تشخیص بیماری سندرم آپنه خواب مبتتی بر آتوماتای یادگیر سلولی و شبکه عصبی
Publish place: The Second National Congress of New Technologies of Iran with the aim of achieving sustainable development
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 767
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SENACONF02_198
تاریخ نمایه سازی: 30 آبان 1394
Abstract:
بیماری سندرم آپنه خواب (SAS) توسط روش پلی سومنو گرافی مورد بررسی قرار می گیرد اما این روش پیچید و زمان بر است، سندرم آپنه خواب می تواند با انسداد کامل راه هوایی و یا انسداد ناقص این مجرا اتفاق بیافتد در نوع دوم تنفس آرام و سطحی می شود ولی هر دو نوع می تواند سبب بیداری فرد گردد جهت بررسی تاثیر ضربان قلب (HRV) بر بیماری SAS در این مقاله با روش جدید تشخیص بیماری آپنه خواب مبتتی بر آتوماتای یادگیر سلولی و شبکه عصبی، که انتخاب ویژگی های موثر با آتوماتای یادگیر سلولی و طبقه بندی داده ها با الگوریتم ژنتیک شبکه عصبی پس انتشار انجام می شود، این روش بر روی مجموعه داده Sleep Apnea پیاده سازی شده که میزان دقت تشخیص بیماری SAS نسبت به سایر روش ها بهبود یافته است.
Keywords:
Authors
حسین علی کرمی
کارشناسی ارشد، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر، ایران
مهدی علی پور نصر
کارشناسی ارشد، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد بوئین زهرا، قزوین، ایران
رویا ولایتی
کارشناسی ارشد، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر، ایران
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 :