CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیشبینی حملات صرع با استفاده از شبکه فازی عصبی بر مبنای - HRV استخراج شده از سیگنال قلبی (ECG)

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۲۳ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: IECT02_016
زبان مقاله: فارسی
حجم فایل: ۴۸۱.۶۵ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیشبینی حملات صرع با استفاده از شبکه فازی عصبی بر مبنای - HRV استخراج شده از سیگنال قلبی (ECG)

  زهرا مخترع - دانشکده مهندسی برق، دانشگاه قم قم، ایران
  سجاد محمدعلی نژاد - دانشکده مهندسی برق، دانشگاه قم قم،ایران
  رضا قاسمی - دانشکده مهندسی برق، دانشگاه قم قم، ایران

چکیده مقاله:

در این مقاله با بکارگیری شبکه فازی عصبی - ANFIS ، پیش بینی حملات صرع با استفاده از بررسی ویژگی فرکانسی تغییرات ضربان قلب استخراج شده از سیگنال های قلبی ارائه شده است. دادههای مورد استفاده ازبخش مراقبت از بیماران تشنجی بیمارستان نمازی شیراز تهیه شده است و برای بهره گیری از سیگنال تغییرات ضربان قلب و مشخص کردن وجود تغییرات فرکانسی از روش فرکانس محور که همان آنالیز فوریه است استفاده شده است. نتایج حاصل از این پیشبینی به دلیل ویژگی تطبیقی بودن ANFIS از دقت بالایی برخوردار است که میتواند برای بیمار یا گروه درمان بسیار مفید و کارآمد باشد. با ارائه نتیجه پیشبینی و میزان تطابق خروجی پیشبینی شده توسط ANFIS با داده واقعی کارایی فرآیند پیشنهادی با استفاده از شبیه سازی نشان داده شده است.

کلیدواژه‌ها:

صرع، پیشبینی، تغییرات ضربان قلب ،شبکه فازی عصبی.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IECT02-IECT02_016.html
کد COI مقاله: IECT02_016

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مخترع, زهرا؛ سجاد محمدعلی نژاد و رضا قاسمی، ۱۳۹۸، پیشبینی حملات صرع با استفاده از شبکه فازی عصبی بر مبنای - HRV استخراج شده از سیگنال قلبی (ECG)، دومین کنفرانس ملی نوآوری در فناوری مهندسی برق و کامپیوتر، تهران، دانشگاه پیام نور سمنان، https://www.civilica.com/Paper-IECT02-IECT02_016.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (مخترع, زهرا؛ سجاد محمدعلی نژاد و رضا قاسمی، ۱۳۹۸)
برای بار دوم به بعد: (مخترع؛ محمدعلی نژاد و قاسمی، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۲۹۴۰
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.