Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Artificial Intelligence (AI) for Dental Intraoral Film Mounting Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Arrhythmia Detection Using Curve Fitting and Machine Learning

verfasst von : Po-Chuan Chiu, Han-Chien Cheng, Shu-Nung Yao

Erschienen in: Future Trends in Biomedical and Health Informatics and Cybersecurity in Medical Devices

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Electrocardiogram (ECG) is a graph that depicts blood circulation through the heart. ECG is also used for depicting the state of health of an individual and is helpful in disease diagnosis. The target of this work is to check the application of curve fitting on ECG signals based on the Fourier series analysis method. When ECG signals are approximated by the Fourier series model, the fitting for the cardiac cycle is used for judging arrhythmias. The data used here was sourced from the MIT-BIH arrhythmia database, and only ECG recordings were utilized for the purpose of this study. The study has presented efficient methods for signal identification with the help of fitting parameters and ECG classification.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

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

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

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

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

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




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

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




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Promises and Challenges in the Use of Wearable Sensors and Nonlinear Signal Analysis for Balance and Fall Risk Assessment in Older Adults
Nächstes Kapitel Combining Multi-classifier with CNN in Detection and Classification of Breast Calcification
Literatur
1.
Kubicek, J., Penhaker, M., Kahankova, R.: Design of a synthetic ECG signal based on the fourier series. In: Proceedings of IEEE 2014 International Conference on Advances in Computing, Communications and Informatics, New Delhi, India, pp. 1881–1885 (2014)
2.
He, C., Li, W., Chik, D.: Waveform compensation of ECG data using segment fitting functions for individual identification. In: 2017 13th International Conference on Computational Intelligence and Security (CIS), Hong Kong, pp. 475–479 (2017)
3.
Tavakoli, V., Sahba, N., Hajebi, N.: A fast and accurate method for arrhythmia detection. In: Proceedings of IEEE 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Minneapolis, MN, pp. 1897–1900 (2009)
4.
Rahman, M., Nasor, M.: An algorithm for detection of arrhythmia. In: Proceedings IEEE 2011 1st Middle East Conference on Biomedical Engineering, Sharjah, United Arab Emirates, pp. 243–246 (2011)
5.
Ahmed, R., Arafat, S.: Cardiac arrhythmia classification using hierarchical classification model. In: Proceedings of IEEE 2014 6th International Conference on Computer Science and Information Technology, Amman, pp. 203–207 (2014)
6.
Chen, H., Wang, C., Chen, T., Zhao, X.: Feature selecting based on fourier series fitting. In: Proceedings of IEEE 2017 8th IEEE International Conference on Software Engineering and Service Science, Beijing, pp. 241–244 (2017)
7.
Chen, H.C., Chen, S.W.: A moving average based filtering system with its application to real-time QRS detection. In: Proceedings of IEEE 2003 Computers in Cardiology, Thessaloniki Chalkidiki, Greece, pp. 585–588 (2003)
8.
Rouhani, M., Soleymani, R.: Neural networks based diagnosis of heart arrhythmias using chaotic and nonlinear features of HRV signals. In: Proceedings of IEEE 2009 International Association of Computer Science and Information Technology - Spring Conference, Singapore, pp. 545–549 (2009)
9.
Dewangan, N.K., Shukla, S.P.: ECG arrhythmia classification using discrete wavelet transform and artificial neural network. In: Proceedings of IEEE 2016 International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT), Bangalore, pp. 1892–1896 (2016)
Metadaten
Titel
Arrhythmia Detection Using Curve Fitting and Machine Learning
verfasst von
Po-Chuan Chiu
Han-Chien Cheng
Shu-Nung Yao
Copyright-Jahr
2020
Buch
Future Trends in Biomedical and Health Informatics and Cybersecurity in Medical Devices

Print ISBN: 978-3-030-30635-9

Electronic ISBN: 978-3-030-30636-6

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-30636-6_41

Neuer Inhalt

    Bildnachweise