Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

22.09.2016 | New Trends in data pre-processing methods for signal and image classification | Ausgabe 10/2017

Neural Computing and Applications 10/2017

Application of empirical mode decomposition (EMD) for automated identification of congestive heart failure using heart rate signals

Zeitschrift:
Neural Computing and Applications > Ausgabe 10/2017
Autoren:
U. Rajendra Acharya, Hamido Fujita, Vidya K. Sudarshan, Shu Lih Oh, Adam Muhammad, Joel E. W. Koh, Jen Hong Tan, Chua K. Chua, Kok Poo Chua, Ru San Tan

Abstract

Electrocardiogram is widely used to diagnose the congestive heart failure (CHF). It is the primary noninvasive diagnostic tool that can guide in the management and follow-up of patients with CHF. Heart rate variability (HRV) signals which are nonlinear in nature possess the hidden signatures of various cardiac diseases. Therefore, this paper proposes a nonlinear methodology, empirical mode decomposition (EMD), for an automated identification and classification of normal and CHF using HRV signals. In this work, HRV signals are subjected to EMD to obtain intrinsic mode functions (IMFs). From these IMFs, thirteen nonlinear features such as approximate entropy \( (E_{\text{ap}}^{x} ) \), sample entropy \( (E_{\text{s}}^{x} ) \), Tsallis entropy \( (E_{\text{ts}}^{x} ) \), fuzzy entropy \( (E_{\text{f}}^{x} ) \), Kolmogorov Sinai entropy \( (E_{\text{ks}}^{x} ) \), modified multiscale entropy \( (E_{{{\text{mms}}_{y} }}^{x} ) \), permutation entropy \( (E_{\text{p}}^{x} ) \), Renyi entropy \( (E_{\text{r}}^{x} ) \), Shannon entropy \( (E_{\text{sh}}^{x} ) \), wavelet entropy \( (E_{\text{w}}^{x} ) \), signal activity \( (S_{\text{a}}^{x} ) \), Hjorth mobility \( (H_{\text{m}}^{x} ) \), and Hjorth complexity \( (H_{\text{c}}^{x} ) \) are extracted. Then, different ranking methods are used to rank these extracted features, and later, probabilistic neural network and support vector machine are used for differentiating the highly ranked nonlinear features into normal and CHF classes. We have obtained an accuracy, sensitivity, and specificity of 97.64, 97.01, and 98.24 %, respectively, in identifying the CHF. The proposed automated technique is able to identify the person having CHF alarming (alerting) the clinicians to respond quickly with proper treatment action. Thus, this method may act as a valuable tool for increasing the survival rate of many cardiac patients.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 10/2017

Neural Computing and Applications 10/2017 Zur Ausgabe

New Trends in data pre-processing methods for signal and image classification

A novel image segmentation approach based on neutrosophic c-means clustering and indeterminacy filtering

New Trends in data pre-processing methods for signal and image classification

An approach for feature selection using local searching and global optimization techniques

New Trends in data pre-processing methods for signal and image classification

Sine–cosine algorithm for feature selection with elitism strategy and new updating mechanism

Premium Partner

    Bildnachweise