilepsy and seizure detection based on short-length EEG recordings is set to become increasingly favored with the emergence of portable EEG amplifiers. To the best of our knowledge, there is currently no published study that has systematically attempted to achieve accurate detection using short-length EEG recordings. In 2015, Li et al. (2015a) developed a new entropy method— distribution entropy (DistEn)—based on the distribution of inter-vector distances in the state space representation of time-series. DistEn has shown superiority for analysis of both benchmark data (Li et al., 2015a; Udhayakumar et al., 2015) and real world clinical data (Li et al., 2015) with extremely small number of samples compared with SampEn and FuzzyEn. In addition, DistEn precludes the dependence upon input parameters of the traditional methods (Li et al., 2015a; Udhayakumar et al., 2015). In our previous study, we applied this novel DistEn method to analyzing normal, interictal, and ictal EEGs, and found significant differences between the interical and ictal EEGs (Li et al., 2015b). Additionally, in that study we have explored how the length of EEGs influences DistEn performance. We tested the between group differences of DistEn using complete recording (4097 samples), average of each 5 s (868 samples) and 1 s (174 samples) epochs over complete recording, respectively. Intriguingly, we found that the performance of average DistEn of 5 s epochs was almost the same as that was found using the complete EEG recording. On the other hand, when using 1 s epochs, DistEn was not only able to detect the difference between interical and ictal EEGs, but also the difference between normal and interictal EEGs. Although the study used 5 and 1 s epoch, it is not true case of short length application, since it was averaged over the complete recording. Therefore, in the current study we will use only one epoch instead. We have decided to use epoch length of 5 s rather than 1 s in this study as we believe that 1 s epoch is too short and other algorithms (such as SampEn) mostly cannot give in valid results. One important aspect of using a short-length segments from long recording is the selection process of the segment of interest from the recording. Most studies follow the random selection procedure, which presents difficulties with regard to evaluating the reproducibility and generalizability of the technique. Since the choice of data segment mostly affects the feature and hence the overall results, the reliability of the findings becomes questionable. To address this problem, we proposed three segmentation protocols and evaluated results for each of them separately (Li et al., 2015b). In this study, we compared the performance of the DistEn and SampEn methods for classifying short-length epileptic EEG recordings with a data length of 5 s. Figure 1 shows a block diagram of this study. At first, we collected EEG signals from healthy and epileptic subjects from online database and proposed three protocols for the selection of 5 s EEG signal from complete recording. Then we used the DistEn and SampEn for feature extraction. Finally, we evaluated and compared the classification performance of extracted features among Normal, Interictal, and Ictal groups. Algorithms of DistEn and SampEn are described in Section Algorithms of DistEn and SampEn. Section Description of EEG Data summarizes the EEG data used in this study. Statistical analysis methods are provided in Section Statistical Analysis. Results are provided in Section Results, followed by discussions in Section Discussion. Conclusions are presented in the last Section.</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<p>نوشته <a href="https://tarjomefa.com/f347">دانلود رایگان ترجمه مقاله طبقه بندی ثبت های EEG صرع 5-S با آنتروپی توزیع و نمونه &#8211; Frontiersin 2016</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f347/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله پیش بینی تشنج با استفاده از ویژگی های موجدار کلی و محلی &#8211; IEEE 2015</title>
		<link>https://tarjomefa.com/f350</link>
					<comments>https://tarjomefa.com/f350#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Thu, 06 Sep 2018 09:00:43 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله الکتروانسفالوگرافی یا نوار مغزی EEG با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیماری صرع با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیماری و درمان با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله تشنج با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مغز و اعصاب با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی بالینی با ترجمه فارسی]]></category>
		<guid isPermaLink="false">http://tarjomefa.com/?p=52660</guid>

					<description><![CDATA[<p>دانلود رایگان مقاله انگلیسی پیش بینی تشنج با استفاده از خصوصیات محلی و کلی نوسانی به همراه ترجمه فارسی   عنوان فارسی مقاله: پیش بینی تشنج با استفاده از خصوصیات محلی و کلی نوسانی عنوان انگلیسی مقاله: Seizure Prediction using Undulated Global and Local Features رشته های مرتبط:  پزشکی و مهندسی پزشکی، مغز و اعصاب، بیوالکتریک &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f350">دانلود رایگان ترجمه مقاله پیش بینی تشنج با استفاده از ویژگی های موجدار کلی و محلی &#8211; IEEE 2015</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2 style="text-align: center;"><span style="font-size: 14pt;">دانلود رایگان مقاله انگلیسی پیش بینی تشنج با استفاده از خصوصیات محلی و کلی نوسانی به همراه ترجمه فارسی</span></h2>
<h2 style="text-align: center;"> </h2>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان فارسی مقاله:</span></strong></span></td>
<td style="text-align: center;">پیش بینی تشنج با استفاده از خصوصیات محلی و کلی نوسانی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان انگلیسی مقاله:</span></strong></span></td>
<td style="text-align: center;">Seizure Prediction using Undulated Global and Local Features</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>رشته های مرتبط:</b></span></td>
<td style="text-align: center;"> پزشکی و مهندسی پزشکی، مغز و اعصاب، بیوالکتریک و مهندسی پزشکی بالینی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">فرمت مقالات رایگان</span></strong></span></td>
<td style="text-align: center;">مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF میباشند</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">کیفیت ترجمه</span></strong></span></td>
<td style="text-align: center;">کیفیت ترجمه این مقاله خوب میباشد </td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">نشریه</span></strong></span></td>
<td style="text-align: center;">آی تریپل ای &#8211; IEEE</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif;"><span style="font-size: 10.6667px;"><b>کد محصول</b></span></span></td>
<td style="text-align: center;">f350</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مقاله انگلیسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2017/11/TarjomeFa-F350-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">ترجمه فارسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2017/11/TarjomeFa-F350-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">خرید ترجمه با فرمت ورد</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="http://iranarze.ir/seizure+prediction+undulated+global+local+features" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه مقاله با فرمت ورد</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">جستجوی ترجمه مقالات</span></strong></span></td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%81%D8%A7" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات </a>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>بخشی از ترجمه فارسی مقاله:</strong></span></p>
<p>1.<strong>مقدمه</strong><br />
EIZURE یک موج ناگهانی از فعالیت مغزی می باشد که بیش از 65 میلیون فرد را در سراسر جهان متاثر می سازد. در طول تشنج مغز نمی تواند فعالیت طبیعی خود را انجام دهد بنابراین فرد ممکن است فعالیت غیر طبیعی و انحصاری را در حرکت، رفتار، آگاهی و احساس نشان دهند. صرع تشنج های بازگشتی خود به خودی است. تشنج باعث غرق شدن، سوختگی ، تصادف و بطور بسیار جدی مرگ می شود. به هر حال، با پیش بینی دقیق و به موقع صرع قبل از آغاز تشنج واقعی، این موقعیت های ناخواسته جلوگیری می شوند. Electroencephalogram (EEG) یک ابزار پذیرفته شده برای تجزیه و تحلیل تشنج است. EEG می اواند فعالیت الکتریکی مغز را از طریق قرارگیری الکترودهای متعدد بر روی پوست سر را اندازه گیری کند.<br />
مقاله برای بررسی شدن در 10 جولای 2015 پذیرفته شد. بخش از این مقاله توسط مرکز پژوهش یادگیری ماشینی CM3، دانشگاه Charles Sturt استرالیا حمایت شد. نویسندگان این مقاله برای CM3، دانشگاه Charles Sturt استرالیا می باشند. یک بخش قابل توجهی از پژوهش پیش بینی تشنج، در مراجع 23 تا 28 انجام شده اند. Williamson و همکارانش، یک روش پیش بینی تشنج بر اساس ویژ گی زمانی فضایی ارائه کردند. نتایج تجربی، %85 دقت را با نرخ پوزیتو نادرست (FPR) 0.03/h با استفاده از 19 بیمار از 21 بیمار کلی با استفاده از مجموعه داده ی مرجع ارائه می کنند. Chisci و همکارانش همچنین یک روش پیشنهادی را با استفاده از یک ندل خودکاهشی و ماشین بردار پشتیبان (SVM) پیشنهاد کردند. دقت روش (PA) %100 با FPR 0.41/h با استفاده از تنها 9 بیمار از مجموعه داده ی مشابه بود. Mirowskiو همکارانش روش دیگری را بر اساس ویژگی های دو متغیره مانند همبستگی عرضی، وابستگی غیر خطی، entrainment دینامیک با استفاده از مجموعه داده پیشنهاد کردند جایی که نتایج، %71 دقت با FPR صفر با استفاده از 15 بیمار از 21 بیمار ارائه کردند. Park و همکارانش یک تکنیکی را با استفاده از ویژگی های خطی قدرت طیفی و طبقه بندی کننده ی غیر خطی با توجه به 18 از 21 بیمار پیشنهاد کردند که این تکنیک %94.4 دقت را با FPR 0.20/h با استفاده از مجموعه داده ارائه کرد. Li و همکارانش نرخ spike را با استفاده از یک فیلتر مورفولوژی بکار بردند و %75.8 PA با FPR 0.09/h را با استفاده از تمام 21 بیمار از مجموعه داده ها بدست آوردند. Moghim و همکارانش یک تکنیک پیش بینی تشنج را با استفاده از ویژگی های آماری مختلف توسط دوباره علامت زدن دوره ی preictal سیگنال های EEG پیشنهاد کردند. آنها دقت بالایی را برای 1 تا 6 دقیقه با استفاده از مجموعه داده ها بدست آوردند. Rasekhi و همکارانش تکنیک پیش بینی تشنج را بر اساس ویژگی های خطی تک متغیره توسط ارائه ی %73.9 PA با FPR 0.15/h با استفاده از مجموعه داده ی دیگر پیشنهاد کردند.<br />
دستیابی به یک تعادل خوب با استفاده از الگوریتم پیش بینی بین PA بالا با FPR پایین، با استفاده از تمام بیماران مشکل است. به علاوه برای یک افق پیش بینی تشنج داده شده (SPH)، همچنین دستیابی به عملکرد بالای سطح احتمال برای تمام بیماران توسط یک روش خاص مشکل می باشد. پدیده های non-abruptness و اناقض سیگنال ها به همراه موقعیت های مغزی متفاوت، سن بیمار، جنس بیمار، و نوع تشنج موضوعات چالش برانگیزی هستند که ثبات عملکرد را در عبارات PA پیشرفته و هشدار نادرست توسط روش موجود با استفاده از تمام بیماران متاثر می سازد. بنابراین پژوهش بیشتر باید به هدف دستیابی به دقت بهتر با FPR پایین انجام شود.</p>
<p>زمانی که یک سیگنال EEG از یک بیمار بدست می آید، آن سیگنال ممکن است انواع دوره ها مانند interictal,، preictal و دوره های ictal، در آن درمان داشته باشد. بنابراین برای پیش بینی پیشرفته  یک حالت ictal انتقال بین دوره های interictal و preictal نیاز به تعیین دادرد چنانکه EEG یک مزیت عالی در مطالعه ی فعالیت عصبی گذرا می باشد. در ابتدا چگونگی تعیین یک دوره ی preictal همراه با یک دوره ی ictal از یک دوره ی interictal دقت عملکرد پیش بینی پیشرفته را نشان می دهد. برای تعیین دوره ها ی بین interictal و preictal تقسیم سیگنال به تعدادی دوره نیاز می شود (یعنی یک پنجره ی زمانی خاص). بعضی وقت ها دوره با دوره های interictal و preictal و یا دوره ی ictal بطور کامل هم تراز نیست یعنی هر دوره ممکن است دو دوره داشته باشد اگر اندازه ی دوره بسیار بزرگ باشد. بنابراین استخراج ویژگی های کلی از دوره های متفاوت و ویژگی های محلی داخل یک دوره برای پیش بینی درست تشنج مهم می باشند. بعلاوه، ویژگی های استخراج شده از کانال های مختلف مجزا شده بطور فضایی از سیگنال های EEG برای بهبود PA باید ادغام شوند. در این مقاله، یک روش جدید، با بکارگیری همبستگی فضایی زمانی یژگی های کلی و محلی داخل یک سیگنال EEG، برای یافتن انتقال از یک رخداد حادثه در طول یک تشنج، مشتق می شود.<br />
همبستگی فاز، اساساً اطلاعات انتقالی بین سیگنال های فعلی و سیگنال های مرجع از دو سیگنال مربوطه را با استفاده از تبدیل فوریه ارائه می کند. بنابراین ویژگی کلی نوسانی می تواند از همبستگی فاز محاسبه شود. Paul و همکارانش نشان دادند که همبستگی فاز، امکان تشخیص حرکت قابل اطمینان را بین دو تصویر یا دو بلوک امکان پذیر می سازد. در روش مشابه، همبستگی فاز ویژگی های استخراجی بین دو دوره ی مجاور می تواند تغییرات نسبی را بین دو دوره از سیگنال EEG ایجاد کند. این مورد می تواند برای تخمین دوره های preictal/ictal و interictal استفاده شود. به هر حال، بعضی وقت ها، این ممکن است برای شناسایی انتقال کافی نباشد، اگر انتقال هم تراز با دوره ها نباشد. برای جلوگیری از این موقعیت، یک ویژگی محلی، همچنین از انحراف و نوسان سیگنال از نوسان پی در پی داخل یک دوره برای رسیدن به دقت بهتر و کاهش قابل توجه در هشدارهای نادرست استخراج می شود. Xie و همکارانش نشان دادند که نوسان و انحراف قادر به شناسایی نقص هایی از یک تصویر هستند. این حالت، برای استفاده از نوسان و انحراف اصلاحی نوید بخش است که می تواند تغییرات کوچک یک دوره ی خاص را اندازه گیری کند.بنابراین، یک تابع ارزش انحراف و نوسان وزن شده در یک جهت زمانی(موقتی) برای استخراج ویژگی محلی نوسانی محاسبه می شود. از آنجایی که سیگنال های EEG، غیر ثابت هستند، تابع ارزش انحراف و نوسان نمی تواند بطور کامل تاخیر فاز تنها بین دو دوره را شناسایی کند. بنابراین در این مقاله، هر دو ویژگی برای پیش بینی پیشرفته ی آغاز تشنج با PA بیشتر و FPR کمتر استفاده می شوند.<br />
مقاله، بصورت زیر سازمان یافته است: تشکیل داده ها، تکنیک پیشنهادی مفصل، استخراج ویژگی، طبقه بندی و پردازش بعدی در بخش 2 توصیف می شوند، تعریف SPH و اطمینان آماری در بخش 3 توصیف می شوند، و نتایج تجربی مفصل و بحث ها در بخش 4 توضیح داده می شوند و بخش 5 شامل تجزیه و تحلیل نتایج و بخش 6 شامل نتیجه گیری می باشند.</p>
</td>
</tr>
<tr>
<td>
<p><span style="color: #000080;"><strong>بخشی از مقاله انگلیسی:</strong></span></p>
<p dir="ltr" style="text-align: justify;">I. <strong>INTRODUCTION</strong></p>
<p dir="ltr" style="text-align: justify;">EIZURE is a sudden surge of electrical activity of the brain affecting more than 65 million individuals (i.e. 1%) worldwide [1]. Approximately 325 million people experience a seizure within their life time [2]. During seizure, the brain cannot perform normal tasks; therefore, people may restriction and abnormal activity in movement, behavior, awareness, and sensation. Epilepsy is spontaneously recurrent seizures. Seizure causes many injuries such as submersion, burns, accidents, and more seriously, death. However, it is possible to prevent these unwanted situations by timely and correct prediction of epilepsy before the actual seizure onset. Electroencephalogram (EEG) is a wellaccepted tool for analyzing seizure [3]-[28]. EEG can measure electrical activity of the brain through multiple electrodes placed on the scalp Manuscript submitted for review July 10, 2015.This work was supported in part by the CM3 Machine Learning Research Centre, Charles Sturt University, Australia. The authors are with CM3, Charles Sturt University, Australia (e-mail: {mparvez; mpaul}@csu.edu.au). [8]. A significant amount of research of seizure prediction including [23]-[28] has been conducted. Williamson et al. [23] proposed a seizure prediction method based on spatiotemporal features. The experimental results provide 85% accuracy with false positive rate (FPR) of 0.03/h using 19 patients from a total of 21 patients using the benchmark data set [29]. Chisci et al. [24] also proposed a prediction method using an autoregressive model and support vector machine (SVM). The prediction accuracy (PA) was 100% with FPR of 0.41/h using only 9 patients from the same data set [29]. Mirowski et al. [25] proposed another method based on bivariate features such as cross-correlation, nonlinear interdependence, and dynamic entrainment using the data set in [29] where the results provided 71% accuracy with zero FPR using 15 of 21 patients. Park et al. [2] proposed a technique using linear features of spectralpower and non-linear classifier considering 18 of 21 patients that provided 94.4% accuracy with FPR of 0.20/h using the data set [29]. Li et al. [26] employed the spike rate using a morphological filter and obtained 75.8% PA with FPR of 0.09/h using all 21 patients from the data set [29]. Moghim et al. [27] proposed a seizure prediction technique in advance using different statistical features by preictal period relabeling of the EEG signals. They obtained high accuracy (i.e. 