دانلود مقاله انگلیسی رایگان:یادگیری عمیق برای شناسایی شکل موج سیگنالهای الکترومیوگرافی سوزن ساکن - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • Deep learning for waveform identification of resting needle electromyography signals Deep learning for waveform identification of resting needle electromyography signals
    Deep learning for waveform identification of resting needle electromyography signals

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Deep learning for waveform identification of resting needle electromyography signals


    ترجمه فارسی عنوان مقاله:

    یادگیری عمیق برای شناسایی شکل موج سیگنالهای الکترومیوگرافی سوزن ساکن


    منبع:

    Sciencedirect - Elsevier - Clinical Neurophysiology, 130 (2019) 617-623: doi:10:1016/j:clinph:2019:01:024


    نویسنده:

    Hiroyuki Nodera ⇑, Yusuke Osaki, Hiroki Yamazaki, Atsuko Mori, Yuishin Izumi, Ryuji Kaji


    چکیده انگلیسی:

    Objective: Given the recent advent in machine learning and artificial intelligence on medical data analysis, we hypothesized that the deep learning algorithm can classify resting needle electromyography (n- EMG) discharges. Methods: Six clinically observed resting n-EMG signals were used as a dataset. The data were converted to Mel-spectrogram. Data augmentation was then applied to the training data. Deep learning algorithms were applied to assess the accuracies of correct classification, with or without the use of pre-trained weights for deep-learning networks. Results: While the original data yielded the accuracy up to 0.86 on the test dataset, data-augmentation up to 200,000 training images showed significant increase in the accuracy to 1.0. The use of pre-trained weights (fine tuning) showed greater accuracy than ‘‘training from scratch”. Conclusions: Resting n-EMG signals were successfully classified by deep-learning algorithm, especially with the use of data augmentation and transfer learning techniques. Significance: Computer-aided signal identification of clinical n-EMG testing might be possible by deeplearning algorithms.
    Keywords: Needle electromyography | Deep learning | Artificial neural network | Data augmentation | Resting discharge


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    حجم فایل: 853 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی