Clinical Accuracy QRS Detector with Automatic Parameter Adjustment in an Autonomous, Real-Time Physiologic Monitor

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F17%3APU126203" target="_blank" >RIV/00216305:26220/17:PU126203 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8309112" target="_blank" >https://ieeexplore.ieee.org/document/8309112</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/GlobalSIP.2017.8309112" target="_blank" >10.1109/GlobalSIP.2017.8309112</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Clinical Accuracy QRS Detector with Automatic Parameter Adjustment in an Autonomous, Real-Time Physiologic Monitor

Popis výsledku v původním jazyce

This paper presents a computationally and temporal data-compact QRS complex detection algorithm useful in embedded real-time electrocardiogram (ECG) waveform analysis. The aim of the compact algorithms is to provide high sensitivity and specificity, i.e. diagnostically useful QRS waveform detection, in a continuous ambulatory monitor setting. The proposed detector uses a multi-level approach: QRS highlighting by means of a Truncated Discrete Time Stockwell Transform (TDTST), peak discrimination, and a trained Neural Network to reduce the number of false positive QRS detections. An optimization method is presented that automatically adjust the detector’s parameters to minimize the computational cost. Results demonstrate that the compact TDTST algorithm exhibits high QRS detection accuracy, an error rate of 0.31%, and remains applicable to real-time embedded physiologic ambulatory monitors.

Název v anglickém jazyce

Clinical Accuracy QRS Detector with Automatic Parameter Adjustment in an Autonomous, Real-Time Physiologic Monitor

Popis výsledku anglicky

This paper presents a computationally and temporal data-compact QRS complex detection algorithm useful in embedded real-time electrocardiogram (ECG) waveform analysis. The aim of the compact algorithms is to provide high sensitivity and specificity, i.e. diagnostically useful QRS waveform detection, in a continuous ambulatory monitor setting. The proposed detector uses a multi-level approach: QRS highlighting by means of a Truncated Discrete Time Stockwell Transform (TDTST), peak discrimination, and a trained Neural Network to reduce the number of false positive QRS detections. An optimization method is presented that automatically adjust the detector’s parameters to minimize the computational cost. Results demonstrate that the compact TDTST algorithm exhibits high QRS detection accuracy, an error rate of 0.31%, and remains applicable to real-time embedded physiologic ambulatory monitors.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/GAP102%2F12%2F2034" target="_blank" >GAP102/12/2034: Analýza vztahu mezi elektrickými ději a průtokem krve u srdečních komor</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

2017 IEEE Global Conference on Signal and Information Processing (GlobalSIP)

ISBN

978-1-5090-5990-4

ISSN

2376-4066

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1005-1009

Název nakladatele

IEEE

Místo vydání

Montreal, QC, Kanada

Místo konání akce

Montreal, Kanada

Datum konání akce

14. 11. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000450053100199