MétaCan
Menu
Retour à la cohorte
Enregistrement W4307743487 · doi:10.32920/21428700

Robust Ultra-Low-Power Algorithm for Normal and Abnormal ECG Signals Based on Compressed Sensing Theory

2022· preprint· en· W4307743487 sur OpenAlexaff
Mohammadreza Balouchestani, Kaamran Raahemifar, Sridhar Krishnan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAnalog and Mixed-Signal Circuit Design
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCompressed sensingToeplitz matrixAlgorithmComputer scienceMatrix (chemical analysis)Power (physics)Binary numberEnergy (signal processing)SIGNAL (programming language)MathematicsStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

<p>The main drawback of current ECG systems is the location-specific nature of the systems due to the use of</p> <p>fixed/wired applications. That is why there is a critical need to improve the current ECG systems to achieve extended patient's mobility and to cover security handling. With this in mind, Compressed Sensing (CS) procedure and the collaboration of Sensing Matrix Selection (SMS) approach are used to provide a robust ultra-low-power approach for normal and abnormal ECG signals. Our simulation results based on two proposed algorithms illustrate 15% increase in Signal to Noise Ratio (SNR) and a good level of quality for the degree of incoherence between the random measurement and sparsity matrices. The simulation results also confirm that the Binary Toeplitz Matrix (BTM) provides the best SNR and compression performance with the highest energy efficiency for random sensing matrix.</p>

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,214
Écart entre enseignants0,195 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnalog and Mixed-Signal Circuit DesignTravaux en français237 207