Zpracování signálů srdce s využitím metod umělé inteligence
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03151585" target="_blank" >RIV/68407700:21230/08:03151585 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Heart signal processing using artificial intelligence methods
Popis výsledku v původním jazyce
Paper presents the use and comparison of promising nature-inspired methods which can contribute in the ECG interpretation process. Heart-beat clustering can effectively reduce the amount of data presented to the cardiologist: cardiac arrhythmias and significant morphology changes in the ECG can be visually emphasized in a reasonable time. The exhaustive clustering methods are resource demanding (in terms of computational time and memory), therefore appropriate heuristics should be considered. The nature-inspired methods are currently in the focus of intensive research work. This paper presents the use of ant-colony inspired metaheuristics for data clustering. The method is compared with well known clustering techniques (both classical and nature-inspired), first testing on the known dataset and finally applying them to the real ECG data records from the MIT-BIH database.
Název v anglickém jazyce
Heart signal processing using artificial intelligence methods
Popis výsledku anglicky
Paper presents the use and comparison of promising nature-inspired methods which can contribute in the ECG interpretation process. Heart-beat clustering can effectively reduce the amount of data presented to the cardiologist: cardiac arrhythmias and significant morphology changes in the ECG can be visually emphasized in a reasonable time. The exhaustive clustering methods are resource demanding (in terms of computational time and memory), therefore appropriate heuristics should be considered. The nature-inspired methods are currently in the focus of intensive research work. This paper presents the use of ant-colony inspired metaheuristics for data clustering. The method is compared with well known clustering techniques (both classical and nature-inspired), first testing on the known dataset and finally applying them to the real ECG data records from the MIT-BIH database.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/1ET201210527" target="_blank" >1ET201210527: Znalostní podpora diagnostiky a predikce v kardiologii</a><br>
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2008
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 Workshop 2008
ISBN
978-80-01-04016-4
ISSN
—
e-ISSN
—
Počet stran výsledku
2
Strana od-do
—
Název nakladatele
Czech Technical University in Prague
Místo vydání
Praha
Místo konání akce
Praha
Datum konání akce
18. 2. 2008
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—