Andere Kunden interessierten sich auch für
![Approccio di classificazione migliorato per rilevare le malattie nel sangue umano]( "Approccio di classificazione migliorato per rilevare le malattie nel sangue umano")
Approccio di classificazione migliorato per rilevare le malattie nel sangue umano36,99 €![Diagnóstico de doença cardíaca a partir do eletrocardiograma]( "Diagnóstico de doença cardíaca a partir do eletrocardiograma")
Diagnóstico de doença cardíaca a partir do eletrocardiograma33,99 €![Metodo di regolazione fine per l'apprendimento profondo]( "Metodo di regolazione fine per l'apprendimento profondo")
Metodo di regolazione fine per l'apprendimento profondo32,99 €![Tecniche di regressione applicate attraverso casi di studio con R]( "Tecniche di regressione applicate attraverso casi di studio con R")
Tecniche di regressione applicate attraverso casi di studio con R43,99 €![Rilevamento automatico di nuclei/cellule in immagini di vetrini interi]( "Rilevamento automatico di nuclei/cellule in immagini di vetrini interi")
Rilevamento automatico di nuclei/cellule in immagini di vetrini interi29,99 €![Algoritmi di intelligenza artificiale per la classificazione e la previsione delle malattie delle piante di pomodoro]( "Algoritmi di intelligenza artificiale per la classificazione e la previsione delle malattie delle piante di pomodoro")
Algoritmi di intelligenza artificiale per la classificazione e la previsione delle malattie delle piante di pomodoro57,99 €![Struttura per CDSS intelligenti per la diagnosi di leucemia mieloide cronica]( "Struttura per CDSS intelligenti per la diagnosi di leucemia mieloide cronica")
Struttura per CDSS intelligenti per la diagnosi di leucemia mieloide cronica36,99 €
La classificazione dei segnali ECG in modo manuale o tradizionale è un'area che potrebbe essere migliorata disponendo di un sistema di classificazione automatizzato per i segnali ECG. In questo lavoro, è stato introdotto un sistema software di diagnosi assistita da computer (CAD) per la classificazione automatica dei segnali ECG cardiaci. Ai fini di questo studio, sono stati presi come set di dati 480 segnali ECG dal database delle aritmie del MIT-BIH; questi segnali includono 96 segnali ECG normali e 384 segnali ECG anormali appartenenti a quattro tipi di anomalie cardiache: accoppiamento ventricolare, tachicardia ventricolare, bigeminia ventricolare e fibrillazione ventricolare, ognuno dei quali ha 96 segnali ECG. Quindi, il ricampionamento è stato effettuato per tutti i segnali dati a 360 campioni al secondo, ad eccezione dei segnali VF, che sono stati ricampionati a 250 campioni al secondo. Successivamente, è stato applicato un processo di estrazione iterativa delle caratteristiche con l'aiuto dell'applicazione Classification Learner presente in MATLAB.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.