ترجمه فارسی مقاله شناسایی مکان های ضربه سر ، سرعت و نیرو بر اساس سینماتیک سر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Identification of head impact locations, speeds, and force based on head kinematics
عنوان مقاله به فارسی شناسایی مکان های ضربه سر ، سرعت و نیرو بر اساس سینماتیک سر
نویسندگان Xianghao Zhan, Yuzhe Liu, Nicholas J. Cecchi, Jessica Towns, Ashlyn A. Callan, Olivier Gevaert, Michael M. Zeineh, David B. Camarillo
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Machine Learning,Applications,پردازش سیگنال , یادگیری ماشین , برنامه ها ,
توضیحات Submitted 12 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
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

Objective: Head impact information including impact directions, speeds and force are important to study traumatic brain injury, design and evaluate protective gears. This study presents a deep learning model developed to accurately predict head impact information, including location, speed, orientation, and force, based on head kinematics during helmeted impacts. Methods: Leveraging a dataset of 16,000 simulated helmeted head impacts using the Riddell helmet finite element model, we implemented a Long Short-Term Memory (LSTM) network to process the head kinematics: tri-axial linear accelerations and angular velocities. Results: The models accurately predict the impact parameters describing impact location, direction, speed, and the impact force profile with R2 exceeding 70% for all tasks. Further validation was conducted using an on-field dataset recorded by instrumented mouthguards and videos, consisting of 79 head impacts in which the impact location can be clearly identified. The deep learning model significantly outperformed existing methods, achieving a 79.7% accuracy in identifying impact locations, compared to lower accuracies with traditional methods (the highest accuracy of existing methods is 49.4%). Conclusion: The precision underscores the model's potential in enhancing helmet design and safety in sports by providing more accurate impact data. Future studies should test the models across various helmets and sports on large in vivo datasets to validate the accuracy of the models, employing techniques like transfer learning to broaden its effectiveness.

چکیده به فارسی (ترجمه ماشینی)

هدف: اطلاعات ضربه سر از جمله جهت های ضربه ، سرعت و نیرو برای مطالعه آسیب مغزی آسیب زا ، طراحی و ارزیابی چرخ دنده های محافظ مهم است.این مطالعه یک مدل یادگیری عمیق را برای پیش بینی دقیق اطلاعات تأثیر سر ، از جمله مکان ، سرعت ، جهت گیری و نیرو ، بر اساس سینماتیک سر در هنگام تأثیرات کلاه ایمنی ارائه می دهد.مواد و روشها: با استفاده از مدل عناصر المان محدود کلاه ایمنی از 16،000 از مجموعه داده های شبیه سازی شده کلاه ایمنی ، ما یک شبکه حافظه کوتاه مدت بلند مدت (LSTM) را برای پردازش Kinematics سر اجرا کردیم: شتاب خطی سه محوره و سرعت زاویه ای.یافته ها: مدل ها به طور دقیق پارامترهای تأثیر را توصیف می کنند که مکان ضربه ، جهت ، سرعت و مشخصات نیروی ضربه را با R2 بیش از 70 ٪ برای همه کارها پیش بینی می کند.اعتبار سنجی بیشتر با استفاده از یک مجموعه داده در میدان ضبط شده توسط محافظ و فیلم های سازنده انجام شد ، متشکل از 79 اثر سر که در آن می توان مکان ضربه را به وضوح مشخص کرد.مدل یادگیری عمیق به طور قابل توجهی از روشهای موجود بهتر عمل می کند ، و دستیابی به دقت 79.7 ٪ در شناسایی مکان های ضربه ، در مقایسه با دقت پایین با روشهای سنتی (بالاترین دقت روشهای موجود 49.4 ٪ است).نتیجه گیری: دقت با ارائه داده های تأثیر دقیق تر ، پتانسیل مدل را در تقویت طراحی کلاه ایمنی و ایمنی در ورزش تأکید می کند.مطالعات آینده باید مدل ها را در کلاه ایمنی و ورزش های مختلف در مجموعه داده های بزرگ داخل بدن آزمایش کند تا صحت مدل ها را تأیید کند و از تکنیک هایی مانند انتقال یادگیری برای گسترش اثربخشی آن استفاده کند.

📚 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.