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”

Nature Inspired Clustering Methods in The Electrocardiogram Interpretation Process in Cardiology

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00170436" target="_blank" >RIV/68407700:21230/10:00170436 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Nature Inspired Clustering Methods in The Electrocardiogram Interpretation Process in Cardiology

  • Popis výsledku v původním jazyce

    The paper focuses on the field of artificial intelligence techniques and their use in biomedical data processing. It concentrates on the clustering techniques inspired by various ant colonies and other nature concepts. The paper evaluates the use of thefollowing nature inspired methods: Ant Colony inspired Clustering, Ant Colony inspired method for Decision Tree generation, Radial Basis Function Neural Networks with different learning algorithms and compare them to classical approaches, such as k-meansand hierarchical clustering. The methods have been evaluated using the annotated MIT-BIH database. Use of the Dynamic Time Warping measure improved Sensitivity about 0.7 % and Specificity about 0.9 % when compared to classical feature extraction. Thebest-performing method is the agglomerative hierarchical clustering (Se=94.3, Sp=74.1), however it is practically unusable as it is memory and computational demanding.

  • Název v anglickém jazyce

    Nature Inspired Clustering Methods in The Electrocardiogram Interpretation Process in Cardiology

  • Popis výsledku anglicky

    The paper focuses on the field of artificial intelligence techniques and their use in biomedical data processing. It concentrates on the clustering techniques inspired by various ant colonies and other nature concepts. The paper evaluates the use of thefollowing nature inspired methods: Ant Colony inspired Clustering, Ant Colony inspired method for Decision Tree generation, Radial Basis Function Neural Networks with different learning algorithms and compare them to classical approaches, such as k-meansand hierarchical clustering. The methods have been evaluated using the annotated MIT-BIH database. Use of the Dynamic Time Warping measure improved Sensitivity about 0.7 % and Specificity about 0.9 % when compared to classical feature extraction. Thebest-performing method is the agglomerative hierarchical clustering (Se=94.3, Sp=74.1), however it is practically unusable as it is memory and computational demanding.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2010

  • 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

    Analysis of Biomedical Signals and Images, BIOSIGNAL 2010, Proceedings

  • ISBN

    978-80-214-4106-4

  • ISSN

    1211-412X

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

  • Název nakladatele

    Brno University of Technology

  • Místo vydání

    Brno

  • Místo konání akce

    Brno

  • Datum konání akce

    27. 6. 2010

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku