A knowledge-based technique for automated detection of ischaemic episodes in long duration electrocardiograms
Φόρτωση...
Ημερομηνία
Συγγραφείς
Papaloukas, C.
Fotiadis, D. I.
Liavas, A. P.
Likas, A.
Michalis, L. K.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Springer-Verlag
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Med Biol Eng Comput
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
A novel method for the detection of ischaemic episodes in long duration ECGs is proposed. It includes noise handling, feature extraction, rule-based beat classification, sliding window classification and ischaemic episode identification, all integrated in a four-stage procedure. It can be executed in real time and is able to provide explanations for the diagnostic decisions obtained The method was tested on the ESC ST-T database and high scores were obtained for both sensitivity and positive predictive accuracy (93.8% and 78.5% respectively using aggregate gross statistics, and 90.7% and 80.7% using aggregate average statistics).
Περιγραφή
Λέξεις-κλειδιά
ischaemic episodes detection, knowledge-based method, ecg noise handling, artificial neural-network, st-segment analysis, myocardial-infarction, ecg analysis, ischemia, recovery, system
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
<Go to ISI>://000166793200016
http://www.springerlink.com/content/5434012392701650/fulltext.pdf
http://www.springerlink.com/content/5434012392701650/fulltext.pdf
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Επιστήμης Υλικών