96.30%) for prediction between 1 and 6 minutes in advance using the data set [29]. Rasekhi et al. [28] proposed a seizure prediction technique based on linear univariate features by providing 73.9% PA with FPR of 0.15/h using another data set. It is difficult to achieve a good balance by using a prediction algorithm between high PA (100%) with low FPR, using all patients. Moreover, for a given seizure prediction horizon (SPH), it is also difficult to achieve prediction performance above the chance level for all patients by a particular method [11]. The non-abruptness phenomena and inconsistency of the signals along with different brain locations, patient-age, patient-sex, and seizure-type are the challenging issues that affect the consistency of performance in terms of advanced PA and false alarms by the existing methods using all types of patients. Therefore, more research should be conducted within this scope to achieve better accuracy for advanced prediction with low FPR. When an EEG signal is captured from a patient, it may have different types of periods such as interictal, preictal, and ictal periods, in that order. Thus, for the advanced prediction of an ictal state, the transition between interictal and preictal periods needs to determine, as EEG is a supreme advantage in studying transient neuronal activity [30]. How early a preictal period associated with an ictal period is determined from the interictal period by a technique indicates its advanced prediction performance accuracy. To determine the transition between interictal and preictal periods, an EEG signal needs to be processed by dividing the signal into a number of epochs (i.e. a specified time-window). Sometimes the epoch is not fully aligned with the interictal, preictal, or ictal period i.e. an epoch may have two types of period if an epoch is very large in size. Thus, it is important to extract global features from different epochs and local features within an epoch for correct seizure prediction. Moreover, the features extracted from spatially separated different channels of EEG signals should be incorporated to further improve the PA. In this paper, a novel approach is derived by exploiting spatiotemporal correlation of undulated global and local features within an EEG signal to find the transition of an event occurring during a seizure. Phase correlation [31] essentially provides relatively shifting information between current signals and reference signals of two correlated signals via Fourier Transformation. Thus, undulated global feature (UGF) can be determined using phase correlation. Paul et al. [31] demonstrated that the phase correlation is capable of detecting reliable motion between two images or blocks. In a similar fashion, the phase correlation extracting features between two adjacent epochs can capture the relative changes between two epochs of an EEG signal. This can be used to estimate the transition between interictal and preictal/ictal periods. However, sometimes this may not be adequate to identify the transition, if the transition is not aligned with the epochs. To avoid this situation, a local feature is also extracted from the signal fluctuation and deviation from the frequent oscillation within an epoch to achieve better accuracy and significant reduction in false alarms. Xie et al. [32] illustrated that fluctuation and deviation are able to identify defects of an image. This inspired us to use customized fluctuation and deviation [32] which can measure the fine changes of a specific epoch. Therefore, a cost function comprised of weighted fluctuation and deviation in each epoch is calculated in a temporal direction to extract the undulated local feature (ULF). Since EEG signals are non-stationary signals [33], the cost function of fluctuation and deviation (CFD) cannot fully identify the phase-lagging between two epochs alone. Thus, in this paper, both features (i.e. UGF and LGF) are used for advanced prediction of seizure onset with greater PA and low FPR. The paper is organized as follows: the data formation, the detailed proposed technique, feature extraction, classification, and post-processing are described in Section 2. Definition of SPH and statistical validation is described in section 3, and the detailed experimental results and discussions are explained in Section 4. Section 5 contains the analysis of results, and Section 6 the conclusion.</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<p>نوشته <a href="https://tarjomefa.com/f350">دانلود رایگان ترجمه مقاله پیش بینی تشنج با استفاده از ویژگی های موجدار کلی و محلی &#8211; IEEE 2015</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f350/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله کنترل متناسب پروتزهای میوالکتریک (سال 2014)</title>
		<link>https://tarjomefa.com/f2348</link>
					<comments>https://tarjomefa.com/f2348#respond</comments>
		
		<dc:creator><![CDATA[isabagloo]]></dc:creator>
		<pubDate>Wed, 05 Sep 2018 10:48:28 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله زیست پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله سایبرنتیک پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله شبکه های عصبی مصنوعی ANN با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<guid isPermaLink="false">https://tarjomefa.com/?p=121293</guid>

					<description><![CDATA[<p>&#160; &#160; این مقاله انگلیسی در 7 صفحه در سال 2014 منتشر شده و ترجمه آن 18 صفحه بوده و آماده دانلود رایگان می باشد. &#160; دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word) عنوان فارسی مقاله: به سمت کنترل نسبی پروتزهای میوالکتریک با هم افزایی عضلات عنوان انگلیسی مقاله: Toward Proportional &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f2348">دانلود رایگان ترجمه مقاله کنترل متناسب پروتزهای میوالکتریک (سال 2014)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p>&nbsp;</p>
<p>&nbsp;</p>
<p>این مقاله انگلیسی در 7 صفحه در سال 2014 منتشر شده و ترجمه آن 18 صفحه بوده و آماده دانلود رایگان می باشد.</p>
<p>&nbsp;</p>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 99.116%; text-align: center; background-color: #f2f2f2;" colspan="2"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; font-size: 10pt; color: #000000;">دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)</span></strong></td>
</tr>
<tr>
<td style="width: 28.2418%; background-color: #f2f2f2;">عنوان فارسی مقاله:</td>
<td style="text-align: center; width: 70.8742%;">
<div class="col-12 post_fields_in_bottom_color">
<h2 class="post_fields_in_bottom full">به سمت کنترل نسبی پروتزهای میوالکتریک با هم افزایی عضلات</h2>
</div>
</td>
</tr>
<tr>
<td style="width: 28.2418%; background-color: #f2f2f2;">عنوان انگلیسی مقاله:</td>
<td style="text-align: center; width: 70.8742%;">
<div class="col-12 post_fields_in_bottom_color">
<h2 class="post_fields_in_bottom full">Toward Proportional Control of Myoelectric Prostheses with Muscle Synergies</h2>
</div>
</td>
</tr>
<tr>
<td style="width: 28.2418%; background-color: #f2f2f2;">دانلود رایگان مقاله انگلیسی</td>
<td style="text-align: center; width: 70.8742%;">
<div>
<a href="https://e-tarjome.com/storage/uploaded_media/2023-02-14/1676371119_F2348-English-e-tarjome.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>مقاله انگلیسی</a>
</div>
</td>
</tr>
<tr>
<td style="width: 28.2418%; background-color: #f2f2f2;">دانلود رایگان ترجمه با فرمت pdf</td>
<td style="text-align: center; width: 70.8742%;">
<div>
<a href="https://e-tarjome.com/storage/uploaded_media/2023-02-14/1676371125_F2348-Farsi-e-tarjome.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>ترجمه pdf</a>
</div>
</td>
</tr>
<tr>
<td style="width: 28.2418%; background-color: #f2f2f2;">دانلود رایگان ترجمه با فرمت ورد</td>
<td style="text-align: center; width: 70.8742%;">
<div>
<a href="https://e-tarjome.com/post/f2348" class="otw-aqua round right-icon otw-button" target="_blank">ترجمه ورد</a>
</div>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 435px; width: 100%;" width="100%">
<tbody>
<tr style="height: 18px;">
<td style="width: 27%; text-align: center; background-color: #f2f2f2; height: 18px;" colspan="2"><span style="color: #000000;"><strong>مشخصات مقاله انگلیسی و ترجمه فارسی</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">فرمت مقاله انگلیسی</td>
<td style="height: 15px;">pdf</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">سال انتشار</td>
<td style="height: 18px;">2014</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">تعداد صفحات مقاله انگلیسی</td>
<td style="height: 18px;">7 صفحه با فرمت pdf</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع نگارش</td>
<td style="height: 18px;">مقاله پژوهشی (Research article)</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع ارائه مقاله</td>
<td style="height: 18px;">ژورنال</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">رشته های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 18px;">مهندسی پزشکی &#8211; پزشکی</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">گرایش های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 18px;">بیوالکتریک &#8211; زیست پزشکی &#8211; سایبرنتیک پزشکی</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">چاپ شده در مجله (ژورنال)/کنفرانس</td>
<td style="direction: rtl; height: 18px;">مجله مهندسی پزشکی و زیستی</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کلمات کلیدی</td>
<td style="direction: rtl; height: 18px;">میوالکتریک EMG &#8211; شبکه عصبی مصنوعی &#8211; نیروزایی عضلات &#8211; کنترل نسبی &#8211; پروتزهای میوالکتریک</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کلمات کلیدی انگلیسی</td>
<td dir="ltr" style="direction: rtl; text-align: left; height: 18px;">Electromyography (EMG) &#8211; Artificial neural network (ANN) &#8211; Muscle synergies &#8211; Proportional control &#8211; Myoelectric prostheses</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">ارائه شده از دانشگاه</td>
<td style="direction: rtl; height: 18px;">موسسه مهندسی زیست پزشکی، دانشگاه نیوبرانزویک، کانادا</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شناسه دیجیتال – doi</td>
<td style="height: 18px; text-align: left;">https://doi.org/10.5405/jmbe.1694</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">رفرنس</td>
<td style="height: 18px;">دارای رفرنس در داخل متن و انتهای مقاله <span style="color: #008000;"><strong>✓</strong></span></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش </td>
<td style="height: 18px;">18 صفحه با فونت 14 B Nazanin</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">فرمت ترجمه مقاله</td>
<td style="height: 18px;">pdf و ورد تایپ شده با قابلیت ویرایش</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">وضعیت ترجمه</td>
<td style="height: 18px;">انجام شده و آماده دانلود رایگان</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کیفیت ترجمه</td>
<td style="height: 18px;">
<p><span style="color: #ff0000;">مبتدی (مناسب برای درک مفهوم کلی مطلب) <br />
</span></p>
</td>
</tr>
<tr style="height: 42px;">
<td style="width: 27%; background-color: #f2f2f2; height: 42px;">کد محصول</td>
<td style="height: 42px;">F2348</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 216px;" width="100%">
<tbody>
<tr>
<td style="width: 27%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">بخشی از ترجمه</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff; text-align: justify;">
<p>افراد مستلزم شدند که حرکات محدود ایزتونیکی را که مرتبط با دو Dof مچ شامل، کشش، انعطاف ، درون گردانی و چرخش ، در کنار چهار DoF از دست شامل قدرت، فشار داردن ، حرکات کلیدی، و گرفتن های کروی بود.ترکیب حرکات دست و مچ، هم صورت گرفت.افراد نیرو ها را در حالتی که روی یک صندلی نشته بودند و دست راستشان را در یک جایگاه دست قرار داده بودند، نیرو ها را ایجاد کردند.یک پشتیبانی دستی سفارشی ساخته شده به همراه یک دینامومتر تجاری (Gamma FT-130-10, ATI Industries) برای ثبت و فراهم کردن فیدبک به فرد در مورد سطح فعال سازی مچ برای هر کار، مورد استفاده قرار گرفت.نیروی گرفتن با استفاده از اندازه گیری نیرو های انگشتان ، همانطور که توسط دیگران به خوبی انجام شده بود، انجام پذیرفت.برای انجام کار های گرفتنی، چهار فرد برای یک مدل گرفتن، انتخاب شدند تا یک شی را نگه دارند.این اشیا با سنسور های FSR ( به صورت سفارشی 1 سانتی متر ) روی سطحشان قرار گرفتن تا نیرو های اعمال شده توسط انگشتان را اندازه گیری کند.تمام سیگنال ها، با نرخ 1000 نمونه، در ثانیه، نمونه برداری شدند.</p>
<p>2.2 روند آزمایشی<br />
مزیان حداکثر انقباض ارادی، (MVC) برای هر فرد، به منظور نرمال کردن سطح نیروی مورد نیاز، در طول آزمایش ثبت شد.نرم افزار های مبتنی بر متلب، برای اکتساب اطلاعات مورد نیاز از فرد ، مورد آزمایش قرار گرفت.هر جلسه آزمایشی شامل 96 جلسه آزمایشی بود که هر کدام شامل دو تکرار یک 1_Dof و 2-DoF وظیفه بود که از افراد خواسته میشد تا 4 نیروی انقباضی پایین (25% MVC) و متوسط (50%MVC) در هر کار انجام دهند که بین هر 12 تمرین، یک مرحله استراحت 5 دقیقه ای به افراد داده میشد.هر کار نهایتا، 6 ثانیه طول میکشید؛ زمان دقیق ، بر عملکرد فرد تاثیر داشت .</p>
<p>2.3 استخراج نیرو های هم نیروزایی عضلات<br />
بر اساس فرضیه هم افزایی عضلات، هر پاسخ عضلانی باید به صورت یک ترکیب خطی یا تعداد کمی از الگوهایی فعال سازی عضلات و هم افزایی عضلات ، توصیف شود.به علاوه، المان های هم نیروزایی و وزن آن ها در هر پاسخ، باید ثبت شود.زیرا فعال سازی عضلات، مد نظر است.Tresch و همکارانش، پیشنهاد دادند که فرضیه هم افزایی عضلات میتواند فرموله شود.</p>
<p>تشخیص هم افزایی عضلات، میتواند از طریق روش های مختلفی مانند آنالیز اجزای اصلی (PCA) ، آنالیز عامل ماکسیموم احتمالی ( FA) ، فاکتور سازی غیر منفی ماتریکس ( NMF) ، و آنالیز اجزای مستقل (ICA) انجام شود.NMF رایج ترین روش برای شناسایی، هم افزایی عضلات و ضرایب فعال سازی آنها هنگامی که مجموعه ای از الگوهای فعال سازی را ایجاد میکنند، است، زیرا، هم نیروزایی های مشخص شده با استفادها ز این روش ، نه تنها از نظر فیزیولوژیکی ، به خاطر محدودیت منفی بودن، صحت بیشتری داد، بلکه همرنیروزایی های شناسایی شده، محدودیت های از لحاظ تعداد یا استقلال استاتیکی ، همانطور که در روش های PCA و ICA وجود دارد، ندارند.<br />
تعداد مناسب هم نیروزایی، مشابه کمترین تعداد اجزای لازم برای توضیح 90% واریانس ثبت شده EMG ، برای هر فرد با استفاده از NMF، تعیین شد.شکل 1 نشان میدهد که این چگونه واریانس، با افزایش تعداد هم نیروزایی ها برای یک فرد معمولی، افزایش میابد.برای هر فرد، 6 و یا 7 هم نیروزایی برای توصیف 90% واریانس ، کافی است.برای نگه داشتن آن ها در پهنای باند نیروهای اندازه گیری شده، ورودی های عصبی به صورت پایین گذر در 2Hz فیلتر شدند و قبل از فراهم شدن برای تخمین زننده، این کار انجام شد.</p>
<p>2.4 آنالیز اطلاعات <br />
بعد از استخراج هم نیروزایی ها، ورودی های عصبی مربوطه و اینکه آن ها برای یک ANN ، فراهم شدند، هدف ANN، نیروی اندازه گیری شده ی در هر DoF در طول تمرین، بود.؛ANN ها ، بر اساس استفاده ی از الگوریتم پس انتشار ، آموزش داده شد.50 % اطلاعات MVC ، برای توسعه تمرین و مجموعه های تاییدی، در راستای یافتن ساختار بهینه برای ANN ، توسعه یافت.<br />
مجموعه اعتبار یابی، برای تعیین مقادیر بهنیه لایه های عصبی پنهان (8) مورد استفاده قرار گرفت و برای تعیین شرایط توقف برای آموزش ANN ، مورد استفاده قرار گرفت. ( هنگامی که خطاهای اعتباری برای 6 دور پشت سر هم افزایش یابد، یا خطاهای زیر یک سر حد 0.001 کاهش یابد) <br />
اطلاعات با استفاده از پنجره های 200ms با افزایش های 50ms ،بخش بندی شد.ANN ها ، 50 بار امتحان شد و ANN با کمترین اخطار روی اطلاعات اعتبار یابی، برای تست در راستای تخمین 25% mvc ، تست شد.<br />
آنالیز تست روی پنجره آنالیز با طول 200ms ، اجرا شد.تاخیر پردازشی روی این پنجره ms 200 حداقل است( کمتر از 1ms) و به طور عمومی پذیرفته شده است که برای استفاده همرمان پروتز ، زمان جذب باید از 300ms بیشتر نباشد.<br />
2.4.1 تخمین نیرو<br />
پروفایل های انقباضات پایین ( 25%MVC) برای تست و از پروفایل های انقباضی (50%MVC) برای تمرین و اعتبار دهی مدل تخمین زدن نیرو، مورد استفاده قرار گرفت.از اطلاعات انقباض متوسط (مجموعه تمرینی)، 80 % (انتخاب شده به صورت رندوم)در طول تمرین استفاده شد و 15 % باقی مانده، برای اعتبار دهی مورد استفاده قرار گرفتند.مجموعه تمرینی شامل فقط 1-DoF یا هم1-DoF و 2-DoF بودند، بر اساس سناریو تخمینی که در زیر توضیح داده میشود.<br />
دو سناریو تخمینی در نظر گرفته شد، که هر کدام از کارهایی از پیش تعریف شده ای استفاده میکردند که برای استخراج هم نیرو زایی ها مورد استفاده قرار میگرفت.سپس از هم نیرو زایی های برای محاسبه ورودی ها عصبی اطلاعات تست، مورد استفاده قرار میگرفت.زیرا، برای هر فرد، 8 تکرار از هر کار ثبت میشد ، و مجموعه های تمرینی مخالف میتواند برای هر فرد ایجاد شود.<br />
