طبقه بندی و توسعه ابزار برای بیماری های قلبی (تصویر های MRI) با استفاده از یادگیری ماشین
ترجمه شده

طبقه بندی و توسعه ابزار برای بیماری های قلبی (تصویر های MRI) با استفاده از یادگیری ماشین

عنوان فارسی مقاله: طبقه بندی و توسعه ابزار برای بیماری های قلبی (تصویر های MRI) با استفاده از یادگیری ماشین
عنوان انگلیسی مقاله: Classification and development of tool for heart diseases (MRI images) using machine learning
مجله/کنفرانس: چهارمین کنفرانس بین المللی محاسبات شبکه، موازی ، توزیع شده - Fourth International Conference on Parallel
رشته های تحصیلی مرتبط: مهندسی پزشکی و پزشکی
گرایش های تحصیلی مرتبط: قلب و عروق، پردازش تصاویر پزشکی، سایبرنتیک پزشکی
کلمات کلیدی فارسی: پروانه سلولی، هیپوکسیزی جهانی، استخراج ویژگی، MRI، پیش بینی، cp-charm
کلمات کلیدی انگلیسی: cp-charm - cellprofiler - Global hypokenesia - feature extraction - MRI - prediction
شناسه دیجیتال (DOI): https://doi.org/10.1109/PDGC.2016.7913149
دانشگاه: دانشکده فنی و مهندسی، دانشگاه شولینی، هند
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: کنفرانس
نوع مقاله: ISI
سال انتشار مقاله: 2016
صفحات مقاله انگلیسی: 6
صفحات ترجمه فارسی: 15 (1 صفحه رفرنس انگلیسی)
فرمت مقاله انگلیسی: pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
ترجمه شده از: انگلیسی به فارسی
وضعیت ترجمه: ترجمه شده و آماده دانلود
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
آیا منابع داخل متن درج یا ترجمه شده است: خیر
آیا توضیحات زیر تصاویر و جداول ترجمه شده است: بله
آیا متون داخل تصاویر و جداول ترجمه شده است: خیر
کد محصول: 10290
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در انتهای مقاله درج شده است
ترجمه فارسی فهرست مطالب

چکیده


1- مقدمه


2- مواد و روش های مورد استفاده


الف)جمع آوری داده ها


ب) استخراج ویژگی


ج) تولید مدل


د) اعتبار سنجی مدل


ه) اجرا


3- نتایج


3- مباحث


4- جمع بندی

نمونه ترجمه فارسی مقاله

چکیده


بیماری های قلبی یکی از مهم ترین عوامل مرگ و میر در جهان هستند. شناسایی سریع و اولیه ی بیماری های قلبی مانند هیپوکینزی میتواند موجب کاهش بار جهانی بیماری های قلبی و عروقی شود. روش های محاسباتی این پتانسیل را دارند تا بیماری را در مراحل اولیه به صورت خودکار پیش بینی کرده و به خصوص در کشور هایی که منابع محدودی را در اختیار دارند، این روش میتواند بسیار مفید باشد. روش های محاسباتی برای پیش بینی سراسری هیپوکینزی مبتنی بر موارد تاییدی هیپوکینزی سراسری از طریق MRI ، توسعه پیدا کرده است. تقریبا تمام استخراج ویژگی ها برای تصویر های MRI مورد استفاده قرار گرفته و این مدل بر روی تصویر های ترکیبی و مختلف، به صورت مجزا اعمال شده است. تست های مدل مستقل و صحت بالا ، روش های مورد استفاده ی مار را توجیه کرده و قابلیت اعتماد روش را نشان میدهد. این روش های توسعه یافته ی جدید، بر روی زبان پیتون نوشته شده است و برای کاربرد های متن باز، فراهم شده است.


1- مقدمه


تقریبا تمام افراد بالغ آمریکایی – آفریقایی به نوعی از بیماری های قلبی عروقی مبتلا هستند ، 48 درصد از مردان و 48 درصد از زنان در این دسته هستند. بیماری های قلبی عروقی اولین عامل مرگ و میر در جهان بوده و در ایالات متحده نیز مهم ترین علت مرگ و میر میباشد که در سال بیش از 375000 آمریکایی را میکشد. بنابراین شناسایی خودکار برای این بیماری ها بسیار مهم میباشد. هیپوکینزی سراسری یک بیماری است که در آن قلب ضعیف میشود که موجب گرفتگی شریان های کرونری میشود. بخش های مختلف قلب مانند  بطن ها، دیواره های، غشا و شریان ها و غیره، در این شرایط ضعیف شده و در هیپوکینزی سراسری، به صورت غیر عادی کار میکنند. هیپوکینزی میتواند یکی از دلایل مشکلات قلبی به دلیل خروجی پایین قلبی باشد . نشانه های هیپوکینزی سراسری ابقای آب و ماعببات، سرگیجه و بی حال بودن میباشد. تست های مورد استفاده برای شناسایی هیپوکینزی سراسری، یک تست MRI میباشد. این تصویر به صورت نواحی همگن مطابق با یک یا چندین ویژگی اولویت، توصیف میشود.

نمونه متن انگلیسی مقاله

Abstract 


Heart diseases are one of the major killers worldwide. Early detection of heart disease such as Global Hypokinesia can reduce this global burden. Computational method has potential to predict disease in early stages automatically and especially helpful in resources limited countries. Computational method to predict global hypokinesia based on confirms cases of global hypokinesia through MRI was developed. Almost all feature extraction method was used on MRI images and model was generated on merged and different images separately. High accuracy of model independent test set justified our approaches and reliability of model. The newly developed was implemented in python and available for open use.

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۱۷,۴۰۰ تومان
خرید محصول
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

طبقه بندی و توسعه ابزار برای بیماری های قلبی (تصویر های MRI) با استفاده از یادگیری ماشین
مشاهده خریدهای قبلی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها