MétaCan
Menu
Retour à la cohorte
Enregistrement W4399097124 · doi:10.3389/frsip.2024.1396077

Enhancement of single-lead dry-electrode ECG through wavelet denoising

2024· article· en· W4399097124 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Signal Processing · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLead (geology)WaveletNoise reductionArtificial intelligencePattern recognition (psychology)Computer scienceEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

Neonatal electrocardiogram (ECG) monitoring is an important diagnostic tool for identifying cardiac issues in infants at birth. Long-term remote neonatal dry-electrode ECG monitoring solutions can be an additional step for preventive healthcare measures. In these solutions, power and computationally efficient embedded signal processing techniques for denoising newborn ECGs can assist in increasing neonatal medical wearable time. Wavelet denoising is an appropriate denoising mechanism with low computational complexity that can be implemented on embedded microcontrollers for long-term remote ECG monitoring. Discrete wavelet transform (DWT) denoising for neonatal dry-electrode ECG using different wavelet families is investigated. The wavelet families and mother wavelets used include Daubechies (db1, db2, db3, db4, and db6), symlets (sym5), and coiflets (coif5). Different levels of added white Gaussian noise (AWGN) were added to 19 newborn ECG signals, and denoising was performed to select the appropriate wavelets for neonatal dry-electrode ECG. The selected wavelets then undergo real noise additions of baseline wander and electrode motion to determine their robustness and accuracy. Signal-to-noise ratio (SNR), mean squared error (MSE), and power spectral density (PSD) are used to examine denoising performance. db1, db2, and db3 wavelets are eliminated from analysis where the 30 dB AWGN led to negative SNR improvement for at least one newborn ECG, removing important ECG information. db4 and sym5 are eliminated from selection due to their different waveform morphology compared to the dry-electrode newborn ECG’s QRS complex. db6 and coif5 are selected due to their highest SNR improvement and lowest MSE of 6.26 × 10 −6 and 1.65 × 10 −7 compared to other wavelets, respectively. Their wavelet shapes are more like a newborn ECG’s QRS morphology, validating their selection. db6 and coif5 showed similar denoising performance, decreasing electrode motion and baseline wander noisy ECG signals by 10 dB and 14 dB, respectively. Further denoising of inherent dry-electrode noise is observed. DWT with coif5 or db6 wavelets is appropriate for denoising newborn dry-electrode ECGs for long-term neonatal dry-electrode ECG monitoring solutions under different noise types. Their similarity to newborn dry-electrode ECGs yields accurate and robust reconstructed denoised newborn dry-electrode ECG signals.

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 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: aucune
Score de désaccord entre enseignants0,716
Score d'incertitude au seuil0,685

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,282
Écart entre enseignants0,262 · 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