در سناریو اول ( تمیرینات 2-DoF) ، مدل تخمینی (در سطح متوسط) تمرین داده شده و ( برای سطح پایین) ، با استفاده از وظایف DoF منفرد و ترکیبی، تست شد.مجموعه تمرینی این سناریو شامل تمام 1Dof ها و 2-DoF های 50% mvc در کار های بودند.در سناریو دوم، وظایف 2-DoF از مجموعه های تمرینی حذف شده بودند ؛ که این کار باعث میشود سناریو برای یک فرد قطع عضو، از نظر زمان و تلاش ، عملی تر باشد.این یک سناریو تخمینی چالشی تر را ایجاد میکند، زیرا تخمین زننده نیرو باید برای کار های 2-DoF تعمیم داده شود.اما، مجموعه تست هنوز شامل انقباضات 1-DoF و 2-DoF بود<br />
اجرا آنالیز تخمین نیرو با استفاده از هم نیرو زایی ها، بررسی شد، و با مورد استفاده از مقادیر مطلق میانگین مبتنی بر کانال از EMG مشابه ورودی های ANN، مقایسه شد.<br />
توانایی ANN برای تخمین نیرو با استفاده از ضریب تعیین (R2 ) و اخطار مجذور ریشه میانگین (RMSE) ، کمی سازی شد.اینجا، RMSE به عنوان اخطار بین مقدار واقعی و مقدار تخمین زده ی نیرو، تعریف شده است.</p>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>نوشته <a href="https://tarjomefa.com/f2348">دانلود رایگان ترجمه مقاله کنترل متناسب پروتزهای میوالکتریک (سال 2014)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f2348/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی (سال 2014)</title>
		<link>https://tarjomefa.com/f1765</link>
					<comments>https://tarjomefa.com/f1765#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Wed, 05 Sep 2018 08:25:28 +0000</pubDate>
				<category><![CDATA[مقالات بیوالکتریک با ترجمه]]></category>
		<category><![CDATA[مقالات پزشکی کودکان با ترجمه]]></category>
		<category><![CDATA[مقالات ژورنالی پزشکی با ترجمه]]></category>
		<category><![CDATA[مقالات ژورنالی مهندسی پزشکی با ترجمه]]></category>
		<category><![CDATA[مقالات مغز و اعصاب با ترجمه]]></category>
		<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله الکتروانسفالوگرافی یا نوار مغزی EEG با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیماری صرع با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پزشکی کودکان با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله تشنج با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مانیتورینگ یا نظارت با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مراقبت بهداشتی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مغز و اعصاب با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی بالینی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله نوزاد با ترجمه فارسی]]></category>
		<guid isPermaLink="false">https://tarjomefa.com/?p=92432</guid>

					<description><![CDATA[<p>این مقاله انگلیسی ISI در 3 صفحه در سال 2014 منتشر شده و ترجمه آن 4 صفحه میباشد. کیفیت ترجمه این مقاله ارزان &#8211; نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است. &#160; دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی عنوان فارسی مقاله: نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f1765">دانلود رایگان ترجمه مقاله نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی (سال 2014)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p>این مقاله انگلیسی ISI در 3 صفحه در سال 2014 منتشر شده و ترجمه آن 4 صفحه میباشد. کیفیت ترجمه این مقاله ارزان &#8211; نقره ای ⭐️⭐️ بوده و به صورت<span style="color: #ff6600;"> <strong>کامل </strong></span>ترجمه شده است.</p>
<p>&nbsp;</p>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; text-align: center; background-color: #f2f2f2;" colspan="2"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; font-size: 10pt; color: #000000;">دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی</span></strong></td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">عنوان فارسی مقاله:</td>
<td style="text-align: center;">
<h2>نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی</h2>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">عنوان انگلیسی مقاله:</td>
<td style="text-align: center;">
<h2>Monitoring and Diagnosing Neonatal Seizures by Video Signal Processing</h2>
</td>
</tr>
<tr>
<td style="width: 25%; text-align: center; background-color: #f2f2f2;" colspan="2">
<div> </div>
<div style="text-align: center;">
<div style="text-align: center;"><a href="https://tarjomefa.com/wp-content/uploads/2020/04/F1765-TarjomeFa-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی </a> </div>
<div> </div>
<div><a href="https://tarjomefa.com/wp-content/uploads/2020/04/F1765-TarjomeFa-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a> </div>
<div> </div>
<div><a href="https://iranarze.ir/monitoring+diagnosing+neonatal+seizures+video+signal+processing" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه این مقاله با فرمت ورد </a></div>
<div> </div>
<div><a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%81%D8%A7" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات </a></div>
<div style="text-align: center;"> </div>
</div>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 465px; width: 99.8418%;" width="100%">
<tbody>
<tr style="height: 18px;">
<td style="width: 99.8418%; text-align: center; background-color: #f2f2f2; height: 18px;" colspan="2"><span style="color: #000000;"><strong>مشخصات مقاله انگلیسی</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">فرمت مقاله انگلیسی</td>
<td style="height: 15px; width: 72.8418%;">pdf و ورد تایپ شده با قابلیت ویرایش </td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">سال انتشار</td>
<td style="height: 18px; width: 72.8418%;">2014</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">تعداد صفحات مقاله انگلیسی</td>
<td style="height: 18px; width: 72.8418%;">3 صفحه با فرمت pdf</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع مقاله</td>
<td style="height: 18px; width: 72.8418%;">ISI</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع ارائه مقاله</td>
<td style="width: 72.8418%;"><a href="https://tarjomefa.com/%D9%85%D9%82%D8%A7%D9%84%D8%A7%D8%AA+%DA%98%D9%88%D8%B1%D9%86%D8%A7%D9%84%DB%8C+%D8%A8%D8%A7+%D8%AA%D8%B1%D8%AC%D9%85%D9%87" target="_blank" rel="noopener">ژورنال</a></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">رشته های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 18px; width: 72.8418%;">مهندسی پزشکی، پزشکی</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">گرایش های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 18px; width: 72.8418%;">مغز و اعصاب، پزشکی کودکان، مهندسی پزشکی بالینی، بیوالکتریک</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">چاپ شده در مجله (ژورنال)</td>
<td style="direction: rtl; height: 18px; width: 72.8418%;">اسناد الکترونیکی در مورد بینایی کامپیوتر و آنالیز تصویر &#8211; Electronic Letters on Computer Vision and Image Analysis</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">ارائه شده از دانشگاه</td>
<td style="direction: rtl; height: 18px; width: 72.8418%;">گروه مهندسی اطلاعات، دانشگاه پارما، ایتالیا</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نمایه (index)</td>
<td dir="ltr" style="direction: rtl; text-align: left; height: 18px; width: 72.8418%;">scopus &#8211; DOAJ</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شناسه شاپا یا ISSN</td>
<td style="height: 18px; text-align: left; width: 72.8418%;">1577-5097 </td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شناسه دیجیتال – doi</td>
<td style="text-align: left; height: 18px; width: 72.8418%;"><a href="https://doi.org/10.5565/rev/elcvia.623" target="_blank" rel="noopener">https://doi.org/10.5565/rev/elcvia.623</a></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">ایمپکت فاکتور(IF) مجله</td>
<td dir="rtl" style="text-align: right; height: 18px; width: 72.8418%;">0.176 در سال 2019</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شاخص H_index مجله</td>
<td dir="rtl" style="height: 18px; text-align: right; width: 72.8418%;">8 در سال 2020</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شاخص SJR مجله</td>
<td dir="rtl" style="height: 18px; text-align: right; width: 72.8418%;">0.130 در سال 2019</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شاخص Q یا Quartile (چارک)</td>
<td dir="rtl" style="height: 18px; text-align: right; width: 72.8418%;">Q4 در سال 2019</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">بیس</td>
<td style="text-align: right; height: 18px; width: 72.8418%;">  نیست <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">مدل مفهومی</td>
<td style="text-align: right; height: 18px; width: 72.8418%;"> ندارد <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">پرسشنامه</td>
<td style="text-align: right; height: 18px; width: 72.8418%;"> ندارد <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">متغیر</td>
<td style="text-align: right; height: 18px; width: 72.8418%;"> ندارد <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">رفرنس</td>
<td style="height: 18px; width: 72.8418%;"> دارای رفرنس در داخل متن و انتهای مقاله <span style="color: #008000;"><strong>✓</strong></span></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کد محصول</td>
<td style="height: 18px; width: 72.8418%;">F1765</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 333px; background-color: #ebebeb; width: 100%;" width="100%">
<tbody>
<tr style="height: 18px;">
<td style="width: 140%; text-align: center; background-color: #f2f2f2; height: 18px;" colspan="2"><span style="color: #000000;"><strong>مشخصات و وضعیت ترجمه فارسی این مقاله</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 15px;">فرمت ترجمه مقاله</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 15px;">pdf و ورد تایپ شده با قابلیت ویرایش</td>
</tr>
<tr style="height: 18px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 18px;">وضعیت ترجمه</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 18px;">انجام شده و آماده دانلود</td>
</tr>
<tr style="height: 18px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 18px;">کیفیت ترجمه</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 18px;">ترجمه ارزان &#8211; نقره ای ⭐️⭐️</td>
</tr>
<tr style="height: 18px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 18px;">تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش </td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 18px;">4 صفحه (1 صفحه رفرنس انگلیسی) با فونت 14 B Nazanin</td>
</tr>
<tr style="height: 18px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 18px;">ترجمه ضمیمه</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 18px;">ندارد <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 18px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 18px;">ترجمه پاورقی</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 18px;">ندارد <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 54px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 54px;">منابع داخل متن</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 54px;">به صورت عدد درج شده است <strong><span style="color: #008000;">✓</span></strong> </td>
</tr>
<tr style="height: 18px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 18px;">منابع انتهای متن</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 18px;">به صورت انگلیسی درج شده است <strong><span style="color: #008000;">✓</span></strong> </td>
</tr>
<tr style="height: 15px;">
<td style="width: 67.619%; text-align: right; background-color: #f2f2f2; height: 15px;">کیفیت ترجمه</td>
<td style="width: 72.381%; text-align: right; background-color: #ffffff; height: 15px;">کیفیت ترجمه این مقاله <span style="color: #ff0000;">متوسط </span>میباشد.</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>&nbsp;</p>
<table style="height: 216px;" width="100%">
<tbody>
<tr>
<td style="width: 27%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">بخشی از ترجمه</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff;">
<p style="text-align: justify;"><strong>چکیده</strong><br />
اپراتورهای بالینی در یکی از سخت ترین زمینه های مراقبت های بهداشتی، یعنی مغز و اعصاب نوزادان، باید به صورت روزانه، حملات صرعی را تشخیص دهند. بسیاری از نوزادان مبتلا به بیماری ها در هنگام تولد در معرض خطر تشنجات نوزادی قرار دارند که شایع ترین نشانه اختلالات حاد عصبی است و باید فورا و با دقت به منظور درمان به موقع شناخته شود. روش های تشخیصی سنتی مبتنی بر نظارت ElectroEncephaloGraphic (EEG). با این حال، تجزیه و تحلیل EEG نوزادان، یک روش بسیار تخصصی و وقت گیر است و به مهارت های خاصی نیاز دارد که همیشه به راحتی در بخش های مراقبت ویژه نوزادان (NICUs) در دسترس نیستند. بنابراین، روش های تشخیصی غیر تهاجمی، زمان واقعی، خودکار، کم هزینه، گسترده و تجهیزات توانمند در شناخت قابل اعتماد تشنجات نوزادی، از ارزش قابل توجهی در NICUs برخوردار می باشند.<br />
در حالی که اهمیت تشخیص سریع حضور تشنج نوزادان روشن است، هیچ روش واقعی برای تشخیص یا شناسایی اولیه چنین رفتارهای بیمارگونه و در حال حاضر هیچ ابزار در دسترسی برای پیش بینی آنها وجود ندارد. تنها روش در دسترس و قابل اعتماد، EEG است که نسبتا تهاجمی است و اجرا و تفسیر آن به پرسنل پزشکی به خوبی آموزش دیده نیاز دارد.<br />
یک جایگزین بسیار جذاب، با توجه به EEG، شناسایی خودکار حضور تشنج شامل کسب، از طریق یک دوربین فیلمبرداری، حرکات بدن نوزاد و پردازش درست سیگنال ویدیویی مربوطه می شود. هدف از یک الگوریتم پردازش تصویر موثر، تشخیص حرکات &#8220;غیر معمول&#8221; نوزاد است. هدف از تشخیص خودکار و طبقه بندی تشنجات نوزادان از طریق یک دوربین فیلمبرداری، جایگزینی کامل EEG نیست (هنوز برای تشخیص دقیق مورد نیاز است)، بلکه ساختن یک تشخیص زمان واقعی، کم هزینه، اولیه، خودکار بر اساس جنبه های بالینی تشنجات نوزادان است. به عبارت دیگر، یک سیستم مبتنی بر دوربین فیلمبرداری خودکار می تواند برای نظارت دائم برای هر بیمار در بخش مراقبت نوزادان مورد استفاده قرار گیرد، در حالی که تنها زمانی EEG برای تشخیص قطعی نیاز می شود که این سیستم، با احتمال بالا، حضور بالقوه تشنج را نشان دهد. برای این منظور، چند روش توسعه یافته در بخش مهندسی اطلاعات، در همکاری با وزارت علوم اعصاب، هر دوی دانشگاه پارما (ایتالیا)، پیشنهاد شده است: روش های مبتنی بر دوره تناوب، مبتنی بر طبقه بندی و مبتنی بر-خوشه بندی.</p>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 216px; width: 100%;" width="100%">
<tbody>
<tr>
<td style="width: 100%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">بخشی از مقاله انگلیسی</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff; width: 100%;">
<p dir="ltr" style="text-align: justify;"><strong>Abstract </strong></p>
<p dir="ltr" style="text-align: justify;">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.</p>
<p dir="ltr" style="text-align: justify;">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.</p>
<p dir="ltr" style="text-align: justify;">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.</p>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>نوشته <a href="https://tarjomefa.com/f1765">دانلود رایگان ترجمه مقاله نظارت و تشخیص تشنج نوزادی با پردازش سیگنال ویدیویی (سال 2014)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f1765/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله IC فرستنده ولتاژ CMOS برای کاربرد تصویربرداری پزشکی اولتراسوند – IEEE 2013</title>
		<link>https://tarjomefa.com/f929</link>
					<comments>https://tarjomefa.com/f929#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Tue, 04 Sep 2018 06:57:27 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی برق با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پردازش تصاویر پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله ترانزیستور با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله خازن با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله فراصوت یا اولتراساوند یا اولتراسونیک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مدار با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مدارهای مجتمع الکترونیک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی الکترونیک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی برق با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله ولتاژ با ترجمه فارسی]]></category>
		<guid isPermaLink="false">http://tarjomefa.com/?p=70197</guid>

					<description><![CDATA[<p>دانلود رایگان مقاله انگلیسی یک IC فرستنده ولتاژ بالا CMOS برای کاربردهای تصویربرداری پزشکی فراصوتی به همراه ترجمه فارسی   عنوان فارسی مقاله یک IC فرستنده ولتاژ بالا CMOS برای کاربردهای تصویربرداری پزشکی فراصوتی عنوان انگلیسی مقاله A CMOS High-Voltage Transmitter IC for Ultrasound Medical Imaging Applications رشته های مرتبط مهندسی برق، مهندسی پزشکی، پردازش &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f929">دانلود رایگان ترجمه مقاله IC فرستنده ولتاژ CMOS برای کاربرد تصویربرداری پزشکی اولتراسوند – IEEE 2013</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2 style="text-align: center;"><span style="font-size: 14pt;">دانلود رایگان مقاله انگلیسی یک IC فرستنده ولتاژ بالا CMOS برای کاربردهای تصویربرداری پزشکی فراصوتی به همراه ترجمه فارسی</span></h2>
