طراحی و شبیه‌سازی یک رله هوشمند برای تشخیص جزیره الکتریکی

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...

طراحی رله تشخیص جزیره ای برای ژنراتور سنکرون با استفاده از آنالیز ناحیه ای دوبعدی انرژی سیگنال های تبدیل موجک

در این مقاله، روشی برای تشخیص شرایط جزیره ای تولیدات پراکنده با ژنراتور سنکرون بر اساس تحلیل زمان فرکانس انجام گرفته است. روش پیشنهادی پارامترهای خروجی تولیدات پراکنده را به شکل محلی اندازه گیری کرده و این سیگنال ها را در حوزه زمان فرکانس بررسی می کند. این روش برای تشخیص شرایط جزیره ای از ناحیه بندی دوبعدی تغییرات انرژی ضرایب سیگنال های تبدیل موجک نرخ تغییرات توان استفاده می کند. بر اساس ورود و...

معرفی یک سیستم هوشمند دقیق برای تشخیص توده‌ها در تصاویرماموگرافی

  مقدمه: سرطان پستان یکی از شایع­ترین بیماری­های زنان است. شناسایی و تشخیص زودهنگام این بیماری می­تواند در درمان آن بسیار مؤثر باشد. ماموگرافی درحال حاضر از مؤثرترین روش­های تشخیص بیماری سرطان پستان است.   روش بررسی: ما با توجه به تصاویر ماموگرافی اقدام به تشخیص توده­های موجود در تصاویر می­نماییم. در این روش نرم­افزار بدون نیاز به تشخیص ناظر، نواحی اطراف تومور را به­طور کامل و دقیق شناسایی می­ک...

معرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان

مقدمه: تشخیص به‌موقع سرطان پستان به‌طور چشمگیری مرگ­ومیر ناشی از آن را در جامعه زنان کاهش می‌دهد. آزمایش آسپیراسیون سوزنی (FNA) روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش می­شود به‌صورت هوشمند و ماشینی انجام گیرد.روش بررسی­: مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارت‌اند از: ثبت تصاویر میکروسکوپیک از نمونه FNA، استخراج ویژگی­های عددی از ای...

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

در این مقاله، یک روش جدید برای طبقه­بندی آریتمی­های قلبی بر مبنای تبدیل ویولت و شبکه­های عصبی ارائه شده است. از تبدیل ویولت گسسته (dwt) جهت پردازش رکوردهای ecg. و استخراج ویژگی­های زمان – فرکانس استفاده می­شود. نتیجه­ی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکه­ی عصبی مورد استفاده قرار می­گیرد. هر چند که در سال­های اخیر، الگوریتم­های متنوعی برای تشخیص آریتمی­های قلبی پیشنهاد شده­ان...

یک روش هوشمند تشخیص جزیره در شبکه‌ی توزیع دارای تولیدات پراکنده مبتنی بر تبدیل موجک و نزدیک‌ترین K-همسایگی (KNN)