ترجمه فارسی مقاله تخمین تشخیص قلبی و غیر قلبی از ویژگی های الکتروکاردیوگرام

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Estimation of Cardiac and Non-cardiac Diagnosis from Electrocardiogram Features
عنوان مقاله به فارسی تخمین تشخیص قلبی و غیر قلبی از ویژگی های الکتروکاردیوگرام
نویسندگان Juan Miguel Lopez Alcaraz, Nils Strodthoff
فرمت مقاله انگلیسی PDF
تعداد صفحات 4
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Machine Learning,پردازش سیگنال , یادگیری ماشین ,
توضیحات Submitted 30 August, 2024; originally announced August 2024. , Comments: 4 pages, source code under https://github.com/AI4HealthUOL/CardioDiag
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 4 صفحه ، کد منبع تحت https://github.com/ai4healthuol/cardiodiag
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Introduction: Ensuring timely and accurate diagnosis of medical conditions is paramount for effective patient care. Electrocardiogram (ECG) signals are fundamental for evaluating a patient's cardiac health and are readily available. Despite this, little attention has been given to the remarkable potential of ECG data in detecting non-cardiac conditions. Methods: In our study, we used publicly available datasets (MIMIC-IV-ECG-ICD and ECG-VIEW II) to investigate the feasibility of inferring general diagnostic conditions from ECG features. To this end, we trained a tree-based model (XGBoost) based on ECG features and basic demographic features to estimate a wide range of diagnoses, encompassing both cardiac and non-cardiac conditions. Results: Our results demonstrate the reliability of estimating 23 cardiac as well as 21 non-cardiac conditions above 0.7 AUROC in a statistically significant manner across a wide range of physiological categories. Our findings underscore the predictive potential of ECG data in identifying well-known cardiac conditions. However, even more striking, this research represents a pioneering effort in systematically expanding the scope of ECG-based diagnosis to conditions not traditionally associated with the cardiac system.

چکیده به فارسی (ترجمه ماشینی)

مقدمه: اطمینان از تشخیص به موقع و دقیق شرایط پزشکی برای مراقبت مؤثر در بیمار مهم است.سیگنال های الکتروکاردیوگرام (ECG) برای ارزیابی سلامت قلبی بیمار اساسی هستند و به راحتی در دسترس هستند.با وجود این ، توجه کمی به پتانسیل قابل توجه داده های ECG در تشخیص شرایط غیر قلبی شده است.مواد و روش ها: در مطالعه ما ، از مجموعه داده های در دسترس عموم (Mimic-IV-ECG-ICD و ECG-View II) استفاده کردیم تا امکان سنجی استنباط شرایط تشخیصی عمومی از ویژگی های ECG را بررسی کنیم.برای این منظور ، ما یک مدل مبتنی بر درخت (XGBOOST) را بر اساس ویژگی های ECG و ویژگی های اصلی جمعیت شناختی آموزش دادیم تا طیف گسترده ای از تشخیص ها را تخمین بزنیم ، که شامل شرایط قلبی و غیر قلبی است.یافته ها: نتایج ما قابلیت اطمینان از تخمین 23 قلبی و همچنین 21 شرایط غیر قلبی بالاتر از 0.7 AUROC را به صورت آماری معنی دار در طیف گسترده ای از مقولات فیزیولوژیکی نشان می دهد.یافته های ما پتانسیل پیش بینی داده های ECG را در شناسایی شرایط قلبی شناخته شده تأکید می کند.با این حال ، حتی جالب تر ، این تحقیق نشان دهنده یک تلاش پیشگام در گسترش سیستماتیک دامنه تشخیص مبتنی بر ECG به شرایطی است که به طور سنتی با سیستم قلبی مرتبط نیست.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.