Zpracování signálů srdce s využitím metod umělé inteligence

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

—

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.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

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

Rok uplatnění

2008

Kód důvěrnosti údajů

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

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

—