دانلود تحقیق بیماری کزاز ، علائم و تشخیص آن

اختصاصی از ژیکو دانلود تحقیق بیماری کزاز ، علائم و تشخیص آن دانلود با لینک مستقیم و پر سرعت .

 تحقیق بیماری کزاز ، علائم و تشخیص آن در 16 صفحه با فرمت ورد شامل بخش های زیر می باشد:

مقدمه

نشانه های کزاز

پیشگیری

واکسیناسیون

پیشگیری پاسیو

 پیشگیری با آنتی بیوتیکها

 نظافت و جراحی زخم

کزاز  Tetanus

علائم بیماری

تشخیص

تشخیص افتراقی

درمان 

مقدمه

کزاز بیماری است عفونی مشترک بین انسان و دامها که معمولاً بصورت تک تک و پراکنده دیده می شود . به علت آلوده بودن وسائل جراحی نیز ممکن است چند تن در بخش جراحی بدان دچار گردند . این بیماری متأسفانه در کشور عزیز ما زیاد دیده می شود .

کزاز میکروب خاصی است که در انتهای آن اسپور وجود دارد ( سنجاق مانند ) در محیط خارج مقاومت زیادی از خون نشان می دهد و اسپوری تولید می کند که مقاومتش خیلی زیادتر است . اثرات میکرب بواسطه سم بسیار قوی است که ترشح می کند و از راه لنف ، خون بمراکز عصبی میرود . با سم میکروب کزاز توانسته اند علائم بیماری را تولید کنند . میکروب کزاز در خاک ، مدفوع اسب و گاو و آب و گرد و خاک وجود دارد .

مطلب مهم اینکه ابتلاء به کزاز ایمنی کاملی ایجاد نمی کند لذا بهترین وسیله برای جلوگیری از آن واکسیناسیون می باشد . از سوی دیگر سرم ضد کزاز برای پیشگیری سودمند است ولی برای درمان بویژه پس از بروز نشانه های بیماری ندارد 

« نشانه های کزاز »

دوران پنهانی متوسط بیماری ۸-۷ روز است هر قدر دوران نهفتگی کوتاهتر باشد عاقبت بیماری خطرناکتر است گاهی در مرحله ی نهائی چرک زخم کم شده و سوزش و انقباض عضلانی ظاهر می شود . امکان ابتلاء مجدد در غیاب واکسیناسیون وجود دارد و هر اندازه فاصله بین شروع و انقباض عمومی حاصل از سم بیشتر باشد پیش آگهی بهتر است .

اولین نشانه ی کزاز دشواری بلع و کلید شدن دهان است . بیمار خیلی بزحمت دهان خود را باز می کند عضلاتی که برای جویدن بکار میرود در موقع انقباض دردناک و سفت هستندسپس انقباض در عضلات گردن ، صورت و ستون فقرات و شکم و غیره فرا می رسد  
( انقباض عمومی ) انقباض عضلات صورت ، شکل مخصوصی به مبتلا می دهد و مانند این است که بیمار خنده بی نمکی به لب دارد ( خنده شیطان ) در حالت حمله عضلات جونده منقبض شده و بواسطه گرفتاری ماهیچه های ستون فقرات بدن بعقب خم می شود ( نظیر کمان ) یعنی سطح اتکاء تنها پشت سر و پاشنه ها می باشد . هر گاه انقباض عضلات یک طرف بدن زیاد شود بدن بهمان طرف خم می شود و اگر تمام عضلات بدن بطور یکنواخت دچار شده باشند تمام بدن کشیده و بشکل خبردار در می اید . در شیرخواران و افراد خیلی پیر کزاز خطرناک است.

انقباض عضلات عمومی بصوت حمله ای ظاهر می شود یعنی در اثر تحریک بیمار با روشنائی و صدا ، تزریق و یا لمس بدن ، جمع شدن عمومی بدن فرا میرسد ، فکها سخت بهم فشرده شده و سایر عضلات نیز سفت می شوند . انقباض عضلات حنجره و شکم و دیافراگم وعضلات تنفسی باعث خفگی می شود . اگر انقباض ماهیچه های تنفس طولانی باشد موجب کبودی رنگ می گردد . حملات انقباضی بیمار را فرسوده و خسته می کند . کلید شدن دهان سبب تشنگی ، اتلاف شدید انرژی ، عرق ( دفع الکترولیتها ) آسیب ماهیچه ها ( پارگی ) و گرسنگی میشود ...

