Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userEnhancement of the Quality of Fetal ECG extraction using Neural Network & Phase only correlation method
تحسين جودة استحصال إشارة قلب الجنين FECG باستخدام الشبكات العصبونية و إلغاء فرق الطور
1144
0 38
0
(
0
)
Authors
يوسف حسين( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
يعتمد البحث المقدم على تقديم طريقة جديدة لاستحصال إشارة قلب الجنين و ذلك باستخدام إشارة وحيدة لقلب الأم يتم استحصالها من منطقة الصدر و اشارة أو أكثر يتم استحصالها من منطقة البطن تحتوي على إشارة قلب الأم في منطقة البطن و إشارة قلب الجنين و العديد من مكونات الضجيج المضاف.
In this paper we present a new method for extracting the fetal electrocardiogram (FECG) signal from one thoracic ECG signal and one or more abdominal signals.
Artificial intelligence review:
Research summary
يعرض البحث طريقة جديدة لاستخلاص إشارة قلب الجنين (FECG) باستخدام إشارة واحدة لقلب الأم من منطقة الصدر وإشارة أو أكثر من منطقة البطن. تعتمد الطريقة على تطوير الخوارزميات السابقة التي تعتمد على بنية إلغاء الضجيج التكيفي (ANC) والمجمع الخطي. تتكون الطريقة المقترحة من أربع مراحل: الأولى تستخدم تحويل المويجة لإزالة الضجيج المضاف، الثانية تعتمد على خوارزمية إلغاء فرق الطور (Phase Only Correlation)، والثالثة والرابعة تستخدم الشبكات العصبونية لمحاكاة العلاقة غير الخطية بين إشارات القلب وتحسين جودة الإشارة. تم تطبيق الخوارزمية على إشارات حقيقية ومستخلصة باستخدام برنامج الماتلاب، وأظهرت النتائج فعالية الطريقة المقترحة في تحسين استحصال إشارة قلب الجنين مقارنة بالخوارزميات السابقة.
Critical review
دراسة نقدية: يعتبر البحث خطوة مهمة نحو تحسين استحصال إشارة قلب الجنين باستخدام تقنيات حديثة مثل الشبكات العصبونية وتحويل المويجة. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، قد يكون من المفيد توضيح المزيد من التفاصيل حول كيفية تدريب الشبكات العصبونية والمعايير المستخدمة لتقييم الأداء. ثانياً، يمكن تعزيز الدراسة بإجراء تجارب إضافية على مجموعة أكبر من البيانات للتحقق من فعالية الخوارزمية في حالات متنوعة. وأخيراً، يمكن تقديم مقارنة أكثر تفصيلاً بين الخوارزمية المقترحة والخوارزميات السابقة من حيث الأداء والفعالية.
Questions related to the research
-
ما هي المراحل الأربع التي تتكون منها الطريقة المقترحة في البحث؟
المرحلة الأولى تستخدم تحويل المويجة لإزالة الضجيج المضاف، المرحلة الثانية تعتمد على خوارزمية إلغاء فرق الطور، المرحلة الثالثة تستخدم الشبكات العصبونية لمحاكاة العلاقة غير الخطية بين إشارات القلب، والمرحلة الرابعة تستخدم الشبكات العصبونية لتحسين جودة إشارة قلب الجنين.
-
ما هي الفائدة الرئيسية من استخدام الشبكات العصبونية في استحصال إشارة قلب الجنين؟
الفائدة الرئيسية هي محاكاة العلاقة غير الخطية بين إشارات القلب وتحسين جودة الإشارة المستخلصة، مما يؤدي إلى تقليل الضجيج المضاف وتحسين دقة الإشارة الناتجة.
-
كيف تم تقييم فعالية الخوارزمية المقترحة؟
تم تقييم فعالية الخوارزمية من خلال تطبيقها على إشارات حقيقية ومستخلصة باستخدام برنامج الماتلاب، ومقارنتها بالخوارزميات السابقة من حيث تقليل الضجيج وتحسين شكل الإشارة الناتجة وتقليل متوسط مربع الخطأ.
-
ما هي النقاط التي يمكن تحسينها في البحث؟
يمكن تحسين البحث بتوضيح المزيد من التفاصيل حول تدريب الشبكات العصبونية، إجراء تجارب إضافية على مجموعة أكبر من البيانات، وتقديم مقارنة أكثر تفصيلاً بين الخوارزمية المقترحة والخوارزميات السابقة من حيث الأداء والفعالية.
References used
Klabunde R.E. (2015) Cardiovascular Physiology Concepts, Published by Lippincott Williams & Wilkins 1st edition, pp: 235
E. Ferrara and B. Widrow, “Fetal electrocardiogram enhancement by time-sequenced adaptive filter,” IEEE Trans. on Biomedical Engineering, vol.BME- 29, no. 6, pp. 458- 460,1982
V. Zarzoso and A. Nandi, “Noninvasive fetal ECG extraction: blind separation versus adaptive noise can cellation,” IEEE Trans. on Biomedical Engineering, vol. 48, no. 1, pp. 12-18, 2001
V. Zarzoso, A.K. Nandi and E. Bacharakis. ”Maternal and foetal ECG separation using blind source separation methods,” Journal of Mathematics Applied in Medicine and Biology, vol.14, no. 3, 1997
rate research
Read More
This paper presents a new technique based on artificial neural networks (ANNs) to
correct power factor. A synchronous motor controlled by the neural controller was used to
handle the problem of reactive power compensation of the system, in order to
correct
power factor.
In this paper, the electrical system and the neural controller were simulated using
MATLAB. The results have shown that the presented technique overcomes the problems
in conventional compensators (using static capacitors) such as time delay and step changes
of reactive power besides to the fast compensation compared to the technique with
capacitors groups.
In this paper, we presented a scientific methodicalness in
very short term load forecasting depends on back propagation
artificial neural networks, and we relied upon real data of Syrian
electrical power system.
In this research, We present a scientific advanced developed
study and keeping up with new studies and technologies of very
short-term electrical load forecasting and applying this study for
electrical load forecasting of basic Syrian electrical p
ower system
by studying this prediction for next four hours according to the
criterion applied in the Syrian Electricity Ministry with ten minutes
intervals ,we call it "Instant electrical load forecasting".
A new face detection system is presented. The system combines several techniques for face detection to achieve better detection rates, a skin colormodel based on RGB color space is built and used to detect skin regions. The detected skin regions are
the face candidate regions. Neural network is used and trained with training set of faces and non-faces that projected into subspace by principal component analysis technique. we have added two modifications for the classical use of neural networks in face detection. First, the neural network tests only the face candidate regions for faces, so the search space is reduced. Second, the window size used by the neural network in scanning the input image is adaptive and depends on the size of the face candidate region. This enables the face detection system to detect faces with any size.
يهدف البحث إلى تقديم دراسة مرجعيّة مفصلة عن استخدام الشبكات العصبونية الإلتفافية (CNNs) في استخراج الميزات (Features) من الصور.
وسيتطرق البحث إلى التعريف بمعنى الميزات (Features) الخاصة بالصور وأهميتها في تطبيقات معالجة الصورة.
وسيتم أيضاً التعريف
بالشبكات العصبونية الإلتفافية (CNNs) وبنيتها و طريقة عملها وأنواع المقاربات والمنهجيات المستخدمة في تدريبها لاستخراج الميزات (Features) من الصور.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
