|
|
Heart beat classification
Potočňák, Tomáš ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
The aim of this work was to develop the method for classification of ECG beats into two classes, namely ischemic and non-ischemic beats. Heart beats (P-QRS-T cycles) selected from animals orthogonal ECGs were preprocessed and used as the input signals. Spectral features vectors (values of cross spectral coherency), principal component and HRV parameters were derived from the beats. The beats were classified using feedforward multilayer neural network designed in Matlab. Classification performance reached the value approx. from 87,2 to 100%. Presented results can be suitable in future studies aimed at automatic classification of ECG.
|
|
|
Reprezentace srdečních cyklů pro následnou klasifikaci
Smíšek, Radovan ; Janoušek, Oto (oponent) ; Ronzhina, Marina (vedoucí práce)
Výběr úseku EKG hraje významnou roli při návrhu klasifikátoru srdečních cyklů. Typ vybraných úseků ovlivňuje klasifikaci nejen z hlediska typu a maximálního počtu rozpoznávaných patologických skupin, ale ovlivňuje také složitost klasifikačního modelu, a tudíž nepřímo udává nároky na paměť používané výpočetní techniky a čas potřebný pro klasifikaci. Tato práce je zaměřena právě na porovnání úspěšnosti klasifikace cyklů EKG při různých vstupních úsecích. Byly použity vstupní úseky QRST, RST, ST-T, QRS a T. Signál EKG byl získán z izolovaných králičích srdcí a rozdělen na typy podle maximální výchylky vlny T a změn ST úseku. Signál dále vstupuje do umělé neuronové sítě, kde je klasifikován na předdefinované typy. Byla použita síť s dvaceti čtyřmi neurony ve skryté a jedním neuronem ve výstupní vrstvě. Úspěšnost klasifikace je shrnuta v závěru práce.
|
|
|
Reprezentace srdečních cyklů pro následnou klasifikaci
Smíšek, Radovan ; Janoušek, Oto (oponent) ; Ronzhina, Marina (vedoucí práce)
Výběr úseku EKG hraje významnou roli při návrhu klasifikátoru srdečních cyklů. Typ vybraných úseků ovlivňuje klasifikaci nejen z hlediska typu a maximálního počtu rozpoznávaných patologických skupin, ale ovlivňuje také složitost klasifikačního modelu, a tudíž nepřímo udává nároky na paměť používané výpočetní techniky a čas potřebný pro klasifikaci. Tato práce je zaměřena právě na porovnání úspěšnosti klasifikace cyklů EKG při různých vstupních úsecích. Byly použity vstupní úseky QRST, RST, ST-T, QRS a T. Signál EKG byl získán z izolovaných králičích srdcí a rozdělen na typy podle maximální výchylky vlny T a změn ST úseku. Signál dále vstupuje do umělé neuronové sítě, kde je klasifikován na předdefinované typy. Byla použita síť s dvaceti čtyřmi neurony ve skryté a jedním neuronem ve výstupní vrstvě. Úspěšnost klasifikace je shrnuta v závěru práce.
|
|
|
Heart beat classification
Potočňák, Tomáš ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
The aim of this work was to develop the method for classification of ECG beats into two classes, namely ischemic and non-ischemic beats. Heart beats (P-QRS-T cycles) selected from animals orthogonal ECGs were preprocessed and used as the input signals. Spectral features vectors (values of cross spectral coherency), principal component and HRV parameters were derived from the beats. The beats were classified using feedforward multilayer neural network designed in Matlab. Classification performance reached the value approx. from 87,2 to 100%. Presented results can be suitable in future studies aimed at automatic classification of ECG.
|
host ::
RSS.