Clustering of ECG cycles
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F19%3APU141772" target="_blank" >RIV/00216305:26220/19:PU141772 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.fekt.vut.cz/conf/EEICT/archiv/sborniky/EEICT_2019_sbornik.pdf" target="_blank" >https://www.fekt.vut.cz/conf/EEICT/archiv/sborniky/EEICT_2019_sbornik.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Clustering of ECG cycles
Popis výsledku v původním jazyce
The study is focused on a design of a reliable approach for ECG cycles clustering. It would be helpful for automatic assessment of various pathological patterns in ECG. Proposed method was tested and tuned on real data from ambulatory ECG database. The algorithm comprises ECG preprocessing, adjustment of R-peak positions available in database, creation of a template cycle, computation of features mainly representing correlation between particular cycles and the template, and, clustering of cycles within ECG via k-means. The appropriate number of clusters is derived via analysis of silhouette values. Resulting success of the algorithm in comparison with available manual scoring is: Sensitivity = 0.55 and Specificity=0.94.
Název v anglickém jazyce
Shluková analýza EKG
Popis výsledku anglicky
Studie se zaměřuje na návrh spolehlivého přístupu ke shlukování EKG cyklů. Výsledek by byl užitečný pro automatické vyhodnocování různých patologických vzorů v EKG. Navrhovaná metoda byla testována a optimalizována na reálných datech z ambulantní databáze EKG. Algoritmus se skládá z předzpracování EKG, úpravu pozic R-kmitů dostupných v databázi, vytvoření šablony cyklu, výpočet příznaků představujících především korelaci mezi jednotlivými cykly a vzorem a shlukování cyklů v rámci EKG pomocí k-means. Vhodný počet shluků je odvozen pomocí analýzy siluet. Výsledná úspěšnost algoritmu v porovnání s algoritmy dostupným manuálním skórováním je: Senzitivita = 0,55 a specificita = 0,94. Translated with www.DeepL.com/Translator (free version)
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
20601 - Medical engineering
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů