ATRIAL FIBRILLATION DETECTION ON ELECTROCARDIOGRAMS WITH CONVOLUTIONAL NEURAL NETWORKS

Viktor Kifer; Natalia Zagorodna; Olena Hevko

doi:10.35784/iapgos.116

pdf (angielski)

Opublikowane: 2019-12-15

DOI: https://doi.org/10.35784/iapgos.116

Numer Tom 9 Nr 4 (2019)

KONCEPCJA SAMOUCZĄCEGO SIĘ STANOWISKA PRACY DLA WSPIERANIA PRACOWNIKA PRZY WSPÓŁPRACY Z ROBOTEM W UKŁADZIE SAMOADAPTACJA-PRODUKCJA-PLANOWANIE
Johanna Ender, Jan Cetric Wagner, Georg Kunert, Fang Bin Guo, Roland Larek, Thorsten Pawletta

4-9
PRZEWIDYWANIE EMISJI SADZY W PRZYPADKU PRZEJŚCIOWEJ PRACY SILNIKA W OPARCIU O DANE
Michèle Schaub

10-13
ZASTOSOWANIE POTENCJAŁU LENNARD-JONESA DO MODELOWANIA RUCHU ROBOTÓW
Piotr Wójcicki, Tomasz Zientarski

14-17
ZASTOSOWANIE SZTUCZNEJ SIECI NEURONOWEJ W PROCESIE DOBORU POWŁOK ORGANICZNYCH
Artur Popko, Konrad Gauda

18-21
ZASTOSOWANIE PROFILOMETRII OPTYCZNEJ W ANALIZIE PROCESU DESTRUKCJI RENOWACYJNYCH POWŁOK ORGANICZNYCH DLA PRZEMYSŁU MOTORYZACYJNEGO
Konrad Gauda, Kamil Pasierbiewicz

22-25
ANALIZA DANYCH Z CZUJNIKÓW POMIAROWYCH DO PREDYKCJI W SYSTEMACH KONTROLI PROCESÓW PRODUKCYJNYCH
Tomasz Rymarczyk, Bartek Przysucha, Marcin Kowalski, Piotr Bednarczuk

26-29
POMIAR STRUMIENIA MIESZANINY GAZ-CIECZ Z WYKORZYSTANIEM KRYZY STANDARDOWEJ I KRYZY SZCZELINOWEJ
Barbara Tomaszewska-Wach, Mariusz R. Rząsa, Marcin Majer

30-33
OKREŚLENIE DYNAMICZNEGO MODUŁU YOUNGA MATERIAŁÓW POLIMEROWYCH ZA POMOCĄ REZONANSOWEJ METODY WIBRACYJNEJ
Volodymyr Mashchenko, Valentine Krivtsov, Volodymyr Kvasnikov, Volodymyr Drevetskiy

34-37
OKREŚLENIE OPTYMALNEGO KROKU SKANOWANIA DO OCENY JAKOŚCI REKONSTRUKCJI OBRAZU W TOMOGRAFII MAGNETOAKUSTYCZNEJ ZE WZBUDZENIEM INDUKCYJNYM
Adam Ryszard Żywica, Marcin Ziółkowski

38-42
BUDOWA TOMOGRAFU ULTRADŹWIĘKOWEGO DO ANALIZY PROCESÓW TECHNOLOGICZNYCH W ZAKRESIE FAL ODBITYCH I TRANSMISYJNYCH
Tomasz Rymarczyk, Michał Gołąbek, Piotr Lesiak, Andrzej Marciniak, Mirosław Guzik

43-47
NOWA KONCEPCJA DYSKRETYZACJI MODELU CELEM PODNIESIENIA JAKOŚCI OBRAZOWANIA W TRANSMISYJNEJ TOMOGRAFII ULTRADŹWIĘKOWEJ
Tomasz Rymarczyk, Krzysztof Polakowski, Jan Sikora

48-51
OCENA SYSTEMU ELEKTRYCZNEJ TOMOGRAFII POJEMNOŚCIOWEJ DO POMIARÓW Z WYKORZYSTANIEM SONDY 3D
Jacek Kryszyn, Damian Wanta, Waldemar T. Smolik

52-59
WYKORZYSTANIE TECHNOLOGII DRUKOWANIA 3D DO MODELOWANIA GÓRNYCH DRÓG ODDECHOWYCH W PEŁNEJ SKALI
Oleg Avrunin, Yana Nosova, Ibrahim Younouss Abdelhamid, Oleksandr Gryshkov, Birgit Glasmacher

