Arrhythmia disease classification using a higher-order neural unit

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F15%3A00233063" target="_blank" >RIV/68407700:21220/15:00233063 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/FGCT.2015.7300253" target="_blank" >http://dx.doi.org/10.1109/FGCT.2015.7300253</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/FGCT.2015.7300253" target="_blank" >10.1109/FGCT.2015.7300253</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Arrhythmia disease classification using a higher-order neural unit

Popis výsledku v původním jazyce

This paper presents a quadratic neural unit with error backpropagation learning algorithm to classify electrocardiogram arrhythmia disease. The electrocardiogram arrhythmia classification scheme consists of data acquisition, feature extraction, feature reduction, and a quadratic neural unit classifier to discriminate three different types of arrhythmia. A total of 44 records were obtained from MIT-BIH arrhythmia database to test the efficiency of arrhythmia disease classification method, the obtained results were a specificity of 97.60 % and a sensitivity of 97.05 %. The best accuracy classification rate obtained using the presented approach has been of 98.16 %.

Název v anglickém jazyce

Arrhythmia disease classification using a higher-order neural unit

Popis výsledku anglicky

This paper presents a quadratic neural unit with error backpropagation learning algorithm to classify electrocardiogram arrhythmia disease. The electrocardiogram arrhythmia classification scheme consists of data acquisition, feature extraction, feature reduction, and a quadratic neural unit classifier to discriminate three different types of arrhythmia. A total of 44 records were obtained from MIT-BIH arrhythmia database to test the efficiency of arrhythmia disease classification method, the obtained results were a specificity of 97.60 % and a sensitivity of 97.05 %. The best accuracy classification rate obtained using the presented approach has been of 98.16 %.

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

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

The Fourth International Conference on Future Generation Communication Technologies (FGCT 2015)

ISBN

978-1-4799-8267-7

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

85-90

Název nakladatele

IEE

Místo vydání

London

Místo konání akce

Luton

Datum konání akce

29. 7. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000378416600019