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”

Ultra-High Frequency ECG Deep-Learning Beat Detector Delivering QRS Onsets and Offsets

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APU146236" target="_blank" >RIV/00216305:26220/22:PU146236 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Ultra-High Frequency ECG Deep-Learning Beat Detector Delivering QRS Onsets and Offsets

  • Popis výsledku v původním jazyce

    Background: QRS duration is a common measure linked to conduction abnormalities in heart ventricles. Aim: We propose a QRS detector, further able to locate QRS onset and offset in one inference step. Method: A 3-second window from 12 leads of UHF ECG signal (5 kHz) is standardized and processed with the UNet network. The output is an array of QRS probabilities, further processed with probability and distance criterion, allowing us to determine duration and final location of QRSs. Results: The model was trained on 2,250 ECG recordings from the FNUSA-ICRC hospital (Brno, Czechia). The model was tested on 5 different datasets: FNUSA, a dataset from FNKV hospital (Prague, Czechia), and three public datasets (Cipa, Strict LBBB, LUDB). Regarding QRS duration, results showed a mean absolute error of 13.99 ± 4.29 ms between annotated durations and the output of the proposed model. A QRS detection F-score was 0.98 ± 0.01. Conclusion: Our results indicate high QRS detection performance on both spontaneous and paced UHF ECG data. We also showed that QRS detection and duration could be combined in one deep learning algorithm.

  • Název v anglickém jazyce

    Ultra-High Frequency ECG Deep-Learning Beat Detector Delivering QRS Onsets and Offsets

  • Popis výsledku anglicky

    Background: QRS duration is a common measure linked to conduction abnormalities in heart ventricles. Aim: We propose a QRS detector, further able to locate QRS onset and offset in one inference step. Method: A 3-second window from 12 leads of UHF ECG signal (5 kHz) is standardized and processed with the UNet network. The output is an array of QRS probabilities, further processed with probability and distance criterion, allowing us to determine duration and final location of QRSs. Results: The model was trained on 2,250 ECG recordings from the FNUSA-ICRC hospital (Brno, Czechia). The model was tested on 5 different datasets: FNUSA, a dataset from FNKV hospital (Prague, Czechia), and three public datasets (Cipa, Strict LBBB, LUDB). Regarding QRS duration, results showed a mean absolute error of 13.99 ± 4.29 ms between annotated durations and the output of the proposed model. A QRS detection F-score was 0.98 ± 0.01. Conclusion: Our results indicate high QRS detection performance on both spontaneous and paced UHF ECG data. We also showed that QRS detection and duration could be combined in one deep learning algorithm.

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

    2022

  • 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 2022

  • ISBN

  • ISSN

    2325-887X

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    „“-„“

  • Název nakladatele

    Neuveden

  • Místo vydání

    neuveden

  • Místo konání akce

    Tampere, Finsko

  • Datum konání akce

    3. 9. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku