Neural Network with L-M Algorithm for Arrhythmia Disease Classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13440%2F22%3A43896306" target="_blank" >RIV/44555601:13440/22:43896306 - isvavai.cz</a>

Výsledek na webu

<a href="http://10.1007/978-3-030-89899-1_33" target="_blank" >http://10.1007/978-3-030-89899-1_33</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-89899-1_33" target="_blank" >10.1007/978-3-030-89899-1_33</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Neural Network with L-M Algorithm for Arrhythmia Disease Classification

Popis výsledku v původním jazyce

This paper presents a feedforward multilayer perceptron neural network with a Levenberg-Marquardt learning algorithm for recognizing arrhythmia disease from normal electrocardiogram (ECG) patterns. To the best of our knowledge, in the ?eld of arrhythmia disease classi?cation, classical approaches utilize either different QRS complex detection or feature reduction methods but not both at the same time; thus, this work provides an important contribution. A total of forty-four records were obtained from the MIT-BIH arrhythmia database to test the QRS complex detection method, and the obtained results were a speci?city of 96.16% and a sensitivity of 98.03%. The best classi?cation rate obtained using the presented approach was 98.27%.

Název v anglickém jazyce

Neural Network with L-M Algorithm for Arrhythmia Disease Classification

Popis výsledku anglicky

This paper presents a feedforward multilayer perceptron neural network with a Levenberg-Marquardt learning algorithm for recognizing arrhythmia disease from normal electrocardiogram (ECG) patterns. To the best of our knowledge, in the ?eld of arrhythmia disease classi?cation, classical approaches utilize either different QRS complex detection or feature reduction methods but not both at the same time; thus, this work provides an important contribution. A total of forty-four records were obtained from the MIT-BIH arrhythmia database to test the QRS complex detection method, and the obtained results were a speci?city of 96.16% and a sensitivity of 98.03%. The best classi?cation rate obtained using the presented approach was 98.27%.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název statě ve sborníku

Advances on P2P, Parallel, Grid, Cloud and Internet Computing

ISBN

978-3-030-89899-1

ISSN

2367-3370

e-ISSN

2367-3389

Počet stran výsledku

20

Strana od-do

309-318

Název nakladatele

Springer Nature

Místo vydání

Basel

Místo konání akce

Fukuoka, Japan

Datum konání akce

28. 10. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000722277600033