Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Biometric Authentication Using the Unique Characteristics of the ECG Signal

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU137827" target="_blank" >RIV/00216305:26220/20:PU137827 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.cinc.org/archives/2020/pdf/CinC2020-321.pdf" target="_blank" >http://www.cinc.org/archives/2020/pdf/CinC2020-321.pdf</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.22489/CinC.2020.321" target="_blank" >10.22489/CinC.2020.321</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Biometric Authentication Using the Unique Characteristics of the ECG Signal

  • Popis výsledku v původním jazyce

    ECG is a biological signal specific for each person that is hard to create artificially. Therefore, its usage in biometry is highly investigated. It may be assumed that in the future, ECG for biometric purposes will be measured by wearable devices. Therefore, the quality of the acquired data will be worse compared to ambulatory ECG. In this study, we proposed and tested three different ECG-based authentication methods on data measured by Maxim Integrated wristband. Specifically, 29 participants were involved. The first method extracted 22 time-domain features – intervals and amplitudes from each heartbeat and Hjorth descriptors of an average heartbeat. The second method used 320 features extracted from the wavelet domain. For both methods a random forest was used as a classifier. The deep learning method was selected as the third method. Specifically, the 1D convolutional neural network with embedded feed-forward neural network was used to classify the raw signal of every heartbeat. The first method reached an average false acceptance rate (FAR) 7.11% and false rejection rate (FRR) 6.49%. The second method reached FAR 6.96% and FRR 21.61%. The third method reached FAR 0.57% and FRR 0.00%.

  • Název v anglickém jazyce

    Biometric Authentication Using the Unique Characteristics of the ECG Signal

  • Popis výsledku anglicky

    ECG is a biological signal specific for each person that is hard to create artificially. Therefore, its usage in biometry is highly investigated. It may be assumed that in the future, ECG for biometric purposes will be measured by wearable devices. Therefore, the quality of the acquired data will be worse compared to ambulatory ECG. In this study, we proposed and tested three different ECG-based authentication methods on data measured by Maxim Integrated wristband. Specifically, 29 participants were involved. The first method extracted 22 time-domain features – intervals and amplitudes from each heartbeat and Hjorth descriptors of an average heartbeat. The second method used 320 features extracted from the wavelet domain. For both methods a random forest was used as a classifier. The deep learning method was selected as the third method. Specifically, the 1D convolutional neural network with embedded feed-forward neural network was used to classify the raw signal of every heartbeat. The first method reached an average false acceptance rate (FAR) 7.11% and false rejection rate (FRR) 6.49%. The second method reached FAR 6.96% and FRR 21.61%. The third method reached FAR 0.57% and FRR 0.00%.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20601 - Medical engineering

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Computing in Cardiology 2020

  • ISBN

  • ISSN

    2325-887X

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    1-4

  • Název nakladatele

    IEEE

  • Místo vydání

    Rimini, Italy

  • Místo konání akce

    Rimini

  • Datum konání akce

    13. 9. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku