Wyniki wyszukiwania - BazTech

1

Automatic detection of heart diseases based on ECG signal analysis

Delarue Louis, Drouard Pierre-Amaud, Hourdé Pierre, Joulia Jean, Renault Victorieu, Kotas Rafał

International Journal of Microelectronics and Computer Science

|

2018

|

Vol. 9, nr 4

133--141

EN

The authors provide overview of techniques used in ECG signal analysis and present their implementation in order to detect heart diseases (arrhythmias). This paper presents different means to study the ECG signals to develop automatic detection of heart diseases based on artificial intelligence.

2

QRS complex morphologies identification by the Lipschitz exponents of Wavelet Transform

Jóśko A.

Przegląd Elektrotechniczny

|

2014

|

R. 90, nr 8

161-163

PL

Transformacje falkowe są narzędziem, za pomocą którego można otrzymać dokładny opis analizowanego sygnału. Zapis elektrokardiograficzny (EKG) nie jest tu wyjątkiem. Narzędziem pomocniczym są wykładniki Lischitza, dzięki którym z kolei można wyznaczyć miarę lokalnej regularności/kształtu sygnału. W artykule przedstawione zostały wyniki analizy możliwości wykorzystania wykładników Lipschitza do rozróżniania podstawowych morfologii zespołów QRS.

EN

Wavelet transform is the effective tool for detailed description of the analysed signal. The electrocardiography (ECG) signal is not the exception in this term. Lipschitz exponents represent an additional tool that can be used to define the measure of the local signal shape/regularity. There are results of the wavelet transform Lipschitz exponents analysis presented in the paper. The main goal was to find their usability in the task of different QRS complex types discrimination.

3

ECG signal processing for deceleration capacity assessment

Kamiński M., Chłapiński J., Sakowicz B., Kotas R., Napieralski A.

Elektronika : konstrukcje, technologie, zastosowania

|

2011

|

Vol. 52, nr 12

73-77

EN

In this paper is presented further development of ECG signal analysis software system "Cardio" with capability of Deceleration Capacity (DC) assessment. In the first part of the paper the algorithms used for DC assessment are described. In the second part of the paper are presented results of our implementation verification on ECG signals from group of patients. In the third part is presented proposed modification of the original algorithm allowing for DC assessment during sleep and wakefulness separately.

PL

Celem artykułu jest przedstawienie prac poświęconych rozwojowi autorskiego oprogramowania do analizy sygnału EKG - ''Cardio" o możliwość wyznaczania współczynnika deceleracji (DC). W pierwszej części artykułu omówiono wykorzystywane do tego algorytmy obliczeniowe. W drugiej części przedstawiono wyniki badań na grupie pacjentów z wykorzystaniem nowego oprogramowania celem weryfikacji jego działania i oceny możliwości wykorzystania parametru DC w diagnostyce. W części trzeciej zaproponowano oryginalną koncepcję obliczania parametru DC niezależnie dla okresu snu i czuwania a także przedstawiono algorytm umożliwiający odróżnienie snu od czuwania wyłącznie na podstawie samego sygnału EKG.

4

QRS complex detection in noisy holter ECG based on wavelet singularity analysis

Tadejko P., Rakowski W.

Zeszyty Naukowe Politechniki Białostockiej. Informatyka

|

2010

|

Z. 6

95-111

EN

In this paper, we propose a QRS complex detector based on the Mallat and Hwang singularity analysis algorithm which uses dyadic wavelet transform. We design a spline wavelet that is suitable for QRS detection. The scales of this decomposition are chosen based on the spectral characteristics of electrocardiogram records. By proceeding with the multiscale analysis we can find the location of a rapid change of a signal, and hence the location of the QRS complex. The performance of the algorithm was tested using the records of the MIT-BIH Arrhythmia Database. The method is less sensitive to timevarying QRS complex morphology, minimizes the problems associated with baseline drift, motion artifacts and muscular noise, and allows R waves to be differentiated from large T and P waves. We propose an original, new approach to adaptive threshold algorithm that exploits statistical properties of the observed signal and additional heuristic. The threshold is independent for each successive ECG signal window and the algorithm uses the properties of a series of distribution with a compartments class. The noise sensitivity of the new proposed adaptive thresholding QRS detector was also tested using clinical Holter ECG records from the Medical University of Bialystok.We illustrate the performance of the wavelet-based QRS detector by considering problematic ECG signals from a Holter device. We have compared this algorithm with the commercial Holter system - Del Mar’s Reynolds Pathfinder on the special episodes selected by cardiologist.

PL

Praca przedstawia algorytm detekcji zespołu QRS oparty na falkowej analizie osobliwości sygnału Mallata i Hwanga, wykorzystujący diadyczna˛ transformatę falkową. Filtry cyfrowe analizy falkowej odpowiadają falce i funkcji skalującej w postaci tzw. splineów bramkowych drugiego stopnia o zwartym i krótkim nośniku. Dzięki temu podczas analizy sygnału i detekcji osobliwości możemy dokładniej kontrolować parametry procesu separacji wybranych częstotliwości. Dzięki analizie wieloskalowej możliwe jest zlokalizowanie miejsca gwałtownej zmiany sygnału, a tym samym lokalizacji zespołu QRS. Metoda posiada mniejszą wrażliwość na zmiany morfologii kolejnych zespołów QRS, minimalizuje problemy związane z występowaniem składowej wolnozmiennej, artefaktów ruchu i napięcia mięśni oraz pozwala na łatwiejszą separację załamka R w stosunku do załamków P i T. W niniejszej pracy zaproponowano oryginalny, adaptacyjny sposób wyznaczania progu detekcji przy użyciu właściwości statystycznych obserwowanego sygnału oraz dodatkowych heurystyk. Metoda wyznaczania progu jest niezależna dla każdego kolejnego okna sygnału, składającego sie˛ z kilkunastu cykli EKG. Algorytm wyznacza wartość progu na podstawie analizy własności szeregu rozdzielczego z przedziałami klasowymi. Działanie algorytmu zostało przetestowane przy użyciu zapisów z bazy MIT-BIH Arytmia Database. Dodatkowo, wrażliwość na zakłócenia adaptacyjnego detektora QRS była przetestowana przy użyciu, specjalnie wyselekcjonowanych przez kardiologa, epizodów EKG z systemu Holtera z Uniwersytetu Medycznego w Białymstoku. Porównania wyników dokonano z komercyjnym systemem Pathfinder firmy Del Mar Reynolds.