A NOVEL TIME-DOMAIN DIAGNOSTIC METHOD FOR ECG SIGNAL SYSTEM BASED ON A SMART-PHONE
Notice bibliographique
Résumé
This thesis presents a novel method on a Smart-phone for ECG tele-monitoring signal\nanalysis. The proposed system focuses on QRS complex detection, beat classi?cation\nand arrhythmias classi?cation. In the regular process, the QRS complex is detected\nby the Pan-Tompkins algorithm and classi?ed as normal sinus rhythms (SRs) or pre-\nmature ventricular contractions (PVCs) by existing classi?cation methods. Subse-\nquently, the Lempel-Ziv (LZ) complexity measure, including the K-Means clustering\nalgorithm and the LZ complexity analysis, is utilized to further separate the high\nrisk arrhythmias, ventricular tachycardia (VT) or ventricular ?brillation (VF). In\nthis procedure of the high risk arrhythmias, three consecutive PVC beats in a row\nare considered to be an indication of the beginning of VT rhythms, at which point\nthe following data points will be saved until up to a certain window length long are\nreached. The window length long ECG signal will be further classi?ed as VT or VF\nby several new decision rules with heart rate detection. Furthermore, the proposed\nsystem successfully implemented on a Smart-phone adopts the time frames to indicate\nthe analysis report for improving the reliability and error detection of arrhythmias.\nThe new analysis method presents fairly good performance results when applied to\ntesting records chosen from the MIT-BIH database.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».