Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

ECG Delineation with Randomly Selected Wavelet Feature and Random Forest Classifier Persempadanan ECG dengan Ciri Wavelet Dipilih Secara Rawak dan Pengelas Hutan Rawak

Dapeng FU, Zhourui XIA, Pengfei GAO, Haiqing WANG, Jianping LIN, Li SUN

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Objektif: Pengesanan titik ciri Elektrokardiogram (ECG) boleh memberikan maklumat diagnostik kritikal tentang penyakit jantung. Kami mencadangkan skim pengekstrakan ciri baru dan pembelajaran mesin untuk pengesanan automatik titik ciri ECG. Kaedah: Satu ciri baharu, yang disebut sebagai ciri transformasi wavelet (RSWT) yang dipilih secara rawak, telah direka untuk mewakili titik ciri ECG. Pengelas hutan rawak telah disesuaikan untuk membuat kesimpulan kedudukan titik ciri dengan kepekaan dan ketepatan yang tinggi. Keputusan: Berbanding dengan keputusan ujian algoritma terkini yang lain pada pangkalan data QT, hasil pengesanan skema RSWT kami menunjukkan prestasi yang setanding (kepekaan, ketepatan dan ralat pengesanan yang serupa untuk setiap titik ciri). Ujian RSWT pada pangkalan data MIT-BIH juga menunjukkan prestasi merentas pangkalan data yang menjanjikan. Kesimpulan: Ciri RSWT novel dan skema pengesanan baharu telah direka untuk titik ciri ECG. RSWT menunjukkan ciri yang teguh dan boleh dipercayai untuk mewakili morfologi ECG. Kepentingan: Dengan keberkesanan ciri RSWT yang dicadangkan, kami mempersembahkan skim berasaskan pembelajaran mesin baru untuk mengesan semua jenis titik ciri ECG secara automatik pada satu masa. Tambahan pula, ia menunjukkan bahawa algoritma kami mencapai prestasi yang lebih baik daripada kaedah berasaskan pembelajaran mesin lain yang dilaporkan.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E101-D No.8 pp.2082-2091
Tarikh penerbitan
2018/08/01
Diumumkan
2018/05/09
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2017EDP7410
Jenis Manuskrip
PAPER
kategori
Pengiktirafan Corak

Pengarang

Dapeng FU
  Chinese Academy of Sciences Zhong Guan Cun Hospital
Zhourui XIA
  Beijing University of Posts and Telecommunications
Pengfei GAO
  Tsinghua University
Haiqing WANG
  Beijing Zhong Guan Cun Hospital, Chinese Academy of Sciences Zhong Guan Cun Hospital
Jianping LIN
  Beijing XinHeYiDian Technology Co. Ltd.
Li SUN
  Beijing XinHeYiDian Technology Co. Ltd.

Kata kunci

Contents [show]