دانلود مقاله تشخیص آنومالی ECG از طریق تحلیل سریهای زمانی
تعداد کلمات فایل انگلیسی:4000 کلمه 10 صفحه pdf
تعداد صفحات فایل ترجمه:17 صفحه word فونت 12 B Nazanin
تشخیص آنومالی ECG از طریق تحلیل سریهای زمانی
چکیده
اخیرا، شبکه های حسگر بی سیم برای نظارت بر زندگی و مسکن کمک ارائه شده اند . در چنین شبکه هایی، سنسورهای فیزیولوژیکی برای نظارت بر نشانه های حیاتی استفاده می شوند، برای مثال، ضربان قلب، تعداد نبض، اشباع اکسیژن شهروندان سالخورده. داده های سنسور به صورت دوره ای از طریق لینک های بی سیم به یک کامپیوتر شخصی ارسال می شود که داده ها را تجزیه می کند. در این مقاله، ما یک طرح تشخیص ناهنجاری را بر اساس تحلیل سری زمانی ارائه کردیم که به کامپیوتر اجازه می دهد تا تعیین کند که آیا جریان داده های سنسور زمان واقعی شامل ضربان قلب غیر طبیعی است یا خیر. اگر ناهنجاری وجود داشته باشد، بخش سری زمانی از طریق شبکه به یک پزشک منتقل خواهد شد تا بتواند مشکل را بیشتر تشخیص داده و اقدامات مناسب را انجام دهد. هنگامی که در برابر داده های ضربان قلب ذخیره شده در پایگاه داده MIT تست شد ، طرح ناهنجاری EKG ما عملکرد بهتر از سایر طرحهایی که اخیرا ارائه شده اند، داشت. طرح ما از نرخ دقتی برخوردار است که از 70 تا 90 درصد متغیر است، در حالی که طرح دیگر دارای دقتی است که از 40 تا 70 درصد متغیر است.
ECG Anomaly Detection via Time Series Analysis
Mooi Choo Chuah, Fen Fu Department of Computer Science & Engineering
Lehigh University chuah@cse.lehigh.edu, fef205@lehigh.edu
Abstract—Recently, wireless sensor networks have been proposed for assisted living and residential monitoring. In such networks, physiological sensors are used to monitor vital signs e.g. heartbeats, pulse rates, oxygen saturation of senior citizens. Sensor data is sent periodically via wireless links to a personal computer that analyzes the data. In this paper, we propose an anomaly detection scheme based on time series analysis that will allow the computer to determine whether a stream of real-time sensor data contains any abnormal heartbeats. If anomaly exists, that time series segment will be transmitted via the network to a physician so that he/she can further diagnose the problem and take appropriate actions. When tested against the heartbeat data readings stored at the MIT database, our ECG anomaly scheme is shown to have better performance than another scheme that has been recently proposed. Our scheme enjoys an accuracy rate that varies from 70-90% while the other scheme has an accuracy that varies from 40-70%
کد:2-13144
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله تشخیص آنومالی ECG از طریق تحلیل سریهای زمانی
تعداد کلمات فایل انگلیسی:4000 کلمه 10 صفحه pdf
تعداد صفحات فایل ترجمه:17 صفحه word فونت 12 B Nazanin
تشخیص آنومالی ECG از طریق تحلیل سریهای زمانی
چکیده
اخیرا، شبکه های حسگر بی سیم برای نظارت بر زندگی و مسکن کمک ارائه شده اند . در چنین شبکه هایی، سنسورهای فیزیولوژیکی برای نظارت بر نشانه های حیاتی استفاده می شوند، برای مثال، ضربان قلب، تعداد نبض، اشباع اکسیژن شهروندان سالخورده. داده های سنسور به صورت دوره ای از طریق لینک های بی سیم به یک کامپیوتر شخصی ارسال می شود که داده ها را تجزیه می کند. در این مقاله، ما یک طرح تشخیص ناهنجاری را بر اساس تحلیل سری زمانی ارائه کردیم که به کامپیوتر اجازه می دهد تا تعیین کند که آیا جریان داده های سنسور زمان واقعی شامل ضربان قلب غیر طبیعی است یا خیر. اگر ناهنجاری وجود داشته باشد، بخش سری زمانی از طریق شبکه به یک پزشک منتقل خواهد شد تا بتواند مشکل را بیشتر تشخیص داده و اقدامات مناسب را انجام دهد. هنگامی که در برابر داده های ضربان قلب ذخیره شده در پایگاه داده MIT تست شد ، طرح ناهنجاری EKG ما عملکرد بهتر از سایر طرحهایی که اخیرا ارائه شده اند، داشت. طرح ما از نرخ دقتی برخوردار است که از 70 تا 90 درصد متغیر است، در حالی که طرح دیگر دارای دقتی است که از 40 تا 70 درصد متغیر است.
ECG Anomaly Detection via Time Series Analysis
Mooi Choo Chuah, Fen Fu Department of Computer Science & Engineering
Lehigh University chuah@cse.lehigh.edu, fef205@lehigh.edu
Abstract—Recently, wireless sensor networks have been proposed for assisted living and residential monitoring. In such networks, physiological sensors are used to monitor vital signs e.g. heartbeats, pulse rates, oxygen saturation of senior citizens. Sensor data is sent periodically via wireless links to a personal computer that analyzes the data. In this paper, we propose an anomaly detection scheme based on time series analysis that will allow the computer to determine whether a stream of real-time sensor data contains any abnormal heartbeats. If anomaly exists, that time series segment will be transmitted via the network to a physician so that he/she can further diagnose the problem and take appropriate actions. When tested against the heartbeat data readings stored at the MIT database, our ECG anomaly scheme is shown to have better performance than another scheme that has been recently proposed. Our scheme enjoys an accuracy rate that varies from 70-90% while the other scheme has an accuracy that varies from 40-70%
کد:2-13144
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com