تشخیص پرستاری ناندا

اختصاصی از ژیکو تشخیص پرستاری ناندا دانلود با لینک مستقیم و پر سرعت .

تعداد صفحات:76

نوع فایل:pdf

تشخیص های پرستاری و برنامه مراقبت پرستاری

تشخیص سیب زمینی از کلوخه و سنگ به روش پردازش تصویر و شبکه عصبی مصنوعی- pdf و 11 صفحه

اختصاصی از ژیکو تشخیص سیب زمینی از کلوخه و سنگ به روش پردازش تصویر و شبکه عصبی مصنوعی- pdf و 11 صفحه دانلود با لینک مستقیم و پر سرعت .

چکیده
در برداشت سیبزمینی به وسیله کمباین، جداسازی سیبزمینی از کلوخ و سنگ به طور کامل انجام نمیشود و برای
تکمیل جداسازی از نیروی کارگری استفاده میگردد. در این پژوهش، از فناوری پردازش تصویر و به کمک شبکه
عصبی مصنوعی برای جداسازی سیبزمینی از کلوخ و سنگ استفاده شد. چهارصد نمونه سیبزمینی، یکصد نمونه
کلوخ و یکصد نمونه سنگ به طور تصادفی انتخاب گردید. سامانه تصویربرداری شامل محفظه تصویربرداری،
دوربین، بخش نورپردازی و کارت تصویر بود. پس از پیش پردازش تصاویر، ویژگیهای مختلف رنگی و بافت
تصویر استخراج و پس از آن ویژگیهای مؤثر بر اساس آنالیز حساسیت انتخاب گردیدند. از مجموع 285 ویژگی
استخراج شده، پنج ویژگی جهت طبقهبندی تصاویر انتخاب گردید که عبارتند از: میانگین کانال B ، میانگین کانال
NR ، میانگین کانال CB ، بیشینه کانال H و یکنواختی کانال I1 . دقت طبقهبندی تصاویر برابر با 100 % به دست آمد.

دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG

اختصاصی از ژیکو دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG دانلود با لینک مستقیم و پر سرعت .

استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG

تعداد صفحات : 106

چکیده

در این پروژه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنال های مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنال ها با استفاده از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگی ها عمل دسته بندی انجام می شود.
اولین پیش پردازش برای دسته بندی سیگنال های مغزی حذف نویز از این سیگنال ها می باشد. در این پروژه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی می شود. ابتدا با استفاده از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز می شود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با استفاده از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی می¬شود. نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا می باشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنال¬ها و دسته بندی آنهاپرداخته می شود. ویژگی¬های استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال می باشد. برای ارزیابی کارایی این ویژگی ها همین ویژگی¬ها، نیز با استفاده از تبدیل موجک و فوریه استخراج می شوند و عمل دسته بندی بر اساس ویژگی های استخراجی این سه روش به طور جداگانه انجام می شود. بعد از استخراج ویژگی، بر اساس ویژگی های استخراجی، به دسته بندی سیگنال ها با استفاده از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان می دهد که دسته بندی با استفاده از ویژگی های استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگی های دو تبدیل دیگر است. نرخ تشخیص با استفاده از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با استفاده از تبدیل والش از همه¬ی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.

