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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Intelligent Systems in Modeling Phase of Information Mining Development Process Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Clustering Analysis of Vital Signs Measured During Kidney Dialysis

verfasst von : Kazuki Yamamoto, Yutaka Watanobe, Wenxi Chen

Erschienen in: Trends in Applied Knowledge-Based Systems and Data Science

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Analysis of vital data of kidney dialysis patients is presented. The analysis is based on some vital signs of pulse rate (PR), respiration rate (RR) and body movement (BM) which were obtained by a sleep monitoring system. In a series of experiments, eight patients of different genders and ages were involved. For the analysis, a hierarchical clustering method was applied with multi-dimensional dynamic time warping distance to analyze the similarity between the vital signs. The hierarchical clustering uses Ward’s method to calculate the distance between two clusters. The analysis results show that daily vital sign indicates a feature related to one of the clusters and physiological rhythms based on a series of the features vary depending on the season. Based on the hypothesis, some irregular vital signs which deviate from the physiological rhythms can be detected to predict abnormal health condition and discomfort of the patients.

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 A Recent Study on Hardware Accelerated Monte Carlo Modeling of Light Propagation in Biological Tissues
Nächstes Kapitel A Smart Arduino Alarm Clock Using Hypnagogia Detection During Night
Literatur
1.
Chen, Y., Chen, W.: Long-term tracking of a patient’s health condition based on pulse rate dynamics during sleep. Ann. Biomed. Eng. 39(12), 2922–2934 (2011)CrossRef
2.
Costa Santos, C., Bernardes, J., Vitányi, P.M., Antunes, L.H.M.: Clustering fetal heart rate tracings by compression. In: 19th IEEE International Symposium on Computer-Based Medical Systems, pp. 685–690. IEEE (2006)
3.
Geyer, J.D., Talathi, S., Carney, P.R.: Introduction to Sleep and Polysomnography. Reading EEGs: A Practical Approach. Lippincott Williams & Wilkins, Philadelphia (2009)
4.
Härdle, W., Steiger, W.: Optimal median smoothing (1994)
5.
Holt, G.A.T., Reinders, M.J., Hendriks, E.A.: Multi-dimensional dynamic time warping for gesture recognition. In: Annual Conference of the Advanced School for Computing and Imaging (2007)
6.
Keogh, E.J., Pazzani, M.J.: Scaling up dynamic time warping for datamining applications. In: ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 285–289. ACM (2000)
7.
Murtagh, F., Legendre, P.: Ward’s hierarchical clustering method: Clustering criterion and agglomerative algorithm. ArXiv preprint (2011). arXiv:​1111.​6285
8.
Saad, F.H., de la Iglesia, B., Bell, D.G.: A comparison of two document clustering approaches for clustering medical documents. In: 2006 International Conference on Data Mining (DMIN), pp. 425–431. Citeseer (2006)
9.
Savitzky, A., Golay, M.J.: Smoothing and differentiation of data by simplified least squares procedures. Anal. Chem. 36(8), 1627–1639 (1964)CrossRef
10.
Sideris, C., Shahbazi, B., Pourhomayoun, M., Alshurafa, N., Sarrafzadeh, M.: Using electronic health records to predict severity of condition for congestive heart failure patients. In: 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication, pp. 1187–1192. ACM (2014)
11.
Sugimura, H., Matsumoto, K.: Classification system for time series data based on feature pattern extraction. In: 2011 IEEE International Conference on Systems, Man and Cybernetics, pp. 1340–1345. IEEE (2011)
12.
Ward, J.H.: Hierarchical grouping to optimize an objective function. J. Am. Stat. Assoc. 58(301), 236–244 (1963)MathSciNetCrossRef
Metadaten
Titel
Clustering Analysis of Vital Signs Measured During Kidney Dialysis
verfasst von
Kazuki Yamamoto
Yutaka Watanobe
Wenxi Chen
Copyright-Jahr
2016
Buch
Trends in Applied Knowledge-Based Systems and Data Science

Print ISBN: 978-3-319-42006-6

Electronic ISBN: 978-3-319-42007-3

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-42007-3_44