Detail publikace

Automatická klasifikace EKG s použitím morfologických parametrů

MARŠÁNOVÁ, L. RONZHINA, M. VÍTEK, M.

Originální název

Automatická klasifikace EKG s použitím morfologických parametrů

Český název

Automatická klasifikace EKG s použitím morfologických parametrů

Anglický název

Automatic EKG classification with use of morphological parameters

Typ

článek v časopise

Jazyk

cs

Originální abstrakt

Tento článek se zabývá automatickou klasifikací EKG dat, získaných během experimentu na izolovaných králičích srdcích. Je zde realizována automatická klasifikace čtyř typů srdečních cyklů (normální, středně a silně ischemické cykly a komorové extrasystoly), které jsou reprezentovány z nich odvozenými morfologickými parametry. Za pomoci statistických metod jsou zvoleny ty, které jsou pro reprezentaci cyklů při klasifikaci vhodné. Klasifikace je realizována pomocí čtyř různých klasifikačních metod (diskriminační analýza, naivní Bayesův klasifikátor, metoda podpůrných vektorů a metoda k-nejbližších sousedů). Kombinací jednoduchých klasifikačních metod s morfologickými parametry se podařilo dosáhnout výborné úspěšnosti klasifikace analyzovaných typů cyklů (až 99,3 %).

Český abstrakt

Tento článek se zabývá automatickou klasifikací EKG dat, získaných během experimentu na izolovaných králičích srdcích. Je zde realizována automatická klasifikace čtyř typů srdečních cyklů (normální, středně a silně ischemické cykly a komorové extrasystoly), které jsou reprezentovány z nich odvozenými morfologickými parametry. Za pomoci statistických metod jsou zvoleny ty, které jsou pro reprezentaci cyklů při klasifikaci vhodné. Klasifikace je realizována pomocí čtyř různých klasifikačních metod (diskriminační analýza, naivní Bayesův klasifikátor, metoda podpůrných vektorů a metoda k-nejbližších sousedů). Kombinací jednoduchých klasifikačních metod s morfologickými parametry se podařilo dosáhnout výborné úspěšnosti klasifikace analyzovaných typů cyklů (až 99,3 %).

Anglický abstrakt

Present study is focused on automatic classification of ECG beats (normal, middle and extreme ischemic beats, and premature ventricular contraction) in data obtained during experiments with rabbit isolated hearts. Only the most informative features were chosen from morphological ECG parameters using Kruskal-Wallis and Tukey-Kramer tests and also principal component analysis. Selected features were then used for automatic classification of four types of the beats. Four classification approaches were realized: discriminant function analysis, k-Nearest Neighbours, support vector machines, and naive Bayes classifier. It is shown, that combination of simple classification method with relatively low number of morphological parameters allows achieving of accurate results (with total accuracy up to 99,3 %).

Klíčová slova

klasifikace experimentálních elektrogramů, ischemie, di-4-ANEPPS, morfologické parametry, metoda nejbliţších sousedů, metoda podpůrných vektorů, lineární diskriminační analýza, naivní Bayesův klasifikátor

Rok RIV

2015

Vydáno

20.08.2015

Nakladatel

Fakulta elektrotechniky a komunikačních technologií VUT v Brně

Strany od

115

Strany do

123

Strany počet

9

URL

BibTex


@article{BUT115822,
  author="Lucie {Maršánová} and Marina {Ronzhina} and Martin {Vítek}",
  title="Automatická klasifikace EKG s použitím morfologických parametrů",
  annote="Tento článek se zabývá automatickou klasifikací EKG dat, získaných během experimentu na izolovaných králičích srdcích. Je zde realizována automatická klasifikace čtyř typů srdečních cyklů (normální, středně a silně ischemické cykly a komorové extrasystoly), které jsou reprezentovány z nich odvozenými morfologickými parametry. Za pomoci statistických metod jsou zvoleny ty, které jsou pro reprezentaci cyklů při klasifikaci vhodné. Klasifikace je realizována pomocí čtyř různých klasifikačních metod (diskriminační analýza, naivní Bayesův klasifikátor, metoda podpůrných vektorů a metoda k-nejbližších sousedů). Kombinací jednoduchých klasifikačních metod s morfologickými parametry se podařilo dosáhnout výborné úspěšnosti klasifikace analyzovaných typů cyklů (až 99,3 %).",
  address="Fakulta elektrotechniky a komunikačních technologií VUT v Brně",
  chapter="115822",
  howpublished="online",
  institution="Fakulta elektrotechniky a komunikačních technologií VUT v Brně",
  number="4",
  volume="17",
  year="2015",
  month="august",
  pages="115--123",
  publisher="Fakulta elektrotechniky a komunikačních technologií VUT v Brně",
  type="journal article"
}