فهرست
فصل اول
مقدمه
1-1- مقدمه
1-2- تاریخچه BCI
1-3- کاربردهای BCI
1-4- تعریف مساله
1-5 – ساختار پروژه
فصل دوم
سیگنالهای مغزی
2-1- مقدمه
2-2- کشف سیگنالهای مغزی
2-3- ثبت سیگنالهای مغزی
2-4- پیش پردازشها روی سیگنالهای مغزی
فصل سوم
مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنالهای مغزی
3-1- مقدمه
3-2- معرفی داده های موجود
3-2-1- مشخصات داده های ثبت شده توسط گروه دانشگاه Colorado
3-2-2- مشخصات داد ه های ثبت شده توسط گروه Graz
3-2-3- مشخصات دادههای MIT-BIH
3-3- استخراج ویژگی
3-4- دسته بندی
فصل چهارم
مقایسه تحلیلی تبدیل فوریه ، موجک و والش
4-1- مقدمه
4-2- تبدیل فوریه
4-3- تبدیل موجک
4-3-1- مقیاس.
4-4- تاریخچه تبدیل والش
4-4-1- توابع والش
4-4-2- تبدیل والش
فصل پنجم
توصیف روش پیشنهادی
5-1- مقدمه
5-2- پایگاه داده مورد استفاده
5-3- حذف نویز
5-3-1- آنالیز مولفه های مستقل
5-3-2- حذف نویز با استفاده از آنالیز مولفه هایمستقل
5-3-3- حذف نویز با استفاده از تبدیل موجک
5-3-4- حذف نویز با استفاده از تبدیل والش
5-3-5- حذف نویز با استفاده از روش ترکیبی تبدیل والش و ICA
5-4- استخراج ویژگی
5-4-1- آنتروپی
5-4-2- استخراج ویژگی با استفاده از تبدل والش
5-4-3- استخراج ویژگی با استفاده تبدیل فوریه و موجک
5-5- ماشین بردار پشتیبان (Support Vector Machin)
5-5-1- ابر صفحه جداساز
5-5-2- جداسازی غیر خطی
فصل ششم
نتایج و نتیجه گیری
6-1- مقدمه
6-2- حذف نویز
6-3- معیارهای ارزیابی
6-3-1- نسبت سیگنال به نویز (Signal to Noise Rate)
6-3-2- میانگین مربع خطا (Mean Square Error)
6-3-3- جذر میانگین تفاضل مربعات(درصد)(Percentage Root Mean Square Difference)
6-4- استخراج ویژگی
6-4-1- ویژگیهای تبدیل والش
6-4-2- ویژگیهای تبدیل فوریه
6-4-3- ویژگیهای تبدیل موجک
6-5- مقایسه با کارهای مرتبط بر روی این مجموعه داده
6-6- نتیجه گیری
6-7- پیشنهاد ها
منابع
 
فهرست شکل ها
عنوان صفحه

شکل 1-1 – واحد های پردازشی و دسته بندی در یک سیستم BCI
شکل 2-1- محل قرار گرفتن الکترود ها در سیستم
شکل 2-2- محدوده دامنه و فرکانس برخی از سیگنالهای حیاتی
شکل 4-1 – سیگنال ایستا دارای چهار جزء فرکانسی 5 ، 10، 20 و 50 هرتز
شکل 4-2 – تبدیل فوریه سیگنال رابطه 2-4))
شکل 4-3 – سیگنال غیر ایستا دارای چهار جزء فرکانسی 5، 10، 20 و 50 هرتز
شکل 4-4 – تبدیل فوریه سیگنال شکل (3-4)
شکل 4-5- تجزیه سیگنال با استفاده از تبدیل موجک
شکل 4-6- مقیاسهای مختلف یک تابع کسینوسی
شکل 4-7- تبدیل موجک در یک مقیاس خاص
شکل 4-8- تابع والش برای n=8
شکل 5-1- نحوه قرارگیری الکترودها بر روی سر هنگام ثبت سیگنالهای مغزی مورد استفاده
شکل 5-2- سیگنالهای گرفته شده توسط هر کانال
شکل 5-3- مولفههای بدست آمده توسط ICA
شکل 5-4- تبدیل والش از کانال های سیگنال
شکل 5-5- حد آستانه مشخص شده بر روی تبدیل والش برای حذف نویز
شکل 5-6- حد آستانه مشخص شده بر روی تبدیل والش، مولفههای ICA برای حذف نویز
شکل 5- 7 – صفحه های جداساز و بردارهای پشتیبان
شکل 5- 8 – صفحه جداساز و نواحی مربوط به هر کلاس
شکل 5-9- افزایش بعد جهت جداسازی خطی دادهها
شکل 6-1- سیگنال اصلی و سیگنال دارای نویز
شکل 6-2- سیگنال حاصل از حذف نویز با استفاده از روش ICA ، روش ترکیبی والش- ICA ، تبدیل والش و تبدیل موجک
شکل 6-3- نسبت سیگنال به نویز ده سیگنال
شکل 6-4- میانگین مربع خطا برای ده سیگنال
شکل 6-5- جذر میانگین تفاضل مربعات(درصد) برای ده سیگنال
شکل 6-6- آنتروپی توالی کانالهای سیگنالهای کلاس اول
شکل 6-7- توان آنتروپی هر کانال از سیگنالهای کلاس اول
شکل 6-8- آنتروپی تبدیل فوریه کانالهای سیگنالهای کلاس اول
شکل 6-9- آنتروپی تبدیل موجک کانالهای سیگنالهای کلاس اول

