دانلود مقاله ISI انگلیسی شماره 138539
ترجمه فارسی عنوان مقاله

تشخیص صدای تنفس خواب بر اساس تحلیل شبکه عصبی مصنوعی

عنوان انگلیسی
Detection of sleep breathing sound based on artificial neural network analysis
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
138539 2018 9 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6832 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 81,984 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 163,968 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Biomedical Signal Processing and Control, Volume 41, March 2018, Pages 81-89

پیش نمایش مقاله
پیش نمایش مقاله تشخیص صدای تنفس خواب بر اساس تحلیل شبکه عصبی مصنوعی

چکیده انگلیسی

Obstructive sleep apnea-hypopnea syndrome (OSAHS) is known to cause daytime drowsiness and an association with diseases such as Type II diabetes, cardiovascular disease, and stroke. A polysomnography (PSG) test is the traditional method for diagnosing OSAHS. However, this test is expensive, inconvenient, and requires the placement of body contact sensors during sleep. Recently, in several studies, the snoring/breathing episodes (SBEs) acquired by non-contact microphones have been used for OSAHS diagnosis. SBEs may range from barely audible to loud. SBE detection, especially low-intensity SBEs, can be challenging in noisy environments because of the low signal-to-noise ratio (SNR). In this paper, we propose a novel method for the rapid detection of low-intensity SBEs from data recorded during sleep. Our method is based on an artificial neural network (ANN) technique. When an ANN is trained as subject-specific classifier, we show that the proposed method is capable of detecting low-intensity SBEs more rapidly compared to our previous method. When an ANN is used as subject-independent classifier, we show that the proposed method can classify low-intensity SBEs and low-intensity non-SBEs that may occur during actual sleep with an average accuracy of 75.10%.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6832 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 81,984 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 163,968 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.