Není k dispozici

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F06%3A03125303" target="_blank" >RIV/68407700:21230/06:03125303 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Heartbeat Classification Using Gaussian Mixture Models

Popis výsledku v původním jazyce

Automatic analysis of long term electrocardiographic registers is an issue of great importance since these records are used to diagnose difficult to observe heart diseases and their duration makes human inspection time consuming and error prone. That wepropose in this paper is a supervised procedure for heartbeat classification based on a probabilistic method successfully applied to many pattern recognition tasks, Gaussian Mixture Models (GMM). So, we will use a mixture composed by bidimensional Gaussian probability density functions (pdf) to modelate a concrete heartbeat morphology. The parameters of these Gaussian pdfs are estimated using the Expectation-Maximization (EM) algorithm, and at that point, thresholds can be obtained to separate the objects into the component classes. Experiments are carried out using registers of the MIT ECG database.

Název v anglickém jazyce

Heartbeat Classification Using Gaussian Mixture Models

Popis výsledku anglicky

Automatic analysis of long term electrocardiographic registers is an issue of great importance since these records are used to diagnose difficult to observe heart diseases and their duration makes human inspection time consuming and error prone. That wepropose in this paper is a supervised procedure for heartbeat classification based on a probabilistic method successfully applied to many pattern recognition tasks, Gaussian Mixture Models (GMM). So, we will use a mixture composed by bidimensional Gaussian probability density functions (pdf) to modelate a concrete heartbeat morphology. The parameters of these Gaussian pdfs are estimated using the Expectation-Maximization (EM) algorithm, and at that point, thresholds can be obtained to separate the objects into the component classes. Experiments are carried out using registers of the MIT ECG database.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2006

Kód důvěrnosti údajů

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

Název statě ve sborníku

Analysis of Biomedical Signals and Images - Proceedings of Biosignal 2006

ISBN

80-214-3152-0

ISSN

—

e-ISSN

—

Počet stran výsledku

3

Strana od-do

3-5

Název nakladatele

VUTIUM Press

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

28. 6. 2006

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—