<h2 style="text-align: center;"> </h2>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان فارسی مقاله</span></strong></span></td>
<td style="text-align: center;">یک IC فرستنده ولتاژ بالا CMOS برای کاربردهای تصویربرداری پزشکی فراصوتی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان انگلیسی مقاله</span></strong></span></td>
<td style="text-align: center;">A CMOS High-Voltage Transmitter IC for Ultrasound Medical Imaging Applications</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>رشته های مرتبط</b></span></td>
<td style="text-align: center;">مهندسی برق، مهندسی پزشکی، پردازش تصاویر پزشکی، بیوالکتریک، مدارهای مجتمع الکترونیک و مهندسی الکترونیک</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>کلمات کلیدی</b></span></td>
<td style="text-align: center;">مبدل فراصوتی خازنی میکروماشینی (CMUT)، بایاس گیت پویا، فرستنده با ولتاژ بالا (HV)، شیفت دهنده سطح، درایور خروجی، تصویربرداری پزشکی فراصوتی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">فرمت مقالات رایگان</span></strong></span></td>
<td style="text-align: center;">
<p>مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند</p>
<p>همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد</p>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">کیفیت ترجمه</span></strong></span></td>
<td style="text-align: center;">کیفیت ترجمه این مقاله <span style="color: #ff0000;">متوسط</span> میباشد </td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">نشریه</span></strong></span></td>
<td style="text-align: center;">آی تریپل ای &#8211; IEEE</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مجله</span></strong></span></td>
<td style="text-align: center;">یافته ها در حوزه مدارها و سیستم ها &#8211; TRANSACTIONS ON CIRCUITS AND SYSTEMS</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">سال انتشار</span></strong></span></td>
<td style="text-align: center;">2013</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif;"><span style="font-size: 10.6667px;"><b>کد محصول</b></span></span></td>
<td style="text-align: center;">F929</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مقاله انگلیسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2018/07/TarjomeFa-F929-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">ترجمه فارسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2018/07/TarjomeFa-F929-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">خرید ترجمه با فرمت ورد</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://iranarze.ir/cmos+voltage+transmitter+ic+ultrasound+medical+imaging" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه مقاله با فرمت ورد</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">جستجوی ترجمه مقالات</span></strong></span></td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%81%D8%A7" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات </a>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;">  </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>فهرست مقاله:</strong></span></p>
<p>چکیده<br />
1. مقدمه<br />
2. معماری فرستنده HV<br />
3. طراحی مدار<br />
A. فرستنده قبلی HV<br />
B. فرستنده HV پیشنهادی<br />
4. نتایج تجربی<br />
A. مشخصات ICفرستنده<br />
B. آزمایش انتقال صوتی با IC و CMUT<br />
5. نتیجه گیری</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>بخشی از ترجمه فارسی مقاله:</strong></span></p>
<p>1. <strong>مقدمه</strong><br />
در سال های اخیر، تصویربرداری فراصوتی، با توجه به مشخصات آن با ضرر کمتر برای بدن انسان در مقایسه با سایر روش های شناخته شده مانند تصویربرداری رزونانس مغناطیسی، توموگرافی کامپیوتری، و اشعه X، علاقه زیادی را در زمینه پزشکی به دست آورده است. علاوه بر این، حتی ظهور فن آوری دستگاه مبدل فراصوتی میکروماشینی خازنی (CMUT) [1] در طول دهه گذشته، علاقه های بیشتری را به خود جلب کرده است. در مقایسه با همتای پیزوالکتریک آن، CMUT، مزایای استفاده از پهنای باند گسترده تر عملیاتی، ساخت ساده تر برای پیاده سازی های آرایه بزرگ، و سهولت بیشتری از مجتمع سازی را با مدارهای مجتمع نهایی (IC ها) به دلیل سازگاری با روند استاندارد CMOS فراهم می کند. اخیرا، آرایه های CMUT دوبعدی با ICهای نهایی مجتمع برای تصویربرداری سنجش حجمی فراصوتی سه بعدی برای منافع بهبودیافته مانند وضوح و نسبت سیگنال به نویز بالاتر (SNR) توسعه داده شده اند [2].<br />
شکل. 1، یک بلوک دیاگرام سیستم فراصوتی نوعی را برای کاربردهای تصویربرداری پزشکی نشان می دهد. این سیستم فراصوتی شامل یک آرایه مبدل، یک فرستنده- گیرنده واسطه متشکل از یک فرستنده ولتاژ بالا (HV) و گیرنده کم نویز، و بلوک های پردازش تصویر/سیگنال برای ساخت تصویر می شود. انتهای جلویی آنالوگ فرستنده-گیرنده، نقش مهمی در تصمیم گیری عملکرد کلی سیستم مانند حساسیت و SNR سیستم فراصوتی ایفا می کند [3]، [4].<br />
به منظور حمایت از آرایه های بزرگ دوبعدی، تعداد زیادی از عناصر مبدل مورد نیاز است، که در نتیجه به افزایش در تعداد سلول های IC نهایی واسطه ای دقیقاً بسته بندی شده با پیوند-فلیپ-تراشه منجر می شود، که مسائل مجتمع سازی قابل توجهی را به علت مساحت محدود قالب در دسترس برای هر سلول مطرح می نماید. یکی از مسائل اصلی، فرستنده منطقه-گرسنه HV در IC واسطه آنالوگ نهایی است. فرستنده HV معمولا از ترانزیستورهای MOS بزرگ HV دوبل-انتشاری (DMOS) [2]، [5]، [6] برای تولید سیگنال های پالس خروجی HV به منظور تحریک CMUT برای تولید فشار بالای آکوستیک بهره گیری می نماید، در حالی که قابلیت اطمینان برای جلوگیری از امکان شکست اتصال دستگاه را حفظ می نماید.<br />
به طور خلاصه، یک فرستنده HV بسیار مجتمع که از ترانزیستورهای استاندارد CMOS هدف قرار داده شده برای تصویربرداری پزشکی فراصوتی در یک دستگاه سوزن بسیار مجتمع برای کاربردهای مامایی و امراض زنانه استفاده می نماید، ارائه شده است. هر دوی درایور پالس خروجی HV و شیفت دهنده سطح، معماری چند پشته ای پیشنهادی با مدار بایاس گیت پویا را به منظور تولید سیگنال پالس بیش از در فرکانس 1.25 مگاهرتز را در حین هدایت دستگاه CMUT غوطه ور در محیط روغنی اتخاذ می کنند. یک ولتاژ درایو 10-V که پایین تر از کاربردهای فراصوتی معمولی است، به چند دلیل در این کار انتخاب شده است. 1) یک دستگاه CMUT با یک غشاء نازک و ولتاژ فروپاشی کم برای مجتمع سازی با IC توسعه مورد استفاده قرار می گیرد 2) فشار آکوستیک تولید شده حاصل، الزامات این کاربرد را برآورده می سازد. 3) مقدار مصرف توان پویا در طول عملیات باید با توجه به حرارت بافت مینیمم شود، زمانی که سوزن وارد بافت بدن انسان می شود. بخش دوم، به طور خلاصه به معماری فرستنده می پردازد، در حالی که بخش سوم، طراحی مدار را با جزئیات توصیف می نماید. بخش چهارم، نتایج تجربی را ارائه می دهد و پس از آن نتیجه گیری در بخش پنجم ارائه می شود.</p>
<p><strong>5. نتیجه گیری</strong><br />
یک IC فرستنده فراصوتیHV برای چند کاربردهای تصویربرداری پزشکی با استفاده از فرآیندهای HV BCD 0.18 میکرون پیاده سازی شده است. فرستنده HV، که شامل درایور خروجی و شیفت دهنده سطح پیشنهادی می شود، به سیگنال پالس خروجی 10-Vp−p با قابلیت اطمینان قوی دستیابی پیدا می کند، در حالی که تنها از ترانزیستورهای پشته ای CMOS استاندارد برای مجتمع سازی بالا و هزینه کم استفاده می نماید. <br />
یک نمایش موفق برای آزمایش آکوستیک در محیط روغن با استفاده از IC فرستنده HV پیشنهادی و نمونه CMUT توسعه یافته انجام می شود. برای کاربردهای نیازمند فشار اکوستیک منتقله بالاتر، پشته های اضافی را می توان به سادگی برای طراحی پیشنهادی با مدارهای بایاس پویا برای حفظ یک ولتاژ بالاتر برای تحریک مبدل زیر اضافه نمود.</p>
</td>
</tr>
<tr>
<td>
<p><span style="color: #000080;"><strong>بخشی از مقاله انگلیسی:</strong></span></p>
<p dir="ltr" style="text-align: justify;">I. <strong>INTRODUCTION</strong></p>
<p dir="ltr" style="text-align: justify;">IN RECENT years, the ultrasound imaging has gained much interest in the medical field due to its less-harmful characteristic to the human body in comparison with other well-known methods such as magnetic resonance imaging, computed tomography, and X-rays. In addition, the emergence of the capacitive micromachined ultrasound transducer (CMUT) device technology [1] during the last decade has propelled the interest even further. In comparison with its piezoelectric counterpart, the CMUT provides the advantages of wider operational bandwidth, simpler fabrication for large array implementations, and more ease of integration with the front-end integrated circuits (ICs) due to compatibility with the standard CMOS process. Most recently, 2-D CMUT arrays with integrated front-end ICs have been developed for 3-D ultrasound volumetric imaging for improved benefits such as higher resolution and signal-to-noise ratio (SNR) [2]. Fig. 1 shows a typical ultrasound system block diagram for medical imaging applications. The ultrasound system consists of a transducer array, an interface transceiver comprised of a high-voltage (HV) transmitter and a low-noise receiver, and image/signal processing blocks for image construction. The analog front end of the transceiver plays a critical role in deciding the overall system performance such as the sensitivity and the SNR of the ultrasound system [3], [4]. In order to support large-size 2-D arrays, a large number of transducer elements are required, which then leads to an increase in the number of closely packed flip-chip-bonded interfacing front-end IC cells, posing significant integration issues due to the limited die area available for each cell. One of the main issues is the area-hungry HV transmitter in the interfacing analog front-end IC. The HV transmitter usually utilizes large-size HV double-diffused MOS (DMOS) transistors [2], [5], [6] to generate HV output pulse signals to drive the CMUT to produce large acoustic pressure while maintaining the reliability to prevent possible device junction breakdown. In this brief, a highly integrated HV transmitter utilizing standard CMOS transistors targeted for ultrasound medical imaging in a highly integrated needle device for obstetrics and gynecology applications is presented. Both the HV output pulse driver and the level shifter adopts the proposed multiple-stacked architecture with dynamic gate biasing circuit in order to generate over 10-Vp−p pulse signal at 1.25-MHz frequency while driving the CMUT device immersed in an oil environment. A 10-V drive voltage, which is lower than typical ultrasound applications, is chosen in this work for several reasons: 1) A CMUT device with a thin membrane and low collapse voltage is to be used for integration with the developed IC. 2) The resulting generated acoustic pressure meets the application requirements. 3) The amount of dynamic power consumption during operation has to be minimized considering tissue heating as the needle is to be inserted into the human tissue. Section II briefly addresses the transmitter architecture, while Section III describes the circuit design in detail. Section IV presents the experimental results followed by the conclusions in Section V.</p>
<p dir="ltr" style="text-align: justify;">V. <strong>CONCLUSION</strong></p>
<p dir="ltr" style="text-align: justify;">A HV ultrasound transmitter IC for multiarray medical imaging applications has been implemented using the HV 0.18-μm BCD process. The HV transmitter, which includes the proposed output driver and level shifter, achieves over 10-Vp−p output pulse signal with robust reliability while only utilizing stacked standard CMOS transistors for high integration and low cost. A successful demonstration has been done for acoustic testing in an oil environment using the proposed HV transmitter IC and the developed CMUT sample. For applications requiring a higher transmitted acoustic pressure, additional stacks can be simply added to the proposed design with dynamic bias circuits to sustain a higher voltage to excite the following transducer.</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<p>نوشته <a href="https://tarjomefa.com/f929">دانلود رایگان ترجمه مقاله IC فرستنده ولتاژ CMOS برای کاربرد تصویربرداری پزشکی اولتراسوند – IEEE 2013</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f929/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله شناسایی آریتمی با الکتروکاردیوگرام دو سرب با شبکه عصبی مصنوعی و ماشین بردار پشتیبانی (نشریه MDPI 2013)</title>
		<link>https://tarjomefa.com/f1402</link>
					<comments>https://tarjomefa.com/f1402#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Tue, 04 Sep 2018 06:37:54 +0000</pubDate>
				<category><![CDATA[ترجمه مقالات درباره شبکه های عصبی مصنوعی ANN]]></category>
		<category><![CDATA[ترجمه مقالات درباره ماشین بردار پشتیبانی SVM]]></category>
		<category><![CDATA[مقالات بیوالکتریک با ترجمه]]></category>
		<category><![CDATA[مقالات ژورنالی مهندسی پزشکی با ترجمه]]></category>
		<category><![CDATA[مقالات سایبرنتیک پزشکی با ترجمه]]></category>
		<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی پزشکی با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله الکتروکاردیوگرام ECG یا EKG با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله الگوریتم با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله پایگاه داده یا دیتابیس با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله سایبرنتیک پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله شبکه های عصبی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله ماشین بردار پشتیبانی (SVM) با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<guid isPermaLink="false">https://tarjomefa.com/?p=82874</guid>

					<description><![CDATA[<p>این مقاله انگلیسی ISI در نشریه MDPI در 16 صفحه در سال 2013 منتشر شده و ترجمه آن 20 صفحه میباشد. کیفیت ترجمه این مقاله ارزان &#8211; نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است. &#160; دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی عنوان فارسی مقاله: شناسایی آریتمی به کمک الکتروکاردیوگرام 2 &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f1402">دانلود رایگان ترجمه مقاله شناسایی آریتمی با الکتروکاردیوگرام دو سرب با شبکه عصبی مصنوعی و ماشین بردار پشتیبانی (نشریه MDPI 2013)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p>این مقاله انگلیسی ISI در نشریه MDPI در 16 صفحه در سال 2013 منتشر شده و ترجمه آن 20 صفحه میباشد. کیفیت ترجمه این مقاله ارزان &#8211; نقره ای ⭐️⭐️ بوده و به صورت <span style="color: #ff6600;"><strong>کامل </strong></span>ترجمه شده است.</p>
<p>&nbsp;</p>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; text-align: center; background-color: #f2f2f2;" colspan="2"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; font-size: 10pt; color: #000000;">دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی</span></strong></td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">عنوان فارسی مقاله:</td>
<td style="text-align: center;">
<h2>شناسایی آریتمی به کمک الکتروکاردیوگرام 2 لید با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای یک دستگاه مانیتور ECG دستی</h2>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">عنوان انگلیسی مقاله:</td>
<td style="text-align: center;">
<h2>Arrhythmia Identification with Two-Lead Electrocardiograms Using Artificial Neural Networks and Support Vector Machines for a Portable ECG Monitor System</h2>
</td>
</tr>
<tr>
<td style="width: 25%; text-align: center; background-color: #f2f2f2;" colspan="2">
<div> </div>
<div style="text-align: center;"><a href="https://tarjomefa.com/wp-content/uploads/2019/10/F1402-TarjomeFa-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a> </div>
<div> </div>
<div><a href="https://tarjomefa.com/wp-content/uploads/2019/10/F1402-TarjomeFa-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a> </div>
<div> </div>
<div><a href="https://iranarze.ir/arrhythmia+identification+electrocardiograms+artificial+neural+networks+vector+machines" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه این مقاله با فرمت ورد </a></div>
<div> </div>
<div><a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88%DB%8C-%D9%85%D9%82%D8%A7%D9%84%D8%A7%D8%AA-%D9%85%D9%87%D9%86%D8%AF%D8%B3%DB%8C+%D9%BE%D8%B2%D8%B4%DA%A9%DB%8C" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات مهندسی پزشکی </a></div>
<div style="text-align: center;"> </div>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 165px; width: 100%;" width="100%">
<tbody>
<tr style="height: 15px;">
<td style="width: 99.8522%; text-align: center; background-color: #f2f2f2; height: 15px;" colspan="2"><span style="color: #000000;"><strong>مشخصات مقاله انگلیسی (PDF)</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">سال انتشار</td>
<td style="height: 15px; width: 72.8522%;">2013</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">تعداد صفحات مقاله انگلیسی</td>
<td style="height: 15px; width: 72.8522%;">16 صفحه با فرمت pdf</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">رشته های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 15px; width: 72.8522%;">مهندسی پزشکی</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">گرایش های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 15px; width: 72.8522%;">سایبرنتیک پزشکی و بیوالکتریک</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">چاپ شده در مجله (ژورنال)</td>
<td style="direction: rtl; height: 15px; width: 72.8522%;">سنسورها &#8211; Sensors</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">کلمات کلیدی</td>
<td style="direction: rtl; height: 15px; width: 72.8522%;"><a href="https://tarjomefa.com/category/%d8%aa%d8%b1%d8%ac%d9%85%d9%87-%d9%85%d9%82%d8%a7%d9%84%d8%a7%d8%aa-%d8%af%d8%b1%d8%a8%d8%a7%d8%b1%d9%87/%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86%db%8c/" target="_blank" rel="noopener">SVM</a>، ضربان قلب، شناسایی آریتمی</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">ارائه شده از دانشگاه</td>
<td style="direction: rtl; height: 15px; width: 72.8522%;">گروه علوم کامپیوتر و مهندسی اطلاعات، دانشگاه صنعتی چویانگ، تایوان</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">رفرنس</td>
<td style="height: 15px; width: 72.8522%;">دارد <span style="color: #008000;"><strong>✓</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">کد محصول</td>
<td style="height: 15px; width: 72.8522%;">F1402</td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">نشریه</td>
<td style="height: 15px; width: 72.8522%;"><a href="https://www.mdpi.com/1424-8220/13/1/813" target="_blank" rel="noopener">MDPI</a></td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 198px; background-color: #ebebeb; width: 100%;" width="100%">
<tbody>
<tr style="height: 15px;">
<td style="width: 140%; text-align: center; background-color: #f2f2f2; height: 15px;" colspan="2"><span style="color: #000000;"><strong>مشخصات و وضعیت ترجمه فارسی این مقاله (Word)</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">وضعیت ترجمه</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">انجام شده و آماده دانلود</td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش </td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">20 صفحه (2 صفحه رفرنس انگلیسی) با فونت 14 B Nazanin</td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">ترجمه عناوین تصاویر و جداول</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">ترجمه شده است <strong><span style="color: #008000;">✓</span></strong></td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">ترجمه متون داخل تصاویر</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">ترجمه نشده است <strong><span style="color: #ff0000;">☓</span></strong> </td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">ترجمه متون داخل جداول</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">ترجمه نشده است <strong><span style="color: #ff0000;">☓</span></strong></td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">درج تصاویر در فایل ترجمه</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">درج شده است <strong><span style="color: #008000;">✓</span></strong> </td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">درج جداول در فایل ترجمه</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">درج شده است <strong><span style="color: #008000;">✓</span></strong> </td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">درج فرمولها و محاسبات در فایل ترجمه</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;"> به صورت عکس درج شده است <strong><span style="color: #008000;">✓</span></strong> </td>
</tr>
<tr style="height: 33px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 33px;">منابع داخل متن</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 33px;">درج نشده است <span style="color: #ff0000;"><strong>☓</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 62.5947%; text-align: right; background-color: #f2f2f2; height: 15px;">کیفیت ترجمه</td>
<td style="width: 77.4053%; text-align: right; background-color: #ffffff; height: 15px;">کیفیت ترجمه این مقاله <span style="color: #ff0000;">متوسط </span>میباشد </td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 216px;" width="100%">
<tbody>
<tr>
<td style="width: 27%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">فهرست مطالب</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff;">
<div>چکیده<br />
1-مقدمه<br />
2-بخش روش اجرا<br />
2-1-پایگاه داده ها<br />
2-2-فیلترسازی و نرمالسازی<br />
2-3-شناسایی کمپلکس های QR و استخراج شکل امواج<br />
2-4-طبقه بندی اریتمی<br />
3-نتایج و بحث<br />
4-نتیجه گیری ها</div>
<div> </div>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 216px;" width="100%">
<tbody>
<tr>
<td style="width: 27%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">بخشی از ترجمه</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff;">
<div> <strong>چکیده</strong></div>
<div style="text-align: justify;">یک پیکربندی به صورت اتوماتیک که می تواند از روی سیگنالهای پیوسته الکتروکاردیوگرام (ECG) در بانک داده های اریتمی MIT-BIH موقعیت امواج R را شناسایی نماید، و ریتم نرمال سینوسی NSR و چهار نوع دیگر اریتمی را طبقه بندی نماید، دراین مقاله مطرح گردیده است. در این نوع پیکربندی، یک ماشین بردار پشتیبان SVM برای شناسایی و علامتگذاری ضربان قلب ECG به کمک سیگنالهای خام و سیگنالهای افتراقی یک ECG لید بکار گرفته شده است. یک الگوریتم مبتنی بر علامتگذاری های استخراجی کار تقسیم بندی شکل امواج ECG 2 لید و 6 لید را به عنوان خصوصیات طبقه بندی الگو انجام می دهد. یک شبکه استنباطی فازی عصبی خودسازه SoNFIN برای طبقه بندی NSR و چهار نوع اریتمی بکار برده شد از جمله انقباضات زودرس بطنی PVC، انقباضات زودرس دهلیزی PAC، انسداد دسته شاخه چپ LBBB، و انسداد دسته شاخه راست RBBB. در یک شرح وضعیت واقعی، نتایج طبقه بندی نشان داده که صحت کسب شده برابر با 96.4% می باشد. این عملکرد برای یک دستگاه مانیتور ECG دستی جهت اهداف مراقبت خانگی مناسب است.</div>
<div> </div>
<div style="text-align: justify;"><strong>1- مقدمه</strong></div>
<div style="text-align: justify;">پزشکی از راه دور اخیرا وسیعا مورد مطالعه و بررسی قرار گرفته است. در تحقیقات گذشته، امکان مانیتورینگ بیماری در منزل به بیماران مبتلا به نارسایی قلبی احتقانی باعث مزیت های اقتصادی زیادی گردیده است. الکتروکاردیوگرام ECG یک ابزار مهم است که اطلاعات مفیدی را درباره وضعیت کارکرد قلب بدست می دهد. یک روش خودکار که به طور صحیحی بیماری های قلبی را از طریق تحلیل سیگنالهای ECG تشخیص بدهد در حوزه بهداشت و درمان بویژه برای پردازش در زمان واقعی ضروری می باشد. تحقیقات گذشته مسائل شناسایی نبض و طبقه بندی ریتم قلبی را مطرح کرده است. سیگنال نبض موج QRS را در ECG شناسایی نموده و فواصل بین ضربانی را محاسبه می کند. طبقه بندی ریتم های قلبی براساس شناسایی انواع مختلف اریتمی از شکل امواج ECG می باشد. <br />
ولیکن، سیگنالهای ECG نویزهای مزدوجی هم دارد که به دلیل عواملی مانند سیگنالهای خط برق 50/60 Hz، انحراف از خط پایه به دلیل تنفس بیمار، الکترودهای بد، مکان نامناسب الکترود یا الکترومیوگرام می باشد. این نویزها منجر به شناسایی موج QRS کاذب می گردد. از اینرو، برخی مطالعات به مقایسه عملکرد مستحکم الگوریتم های متفاوت برای شناسایی موج QRS پرداخته اند. Widrow و همکارانش فیلتر سازشی را برای کاهش نویز بکار بسته اند که منجر به خطوط برق 60 هرتزی و انحراف از خط پایه گردیده و بعد موج QRS شناسایی شده است. Pan &amp; Tompkins به طراحی فیلتری دیجیتالی برای کاهش نویز پرداختند و از یک حداستانه دینامیک برای شناسایی موج QRS استفاده نمودند. Trahanias از مورفولوژی ریاضی کمپلکس QRS برای شناسایی نبض استفاده نمود. Chang از تجزیه مدل تجربی مجموعه برای کاهش نویز در ECGهای اریتمی استفاده نمود. Fan از انتروپی تقریبی ApEn و کمپلکس Kempel-Ziv به عنوان یک کمیت غیرخطی برای اندازه گیری عمق بیهوشی استفاده کرد. در این گونه مطالعات، سیگنال ECG سینوس نرمال به اضافه انواع نویز مختلف و انرژی برای ارزیابی عملکرد این الگوریتم ها بکار برده شده است. چندین محقق استخراج خصوصیات شکل امواج ECG را برای شناسایی کمپلکس های QRS مبتنی بر پایگاه داده های اریتمی انجام داده اند. Li و همکارانش روش تغییر شکل های موجک را برای شناسایی کمپلکس QRS از روی امواج بلند P یا T، نویز و انحراف از خط پایه مطرح داشته اند. Yeh &amp; Wang روش عملیات تفاوت را برای شناسایی امواج کمپلکس QRS مطرح کرده اند. Mehta &amp; Lingayat از روش ماشین بردار پشتیبان یا SVM برای شناسایی کمپلکس های QRS از یک ECG 12 لیده استفاده نمودند. ایشان نیز از الگوریتم میانگین K برای شناسایی کمپلکس های QRS در سیگنالهای ECG استفاده کرده اند.<br />
آریتمی را می توان یا به شکل یک ضربان قلب تکی نامنظم یا گروهی از ضربان های قلب تعریف کرد. برخی تکنیک های طبقه بندی مبتنی بر طبقه بندی ضربان به ضربان در ECG می باشند و هر ضربان به چندین نوع ضربان اریتمی متفاوت طبقه بندی می شود. اینها شامل شبکه های عصبی مصنوعی، شبکه های عصبی فازی، عملیات Hermite همراه با نقشه های خودسازماندهی و تحلیل موجک همراه با شبکه های عصبی عملیات پایه شعاعی می باشد. در این روشها، شکل موج ECG در هر ضربان به طوردستی انتخاب شده و خصوصیات مختلف برای طبقه بندی انواع اریتمی استخراج گردید. Tsipouras و همکارانش از سیگنال فاصله RR برای طبقه بندی برخی انواع اریتمی مبتنی بر یک گروه از ضربان های قلب استفاده نمودند. کلیه روشهای فوق دارای صحت های طبقه بندی بالایی است که برپایه مورفولوژی کامل ECG یا فاصله صحیح RR بدست آمده که به طور دستی شناسایی گردید.<br />
در این مطالعه، ما یک پیکربندی خودکار را همراه با پردازش سیگنال دیجیتال و نیز یک روش هوش مصنوعی را برای شناسایی موقعیت ضربان های قلب و شناسایی این ضربان های قلب با طبقه بندی به عنوان ریتم سینوسی نرمال یا NSR یا چهار نوع اریتمی مطرح کرده ایم. چهار نوع اریتمی عبارتند از انقباضات زودرس بطنی PVC، انقباضات زودرس دهلیزی PAC، انسداد دسته شاخه چپ LBBB، و انسداد دسته شاخه راست RBBB. سیگنالهای EGC توسط پایگاه داده های اریتمی MIT-BIH فراهم گردیده است. این پیکربندی خودکار دارای سه مرحله به ترتیب ذیل می باشد:<br />
1-سیگنال های 2 لید برای کاهش نویز مزدوج نرمالسازی و فیلتره شده اند (بخش 2-2).<br />
2-موقعیت های کمپلکس QRS در لید 2 شناسایی گردید و از طریق یک SVM خوب آموزش دیده علامتگذاری شد. دو شکل امواج در هر ضربان قلب در لید 2 و V1 به طور تکی طبق علائم درلید 2 استخراج گردید (بخش 2-3).<br />
3-شکل موج استخراجی به شکل خصوصیتی برای شناسایی نوع اریتمی یک ضربان قلب استفاده شده است. در این پیکربندی، یک شبکه استنباطی فازی عصبی خودسازه SoNFIN برای تشخیص نوع اریتمی ضربان قلب با استفاده از سیگنالهای خام لید 2 و V1 (بخش 2-4) استفاده گردیده است. <br />
وانگهی، صحت شناسایی ضربان قلب طبق نتایج طبقه بندی SoNFIN افزایش یافته است.</div>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 216px;" width="100%">
<tbody>
<tr>
<td style="width: 27%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">بخشی از مقاله انگلیسی</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff;">
<p dir="ltr" style="text-align: justify;"><strong>Abstract</strong></p>
<p dir="ltr" style="text-align: justify;">An automatic configuration that can detect the position of R-waves, classify the normal sinus rhythm (NSR) and other four arrhythmic types from the continuous ECG signals obtained from the MIT-BIH arrhythmia database is proposed. In this configuration, a support vector machine (SVM) was used to detect and mark the ECG heartbeats with raw signals and differential signals of a lead ECG. An algorithm based on the extracted markers segments waveforms of Lead II and V1 of the ECG as the pattern classification features. A self-constructing neural fuzzy inference network (SoNFIN) was used to classify NSR and four arrhythmia types, including premature ventricular contraction (PVC), premature atrium contraction (PAC), left bundle branch block (LBBB), and right bundle branch block (RBBB). In a real scenario, the classification results show the accuracy achieved is 96.4%. This performance is suitable for a portable ECG monitor system for home care purposes.</p>
<p dir="ltr" style="text-align: justify;">1 <strong>Introduction</strong></p>
<p dir="ltr" style="text-align: justify;">Telemedicine has been widely studied recently. In past research, allowing congestive heart failure patients to monitor their condition at home offered great economic advantages. Electrocardiograms (ECGs) are an important tool that provide useful information about the functional status of the heart. An automated method that accurately diagnoses cardiac diseases through the analysis of ECG signals is critical in healthcare [1], especially for real-time processing. Past research has addressed the problems of heart rate detection and classification of cardiac rhythms. The heart rate signal detects the QRS wave of the ECG and calculates inter-beat intervals [2–9]. The classification of cardiac rhythms is based on the detection of the different types of arrhythmia from the ECG waveforms [10–13].</p>
<p dir="ltr" style="text-align: justify;">However, ECG signals have coupling noises, due to factors such as 50/60 Hz power line signals, the baseline drift caused by patient breathing, bad electrodes, improper electrode location, or electromyograms. These noises result in false QRS wave detections. Thus, some studies have compared the robust performance of different algorithms for QRS wave detection [2]. Widrow et al. applied the adaptive filter to reduce noises that resulted from 60 Hz power lines and baseline drift, and then detect the QRS wave [14]. Pan and Tompkins designed a digital filter to reduce the noise and used a dynamic threshold to detect the QRS wave [4]. Trahanias used the mathematical morphology of the QRS complex to detect heart rates [5]. Chang used the ensemble empirical model decomposition to reduce noises in arrhythmia ECGs [15]. Fan used approximate entropy (ApEn) and Lempel-Ziv complexity as a nonlinear quantification to measure the depth of anaesthesia [16]. In these studies, the normal sinus ECG signal added different noise types and energy was used to evaluate the performance of these algorithms. Several researchers have extracted the features of ECG waveforms to detect the QRS complexes based on the arrhythmia database. Li et al. proposed the wavelet transforms method for detecting the QRS complex from high P or T waves, noise, and baseline drift [6]. Yeh and Wang proposed the difference operation method to detect the QRS complex waves [8]. Mehta and Lingayat used the support vector machine (SVM) method to detect the QRS complexes from a 12-leads ECG [9]. They also used the K-mean algorithm for the detection of QRS complexes in ECG signals [17].</p>
<p dir="ltr" style="text-align: justify;">Arrhythmia can be defined as either an irregular single heartbeat or a group of heartbeats. Some classification techniques are based on the ECG beat-by-beat classification with each beat being classified into several different arrhythmic beat types. These include artificial neural networks [11], fuzzy neural networks [18], Hermite functions combined with self-organizing maps [19], and wavelet analysis combined with radial basis function neural networks [20]. In these methods, the ECG waveform of each beat was picked up manually and different features were extracted to classify the arrhythmic types. Tsipouras et al. used the RR-interval signal to classify certain types of arrhythmia based on a group of heartbeats [12]. All the above methods have high classification accuracies that were obtained based on the complete morphology of the ECG or the correct RR-interval that was detected manually.</p>
<p dir="ltr" style="text-align: justify;">In this study, we propose an automatic configuration integrating digital signal processing and an artificial intelligence method to detect the position of heartbeats and recognize these heartbeats as belonging to the normal sinus rhythm (NSR) or four arrhythmic types. The four arrhythmic types are premature ventricular contraction (PVC), premature atrium contraction (PAC), left bundle branch block (LBBB), and right bundle branch block (RBBB). ECG signals are provided by the MIT-BIH Arrhythmia Database [21]. This automatic configuration had three steps, as follows:</p>
<p dir="ltr" style="text-align: justify;">1. The Lead II signals were normalized and filtered to reduce the coupled noise (Section 2.2).</p>
<p dir="ltr" style="text-align: justify;">2. The positions of QRS-complexes in Lead II were detected and marked via a well-trained SVM. Two waveforms of each heartbeat in Lead II and V1 were individually extracted according the markers in Lead II (Section 2.3).</p>
<p dir="ltr" style="text-align: justify;">3. The extracted waveform was used as a feature to recognize the arrhythmic type of a heartbeat. In this configuration, a self-constructing neural fuzzy inference network (SoNFIN) was used to recognize the arrhythmic type of the heartbeat using the raw Lead II and V1 signals (Section 2.4).</p>
