MétaCan
Menu
Retour à la cohorte
Enregistrement W3157169017 · doi:10.1109/isspit51521.2020.9408699

Single Channel QRS Detection Using Wavelet And Median Denoising With Adaptive Multilevel Thresholding

2020· article· en· W3157169017 sur OpenAlexaff
Sudipta Modak, Luay Yassin Taha, Esam Abdel‐Raheem

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésThresholdingQRS complexArtificial intelligencePattern recognition (psychology)Computer scienceDiscrete wavelet transformWavelet transformNoise reductionNoise (video)Sensitivity (control systems)WaveletMedian filterSIGNAL (programming language)Signal-to-noise ratio (imaging)Computer visionEngineeringImage processingElectronic engineeringImage (mathematics)MedicineTelecommunicationsCardiology

Résumé

récupéré en direct d'OpenAlex

The study of heartbeats in electrocardiogram (ECG) signals is very important to sustain good health. Any anomalies in the heart rhythm can be detected by carefully studying the ECG signal. The detection of the QRS is obstructed by external and internal sources of noise. Automatic detection of the QRS is achieved by diminishing these noises to a minimum by different types of filtering such as band-pass filtering, wavelet transform, and applying thresholds. This paper presents a new method of QRS detection using discrete wavelet transform (DWT), median filtering, and adaptive multilevel thresholding (AMT). The proposed method is tested for the MIT-BIH Arrhythmia database and shows a high sensitivity of 99.74%, positive predictivity of 99.88%, and a detection error rate of 0.38%. In addition to this, the proposed technique is quite robust and can adapt to signals with a low signal-to-noise ratio.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,396

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 Opus0,088
Tête enseignante GPT0,264
Écart entre enseignants0,176 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetECG Monitoring and AnalysisTravaux en français237 207