دانلود رایگان مقاله یک الگوریتم یادگیری ماشین RTSRV بهینه سازی شده برای انتقال سیگنال های زیست پزشکی و بازسازی آن برای محیط پزشکی از راه دور (نشریه الزویر 2019)

ارسال توسط وب‌رویا در 2019, الزویر Elsevier, پزشکی مجازی, پژوهشی, هوش مصنوعی در پزشکی

دانلود رایگان مقاله یک الگوریتم یادگیری ماشین RTSRV بهینه سازی شده برای انتقال سیگنال های زیست پزشکی و بازسازی آن برای محیط پزشکی از راه دور (نشریه الزویر 2019)

بخشی از ترجمه چکیده مقاله:

پزشکی از راه دور در حال توسعه است و در نتیجه ارزیابی داده ها به صورت آنلاین بیشتر صورت می گیرد. سیگنالهای پزشکی مهمترین انواع پاراگراف در زمینه توسعه هستند و در نتیجه ارزیابی داده های بزرگتر به‌صورت آنلاین انجام می شود. سیگنالهای پزشکی انواع اصلی پاراگراف در خط کانال انتقال پزشکی از راه دور هستند. از آنجا که ، سیگنال های زیست پزشکی از نظر ماهیت حساس و حاد هستند ، کمترین نسبت ایجاد مانع باعث پیش بینی مثبت کاذب در تشخیص نتیجه می شود. در این مقاله، یک الگوریتم یادگیری ماشین برای بازسازی سیگنالهای تحت انتقال مورد بحث قرار گرفته است. سیگنال ها در چهار لایه انتقال قبلی DWT تجزیه می شوند تا بهینه سازی سیگنال از طریق کانال حاصل شود. این متدولوژی از الگوریتم تولید مجدد سیگنال مجدد و اعتبار سنج (RTSRV) با استفاده از الگوریتم شبکه عصبی برای آموزش و تأیید سیگنال های ورودی استفاده می کند. 

 

عنوان انگلیسی مقاله:

An Optimized RTSRV Machine Learning Algorithm for Biomedical Signal Transmission and Regeneration for Telemedicine Environment

تعداد صفحات مقاله: 10

تاریخ انتشار مقاله: 2019

ناشر: نشریه الزویر

چکیده مقاله انگلیسی:

Telemedicine is venturing towards development, resulting in larger data evaluation online. Medical signals are major Para-types in telemedicine transmission channel line. Since, biomedical signals are sensitive and acute in nature, a smallest ratio of hampering causes false positive prediction on resultant diagnosis. In this paper, a machine learning algorithm is discussed to regenerate the signals under transmission. The signals are decomposed in four layer DWT prior transmission to achieve signal optimization through channel. The methodology uses Real-Time Signal Re-Generator and Validator (RTSRV) Algorithm designed on neural networking model for training and validating incoming signals. The results demonstrate a performanceconsistency of 1.16 over 767 EEG processed samples with 0.65sec as an average processing time for regeneration and training.