60-63
KONCEPCJA I REALIZACJA SYSTEMU PLECAKOWEGO DLA WIELOKANAŁOWEJ ELEKTROFIZJOLOGII U SWOBODNIE ZACHOWUJĄCYCH SIĘ GRYZONI
Olga Chaikovska, Oleksandr Ponomarenko, Olexandr Dovgan, Igor Rokunets, Sergii Pavlov, Olena Kryvoviaz, Oleg Vlasenko

64-68
DETEKCJA MIGOTANIA PRZEDSIONKÓW NA ELEKTROKARDIOGRAMACH Z WYKORZYSTANIEM KONWOLUCYJNEJ SIECI NEURONOWEJ
Viktor Kifer, Natalia Zagorodna, Olena Hevko

69-73
KONCEPCJA LATAJĄCEJ PLATFORMY POMIAROWEJ POLA ELEKTROMAGNETYCZNEGO
Sławomir Szymaniec, Sławomir Szymocha, Łukasz Miszuda

74-77
TERMOELEKTRYCZNE URZĄDZENIE SOLARNE DO ZASILANIA PLATFORMY POMIAROWEJ
Andrzej Nowrot, Monika Mikołajczyk, Anna Manowska, Joachim Pielot, Antoni Wojaczek

78-82
POPRAWA DYNAMIKI PRZEKSZTAŁTNIKOWEGO GENERATORA PV PODCZAS ZRZUTU MOCY
Łukasz Kwaśny

83-86
SYSTEMY POMIARU ENERGII PRODUKOWANEJ PRZEZ SYSTEM FOTOWOLTAICZNY I POBIERANEJ PRZEZ BUDYNEK LUBELSKIEGO PARKU NAUKOWO-TECHNOLOGICZNEGO
Arkadiusz Małek

87-92
PROJEKT, BUDOWA I SYSTEM AUTOMATYCZNEJ REGULACJI JEDNOSTOPNIOWEJ SZEŚCIOKOMOROWEJ ADSORPCYJNEJ POMPY CIEPŁA
Katarzyna Zwarycz-Makles, Sławomir Jaszczak

93-98

Archiwum

2021

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

2020

Tom 10 Nr 4
2020-12-20 16
Tom 10 Nr 3
2020-09-30 22
Tom 10 Nr 2
2020-06-30 16
Tom 10 Nr 1
2020-03-30 19

2019

Tom 9 Nr 4
2019-12-16 20
Tom 9 Nr 3
2019-09-26 20
Tom 9 Nr 2
2019-06-21 16
Tom 9 Nr 1
2019-03-03 13

2018

Tom 8 Nr 4
2018-12-16 16
Tom 8 Nr 3
2018-09-25 16
Tom 8 Nr 2
2018-05-30 18
Tom 8 Nr 1
2018-02-28 18

2017

Tom 7 Nr 4
2017-12-21 23
Tom 7 Nr 3
2017-09-30 24
Tom 7 Nr 2
2017-06-30 27
Tom 7 Nr 1
2017-03-03 33

Authors

Viktor Kifer

kifervictor@gmail.com

Ternopil Ivan Puluj National Technical University

http://orcid.org/0000-0002-0621-9121 ##orcid.unauthenticated##

Natalia Zagorodna

zagorodna.n@gmail.com

Ternopil Ivan Puluj National Technical University

http://orcid.org/0000-0002-1808-835X ##orcid.unauthenticated##

Olena Hevko

gevkolenka@gmail.com

Ternopil Ivan Puluj National Technical University

http://orcid.org/0000-0003-1427-1699 ##orcid.unauthenticated##

Abstrakt

W tej pracy, przedstawiamy nasze badania, które potwierdzają przydatność zastosowania konwolucyjnych sieci neuronowych dla klasyfikacji zapisów jedno-odprowadzeniowego EKG. (tak brzmi ta nazwa). Proponowana metoda została zaprojektowana dla klasyfikowania prawidłowego rytmu zatokowego, migotania przedsionków (AF), poza-AF powiązanych z innymi nieprawidłowymi rytmami serca i zaszumionymi (głośnymi?) sygnałami. Ta metoda łączy cechy wyselekcjonowane ręcznie z cechami wyuczonymi przez głębokie sieci neuronowe. Zbiór danych Physionet Challenge 2017 zawierający ponad 8500 zapisów EKG został zastosowany dla modelu szkolenia oraz walidacji. Model nauczony (wyszkolony?) osiąga odpowiednio średni F1-wynik 0.71 w klasyfikowaniu prawidłowego rytmu zatokowego, rytmu AF oraz innych rytmów.

Słowa kluczowe:

elektrokardiografia, nauczanie maszynowe, sieci neuronowe

Bibliografia

AliveCor ECG recording device. https://www.alivecor.com

Clifford G, Liu C, Moody B, Silva I, Li Q, Johnson A, Mark. R.: AF classification from a short single lead ECG recording: the PhysioNet Computing in Cardiology challenge 2017. Computing in Cardiology 44, 2017, [DOI: 10.22489/CinC.2017.065-469].

Dilaveris P. E., Kennedy H. L.: Silent atrial fibrillation: epidemiology, diagnosis, and clinical impact. Clinical Cardiology 40(6), 413–418, 2017.

Hernandez J., Carrasco-Ochoa J. A., Martínez-Trinidad J. F.: An Empirical Study of Oversampling and Undersampling for Instance Selection Methods on Imbalance Datasets. In: Ruiz-Shulcloper J., Sanniti di Baja G. (eds): Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. CIARP 2013. Lecture Notes in Computer Science, vol 8258. Springer, Berlin, Heidelberg 2013, [DOI: 10.1007/978-3-642-41822-8_33]

Himanshu S., Kumar J. S. J, Ashok V., Juliet A. V.: Advanced ECG Signal Processing using Virtual Instrument. International Journal on Recent Trends in Engineering & Technology 3(2), 2010, 111-114.

Huang J., Chen B., Yao B., He W. ECG Arrhythmia Classification Using STFT-based Spectrogram and Convolutional Neural Network. EEE Access 7, 2019, 92871-92880.

Kohler B.-U., Hennig C., Orglmeister R.: The principles of software QRS Detection. IEEE Engineering in Medicine and Biology Magazine 21(1), 2002, 42-57, [DOI: 10.1109/51.993193].

Mikhled A., Daqrouq K.: ECG Signal Denoising by Wavelet Transform Thresholding. American Journal of Applied Sciences 5(3), 2008. 276-281.

Park J., Lee S., Jeon M.: Atrial fibrillation detection by heart rate variability in Poincare plot. Biomed engineering online 8/38, 2009, 1-12.

Petrenas A., Marozas V.: Low-complexity detection of atrial fibrillation in continuous long-term monitoring. Comput in Biology and Medicine 65, 2015, 184-191.

Rodenas-Garcia J., Garica M., Alcaraz R., Rieta J.: Wavelet Entropy Automatically Detects Episodes of Atrial Fibrillation from Single-Lead Electrocardiograms. Entropy 17, 2015, 6179-6199, [DOI: 10.3390/e17096179].

Simonyan K., Zisserman A.: Very Deep Convolutional Networks for Large-Scale Image Recognition. Inter Conf on Learning Representations (ICLR), 2015. [arXiv preprint arXiv:1409.1556].

Tziakouri M., Pitris C., Orphanidou C.: Classification of AF and Other Arrhythmias from a Short Segment of ECG Using Dynamic Time Warping. Comp in Cardio, 2017, 1-4.

Velayudhan A., Peter S.: Noise Analysis and Different Denoising Techniques of ECG Signal – A Survey. IOSR Journal of Electronics and Communication Engineering, 2016, 40-44

Wang Z., Wan F., Wong C.M., Zhang L.: Adaptive Fourier decomposition based ECG denoising. Computers in Biology and Medicine 77, 2016, 195–205.

https://keras.io Keras documentation (available: 19.07.2019).

https://numpy.org NumPy official documentation (available 01.07.2019).

https://scikit-learn.org Scikit-Learn official website (available: 01.07.2019).

https://www.python.org Python programming language (available 30.06.2019).

https://www.scipy.org SciPy official documentation (available 01.07.2019).

https://www.tensorflow.org Tensorflow official page (available: 19.07.2019).

OMRON HCG801 HearnScan ECG recorder. https://www.omron-healthcare.com/en/products/electrocardiograph

WIWE ECG recording device. https://shop.mywiwe.com/en/ecg-recording-105

DETEKCJA MIGOTANIA PRZEDSIONKÓW NA ELEKTROKARDIOGRAMACH Z WYKORZYSTANIEM KONWOLUCYJNEJ SIECI NEURONOWEJ. (2019). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 9(4), 69-73. https://doi.org/10.35784/iapgos.116

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 9 Nr 4 (2019)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja