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”

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