MétaCan
Menu
Retour à la cohorte
Enregistrement W2142074606 · doi:10.1109/iembs.2007.4352686

BSeg++: A modified Blind Segmentation Method for Ballistocardiogram Cycle Extraction

2007· article· en· W2142074606 sur OpenAlexaff
Alireza Akhbardeh, Bożena Kamińska, Kouhyar Tavakolian

Notice bibliographique

RevueConference proceedings · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSegmentationArtificial intelligencePattern recognition (psychology)Cardiac cycleFeature extractionComputer scienceSIGNAL (programming language)Motion (physics)Synchronization (alternating current)BallistocardiographyFeature (linguistics)Computer visionChannel (broadcasting)MedicineCardiology

Résumé

récupéré en direct d'OpenAlex

This paper presents a method to extract cardiac cycles and H-I-J components of Ballistocardiogram (BCG). The new improved algorithm BSeg++ permits on the segmentation of BCG signal and extraction of its basic complexes H-I-J without Electrocardiogram (ECG) synchronization. The BSeg++ is based on two previously developed methods described in [1, 2, 3] for extracting BCG cycles without using a reference ECG signal. Those methods suffered from extract redundant BCG cycles because of motion artifacts or BCG fluctuations. In this study, we modified the blind segmentation algorithm and solved its problems. We also added another feature to detect H-I-J complexes of BCG. Also, this new algorithm can be used to extract cardiac cycles and R-S-T components of ECG. The data analysis has been performed on the subjects tested at Simon Fraser University. Initial tests of BCG and ECG from twenty subjects indicate that the method extracted BCG (ECG) cycles and its components with a negligible error in the presence of motion artifacts, BCG fluctuations, latency and non-linear disturbance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,058
Tête enseignante GPT0,393
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConference proceedingsMême sujetECG Monitoring and AnalysisTravaux en français237 207