Application of artificial neural networks to identify the premature ventricular contraction (PVC) beats
Автор: Chikh Mohammed Amine, Bereksi Reguig F.
Журнал: Техническая акустика @ejta
Статья в выпуске: т.4, 2004 года.
Бесплатный доступ
Premature ventricular contraction (PVC) is a cardiac arrhythmia that can result in sudden death. Understanding and treatment of this disorder would be improved if patterns of electrical activation could be accurately identified and studied during its occurrence. In this paper, we shall review three feature extractions algorithms of the electrocardiogram (ECG) signal, Fourier transform, linear prediction coding (LPC) technique and principal component analysis (PCA) method, with aim of generating the most appropriate input vector for a neural classifier. The performance measures of the classifier rate, sensitivity and specificity of these algorithms will also be presented using as training and testing data sets from the MIT-BIH (Massachusetts Institute Technology Beth Israel Hospital) database.
Ecg signal, linear prediction coding, principal component analysis, fourier transform, neural networks, premature ventricular contraction, mit-bih arrhythmia database
Короткий адрес: https://sciup.org/14316234
IDR: 14316234
Применение искусственных нейронных сетей для определения желудочковой экстрасистолии
Сердечная аритмия, в частности желудочковая экстрасистолия, может привести к внезапной смерти. Понимание природы этого нарушения в работе сердца и, следовательно, его лечение могли бы быть улучшены при правильной расшифровке данных электокадиограммы, полученной при проявлении данного расстройства. В статье рассматриваются три алгоритма обработки электрокардиограммы: преобразование Фурье, прогноз на основе линейного программирования, метод анализа основных компонент. Цель исследования получение наиболее подходящего набора данных для нейронного классификатора. Анализ работоспособности классификатора, его чувствительности и особенностей указанных алгоритмов выполнены с использованием базы тестовых данных Массачусетского технологического института.
