Original title: Detekce komplexů QRS v signálech EKG
Translated title: Detection of QRS complexes in ECG signals
Authors: Zhorný, Lukáš ; Ronzhina, Marina (referee) ; Kozumplík, Jiří (advisor)
Document type: Master’s theses
Year: 2020
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato diplomová práce se zabývá detekcí komplexů QRS z elektrokardiogramů s využitím časově frekvenční analýzy. Detekční postupy jsou založeny na vlnkové a Stockwellově transformaci. V teoretické části práce jsou popsány základy elektrokardiografie, dále jsou představeny běžné přístupy časově-frekvenční analýzy, jako je krátkodobá Fourierova transformace (STFT), vlnková transformace (WT) a Stockwellova transformace (ST). Uvedené algoritmy byly otestovány na souboru elektrogramů z databází MIT-BIH a CSE-MO1. U databáze CSE nejlépe fungovala metoda založená na vlnkové transformaci s bankou filtrů Symlet4 s výslednou hodnotou senzitivity 100 % a pozitivní prediktivity 99,86 %. U databáze MIT měl nejlepší výkon detektor využívající Stockwellovu transformaci s hodnotami senzitivity 99,54 % a pozitivní prediktivity 99,68 %. Výsledky byly porovnány s hodnotami jiných autorů uvedených v textu. This thesis deals with the detection of QRS complexes from electrocardiograms using time-frequency analysis. Detection procedures are based on wavelet and Stockwell transform. The theoretical part describes the basics of electrocardiography, then introduces common approaches to time-frequency analysis, such as short-time Fourier transform (STFT), wavelet transform and Stockwell transform. These algorithms were tested on a set of electrograms from the MIT-BIH and CSE-MO1 arrhythmia database. For the CSE database worked best the method based on the wavelet transform with the filter bank Symlet4, with the resulting value of sensitivity 100 % and positive predictivity 99.86%. For the MIT database had the best performance the detector using the Stockwell transform with values of sensitivity 99.54% and positive predictivity 99.68%. The results were compared with the values of other authors mentioned in the text.
Keywords: CSE database; ECG; MIT-BIH arrhythmia database; positive predictivity; QRS complex; sensitivity; Stockwell transform; time-frequency transform; wavelet transform; databáze arytmií MIT-BIH; databáze CSE; EKG; komplex QRS; pozitivní prediktivita; senzitivita; Stockwellova transformace; vlnková transformace; časově-frekvenční transformace

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/189316

Permalink: http://www.nusl.cz/ntk/nusl-413175


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses