Evaluation of Cepstral Analysis of EHG Signals to Prediction of Preterm Labor
Publish place: 18th Iranian conference on Biomedical Engineering
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: English
View: 721
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME18_033
تاریخ نمایه سازی: 27 فروردین 1393
Abstract:
The aim of this paper is to evaluate the application of cepstral analysis for classification of term and pretermlabors. We used 20 electrohysterogram records from two groups according to the total length of gestation: term delivery records (pregnancy duration ≥37 weeks) and pre-term delivery records (pregnancy duration ≤37 weeks). MLP neural network was employed to classify the two groups. An improved classification accuracy of 72.73% is obtained by using sequential forward feature selection scheme.
Authors
S.Mohammad-Sina Baghamoradi
Department of Biomedical Engineering, Islamic Azad University, Dezful Branch, Dezful, Iran
Mohsen Naji
Department of Biomedical Engineering, Islamic Azad University, Dezful Branch, Dezful, Iran
Hesam Aryadoost
Department of Electrical Engineering, Shahid Chamran University, Ahwaz, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :