ترجمه فارسی مقاله مقایسه صرع ناشی از آسیب مغزی هیپوکسیک ایسکمیک و آسیب مغزی هیپوگلیسمی با استفاده از ترکیب چند سطحی ویژگی‌های داده

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 Comparison of Epilepsy Induced by Ischemic Hypoxic Brain Injury and Hypoglycemic Brain Injury using Multilevel Fusion of Data Features
عنوان مقاله به فارسی مقایسه صرع ناشی از آسیب مغزی هیپوکسیک ایسکمیک و آسیب مغزی هیپوگلیسمی با استفاده از ترکیب چند سطحی ویژگی‌های داده
نویسندگان Sameer Kadem, Noor Sami, Ahmed Elaraby, Shahad Alyousif, Mohammed Jalil, M. Altaee, Muntather Almusawi, A. Ghany Ismaeel, Ali Kamil Kareem, Massila Kamalrudin, Adnan Allwi ftaiet
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Signal Processing,Neurons and Cognition,یادگیری ماشین , پردازش سیگنال , نورون و شناخت ,
توضیحات Submitted 3 September, 2024; originally announced September 2024. , Comments: 16 Pages, 12 Figures, 2 Tables , Journal ref: Fusion: Practice and Applications Volume 10 , Issue 1 , PP: 100-115, 2023
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 16 صفحه ، 12 شکل ، 2 جدول ، ژورنال Ref: Fusion: Practice and Applications دوره 10 ، شماره 1 ، صص: 100-115 ، 2023
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

The study aims to investigate the similarities and differences in the brain damage caused by Hypoxia-Ischemia (HI), Hypoglycemia, and Epilepsy. Hypoglycemia poses a significant challenge in improving glycemic regulation for insulin-treated patients, while HI brain disease in neonates is associated with low oxygen levels. The study examines the possibility of using a combination of medical data and Electroencephalography (EEG) measurements to predict outcomes over a two-year period. The study employs a multilevel fusion of data features to enhance the accuracy of the predictions. Therefore this paper suggests a hybridized classification model for Hypoxia-Ischemia and Hypoglycemia, Epilepsy brain injury (HCM-BI). A Support Vector Machine is applied with clinical details to define the Hypoxia-Ischemia outcomes of each infant. The newborn babies are assessed every two years again to know the neural development results. A selection of four attributes is derived from the Electroencephalography records, and SVM does not get conclusions regarding the classification of diseases. The final feature extraction of the EEG signal is optimized by the Bayesian Neural Network (BNN) to get the clear health condition of Hypoglycemia and Epilepsy patients. Through monitoring and assessing physical effects resulting from Electroencephalography, The Bayesian Neural Network (BNN) is used to extract the test samples with the most log data and to report hypoglycemia and epilepsy Keywords- Hypoxia-Ischemia , Hypoglycemia , Epilepsy , Multilevel Fusion of Data Features , Bayesian Neural Network (BNN) , Support Vector Machine (SVM)

چکیده به فارسی (ترجمه ماشینی)

این مطالعه با هدف بررسی شباهت ها و تفاوت های آسیب مغزی ناشی از هیپوکسی-ایسکمی (HI) ، هیپوگلیسمی و صرع انجام شده است.هیپوگلیسمی در بهبود تنظیم گلیسمی برای بیماران تحت درمان با انسولین چالش مهمی ایجاد می کند ، در حالی که بیماری HI مغز در نوزادان با سطح اکسیژن کم همراه است.در این مطالعه امکان استفاده از ترکیبی از داده های پزشکی و اندازه گیری الکتروانسفالوگرافی (EEG) برای پیش بینی نتایج طی یک دوره دو ساله بررسی شده است.این مطالعه از همجوشی چند سطحی از ویژگی های داده برای افزایش دقت پیش بینی ها استفاده می کند.بنابراین این مقاله یک مدل طبقه بندی ترکیبی برای هیپوکسی-ایسکمی و هیپوگلیسمی ، آسیب مغزی صرع (HCM-BI) را نشان می دهد.یک دستگاه بردار پشتیبانی با جزئیات بالینی برای تعریف نتایج هیپوکسی-ایسکمی هر نوزاد استفاده می شود.نوزادان تازه متولد شده هر دو سال یکبار دوباره ارزیابی می شوند تا نتایج رشد عصبی را بدانند.مجموعه ای از چهار ویژگی از سوابق الکتروانسفالوگرافی حاصل می شود و SVM در مورد طبقه بندی بیماری ها نتیجه گیری نمی کند.استخراج ویژگی نهایی سیگنال EEG توسط شبکه عصبی بیزی (BNN) بهینه شده است تا وضعیت سلامتی روشنی هیپوگلیسمی و بیماران صرع را بدست آورد.از طریق نظارت و ارزیابی اثرات فیزیکی ناشی از الکتروانسفالوگرافی ، از شبکه عصبی بیزی (BNN) برای استخراج نمونه های آزمون با بیشترین داده های ورود به سیستم استفاده می شود و برای گزارش هیپوگلیسمی و کلمات کلیدی صرع- هیپوکسی-ایسچمی ، هیپوگلیسمی ، صرع ، فیوژن چند سطحی از ویژگی های داده، شبکه عصبی بیزی (BNN) ، دستگاه بردار پشتیبانی (SVM)

📚 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.