<p dir="ltr" style="text-align: justify;">Moreover, the heartbeat detection accuracy has been increased by the SoNFIN classification results.</p>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>نوشته <a href="https://tarjomefa.com/f1402">دانلود رایگان ترجمه مقاله شناسایی آریتمی با الکتروکاردیوگرام دو سرب با شبکه عصبی مصنوعی و ماشین بردار پشتیبانی (نشریه MDPI 2013)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f1402/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله سیستم و روش کنترل SSVEP دستگاه های الکتریکی &#8211; 2012</title>
		<link>https://tarjomefa.com/f320</link>
					<comments>https://tarjomefa.com/f320#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Mon, 03 Sep 2018 10:09:21 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[دانلود رایگان مقاله الکتروانسفالوگرافی یا نوار مغزی EEG با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله الگوریتم با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بسامد یا فرکانس با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بلوک دیاگرام یا نمودار بلوکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله سایبرنتیک پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی الکترونیک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی برق با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی کامپیوتر با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله هوش مصنوعی با ترجمه فارسی]]></category>
		<guid isPermaLink="false">http://tarjomefa.com/?p=51926</guid>

					<description><![CDATA[<p>دانلود رایگان مقاله انگلیسی سیستم ها و روش ها برای کنترل مبتنی بر SSVEP در دستگاه های الکتریکی به همراه ترجمه فارسی   عنوان فارسی مقاله: سیستم ها و روش ها برای کنترل مبتنی بر SSVEP در دستگاه های الکتریکی عنوان انگلیسی مقاله: SYSTEM AND METHOD FOR SSVEP BASED CONTROL OF ELECTRICAL DEVICES رشته های &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f320">دانلود رایگان ترجمه مقاله سیستم و روش کنترل SSVEP دستگاه های الکتریکی &#8211; 2012</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2 style="text-align: center;"><span style="font-size: 14pt;">دانلود رایگان مقاله انگلیسی سیستم ها و روش ها برای کنترل مبتنی بر SSVEP در دستگاه های الکتریکی به همراه ترجمه فارسی</span></h2>
<h2 style="text-align: center;"> </h2>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان فارسی مقاله:</span></strong></span></td>
<td style="text-align: center;">سیستم ها و روش ها برای کنترل مبتنی بر SSVEP در دستگاه های الکتریکی</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان انگلیسی مقاله:</span></strong></span></td>
<td style="text-align: center;">SYSTEM AND METHOD FOR SSVEP BASED CONTROL OF ELECTRICAL DEVICES</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>رشته های مرتبط:</b></span></td>
<td style="text-align: center;">مهندسی پزشکی، مهندسی برق، مهندسی کامپیوتر، سایبرنتیک پزشکی، بیوالکتریک، هوش مصنوعی، مهندسی الکترونیک</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">فرمت مقالات رایگان</span></strong></span></td>
<td style="text-align: center;">مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF میباشند</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">کیفیت ترجمه</span></strong></span></td>
<td style="text-align: center;">کیفیت ترجمه این مقاله خوب میباشد </td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">توضیحات</span></strong></span></td>
<td style="text-align: center;"><span style="color: #ff0000;">مقاله انگلیسی ناقص میباشد.</span></td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif;"><span style="font-size: 10.6667px;"><b>کد محصول</b></span></span></td>
<td style="text-align: center;">f320</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مقاله انگلیسی رایگان</span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2017/10/TarjomeFa-F-320-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">ترجمه فارسی رایگان </span></strong></span></p>
</td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/wp-content/uploads/2017/10/TarjomeFa-F-320-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a>
</td>
</tr>
<tr>
<td style="width: 25%; background-color: #f2f2f2;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">جستجوی ترجمه مقالات</span></strong></span></td>
<td style="text-align: center;">
<a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%81%D8%A7" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات </a>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<h2 style="text-align: center;"> </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>بخشی از ترجمه فارسی مقاله:</strong></span></p>
<p>زمینه فنی<br />
5 بررسی فعلی مربوط به رابط تکنیک های مغز-کامپیوتر ( BCI ) ، مبتنی بر پتانسیل های فراخوانده شده بصری وضعیت پایدار ( SSVEPs) می باشد.به طور خاص، ابعاد این بررسی، مربوط به سیستم ها و روش هایی برای دستگاه های الکتریکی مبتنی بر SSVEP یا کنترل دستگاه هایی که یک پیکر بندی آسان الکترودی برای ثبت الکتروانسفالوگرافی ( EEG ) فراهم میکنند، می باشد.یک روند صحیح و کارامد از نظر محاسباتی، که سیگنال های EEG توسط آن آنالیز بشود و یک مولد تحریک بصری در رابطه با یک دستگاه، شناسایی بشود؛ یک واحد رابط توانی ساده و قابل اعتماد چند دستگاهی ، و یک روند فعال سازی سیستمی ساده، قوی و بدون نیاز به کمک که از خستگی های بصری یا گیجی کاربر جلوگیری میکند.<br />
پیش زمینه<br />
جنبه های سیگنال های اندازه گیری شده مغزی که از پوست سر به دست می آی، به طور جدی مورد تحقیق و بررسی قرار گرفته است و تلاشی برای توسعه سیستم های واسطه ای مغز-کامپیوتر و دستگاه هایی در این زمینه بوده است. یک BCI یک مسیر ارتباطی مستقیم بین مغز و یک دستگاه خارجی است.BCI ها معمولا به هدف کمک، افزایش یا بهبود کارایی های ادراکی و یا حسی – حرکتی مغز ساخته میشوند.<br />
تکنیک های BCI یک نقش مهم در توسعه سیستم هایی دارند که از EMG ، الکتروکورتیکوگرام ( ECoG) و یا EEG برای تسهیل کنترل کاربر معلول بر دستگاه های نوروپروتزی، استفاده میکنند.EEG یک حالت غیر تهاجمی دارد که میتواند برای افرادی با ناتوانی های جدی، مورد استفاده قرار گیرد.سیگنال های EEG ، توسط نورون های فعال در مغز ایجاد میشود، و فعالیت های سیناپسی مربوط به سیگنال های پس سیناپسی تولید شده توسط هزاران یا میلیون ها نورون قشر مغز را که دارای جهت گیر فضایی مشابه هستند را نشان میدهد.<br />
اکتساب سیگنال های EEG ، شامل کابل های یا الکترود هایی رو پوست سر است که عموما با استفاده از سیستم 20-10 بین المللی مکان گذاری میشوند. در EEG ، پتانسیل های ریز ایجاد شده توسط تحریک های حسی ، دارای اهمیت زیادی هستند زیار این موج های ضربه ای کوچک گذرا، نشان میدهند که چگونه جمعیتی از سلول ها در پاسخ به یک ضربه نقل کننده که توسط فیبر های حسی اولیه دریافت میشوند، رفتار میکنند.هنگامی که یک تحریک جزئی به یک فرد داده میشود، یک پاسخ گذرای مغزی به آن تحریک رخ میدهد.<br />
به طور کلی، یک سیستم مبتنی بر نوروپروتز های EEG ، شامل سیستم اکتساب سیگنال و یک سیستم پردازش سیگنال و دستگاه های کاربردی است.دو وجه گسترده مورد استفاده از سیستم های نوروپروتز مبتنی بر EEG، EEG های خود به خودی و پتانسیل های مرتبط با یک اتفاق ( های خود به خودی و پتانسیل های مرتبط با یک اتفاق ( ERP ) مانند پتانسیل های فراخوانده شده بصری است ( VEP ) .یک پتانسیل فراخوانده شده، تاثیر یک اتفاق تحریکی روی مغز را مشخص میکند، و نسبت به تغییر های در حس و روند های درکی، حساس است.یک فایده اولیه تکنیک VEP، قدرت تفکیک زمانی آن است که تنها نرخ نمونه گیری توسط دستگاه اندازه گیری محدود میشود.<br />
VEP ها را میتوان به پتانسیل های گذار بصری و پتانسیل های حالت پایدار بصری تقسیم کرد. یک پاسخ دوره ای به یک تحریک بصری است که در فرکانس های بالاتر از 6 هرتز تولید میشود و میتواند در قسمت پوست سر در ناحیه کورتکس بصری، ثبت شود.تحریک های بصری میتواند با استفاده از یک دیود نوری ( LED ) یا یک برد نورانی یا دیگر الگوهایی که توسط کریستال مایع ایجاد میشود، ( LCD) به وجود آید. دارای فرکانس مبنایی مشابه با تحریک های بصری است و همچنین هارمونیک های آن نیز مشابه هستند.در سیستم های مبتنی بر ، تحریک های چندگانه که توسط فرکانس های مختلف کد گذاری شده اند، در زمینه ی دیدن و پاسخ های مختلف ، حاضر هستند که میتواند توسط تغییر علاقه یا توجه کاربر به یکی از تحریک های ایجاد شده توسط فرکانس ها، تولید شود.<br />
تکنیک های قبلی برای گزینش تحریک ، نتوانستند سیگنال های قابل اعتمادی برای عملیات مناسب سیستم های نوروپروتز مبتنی بر EEG ایجاد کنند، و یا باعث به وجود آمدن خستگی های بصری در فرد میشدند.علاوه بر این، سیستم های تحریکی قبلی ، میتوانند جریان های غیر ضروری پیچیده ای را ایجاد کنند که باعث به وجود امدن مازاد سیستم یا هزینه بشود.<br />
پیکر بندی های قبلی الکترود های نیز به طور غیر ضروری ای پیچیده هستند.برای مثال، برای به دست آوردن سیگنال های قابل اعتماد ، الکترود ها به تعداد 64 حالت مختلف روی پوست سر قرار گرفتند ، که باعث افزایش هزینه و زمان زیاد برای پردازش سیگنال ها شد.تلاش های زیادی برای کاهش تعداد الکترود های مورد نیاز برای ثبت از پوست سر انسان شده است، اما اکثر تلاش ها باعث کاهش کیفیت و صحت سیگنال های شده است، و ازین رو ، دستگاه های نوروپروتز ضعیف و با صحت پایین تولید شده است.<br />
یک مشکل دیگر، از طرف الگوریتم های مورد استفاده برای پردازش سیگنال های است.الگوریتم های فعلی پیچیده هستند و نتایج غیر قابل اعتماد و غلطی را ایجاد میکنند، و قابلیت این را ندارند که تحریک های مشابه را که در کنار تحریک های مورد نظر قرار دارند، حذف کنند.یک مشکل دیگری که نیز به وجود می آید، این است که نصب و اجرای سیستم های نوروپروتزی مبتنی بر EGG، فعلی به سختی مورد استفاده قرار میگیرد، منعطف نبوده و قابل اعتماد نیست و هزینه کنترل دستگاه های مختلف در رابطه با EEG زیاد است.<br />
به این دلیل که سیستم های نوروپروتزی یک پتانسیل برای تاثیر مثبت مشهود بر زندگی های افراد به صورت فیزیکی دارد، نیازی برای بهبود این سیستم ها وجود دارد.بنابراین مطلوب است که یک راه حل برای حل حداقل یکی از مشکلات پیش روی مسیر مرتبط با این سیستم ها، فراهم شود.</p>
</td>
</tr>
<tr>
<td>
<p><span style="color: #000080;"><strong>بخشی از مقاله انگلیسی:</strong></span></p>
<p dir="ltr" style="text-align: justify;">Technical</p>
<p dir="ltr" style="text-align: justify;">Field 5 The present disclosure relates to brain &#8211; computer interface (BCI) techniques based upon steady state visual evoked potentials (SSVEPs). More particularly, aspects of the present disclosure relate to systems and methods for SSVEP based electrical device or appliance control that provide a simple electrode configuration for the capture of electroencephalographic (EEG) signals; a computationally efficient, accurate process by which EEG signals are analyzed and a 10 visual stimulus generator associated with an appliance identified; a simple, reliable multi-device power interface unit; and a simple, robust, assistance-free system activation process that avoids or eliminates visual fatigue and/or user distraction.</p>
<p dir="ltr" style="text-align: justify;">Background 15 Aspects of brain waves measured from the human scalp have been intensely researched as a result of efforts to develop brain-computer interface (BCI) systems and devices. A BCI is a direct communication pathway between a brain and an external device. BCIs are often aimed at assisting, augmenting or repairing human cognitive or sensory-motor functions. BCI techniques play a prominent role in the development of systems that utilize 20 electromyogram (EMG), electrocorticogram (ECoG), or electroencephalogram (EEG) signals to facilitate a disabled user’s control of a neuroprosthetic device. EEG is a common non-invasive modality that can be used with persons with serious disability. EEG signals arise from electrical activity that can be detected external to the human scalp. EEG signals are produced by neural firing within the brain, and reflect correlated synaptic activity caused by post-synaptic 25 potentials generated by thousands or millions of cortical neurons having similar spatial orientation. Acquisition of EEG signals involves scalp electrodes or leads, typically using locations specified by the International 10-20 system. In EEG, minute potentials evoked by sensory stimuli are of particular importance as these time-locked transient wavelets show how 30 populations of cells behave in response to afferent volleys carried by primary sensory fibers. When a brief stimulus is presented to a subject, a transient brain response to that stimulation occurs. In general, EEG-based neuroprosthetic systems consist of a signal acquisition system, signal processing algorithms and application devices. Two modalities widely used in EEG-based neuroprosthetic systems are spontaneous EEG and event related potentials (ERPs) such as visual evoked potentials (VEPs). An evoked potential indicates the effect of a stimulus on the 5 brain, and is sensitive to changes in sensory and perceptual processes. A primary advantage of the VEP technique is its temporal resolution, which is limited only by measurement device sampling rate. VEPs can be categorized into transient visual evoked potentials (TVEPs) and steady state visual evoked potentials (SSVEPs). The SSVEP is a periodic response to a visual stimulus modulated 10 at a frequency higher than 6 Hz, and can be recorded at scalp locations corresponding to the visual cortex. The visual stimulus can be generated by a light emitting diode (LED) or a checkerboard or other pattern displayed by a liquid crystal display (LCD) screen. The SSVEP has the same fundamental frequency as that of the visual stimulus as well as its harmonics. In SSVEP-based systems, several stimuli coded by different frequencies are presented in the field 15 of vision and different SSVEP responses can be produced by shifting a user’s interest or attention to one of a number of frequency-coded stimuli. Prior techniques directed to stimulus selection fail to produce reliable SSVEP signals for accurate operation of EEG-based neuroprosthetic systems without incurring visual fatigue in the subject under consideration. Further, prior stimulus systems can require unnecessarily complex 20 circuitry, leading to increased system overhead and/or cost. Prior electrode configurations are also unnecessarily complex. For instance, in order to obtain reliable SSVEP signals, electrodes have been positioned at as many as 64 different scalp locations, resulting in increased cost and undesirably long signal processing times. Several attempts have been made to place fewer electrodes on the human scalp to obtain SSVEP signals, 25 but such attempts have led to poor and inaccurate SSVEP signals, and hence poor, inaccurate, and unreliable neuroprosthectic device control. Another problem arises from existing algorithms used to process the SSVEP signals. Current algorithms are complex and produce inaccurate or inconsistent results, and lack the capability to effectively discriminate similar stimuli which are near or next to each other. Yet another 30 problem arises because current implementations of EEG-based neuroprosthetic systems lack an easy to use, flexible, reliable and cost effective way of controlling multiple devices in response to EEG signals.Because EEG-based neuroprosthetic systems offer the potential to provide a significant positive impact upon physically challenged individuals’ lives, a need exists for improvement to existing EEG-based neuroprosthetic systems. It is therefore desirable to provide a solution to address at least one of the foregoing problems associated with EEG-based neuroprosthetic systems.</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<h2 style="text-align: center;"> </h2>
<p>نوشته <a href="https://tarjomefa.com/f320">دانلود رایگان ترجمه مقاله سیستم و روش کنترل SSVEP دستگاه های الکتریکی &#8211; 2012</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f320/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله کاربردی بر ای کنترل فعال نویز ( آی تریپل ای 2011)</title>
		<link>https://tarjomefa.com/f2138</link>
					<comments>https://tarjomefa.com/f2138#respond</comments>
		
		<dc:creator><![CDATA[isabagloo]]></dc:creator>
		<pubDate>Sun, 02 Sep 2018 04:48:58 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[دانلود رایگان مقاله برق مخابرات با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی الکترونیک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی برق با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی کنترل با ترجمه فارسی]]></category>
		<guid isPermaLink="false">https://tarjomefa.com/?p=114132</guid>

					<description><![CDATA[<p>&#160; &#160; این مقاله انگلیسی ISI در نشریه آی تریپل ای در 5 صفحه در سال 2011 منتشر شده و ترجمه آن 11 صفحه بوده و آماده دانلود رایگان می باشد. &#160; دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word) عنوان فارسی مقاله: تجمیع فیلترهای تطبیقی تناسبی در آکوستیک: کاربردی بر ای &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f2138">دانلود رایگان ترجمه مقاله کاربردی بر ای کنترل فعال نویز ( آی تریپل ای 2011)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p>&nbsp;</p>
