Analiza komparatystyczna algorytmów detekcji zespołu QRS w sygnałach stymulatorowych

• Autorzy: Duraj A. , Krawczyk A.

Warianty tytułu

EN

Detection and classification of QRS complexes with electrocardiography signals coming from patients with implanted cardiac pacemaker

• Języki publikacji: PL

Abstrakty

PL

W artykule dokonano porównania algorytmów detekcji zespołu QRS przy wykorzystaniu sygnałów elektrokardiograficznych pochodzących od pacjentów z wszczepionym układem stymulującym pracę serca. Wykorzystano algorytmy Friesena oraz algorytm zaproponowany przez autorów, będący połączeniem sieci neuronowych oraz przekształceń falkowych. Eksperymenty prowadzono dla 150 sygnałów o częstotliwości 128Hz udostępnionych przez Instytut Kardiologii w Warszawie.

EN

This paper presents the problem of detection and classification of QRS complexes with electrocardiography signals coming from patients with implanted cardiac pacemakers. Efficiency of detection of QRS complex was examined by Friesen's algorithms and the algorithms developed by the authors, namely wavelet-neural onese. Experiments have been carried out on with 150 ECG signals taen from Institute of Cardiology, Warsaw.

Słowa kluczowe

PL

sieci falkowo-neuronowe; detekcja QRS

EN

wavelet neural networks; detection QRS complex

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2008
• Tom: R. 84, nr 1
• Strony: 72--76
• Opis fizyczny: Bibliogr. 9 poz., tab., wykr.

Twórcy

autor

Duraj A.

autor

Krawczyk A.

• Instytut Informatyki Politechniki Łódzkiej,

Bibliografia

• [1] Addison P.S., The illustrated wavelet transform handbook. Introductory theory and applications in science, engineering, medicine and finance, Institute of Physics Publishing, Bristol and Philadelphia 2002.
• [2] Augustyniak P., Przetwarzanie sygnałów elektrodiagnostycznych, AGH Uczelniane Wydawnictwo Naukowo – Dydaktyczne, Kraków 2001.
• [3] Duraj A., Krawczyk A., Algorytmy rozpoznawania i klasyfikacji sygnałów elektrokardiograficznych, Przegląd Elektrotechniczny, nr 12, 2003, str. 916-919.
• [4] Duraj A., Krawczyk A., Modelowanie komputerowe sygnałów EKG, A. [w:] Elektromagnetyzm w medycynie i biologii, red. R. Kubacki, A. Krawczyk, Instytut Naukowo – Badawczy ZTUREK, Warszawa 2004, R. VII, str. 39 -45.
• [5] Duraj A., Krawczyk A., Detekcja i identyfikacja zespołu QRS w sygnałach elektrokardiograficznych stymulatorowych, Przegląd Elektrotechniczny, nr 12, 2006, str. 38 – 41.
• [6] Duraj A., Sieci falkowo – neuronowe jako metoda detekcji i klasyfikacji rytmu endogennego w sygnałach stymulatorowych, VIII International Workshop for Candidates for a Doctor’s Degree OWD’2006 – 21- 24 October 2006, tom 2, str. 339-344.
• [7] Friesen G.M., Jannett T.C., Djadallah M.A., Yates S.L., Quint S.R., Nagle H.T, A comparison of the noise sensitivity of nine QRS detection algorithms, IEEE Transaction on Biomedical Engineering, Vol. 37, No. 1, January 1990, pp. 85-98.
• [8] Köhler B.-U., Henning C., Orglmeister R., The Principles of Software QRS Detection, IEEE Engineering in Medicine and Biology, Vol. 21, No. 1, pp. 42-54, 2002.
• [9] Zhang Q., i Benvenist A., Wavelet Networks, IEEE Trans. On Neural Networks, vol. 3, No 6, November 1992, pp.889-898.