فهرست جدول ها
عنوان صفحه

جدول 3-1 – انواع ویژگیهای استفاده شده در پردازش سیگنال
جدول 4-1 – مقدار توابع والش و خروجی این تابع
جدول 6-1-نرخ تشخیص طبقه بندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگیهای تبدیل والش
جدول 6-2-نرخ تشخیص طبقه بندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگی های تبدیل فوریه
جدول 6-3-نرخ تشخیص طبقهبندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگیهای تبدیل موجک
جدول 6-4- نتایج دستهبندی بر اساس ویژگیهای سه روش
جدول 6-5- مقایسه متوسط زمان اجرای تبدیل والش ، تبدل فوریه و تبدیل موجک
جدول 6-6- مقایسه متوسط زمان اجرای روش پیشنهادی با نفر اول مسابقات BCI و تبدل فوریه و تبدیل موجک
جدول 6-7- مقایسه نرخ تشخیص روش پیشنهادی با 4 نفر اول مسابقات BCI

دانلود مقاله آزمایش تحکیم تشخیص شدت و میزان نشت در خاک‌های رسی

اختصاصی از ژیکو دانلود مقاله آزمایش تحکیم تشخیص شدت و میزان نشت در خاک‌های رسی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات52

آزمایش تحکیم:
هدف از انجام آزمایش تحکیم، تشخیص شدت و میزان نشت در خاک‌های رسی می‌باشد.
در این آزمایش نمونة خاک در درون یک هستة فلزی و بین دو صفحة متخلخل قرار داده می‌شود. و این حلقه در آب غوطه ور می گردد و بار بر نمونه اعمال می‌گردد. تعیین در ارتفاع نمونه توسط یک عقربة مدرج اندازه گیری می‌شود و هر 24 ساعت یک با فشار روی نمونه 2 برابر می‌گردد سپس منحنی زمان متغیر برای بارگذاری‌های مختلف کشیده می‌شود از روی این منحنی‌ها می‌توان زمان تحکیم و مقدار نشت خاکها را بدست آورد.
همچنین تغییرات تحکیم پوکی نمونه نسبت به فشار نیز بررسی می‌شود که در زیر آورده شده است.
روش انجام محاسبات
ارتفاع قسمت جامد نمونه قبل بارگذاری:
ارتفاع منافذ قبل از بارگذاری:
پوکی اولیه:
در اثر اولین افزایش بار تغییر شکل را خواهیم داشت، که تغییر پوکی از آن بدست می‌آید.
پوکی چدید را که بعد از افزایش بار ایجاد شد از فرمول زیر محاسبه می‌کنیم

این کار برای بارگذاری‌های بعدی نیز تکرار می‌شود. سپس نمودار P و پوکی به صورت یک منحنی بر روی کاغذ نیمه لگاریتمی رسم می‌شود.
وسایل آزمایش عبارت اند از:
1-دستگاه تحکیم 5- قوطی تعیین رطوبت
2- ترازو 6- اره سیمی
3- جک برای بیرون آوردن نمونه 7-کرنومتر
4- گرم خانه
این آزمایش برای نمونه‌های دست نخورده و خورده قابل انجام است. حلقة تحکیم را به کمک جک وارد نمونه می‌کنیم سپس سر و ته آن را با کمترین دست خوردگی صاف می‌کنیم و در محفظة تحکیم قرار می‌دهیم.
برای نمونه‌های دست خورده خاک را به حد روانی می‌رسانیم سپس آن را وارد محفظة تحکیم می کنیم.
انجام آزمایش:
بدلیل نبود زمان و اطلاعات تکمیلی بعدی، این آزمایش بطور کامل انجام نشد و تنها تحکیم نمونه در بار ثابت انجام شد که نتایج در زیر آمده است.