<p>&nbsp;</p>
<p>این مقاله انگلیسی ISI در نشریه آی تریپل ای در 5 صفحه در سال 2011 منتشر شده و ترجمه آن 11 صفحه بوده و آماده دانلود رایگان می باشد.</p>
<p>&nbsp;</p>
<table style="width: 100%;">
<tbody>
<tr>
<td style="width: 99.6905%; text-align: center; background-color: #f2f2f2;" colspan="2"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; font-size: 10pt; color: #000000;">دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)</span></strong></td>
</tr>
<tr>
<td style="width: 29.4017%; background-color: #f2f2f2;">عنوان فارسی مقاله:</td>
<td style="text-align: center; width: 70.2889%;">
<h2>تجمیع فیلترهای تطبیقی تناسبی در آکوستیک: کاربردی بر ای کنترل فعال نویز</h2>
</td>
</tr>
<tr>
<td style="width: 29.4017%; background-color: #f2f2f2;">عنوان انگلیسی مقاله:</td>
<td style="text-align: center; width: 70.2889%;">
<h2>COMBINATIONS OF PROPORTIONATE ADAPTIVE FILTERS IN ACOUSTICS: AN APPLICATION TO ACTIVE NOISE CONTROL</h2>
</td>
</tr>
<tr>
<td style="width: 29.4017%; background-color: #f2f2f2;">دانلود رایگان مقاله انگلیسی:</td>
<td style="text-align: center; width: 70.2889%;">
<a href="https://e-tarjome.com/storage/uploaded_media/2022-07-25/1658720727_F2138-English-e-tarjome.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>مقاله انگلیسی</a>
</td>
</tr>
<tr>
<td style="width: 29.4017%; background-color: #f2f2f2;">دانلود رایگان ترجمه با فرمت pdf:</td>
<td style="text-align: center; width: 70.2889%;">
<a href="https://e-tarjome.com/storage/uploaded_media/2022-07-25/1658720744_F2138-Farsi-e-tarjome.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>ترجمه pdf</a>
</td>
</tr>
<tr>
<td style="width: 29.4017%; background-color: #f2f2f2;">دانلود رایگان ترجمه با فرمت ورد:</td>
<td style="text-align: center; width: 70.2889%;"><a href="https://e-tarjome.com/post/f2138" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>ترجمه ورد</a></td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 435px; width: 100%;" width="100%">
<tbody>
<tr style="height: 18px;">
<td style="width: 27%; text-align: center; background-color: #f2f2f2; height: 18px;" colspan="2"><span style="color: #000000;"><strong>مشخصات مقاله انگلیسی و ترجمه فارسی</strong></span></td>
</tr>
<tr style="height: 15px;">
<td style="width: 27%; background-color: #f2f2f2; height: 15px;">فرمت مقاله انگلیسی</td>
<td style="height: 15px;">pdf</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">سال انتشار</td>
<td style="height: 18px;">2011</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">تعداد صفحات مقاله انگلیسی</td>
<td style="height: 18px;">5 صفحه با فرمت pdf</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع مقاله</td>
<td style="height: 18px;">ISI</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع نگارش</td>
<td style="height: 18px;">مقاله پژوهشی (Research article)</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نوع ارائه مقاله</td>
<td style="height: 18px;">کنفرانس</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">رشته های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 18px;">مهندسی برق</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">گرایش های مرتبط با این مقاله</td>
<td style="direction: rtl; height: 18px;">برق مخابرات &#8211; مهندسی کنترل &#8211; الکترونیک &#8211; مهندسی صدا</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">چاپ شده در مجله (ژورنال)</td>
<td style="direction: rtl; height: 18px;">کنفرانس اروپایی پردازش سیگنال</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کلمات کلیدی</td>
<td style="direction: rtl; height: 18px;">همگرایی &#8211; نویز &#8211; حالت پایدار &#8211; الگوریتم‌های تطبیقی &#8211; استانداردها &#8211; استحکام &#8211; آکوستیک</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کلمات کلیدی انگلیسی</td>
<td dir="ltr" style="direction: rtl; text-align: left; height: 18px;">Convergence &#8211; Noise &#8211; Steady-state &#8211; Adaptive algorithms &#8211; Standards &#8211; Robustness &#8211; Acoustics</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">ارائه شده از دانشگاه</td>
<td style="direction: rtl; height: 18px;">موسسه مخابرات و اپلیکیشن چند رسانه ای، اسپانیا</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شناسه شاپا یا ISSN</td>
<td dir="ltr" style="height: 18px;">2076-1465</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">شناسه دیجیتال – doi</td>
<td style="text-align: left; height: 18px;">https://doi.org/10.5281/zenodo.42483</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">رفرنس</td>
<td style="height: 18px;">دارای رفرنس در داخل متن و انتهای مقاله <span style="color: #008000;"><strong>✓</strong></span></td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">نشریه</td>
<td style="height: 18px;">آی تریپل ای &#8211; IEEE</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش </td>
<td style="height: 18px;">11 صفحه با فونت 14 B Nazanin</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">فرمت ترجمه مقاله</td>
<td style="height: 18px;">pdf و ورد تایپ شده با قابلیت ویرایش</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">وضعیت ترجمه</td>
<td style="height: 18px;">انجام شده و آماده دانلود رایگان</td>
</tr>
<tr style="height: 18px;">
<td style="width: 27%; background-color: #f2f2f2; height: 18px;">کیفیت ترجمه</td>
<td style="height: 18px;">
<p><span style="color: #ff0000;">مبتدی (مناسب برای درک مفهوم کلی مطلب)</span></p>
</td>
</tr>
<tr style="height: 42px;">
<td style="width: 27%; background-color: #f2f2f2; height: 42px;">کد محصول</td>
<td style="height: 42px;">F2138</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<table style="height: 216px;" width="100%">
<tbody>
<tr>
<td style="width: 27%; text-align: center; background-color: #f2f2f2;"><strong><span style="color: #003366;">بخشی از ترجمه</span></strong></td>
</tr>
<tr>
<td style="background-color: #ffffff;">
<p><strong> فیلترهای تطبیقی تناسبی برای </strong><strong>ANC</strong></p>
<p>در این مقاله، الگوریتم IPNLMS از 8 را به ANC بسط می‌دهیم . در ارائه ما، هر دو ساختار x فیلتر شده تغییر یافته و سنتی را در نظر می گیریم که منجر به دو طرح می‌شود. دو طرحی که در تمام این مقاله به ترتیب به عنوان IPNLMS-FX و IPNLMS-MFX مورد خطاب قرار می گیرند. همان طور که در 9 بحث شده است، فیلتر IPNLMS در معرض  دو مصالحه پیش رو است:</p>
<ul>
<li>انتخاب اندازه گام u یک مبادله را با توجه به سرعت هم‌گرائی (برای u بزرگ، سریعتر است) و اشتباه تنظیم فضای حالت (که برای u کوچک کاهش داده می‌شود) ارائه می دهد.</li>
<li>یک فاکتور نامتقارن بیشترین بهره هم‌گرائی را برای سیستم های کم پشت تامین می‌کند. بهر حال، اگر راه‌حل  فیلتر چندان کم پشت نباشد، چنین تنظیماتی می تواند در حقیقت باعث کاهش عملکرد شود. موقعیت متضاد برای k=-1 دیده می‌شود. از آنجایی که سطح واقعی کم پشت بودن برای راه‌حل  به ندرت به صورت قیاسی و یا حتی متغیر با زمان شناخته می‌شود، لذا مقادیر k=0 یا k=-0.5 معمولا نشان داده می‌شوند.</li>
</ul>
<p>در بخش بعدی، رویکردهای تجمیع را برای کاهش هر دو نوع مصالحه ارائه می کنیم.</p>
<ol>
<li><strong>تجمیع برجسته الگوریتم های </strong><strong>IPNLMS</strong></li>
</ol>
<p>تجمیع تطبیقی فیلترها راهی ساده اما موثر برای بهبود عملکرد الگوریتم های تطبیقی است. اخیرا، توجه به این الگوریتم ها، در جنبه های تئوری و نیز در مطالعه و ارائه قوانین عملی برای پیاده سازی تجمیع ها فزاینده شده است. در اینجا، تجمیع دو فیلتر IPNLMS را در نظر خواهیم گرفت که متناسب با اندازه گام های آنها (u1 و u2) یا فاکتورهای نامتقارن آنها (k1 و k2) متفاوت است:</p>
<ul>
<li>تنظیمات و ، فیلتر سراسری از هم‌گرائی سریعتری برای فیلتری با u1 بهره می برد. این هم‌گرائی سریع تر همراه با خطای فضای حالت کوچکتر همراه با اندازه گام u2 است.</li>
<li>انتخاب و  باعث می‌شود که فیلتر سراسری قادر به بهره گیری از سطح بالایی از ارائه‌شده‌اند  شود اما در موقعیتی با راه‌حل  های پاشش گرای بهینه بتواند رفتاری مقاوم نشان دهد.</li>
</ul>
<p>در ادامه این بخش، به صورتی مختصر اصول طرح‌های تجمیع را مرور می کنیم و توجهی خاص به برخی تغیرات تک کاره خواهیم داشت. این تغییرات برای بسطشان به ANC مورد نیاز است. چنین تغییراتی از طریق تعیین مشخصات کاربرد، حضور مسیر ثانویه و دسترسی ناپذیری  برای پیکربندی FX، تراز بندی می‌شوند.</p>
<ul>
<li><strong>اصول کلی برای طرح‌های تجمیع</strong></li>
</ul>
<p>تجمیع برجسته دو فیلتر که به‌وسیله  معادله زیر مشخص شده اند را در نظر می گیریم:</p>
<p>که در آن y1(n) و y2(n) برابر با خروجی های فیلترهای IPNLMS هستند و   ، برابر با پارامتر ترکیب کننده است که مشخصات تجمیع برجسته را مشخص می نماید.</p>
<p>برای رفتاری مناسب در فیلتر تجمیع، هر دو مولفه IPNLMS  باید به صورتی مستقل از یکدیگر و با استفاده از قوانین تطبیق دهی شان (که در بخش قبلی مرور شد) و پارامترها به روز رسانی  شوند، به طوریکه پارامترهای تجمیع باید به منظور حداقل سازی توان سیگنال خطای کلی، به روز رسانی شوند. از طرح تجمیع در 13 استفاده خواهیم کرد. این طرح تضمین می‌کند که  از طریق تعریف آن به عنوان خروجی تابع فعال سازی در محدوده قرار می گیرد.</p>
<ul>
<li><strong>ساختار </strong><strong>x</strong><strong> فیلتر شده متعارف</strong></li>
</ul>
<p>تجمیع فیلترهای IPNLMS که از ساختار FX استفاده می کنند، الگوریتمی ارائه می‌دهند  که این الگوریتم را با CIPNLMS-FX مورد خطاب قرار می‌دهیم</p>
<ol>
<li><strong>نتایج شبیه سازی</strong></li>
</ol>
<p>در این مقاله، مجموعه ای از آزمایشات را در یک تنظیمات ANC انجام می‌دهیم  تا عملکرد الگوریتم های تطبیقی که ارائه‌شده‌اند  را نشان دهیم. با ارائه مزایای بالقوه طرح‌های تناسبی در NLMS استاندارد برای پاسخ های واقعی اتاق شروع می کنیم.  سپس، توجه خود را به مسئله افزایش عملکرد IPNLMS بیشتر می کنیم، این کار به‌وسیله  تجمیع است. هر دو ساختار x فیلتر شده تغییر یافته و معمول برای ANC در نظر گرفته خواهد شد.</p>
<p> برای تحلیل مقاومت الگوریتم ها در زمان شناسایی مسیرهایی با سطوح مختلفی از ارائه‌شده‌اند ، همه شبیه سازی های ما در ابتدا از مسیری اولیه بدون ارائه‌شده‌اند  استفاده می کنند که در ادام ه  به یک مسیر کم پشت تغییر می کنند. این مسئله باعث هم‌گرائی مجدد فیلتر تطبیقی می‌شود. هر دو مسیر اولیه پاسخ های و اقعی ضربه با 350 انشعاب است. مسیر اولیه کم پشت از طریق تبدیل 105 نمونه اولیه پاسخ های ضربه متناظر و لایی گذاری صفر به طول 350 بدست می آید. مسیر ثانویه بین بلندگو و سنسور خطا نیز در شکل 5 نشان داده می‌شود و فرض می‌شود که کنترل تطبیقی آن را می شناسد (مثلا از طریق ارزیابی آفلاین اولیه). این مسیر ثانویه،  با تنها 11 ضریب فعال، از طریق گرد کردن پاسخ ضربه واقعی ایجاد شده است. باقی تنظیمات برای سناریو ANC به صورت پیش رو است: سیگنال ورودی یک متغیر تصادفی گاوسی با میانگین صفر  با واریانس واحد است به طوریکه سیگنال اختلال d(n) به صورت خروجی مسیر اولیه بدست می آید و به‌وسیله  نویز افزایشی گاوسی با میانگین صفر ،،  با واریانس تنظیم شده برای رسیدن به SNR=30 dB آلوده شده است.</p>
<p>تنظیمات معمول برای فیلترهای تطبیقی NLMS و IPNLMS  برابر با  است. به طوریکه اندازه گام ها و پارامترهای نامتقارن (k) متناسب با هدف آزمایش در مقادیری مختلف تنظیم می‌شوند. با توجه به سازگاری پارامتر تجمیع، در تمام موارد از  استفاده می کنیم.</p>
<p>معیار شایستگی برای ارزیابی عملکرد روش‌های  مختلف  برابر با متوسط مربع خطای مازاد ( ) خواهد بود که از طریق میانگین گیری 100 اجرای مستقل الگوریتم ها بدست می آید.</p>
<ul>
<li><strong>مقایسه فیلترهای </strong><strong>IPNLMS-FX</strong><strong> و </strong><strong>NLMS-FX</strong><strong>پ</strong></li>
</ul>
<p>برای شروع، بهره عملکرد را نشان می‌دهیم  که از طریق استفاده از طرح‌های تناسبی در ساختارهای فیلترینگ ANC بدست می آید. برای این هدف، شکل 6  EMSE در فیلترهای NLMS و IPNLMS  در ساختار FX را  نشان می دهد (به ترتیب الگوریتم های NLMS-FX و IPNLMS-FX). این عمل در زمان استفاده از اندازه گام  و  برای IPNLMS-FX است (همان طور که در 8 توصیه شده است). همان طور که می توان دید، IPNLMS-FX بعد از تغییر در مسیر اولیه، هم‌گرائی سریعتری در ابتدا و به صورت خاص نشان می دهد. این مسئله باعث افزایش سطح ارائه‌شده‌اند  مسیر برای شناسایی می‌شود. نتایجی مشابه برای ساختار MFX بدست آمده است (در اینجا نشان داده نشده است) .</p>
<ul>
<li><strong>تجمیع فیلترهای </strong><strong>IPNLMS</strong><strong> با اندازه های گام مختلف</strong></li>
</ul>
<p>در این زیر بخش، تجمیع دو فیلتر IPNLMS  را با دو سرعت تطبیق مختلف برای برای ارتقا هم‌گرائی شناخته شده در برابر تبادل تنظیم اشتباه فضای حالت که در فیلترهای تطبیقی ذاتی است، در نظر می گیریم. عملکرد تجمیع دو الگوریتم IPNLMS با دو تنظیمات  و  را مورد مطالعه قرار داده ایم. شکل 7 ارزیابی EMSE را  برای دو فیلتر مولفه و نیز برای تجمیع آنها نشان می دهد. لازم به ذکر است که تجمیع انها از ساختار FX استفاده می‌کند. مجددا، رفتاری مشابه برای پیکربندی MFX بدست می آید.</p>
<p>همان طور که انتظار داشتیم، فیلتر با اندازه گام بزرگ، هم‌گرائی سریع تری را نشان می دهد به طوریکه مولفه ای با  در فضای حالت به خطای کمتری دست پیدا می‌کند. روش CIPNLMS-FX بهترین ویژگی هر مولفه را به ارث می برد، بنابراین هم‌گرائی سریع را با اشتباه تنظیم فضای حالت تجمیع می‌کند. این قابلیت در ادبیات علمی فیلترینگ تطبیقی به خوبی مورد مطالعه قرار گرفته است که اکثرا در مورد شناسایی پیکربندی ها است. در اینجا، مشاهده می کنیم که چنین بهبودی می تواند در تنظیمات ANC نیز بدست آید، که در اینجا خروجی فیلترها پیش از افزوده شدن به سیگنال اختلال از مسیر ثانویه عبور می‌کند.</p>
<ul>
<li><strong>تجمیع فیلترهای </strong><strong>IPNLMS</strong><strong> با فاکتورهای نامتقارن مختلف</strong></li>
</ul>
<p>در زیر بخش 4.1 نشان دادیم که طرح‌های تناسبی چگونه می توانند هم‌گرائی را با توجه به فیلترهای NLMS استاندارد سرعت ببخشند. این مسئله از ارائه‌شده‌اند  در پاسخ های ضربه اتاق معمول بهره می برد. وقتی سطح ارائه‌شده‌اند  در راه‌حل  بهینه بسیار زیاد باشد، لذا عملکرد IPNLMS  می تواند با انتخاب k به طوریکه بسیار به یک نزدیک باشد، بیشتر از این بهبود یابد.  بهره حال، وقتی چنین کاری انجام شود، عملکرد فیلتر می تواند به صورتی جدی کاهش پیدا کند اگر مسیر  به اندازه ای که انتظار می رفت کم پشت نباشد. به منظور بهره گیری  از مسیرهای بسیار کم پشت در هر زمان ممکن، در حالیکه به صورت پاسخی مناسب به راه‌حل  هایی پراکنده تر باقی می ماند، در این بخش تجمیع دو الگوریتم IPNLMS که تنها در فکتورهای نامتقارنشان متفاوت هستند را در نظر می گیریم. بنابراین،  و   را استفاده می کنیم. شکل 8، EMSE در CIPNLMS-FX با طرح FX قرار داده شده و دو فیلتر مولفه آن را نشان می دهد. می بینیم که طرح تجمیع، بهترین ویژگی های هر مولفه را حفظ می‌کند. در طول اولین بخش از آزمایش، فیلتر IPNLMS-FX با k2=0.9 به صورت ضعیف کار می‌کند.  بهر حال، دقیقا این فیلتر است که در زمانی که مسیر آکوستیک کم پشت باشد، هم‌گرائی سریع تری را نشان می دهد (بعد از تغییر در تکرار 150000) و تجمیع از این موضوع بهره می برد.</p>
<p>شبیه سازی نتایج با استفاده فیلترهای IPNLMS برمبنای ساختار MFX در شکل 9 نشان داده می‌شوند. نتایج به صورتی مشابه برای FX نیز می توانند مورد بحث قرار گیرند. با توجه به EMSE فضای حالت، با استفاده از پیکربندی MFX، فیلتر CIPNLMS-MFX قادر است تا بهتر از هر دو فیلتر مولفه عمل کند این مسئله ناشی از هم‌گرائی کم بین خطاهای فیلتر مولفه و کاهش واریانس منتج شده از میانگین آنها است.</p>
</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>نوشته <a href="https://tarjomefa.com/f2138">دانلود رایگان ترجمه مقاله کاربردی بر ای کنترل فعال نویز ( آی تریپل ای 2011)</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f2138/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود رایگان ترجمه مقاله روش استخراج الکتروکاردیوگرافی جنین جدید با مقدار چولگی آن – IEEE 2010</title>
		<link>https://tarjomefa.com/f834</link>
					<comments>https://tarjomefa.com/f834#respond</comments>
		
		<dc:creator><![CDATA[rahmati]]></dc:creator>
		<pubDate>Sat, 01 Sep 2018 06:42:27 +0000</pubDate>
				<category><![CDATA[مقاله انگلیسی با ترجمه فارسی رایگان]]></category>
		<category><![CDATA[مقاله انگلیسی مهندسی برق با ترجمه فارسی 2022 - 2023]]></category>
		<category><![CDATA[دانلود رایگان مقاله الکتروکاردیوگرام ECG یا EKG با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله الگوریتم با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بارداری با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله بیوالکتریک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله سنسور با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی الکترونیک با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی برق با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله مهندسی پزشکی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله نارسایی قلبی با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله نوزاد با ترجمه فارسی]]></category>
		<category><![CDATA[دانلود رایگان مقاله نویز با ترجمه فارسی]]></category>
		<guid isPermaLink="false">http://tarjomefa.com/?p=69120</guid>

					<description><![CDATA[<p>دانلود رایگان مقاله انگلیسی یک روش جدید استخراج ECG جنین جدید با استفاده از مقدار چولگی آن که در دامنه خاص خاص قرار دارد به همراه ترجمه فارسی   عنوان فارسی مقاله یک روش جدید استخراج ECG جنین جدید با استفاده از مقدار چولگی آن که در دامنه خاص خاص قرار دارد عنوان انگلیسی مقاله &#8230;</p>
