Signal Processing Driven Machine Learning Techniques for Cardiovascular Data Processing (eBook)

Ram Bilas Pachori, Rajesh Kumar Tripathy (Herausgeber)

eBook Download: PDF | EPUB

2024 | 1. Auflage
400 Seiten
Elsevier Science (Verlag)
978-0-443-14140-9 (ISBN)

Signal Processing Driven Machine Learning Techniques for Cardiovascular Data Processing features recent advances in machine learning coupled with new signal processing-based methods for cardiovascular data analysis. Topics in this book include machine learning methods such as supervised learning, unsupervised learning, semi-supervised learning, and meta-learning combined with different signal processing techniques such as multivariate data analysis, time-frequency analysis, multiscale analysis, and feature extraction techniques for the detection of cardiovascular diseases, heart valve disorders, hypertension, and activity monitoring using ECG, PPG, and PCG signals.In addition, this book also includes the applications of digital signal processing (time-frequency analysis, multiscale decomposition, feature extraction, non-linear analysis, and transform domain methods), machine learning and deep learning (convolutional neural network (CNN), recurrent neural network (RNN), transformer and attention-based models, etc.) techniques for the analysis of cardiac signals. The interpretable machine learning and deep learning models combined with signal processing for cardiovascular data analysis are also covered. - Provides details regarding the application of various signal processing and machine learning-based methods for cardiovascular signal analysis - Covers methodologies as well as experimental results and studies - Helps readers understand the use of different cardiac signals such as ECG, PCG, and PPG for the automated detection of heart ailments and other related biomedical applications

Signal Processing Driven Machine Learning Techniques for Cardiovascular Data Processing features recent advances in machine learning coupled with new signal processing-based methods for cardiovascular data analysis. Topics in this book include machine learning methods such as supervised learning, unsupervised learning, semi-supervised learning, and meta-learning combined with different signal processing techniques such as multivariate data analysis, time-frequency analysis, multiscale analysis, and feature extraction techniques for the detection of cardiovascular diseases, heart valve disorders, hypertension, and activity monitoring using ECG, PPG, and PCG signals.In addition, this book also includes the applications of digital signal processing (time-frequency analysis, multiscale decomposition, feature extraction, non-linear analysis, and transform domain methods), machine learning and deep learning (convolutional neural network (CNN), recurrent neural network (RNN), transformer and attention-based models, etc.) techniques for the analysis of cardiac signals. The interpretable machine learning and deep learning models combined with signal processing for cardiovascular data analysis are also covered. - Provides details regarding the application of various signal processing and machine learning-based methods for cardiovascular signal analysis- Covers methodologies as well as experimental results and studies- Helps readers understand the use of different cardiac signals such as ECG, PCG, and PPG for the automated detection of heart ailments and other related biomedical applications

Erscheint lt. Verlag	12.6.2024
Sprache	englisch
Themenwelt	Mathematik / Informatik ► Informatik ► Netzwerke
	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
	Medizinische Fachgebiete ► Innere Medizin ► Kardiologie / Angiologie
	Medizin / Pharmazie ► Physiotherapie / Ergotherapie ► Orthopädie
	Technik ► Medizintechnik
	Technik ► Umwelttechnik / Biotechnologie
ISBN-10	0-443-14140-1 / 0443141401
ISBN-13	978-0-443-14140-9 / 9780443141409

Haben Sie eine Frage zum Produkt?

PDF (Adobe DRM)
Größe: 7,1 MB

Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine Adobe-ID und die Software Adobe Digital Editions (kostenlos). Von der Benutzung der OverDrive Media Console raten wir Ihnen ab. Erfahrungsgemäß treten hier gehäuft Probleme mit dem Adobe DRM auf.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine Adobe-ID sowie eine kostenlose App.
Geräteliste und zusätzliche Hinweise

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

EPUB (Adobe DRM)
Größe: 14,8 MB

Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

CHF 239,95