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”

Adaptive Threshold, Wavelet and Hilbert Transform for QRS Detection in Electrocardiogram Signals

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F17%3A00315465" target="_blank" >RIV/68407700:21220/17:00315465 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-69835-9_73" target="_blank" >http://dx.doi.org/10.1007/978-3-319-69835-9_73</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-69835-9_73" target="_blank" >10.1007/978-3-319-69835-9_73</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive Threshold, Wavelet and Hilbert Transform for QRS Detection in Electrocardiogram Signals

  • Popis výsledku v původním jazyce

    This paper combines Hilbert and Wavelet transforms and an adaptive threshold technique to detect the QRS complex of electrocardiogram signals. The method is performed in a window framework. First, the Wavelet transform is applied to the ECG signal to remove noise. Next, the Hilbert transform is applied to detect dominant peak points in the signal. Finally, the adaptive threshold technique is applied to detect R-peaks, Q, and S points. The performance of the algorithm is evaluated against the MIT-BIH arrhythmia database, and the numerical results indicated significant detection accuracy.

  • Název v anglickém jazyce

    Adaptive Threshold, Wavelet and Hilbert Transform for QRS Detection in Electrocardiogram Signals

  • Popis výsledku anglicky

    This paper combines Hilbert and Wavelet transforms and an adaptive threshold technique to detect the QRS complex of electrocardiogram signals. The method is performed in a window framework. First, the Wavelet transform is applied to the ECG signal to remove noise. Next, the Hilbert transform is applied to detect dominant peak points in the signal. Finally, the adaptive threshold technique is applied to detect R-peaks, Q, and S points. The performance of the algorithm is evaluated against the MIT-BIH arrhythmia database, and the numerical results indicated significant detection accuracy.

Klasifikace

  • 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)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • 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

    Proceedings of the 12th International Conference on P2P, Parallel, Grid, Cloud and Internet Computing (3PGCIC-2017)

  • ISBN

    978-3-319-69835-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    10

  • Strana od-do

    777-786

  • Název nakladatele

    Springer International Publishing AG

  • Místo vydání

    Cham

  • Místo konání akce

    Barcelona

  • Datum konání akce

    8. 11. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku