MétaCan
Menu
Retour à la cohorte
Enregistrement W2475893125 · doi:10.1109/bsn.2016.7516240

ECG compression for mobile sensor platforms

2016· article· en· W2475893125 sur OpenAlexaff
Yi Ding, Željko Žilić

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCompression ratioData compressionContext (archaeology)Compression (physics)Scheme (mathematics)Transmission (telecommunications)Wearable technologyWearable computerReal-time computingWavelet transformWaveletArtificial intelligenceEmbedded systemEngineeringTelecommunicationsMathematicsMaterials science

Résumé

récupéré en direct d'OpenAlex

This paper presents a low-complexity compression scheme of electrocardiogram (ECG) signals based on the Haar wavelet transform (HWT) for use on mobile devices. An experimental, wearable, multi-lead ECG monitor was also developed and served as a testing platform for the proposed compression scheme. The proposed scheme was applied to all 48 recordings of the MIT-BIH arrhythmia database, where a percent root mean square difference (PRD) of 3.11 along with a compression ratio (CR) of 21.38:1 was achieved on average. The proposed scheme was also tested using raw multi-lead captures from the experimental device where an average PRD and CR of 9.77 and 24.95:1 was achieved respectively. The proposed HWT based compression scheme was efficiently implemented on a mobile platform and is capable of compressing multi-lead ECG signals, allowing for efficient data management in the context of data storage or data transmission.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,228

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,316
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetECG Monitoring and AnalysisTravaux en français237 207