<p>نوشته <a href="https://tarjomefa.com/f834">دانلود رایگان ترجمه مقاله روش استخراج الکتروکاردیوگرافی جنین جدید با مقدار چولگی آن – IEEE 2010</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2 style="text-align: center;"><span style="font-size: 14pt;">دانلود رایگان مقاله انگلیسی یک روش جدید استخراج ECG جنین جدید با استفاده از مقدار چولگی آن که در دامنه خاص خاص قرار دارد به همراه ترجمه فارسی</span></h2>
<h2 style="text-align: center;"> </h2>
<table style="width: 100%; height: 546px;">
<tbody>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان فارسی مقاله</span></strong></span></td>
<td style="text-align: center; height: 18px;">یک روش جدید استخراج ECG جنین جدید با استفاده از مقدار چولگی آن که در دامنه خاص خاص قرار دارد</td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">عنوان انگلیسی مقاله</span></strong></span></td>
<td style="text-align: center; height: 18px;">A New Fetal ECG Extraction Method Using its Skewness Value Which lies in Specific Range</td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>رشته های مرتبط</b></span></td>
<td style="text-align: center; height: 18px;">مهندسی برق و مهندسی پزشکی، بیوالکتریک و مهندسی الکترونیک</td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif; font-size: 8pt;"><b>کلمات کلیدی</b></span></td>
<td style="text-align: center; height: 18px;">استخراج منبع، تحلیل مولفه های مستقل (ICA)، تفکیک کور منبع (BSS)، الکتروکاردیوگرام جنین (FECG)</td>
</tr>
<tr style="height: 72px;">
<td style="width: 25%; background-color: #f2f2f2; height: 72px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">فرمت مقالات رایگان</span></strong></span></td>
<td style="text-align: center; height: 72px;">
<p>مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند</p>
<p>همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد</p>
</td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">کیفیت ترجمه</span></strong></span></td>
<td style="text-align: center; height: 18px;">کیفیت ترجمه این مقاله <span style="color: #ff0000;">متوسط</span> میباشد </td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">نشریه</span></strong></span></td>
<td style="text-align: center; height: 18px;">آی تریپل ای &#8211; IEEE</td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">سال انتشار</span></strong></span></td>
<td style="text-align: center; height: 18px;">2010</td>
</tr>
<tr style="height: 18px;">
<td style="width: 25%; background-color: #f2f2f2; height: 18px;"><span style="color: #000080; font-family: tahoma, arial, helvetica, sans-serif;"><span style="font-size: 10.6667px;"><b>کد محصول</b></span></span></td>
<td style="text-align: center; height: 18px;">F834</td>
</tr>
<tr style="height: 78px;">
<td style="width: 25%; background-color: #f2f2f2; height: 78px;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">مقاله انگلیسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center; height: 78px;">
<a href="https://tarjomefa.com/wp-content/uploads/2018/07/TarjomeFa-F834-English.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان مقاله انگلیسی</a>
</td>
</tr>
<tr style="height: 78px;">
<td style="width: 25%; background-color: #f2f2f2; height: 78px;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">ترجمه فارسی رایگان (PDF)</span></strong></span></p>
</td>
<td style="text-align: center; height: 78px;">
<a href="https://tarjomefa.com/wp-content/uploads/2018/07/TarjomeFa-F834-Farsi.pdf" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>دانلود رایگان ترجمه مقاله</a>
</td>
</tr>
<tr style="height: 78px;">
<td style="width: 25%; background-color: #f2f2f2; height: 78px;">
<p><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">خرید ترجمه با فرمت ورد</span></strong></span></p>
</td>
<td style="text-align: center; height: 78px;">
<a href="https://iranarze.ir/fetal+ecg+extraction+skewness+lies+specific+range" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-down-arrow"></i>خرید ترجمه مقاله با فرمت ورد</a>
</td>
</tr>
<tr style="height: 96px;">
<td style="width: 25%; background-color: #f2f2f2; height: 96px;"><span style="font-size: 8pt;"><strong><span style="font-family: tahoma, arial, helvetica, sans-serif; color: #000080;">جستجوی ترجمه مقالات</span></strong></span></td>
<td style="text-align: center; height: 96px;">
<a href="https://tarjomefa.com/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%81%D8%A7" class="large otw-aqua round right-icon otw-button" target="_blank"><i class="general foundicon-checkmark"></i>جستجوی ترجمه مقالات </a>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;">  </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>فهرست مقاله:</strong></span></p>
<p>چکیده<br />
1- مقدمه<br />
2- مرور منابع<br />
3- الگوريتم پيشنهادی<br />
الف) پيش نيازها<br />
ب) چولگي<br />
ج) الگوريتم<br />
4- شبيه سازي و آزمايش داده های واقعي<br />
5- نتيجه گيری</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<table width="100%">
<tbody>
<tr>
<td style="text-align: justify;">
<p><span style="color: #000080;"><strong>بخشی از ترجمه فارسی مقاله:</strong></span></p>
<p>1- <strong>مقدمه</strong></p>
<p>مطالعات نشان مي دهد كه مهم ترين منبع استرس مادر در دوران بارداري سالم بودن جنين است. هر سال حدود هشت نوزاد از بين هر هزار نوزاد با برخي نارسايي هاي قبلي مادرزادي متولد مي شوند. نارسايي مي تواند چنان ناچيز باشد كه در عمل و بعد از ساليان زيادي بعد از تولد،  نوزاد سالم به نظر برسد يا چنان مهم و حاد باشد كه زندگي نوزاد در خطر باشد.</p>
<p>يك راه آگاهي يافتن از سلامت جنين در دوران بارداري اين است كه سيگنال هاي الكتروكاردياگرامي ثبت شده توسط روش  غيرتهاجمي در نظر گرفته شود. در اين روش، الكتروكاردياگرام ها از شكم مادر ثبت مي شوند. سيگنال ثبت شده تركيبي از الكتروكاردياگرام هاي مادر عبوري از سينه تا شكم، الكتروكاردياگرام جنين و نويز مي باشد.بيشتر نارسايي هاي قلبي داراي برخي علایم خود را در سيگنال هاي الكتريكي قلبي نشان می دهند كه توسط الكتروكاردياگرامي ثبت شده اند و در ارتباط با آنها اين اعتقاد وجود دارد كه اطلاعات زيادي در مقايسه با روش-هاي سونوگرافي متداول داشته باشند. با اين وجود، به دليل SNR كم الكتروكاردياگرام جنين كه از سطح بدن مادران ثبت مي شود، ما به الگوريتمي نياز داريم تا الكتروكاردياگرام را از بين اين سيگنال هاي ثبت شده اسخراج نمايد.اخيرا، محققين دريافتند كه اين مسئله مي تواند به صورت جداسازي منبع كور (BSS) مدلسازي شود. جداسازي منبع كور (يا تحليل مولفه مستقل، ICA) تمام سيگنال هاي منبع را از تعداد زيادي سيگنال سنسوري مشاهده شده كه مي توانست زمان زيادي طول بكشد، استخراج مي نمايد  و تنها تعداد خيلي كمي از سيگنال هاي منبع مورد نظر هستند. براي اين كاربرد، تكنيك ديگر به نام استخراج سيگنال كور (BSE) كانديد قدرتمندي است، زيرا الگوريتم يادگيري BSE مي تواند يك سيگنال منبع تكي را از يك تركيب خطي سيگنال هاي منبع استخراج نمايد. بنابراين ما در جست وجوي دست يابي به سه هدف زير هستيم:</p>
<p>استخراج تنها مولفه سيگنال مورد نظر (FECG) به عنوان يك خروجي،</p>
<p>بهبود كيفيت سيگنال استخراج شده با افزايش SNRsvdو SNRcor،</p>
<p>كاهش زمان محاسباتي به منظور ايجاد يك الگوريتم آني و بلادرنگ.</p>
<p>به منظور دست يابي به اهداف ذكر شده فوق، ما يك الگوريتم پيشنهاد مي كنيم كه از گستره مقادير چولگي سيگنال مورد نظر (FECG) استفاده مي نمايد. اعتبار و درستي روش ما بر روي داده هاي ECG واقعي تست شده است. مابقي مطالب مقاله به صورت زير سامان دهي شده است:بعد از يك بازبيني مختصر مطالعات پيشين در بخش 2، بخش 3 جزئيات روش پيشنهادي ما را فراهم مي كند. بخش 4 نتايج تجربي را گزارش مي كند و در نهايت بخش 5 دربرگيرنده نتايج پاياني خواهد بود.</p>
<p>2- <strong>مرور منابع</strong></p>
<p>مطالعات گسترده اي در ارتباط با استخراج نوار قلب جنين هدايت شده اند. مبحث اينجا قصد ارائه بازبيني جامع و كامل از اين موضوع را ندارد، اما برخي از مهم ترين مطالعات اين زمينه را معرفي مي نمايد. در [1]، تكنيك فيلتر تطبيق پذير براي حذف نوار قلب مادر و دست يابي به نوار قلب جنين استفاده گرديد. مولفين دو مجموعه از الكترودها را مورد استفاده قرار داده اند، يك مجموعه بر روي شكم مادر (ورودي هاي اوليه) جاي داده شد و مجموعه ديگر روي سينه مادر قرار گرفت (ورودي هاي مرجع). با داشتن اين سيگنال ها به عنوان ورودي به فيلتر تطبيق پذير، سيگنال خطا مي تواند براي نمايش نوار قلب جنين استخراج شده ايجاد شوند. در [2]، روشي با الگوريتم ژنتيك كه داراي ساختار مشابهي با روش فوق بود، پيشنهاد گرديد. اين روش ها به اندازه كافي قدرتمند نبودند تا به منصه ظهور برسند. زيرا اگر دامنه نويز پس زمينه بزرگ تر از ضربان قلب جنين بود، سيگنال خطاي منتجه دربرگيرنده نوار قلب جنين نخواهد بود و همچنين در حالتي كه نوار قلب مادر و جنين دچار هم پوشاني بودند، هر دو روش براي استخراج نوار قلب جنين ناموفق عمل مي كردند.در [3]، مفهوم بردارهاي انرژي منفرد متعامد براي استخراج FECG از AECG مورد استفاده قرار گرفت. اين روش به طور گسترده در محيط هاي كلينيكي استفاده نشد، زيرا سيگنال مورد نظر تنها زماني مي توانست به طور موفقيت آميز استخراج شود كه الكترودها در موقعيتي نصب شود كه بردارهاي انرژي منفرد MECG و FECG نسبت به هم متعامد باشند.در [4]، باروس و كيچوكي يك الگوريتم جداسازي منبع نيمه-كور براي حل مسئله استخراج نوار قلب جنين پيشنهاد كردند. اين الگوريتم به اطلاعات پيشين در رابطه با تابع هم بستگي منابع اوليه نياز دارد تا سيگنال مورد نظر (FECG) استخراج شود. آنها فرض نكردند كه منابع به طور آماري مستقل باشد اما فرض كردند كه منابع ساختار زماني دارند و تابع هم بستگي مختلفي دارند. مسئله اصلي در اين روش اين است كه اگر نرخ ضربان قلب جنين متغير باشد، كه بيان كننده اين موضوع است كه جنين سالم نيست، تخمين پيشين تابع هم بستگي نوار قلب جنين ممكن است مناسب نباشد.همچنين در [5] ژانگ و ژانگ يي يك الگوريتم استخراج منبع كور (BSE) براي استخراج يك سيگنال منبعي از سيگنال هاي مشاهده شده پيشنهاد كردند. الگوريتم آنها به يك آگاهي آماري قبلي از سيگنال مورد نظر نياز داشت. اين بدين معني است كه با دانستن رنجي كه مقدار اوج نمودار سيگنال در آن دارا بود، روش قادر بود تا سيگنال مورد نظر را استخراج نمايد.در [13]، مينگ و يو-لين يك الگوريتم را پيشنهاد كردند كه تركيبي از تناوب پذيري و مقدار اوج نموداري بود كه به ترتيب توسط باروس [4]، و ژانگ [5] پيشنهاد شده بودند. همان طور كه در بالا ذكر شد، در اين حالت زماني كه جنين سالم نيست، تخمين پيشين تابع هم بستگي نوار قلب جنين ممكن است مناسب نباشد.در اين مقاله، ما مقدار کشیدگی نمودار را با مقدار چولگي جايگزين كرده ايم كه ما را متقاعد مي سازد تا بهبودهاي ديگري نسبت به روش آنها اعمال نمائيم. اين بهبودها در بخش هاي بعدي توضيح داده خواهد شد. با اين جايگزيني، ما كيفيت سيگنال مورد نظر را بهبود بخشيديم و مقدار SNRsvd و SNRcor افزايش يافت. همچنين بارمحاسباتي الگوريتم پيشنهادي كاهش يافته است.</p>
</td>
</tr>
<tr>
<td>
<p><span style="color: #000080;"><strong>بخشی از مقاله انگلیسی:</strong></span></p>
<p dir="ltr" style="text-align: justify;">I. <strong>INTRODUCTION</strong></p>
<p dir="ltr" style="text-align: justify;">Studies show that the most important source of mother’s stress in pregnancy is because of fetus’s health condition. Every year about eight out of one thousand babies are born with some form of congenital heart defects. The defect may be so slight that the baby appears healthy for many years after birth, or so important that his/her life is in immediate danger. One way of knowing about the fetus’s health condition in pregnancy is to consider the electrocardiographic signal recorded using non-invasive method. In this method, electrocardiograms are recorded from the mother’s abdomen. Recorded signal is a combination of mother’s electrocardiogram after travelling from the chest to abdomen, fetus’s electrocardiogram and noise. Most cardiac defects have some manifestation in morphology of cardiac electrical signals, which are recorded by electrocardiography and are believed to contain much more information as compared with conventional sonographic methods. However, due to the low SNR of fetal electrocardiogram (ECG) recorded from the maternal body surface, we need an algorithm to extract fetal electrocardiogram among these recorded signals. Recently, researchers found that the problem can be modelled as the blind source separation (BSS). Blind Source Separation (or, Independent Component Analysis, ICA), extracts all the source signals from a large number of observed sensor signals could take a long time and only a very few source signals are subjects of interest. For this application, another technique, blind (semi-blind) signal extraction (BSE) is a powerful candidate, since the BSE learning algorithms can extract a single source signal from a linear mixture of source signals. Therefore we are seeking three following targets: Extracting only desired signal (FECG) as an output Improving quality of extracted signal by increasing SNRsvd and SNRcor. Decreasing the computational time in order to making a real-time algorithm. For achieving targets mentioned above we proposed an algorithm that using the range of skewness value of desired signal (FECG). Validity of our approach has been tested on real-world ECG data. The remainder of paper is organised as follow: After a brief review of literatures in section 2, section 3 details the approach we proposed. Section 4 reports the experimental results and finally section 5 contains concluding remarks.</p>
<p dir="ltr" style="text-align: left;">II. <strong>LITERATURE REVIEW</strong></p>
<p dir="ltr" style="text-align: justify;">Extensive studies have been conducted related to fetal ECG extraction. The discussion here is not intended to be comprehensive, but highlights some the most important one of them. In [1], adaptive filter technique was used to cancel the mother ECG and obtain the fetal ECG. They used two set of electrodes, one set place on abdomen of mother (primary inputs), and the other placed on the chest of the mother (reference inputs). Having these signals as an input to adaptive filter, the error signal can be made to represent the extracted fetal ECG. In [2], the method proposed by genetic algorithm that has a similar structure as method mentioned above. These methods are not robust enough to be used, because if the amplitude of background noise is greater than the fetal heart beat, the resulting error signal will not contain fetal ECG and when both the mother and fetal ECG overlapped in each other both methods will fail to extract the fetal ECG. In [3], concept of singular energy vectors orthogonality was used to extract FECG form AECG. This method was not exploited widely in clinical environment, because the desired signal can be extracted successfully only if electrodes placed in a position that singular energy vectors of MECG and FECG are orthogonal to each other. In [4], Barros and Cichocki proposed a semi-blind source separation algorithm to solve the fetal ECG extraction problem. This algorithm requires a priori information about the autocorrelation function of primary sources, to extracts the desired signal (FECG). They do not assume the sources to be statistically independent but they assume that sources have temporal structure and have different autocorrelation function. The main problem with this method is that if there is fetal heart rate variability, as in the case when the fetus is not healthy, the priori estimate of the autocorrelation function of the fetal ECG may not be appropriate. Also in [5], Zhang and Zhang Yi proposed a blind source extraction (BSE) algorithm to extract a source signal from observed signals. Their algorithm needs a preknowledge about desired signal statistics. It means that by knowing the range in which the kurtosis value of the signals lies, the method can extract the desired signal. In [13], Ming and Yu-lin proposed an algorithm that is combining of periodicity and kurtosis that proposed by barros [4], and Zhang [5], respectively. As mentioned above, in the case when the fetus is not healthy , the priori estimate of the autocorrelation function of the fetal ECG may not be appropriate. In this paper we substituted kurtosis value with skewness value that persuaded us to applying some other modification to their method. These modifications will be explained in following section. By this substitution, we improved the quality of desired signal and increased SNRsvd and SNRcor. Also computational cost of proposed algorithm has been decreased.</p>
</td>
</tr>
</tbody>
</table>
<h2 style="text-align: center;"> </h2>
<p>نوشته <a href="https://tarjomefa.com/f834">دانلود رایگان ترجمه مقاله روش استخراج الکتروکاردیوگرافی جنین جدید با مقدار چولگی آن – IEEE 2010</a> اولین بار در <a href="https://tarjomefa.com">ترجمه فا</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://tarjomefa.com/f834/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
