PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 8

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  detekcja QRS
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote A new approach to adaptive threshold based method for QRS detection with fuzzy clustering
Pander Tomasz
Biocybernetics and Biomedical Engineering
|
2022
|
Vol. 42, no. 1
404--425
EN
The most crucial requirements for a QRS complex detection algorithm are accuracy, precision and repeatability. Most methods of detecting QRS complexes use the approach based on exceeding a certain amplitude threshold. However, the presence of noise in the electro-cardiographic signal can inhibit the accuracy and precision of detection especially for low amplitude QRS-complexes. The proposed algorithm uses a new approach for the amplitude threshold determination and in the decision stage. The fuzzy c-median clustering method is used to determine the amplitude threshold values for each sliding window across the composed detection function waveform. It allows us to adjust threshold value to noise variations in the ECG signal. When a specified amplitude threshold is exceeded by the detection function and finding the peaks in its waveform, potential QRS complexes can be identified. Then the identified peaks are evaluated on the basis of the speed of rising and falling slopes of detection function peak. It enables identification of only those peaks of the detection function whose location corresponds to QRS complexes. ECG recordings taken from the standard-available eight databases are used to evaluate the performance quality of the proposed method. The proposed QRS detector achieved sensitivity of 99.82%, positive predictivity of 99.88% over the validation MIT-BIH Arrhythmia Database. The overall sensitivity and positive predictivity are respectively 99.81% and 99.67%. Advantages of the proposed method are the robustness against noise, the accuracy and the simplicity of the algorithm that evaluates the candidate peaks of the detection function which indicate the QRS complexes.
2
Content available remote Analiza komparatystyczna algorytmów detekcji zespołu QRS w sygnałach stymulatorowych
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2008
|
R. 84, nr 1
72-76
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.
3
Content available remote Detecting QRS complex and classifying endogenous rhythms in pacemaker ECG signals
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2007
|
R. 83, nr 11
157-160
EN
This article presents the problem of detection and classification of QRS complexes with electrocardiography signals coming from patients with implanted cardiac pacemaker. Special attention was focused on the use of wavelet - neural networks in above mentioned subject matter of investigation. Efficiency of detection of QRS complex was examined by algorithms working in time domain. During the investigation a lot of attention was paid to good selection of level decomposition, good choice of detection threshold as well as choice of wavelet transformation.
PL
W artykule przedstawiono problem detekcji i klasyfikacji zespołu QRS w elektrokardiogramie pochodzącym od pacjenta z wszczepionym stymulatorem serca. Skupiono uwagę na zastosowaniu kombinacji obliczeniowej: przekształcenie falkowe - sieć neuronowa jako metody analizy. Zwrócono specjalną uwagę na dobry wybór poziomu dekompozycji, progu detekcji, jak również na wybór transformacji falkowej.
4
Content available remote QRS detection and identification by means of wavelet technique
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2006
|
R. 82, nr 5
54-56
EN
Automatic ECG processing is recently being developed in the detection and location of the signal characteristic points and it is an important tool in the treatment of cardiac diseases. In this work we discuss the application of Wavelet Transform techniques to the detection QRS complexes. The first aim of this work is to describe tools of wavelet analysis. The second aim is to present some of the wavelet transforms (Haar, Daubiechies, Symplet, Coiflet). The exemplary method is used to establish values for soft and hard thresholding of wavelets coefficients to detection QRS.
PL
W ostatnich latach można zaobserwować bardzo szybki rozwój metod przetwarzania sygnałów biomedycznych oferujących nowe możliwości diagnostyczne. Obok metod wykorzystujących pochodne sygnałów i sieci neuronowe w ostatnim czasie coraz bardziej popularne stają się metody czasowo - częstotliwościowe w tym zwłaszcza transformacje falkowe. Wcześniejsze prace autorów dotyczyły tych metod detekcji zespołu QRS, które wykorzystywały sieci neuronowe i pochodne sygnału. Przedmiotem tej pracy jest problematyka zastosowań przekształceń falkowych do detekcji zespołu QRS. Autorzy opracowania prezentują wstępne wyniki badań dotyczące powyższego zagadnienia.
5
Content available remote Detekcja i identyfikacja zespołu QRS w sygnałach elektrokardiograficznych stymulatorowych
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2006
|
R. 82, nr 12
38-41
PL
W niniejszym opracowaniu proponujemy połączenie dwóch bardzo szybko rozwijających się dziedzin, a mianowicie sieci neuronowych oraz przekształceń falkowych. Nowa metoda sieci falkowo - neuronowej nie tylko wykrywa zespół QRS ale jednocześnie dokonuje jego klasyfikacji na rytm endogenny. Eksperymenty prowadzone były dla sygnałów elektrokardiograficznych pochodzących od pacjentów z wszczepionym układem stymulującym pracę serca. Testowano 150 sygnałów o częstotliwości 128Hz udostępnionych przez Instytut Kardiologii w Warszawie.
EN
We described QRS detection method in our earlier works. Although results a lot of authors are good, problems detection still arise. These problems mostly arise at important parts of the signals to be classified due to massive and fast signal changes. On the other hand, noisy signals lead to false detection QRS. This article presents a new QRS detected method. We combine the wavelet transform and neural networks to develop a new method for detection QRS and classification of patient rhythm and rhythm descending from pacemaker. We distinguish two categories of methods. In the first one, the wavelet part is essentially decoupled from learning. A signal is decomposed on some wavelet and the wavelet coefficients are furnished to a neural network. In the second category, wavelet theory and neural networks are combined into a single method. The idea of using wavelets in neural networks has been proposed. We limit the scope of this article to the first category.
6
Content available remote Detekcja zespołów QRS w zakłóconym sygnale EKG
Ćmielowski Ł., Wilk B.
Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika
|
2005
|
z. 28 [223]
45-53
PL
W artykule omówiono i porównano kilka metod przeznaczonych do detekcji zespołów QRS o prawidłowej morfologii, które są najczęściej implementowane w systemach przetwarzających zakłócony sygnał EKG. Ponadto zaprezentowano cyfrowy detektor QRS bazujący na ciągłej transformacie falkowej (ang. CWT), który zapewnia dużą dokładność detekcji w przypadku zakłóconego sygnału EKG.
EN
In this paper. the most popular QRS detection methods implemented usually for noisy ECG signal are described and compared. A new QRS detector based on the wavelet transform (CWT) is presented. This algorithm gives a good accuracy of QRS complexes detection, specially for noisy ECG signal.
7
Content available remote Zastosowanie przekształcenia falkowego do detekcji zespołu QRS
Duraj A., Krawczyk A., Koźluk E., Kumor M.
Przegląd Elektrotechniczny
|
2005
|
R. 81, nr 1
72-75
PL
W ostatnich latach można zaobserwować bardzo szybki rozwój metod przetwarzania sygnałów biomedycznych oferujących nowe możliwości diagnostyczne. Obok metod wykorzystujących pochodne sygnałów i sieci neuronowe w ostatnim czasie coraz bardziej popularne stają się metody czasowo - częstotliwościowe w tym zwłaszcza transformacje falkowe. Wcześniejsze prace autorów dotyczyły tych metod detekcji zespołu QRS, które wykorzystywały sieci neuronowe i pochodne sygnału. Przedmiotem tej pracy jest problematyka zastosowań przekształceń falkowych do detekcji zespołu QRS. Autorzy opracowania prezentują wstępne wyniki badań dotyczące powyższego zagadnienia.
EN
Automatic ECG processing is recently being developed in the detection and location of the signal characteristic points and it is an important tool in the treatment of cardiac diseases. In this work we discuss the application of Wavelet Transform technigues to the detection QRS complexes. The first aim of this work is to describe tools of wavelet analysis. The second aim is to present some of the wavelet transforms (Haar, Daubiechies, Symplet, Coiflet). The exemplary method is used to establish values for soft and hard thresholding of wavelets coefficients to detection QRS.
8
Content available Digital signal processing in ECG recorder with Python-based software
Kosiński W., Owczarek A., Jarocki B., Momot M., Płaczek M., Zegartowski G., Gacek A.
Journal of Medical Informatics & Technologies
|
2003
|
Vol. 6
IT61--68
EN
The aim of the paper is to present the possibilities and the advantages of using open source solution like Python and Linux in medical application development. An implementation of the QRS detection and classification is described as an example of integration of C++ and DSP toolkit in a Python application.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.