Andere Kunden interessierten sich auch für
![Angewandte Regressionstechniken anhand von Fallstudien mit R]( "Angewandte Regressionstechniken anhand von Fallstudien mit R")
Angewandte Regressionstechniken anhand von Fallstudien mit R60,90 €![Evolutionäre neuronale Netze zur Erkennung von Neuartigkeiten]( "Evolutionäre neuronale Netze zur Erkennung von Neuartigkeiten")
Evolutionäre neuronale Netze zur Erkennung von Neuartigkeiten54,90 €![Feinabstimmungsmethode für Deep Learning]( "Feinabstimmungsmethode für Deep Learning")
Feinabstimmungsmethode für Deep Learning43,90 €![Diagnosis of Cardiac Disease from Electrocardiogram]( "Diagnosis of Cardiac Disease from Electrocardiogram")
Diagnosis of Cardiac Disease from Electrocardiogram30,99 €![Vorhersage von Leberzirrhose durch maschinelles Lernen]( "Vorhersage von Leberzirrhose durch maschinelles Lernen")
Vorhersage von Leberzirrhose durch maschinelles Lernen50,90 €![Automatisierte Erkennung von Zellkernen/Zellen in Bildern ganzer Objektträger]( "Automatisierte Erkennung von Zellkernen/Zellen in Bildern ganzer Objektträger")
Automatisierte Erkennung von Zellkernen/Zellen in Bildern ganzer Objektträger39,90 €![Vorhersage und Diagnose mit hoher Genauigkeit und geringem Risiko Corona-Virus]( "Vorhersage und Diagnose mit hoher Genauigkeit und geringem Risiko Corona-Virus")
Vorhersage und Diagnose mit hoher Genauigkeit und geringem Risiko Corona-Virus43,90 €
Die Klassifizierung von EKG-Signalen auf manuelle oder traditionelle Weise ist ein Bereich, der durch ein automatisches Klassifizierungssystem für EKG-Signale verbessert werden könnte. In dieser Arbeit wird ein verbessertes Software-System für die computergestützte Diagnose (CAD) zur automatischen Klassifizierung von EKG-Signalen eingeführt. Insgesamt 480 EKG-Signale wurden als Datensatz für diese Studie aus der MIT-BIH Arrhythmie-Datenbank entnommen; diese Datensätze enthalten 96 normale EKG-Signale sowie 384 abnormale EKG-Signale, die zu vier Arten von Herzanomalien gehören, nämlich ventrikuläres Couplet, ventrikuläre Tachykardie, ventrikuläre Bigeminie und ventrikuläres Flimmern, wobei jede dieser Arten ebenfalls 96 EKG-Signale enthält. Dann wurde eine erneute Abtastung für alle gegebenen Signale mit 360 Abtastungen pro Sekunde durchgeführt, mit Ausnahme der VF-Signale, die mit 250 Abtastungen pro Sekunde neu abgetastet wurden. Danach wurde eine iterative Merkmalsextraktion mit Hilfe der Classification Learner App in MATLAB durchgeführt.