Automatická klasifikace EKG s použitím morfologických parametrů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F15%3APU115137" target="_blank" >RIV/00216305:26220/15:PU115137 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.elektrorevue.cz/cz/clanky/zpracovani-signalu/0/automaticka-klasifikace-ekg-s-pouzitim-morfologickych-parametru--automatic-ekg-classification-with-use-of-morphological-parameters-/" target="_blank" >http://www.elektrorevue.cz/cz/clanky/zpracovani-signalu/0/automaticka-klasifikace-ekg-s-pouzitim-morfologickych-parametru--automatic-ekg-classification-with-use-of-morphological-parameters-/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Automatická klasifikace EKG s použitím morfologických parametrů

Popis výsledku v původním jazyce

Tento článek se zabývá automatickou klasifikací EKG dat, získaných během experimentu na izolovaných králičích srdcích. Je zde realizována automatická klasifikace čtyř typů srdečních cyklů (normální, středně a silně ischemické cykly a komorové extrasystoly), které jsou reprezentovány z nich odvozenými morfologickými parametry. Za pomoci statistických metod jsou zvoleny ty, které jsou pro reprezentaci cyklů při klasifikaci vhodné. Klasifikace je realizována pomocí čtyř různých klasifikačních metod (diskriminační analýza, naivní Bayesův klasifikátor, metoda podpůrných vektorů a metoda k-nejbližších sousedů). Kombinací jednoduchých klasifikačních metod s morfologickými parametry se podařilo dosáhnout výborné úspěšnosti klasifikace analyzovaných typů cyklů(až 99,3 %).

Název v anglickém jazyce

Automatic EKG classification with use of morphological parameters

Popis výsledku anglicky

Present study is focused on automatic classification of ECG beats (normal, middle and extreme ischemic beats, and premature ventricular contraction) in data obtained during experiments with rabbit isolated hearts. Only the most informative features werechosen from morphological ECG parameters using Kruskal-Wallis and Tukey-Kramer tests and also principal component analysis. Selected features were then used for automatic classification of four types of the beats. Four classification approaches were realized: discriminant function analysis, k-Nearest Neighbours, support vector machines, and naive Bayes classifier. It is shown, that combination of simple classification method with relatively low number of morphological parameters allows achieving of accurate results (with total accuracy up to 99,3 %).

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Elektrorevue - Internetový časopis (http://www.elektrorevue.cz)

ISSN

1213-1539

e-ISSN

—

Svazek periodika

17

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

9

Strana od-do

115-123

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—