ECG bio-identification using Fréchet classifiers: A proposed methodology based on modeling the dynamic change of the ECG features
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recently, the use of electrocardiogram (ECG) for human identification has attracted great attention. Generally, most existing ECG based biometric systems relay on extracting the static fiducial or non-fiducial features of the cardiac signal. However, the recorded ECG data is more likely to be different whenever it is measured. Such problem can be addressed by utilizing the dynamic change in ECG features. This paper proposes a new methodology for human identification via ECG, based on tracking the dynamic change in ECG features and utilizing the Fréchet distance measures for multiclass classification of feature matrices. The proposed dynamic feature matrices can be utilized to model nonstationary signals because they provide continues information on feature variability. Technically, we utilize the consecutive change of ECG power spectral density as significant feature. In addition, we use the dynamic change of QRS features as a distinguishable characteristic. At the classification stage, we use equations of Fréchet distances to perform multiclass classification because the covariance matrices of the dynamic feature matrices are symmetric positive definite, and their relative geometric space is not Euclidian. The performance of our methodology was evaluated using the publicly available ECG ID database of 62 subjects. To support real world applicability of our method, we randomized the reference / test data selection using data windowing techniques for examining the stability of our method by changing the datasets. The experimental results show that our methodology was able to achieve an identification accuracy of 97.03% with 0.971 precision, 0.999 specificity, 0.97 recall, 0.029 false rejection rate and 0.00048 false acceptance rate. Furthermore, the findings of our work show that Fréchet distances perform better than the Euclidian distance for ECG data classification in the context of multiclass classification problems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle