杂志在波兰评估参数教育和科学部长中的40分。附件是2021年12月21日教育与科学部长的环境。很好。32343。有期刊的唯一标识符:201159。分配的科学学科:物理文化科学(医学和健康科学领域);健康科学(医学科学和健康科学领域)。2019年的部长朋克 - 现年40分。从2021年21日起,教育和科学部长的发展。 LP。32343。辞职的科学学科:物理文化科学(医学科学与健康科学的COOM);卫生选举(Enon医学与健康科学)。 ©作者2023;本文在波兰托伦(Torun)的尼古拉斯(Nicolauss)的尼古拉斯(Nicolauss of Nicolauss)开放式尼古拉斯(Nicolauss of Nicolauss)开放式访问中发表了本文。 This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。 这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。 (http://creativecommons.org/licenses/by-nc-sa/4.0/),只要适当地引用了工作,就可以在任何媒介中不受限制,非商业用途,分发和复制。 汽车宣布TER与利益的利益没有冲突,即本文的出版。辞职的科学学科:物理文化科学(医学科学与健康科学的COOM);卫生选举(Enon医学与健康科学)。 ©作者2023;本文在波兰托伦(Torun)的尼古拉斯(Nicolauss)的尼古拉斯(Nicolauss of Nicolauss)开放式尼古拉斯(Nicolauss of Nicolauss)开放式访问中发表了本文。 This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。 这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。 (http://creativecommons.org/licenses/by-nc-sa/4.0/),只要适当地引用了工作,就可以在任何媒介中不受限制,非商业用途,分发和复制。 汽车宣布TER与利益的利益没有冲突,即本文的出版。辞职的科学学科:物理文化科学(医学科学与健康科学的COOM);卫生选举(Enon医学与健康科学)。©作者2023;本文在波兰托伦(Torun)的尼古拉斯(Nicolauss)的尼古拉斯(Nicolauss of Nicolauss)开放式尼古拉斯(Nicolauss of Nicolauss)开放式访问中发表了本文。This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。(http://creativecommons.org/licenses/by-nc-sa/4.0/),只要适当地引用了工作,就可以在任何媒介中不受限制,非商业用途,分发和复制。汽车宣布TER与利益的利益没有冲突,即本文的出版。收到:09.03.2023。修订:14.03.2023。接受:22.03.2023。发布:24.03.2023。
摘要在过去的十年中,深度学习技术已在医疗保健行业广泛使用,以检测心跳和诊断心脏病。但是,这些工具因“黑匣子”和缺乏透明度而受到批评。因此,在本文中,我们提出了一种新方法,使通过深度学习更可理解的分类结果。我们建议基于与特定心脏条件相对应的ECG信号形成特征向量。该矢量包括心脏周期的可测量特征,例如波浪持续时间和振幅,这些特征对于医疗保健专业人员来说是典型且可以理解的。此功能向量是充当功能编码器和分类器的深神经网络的输入数据。我们使用手工特征矢量的计算实验达到了98.69%的平均准确性,与基于完整的心脏周期的其他深度学习工具相当。这项研究的结果表明,未来的研究应着重于开发可解释的深度学习工具,这些工具对医疗保健专业人员来说是透明且可理解的。关键字1心电图信号,MIT-BIH心律失常数据库,特征提取,深度学习,可解释的人工智能
摘要:用氧化石墨烯(RGO)进行了整整一系列的二氧化钛纳米复合材料,以溶剂热方法进行了制备。与RGO的TITANIA进行了修改会导致光催化特性。 在600°C的钙化温度下获得最高的光催化性能。 氧缺陷的共振线线宽,随着钙化温度的增加,线性降低,高达600 c,并伴随着养生酶相的平均结晶石大小的伴随。 氧缺陷的综合共振线强度强度在钙化温度下降低,并导致源自氧缺陷的共振线的强度大大增加,因为石墨烯的存在增强了钙的惰性气氛。 通过改变氧缺陷的量,磁性排序系统的发生显着影响光催化过程的性能。与RGO的TITANIA进行了修改会导致光催化特性。在600°C的钙化温度下获得最高的光催化性能。氧缺陷的共振线线宽,随着钙化温度的增加,线性降低,高达600 c,并伴随着养生酶相的平均结晶石大小的伴随。氧缺陷的综合共振线强度强度在钙化温度下降低,并导致源自氧缺陷的共振线的强度大大增加,因为石墨烯的存在增强了钙的惰性气氛。通过改变氧缺陷的量,磁性排序系统的发生显着影响光催化过程的性能。