دانلود مقاله قوی ترین و دقیق ترین تشخیص ناهنجاری در مصنوعات ECG با استفاده از کشف اصل موضوع سریهای زمانی
تعداد کلمات فایل انگلیسی:8800 کلمه 21 صفحه pdf
تعداد صفحات فایل ترجمه:43 صفحه word فونت 14 B Nazanin
قوی ترین و دقیق ترین تشخیص ناهنجاری در مصنوعات ECG با استفاده از کشف اصل موضوع سریهای زمانی
تشخیص آنومالی الکتروکاردیوگرام (ECG) یک روش مهم برای تشخیص ضربان قلب ناهمسان است که به تشخیص ECG غیر طبیعی قبل از روند تشخیص کمک میکند. روشهای تشخیص آنومالی موجود ECG که در محدوده تحقیقات علمی تا ماشینهای ECG تجاری هستند، همچنان متحمل نرخ زیاد هشدار نادرست هستند، زیرا این روش ها قادر به تفکیک مصنوعات ECG از سیگنال واقعی ECG نیستند، به ویژه در مصنوعات ECG که از نظر شکل و / یا فرکانس مشابه سیگنال های ECG هستند. این مشکل منجر به احتیاط زیاد برای پزشکان و ریسک تفسیر اشتباه برای افراد غیر متخصص می شود. بنابراین، این مقاله یک تکنیک تشخیص آنومالی جدید ارائه می دهد که در حضور مصنوعات ECG می باشد که می تواند به طور موثری نرخ هشدار کاذب را کاهش دهد،بسیار قوی و دقیق است. دانش تخصصی از متخصصان قلب و روش تشخیص اصل موضوع در طراحی ما استفاده شده است. علاوه بر این، هر مرحله از الگوریتم مطابق با تفسیر متخصصین قلب و عروق است. روش ما می تواند برای هر ECG تک لید و ECG های چند لید استفاده شود. نتایج آزمایش ما بر روی مجموعه داده های واقعی ECG توسط متخصصین قلب تفسیر و ارزیابی شدند. الگوریتم پیشنهادی ما می تواند به طور کلی 100٪ دقت در تشخیص (AoD)، حساسیت، ویژگی، و ارزش پیش بینی مثبت را با 0٪ نرخ هشدار کاذب به دست آورد. نتایج نشان می دهد که روش پیشنهادی ما نسبت به روش های تشخیص آنومالی رقابتی برای مصنوعات بسیار دقیق و قوی است.
Robust and Accurate Anomaly Detection in ECG Artifacts Using Time Series Motif Discovery
Haemwaan Sivaraks and Chotirat Ann Ratanamahatana
Department of Computer Engineering, Chulalongkorn University, Phayathai Road, Pathumwan, Bangkok 10330, Thailand Correspondence should be addressed to Chotirat Ann Ratanamahatana; ann@cp.eng.chula.ac.th Received 9 September 2014; Accepted 17 November 2014 Academic Editor: Justin Dauwels.
Electrocardiogram (ECG) anomaly detection is an important technique for detecting dissimilar heartbeats which helps identify abnormal ECGs before the diagnosis process. Currently available ECG anomaly detection methods, ranging from academic research to commercial ECG machines, still suffer from a high false alarm rate because these methods are not able to differentiate ECG artifacts from real ECG signal, especially, in ECG artifacts that are similar to ECG signals in terms of shape and/or frequency. The problem leads to high vigilance for physicians and misinterpretation risk for nonspecialists. Therefore, this work proposes a novel anomaly detection technique that is highly robust and accurate in the presence of ECG artifacts which can effectively reduce the false alarm rate. Expert knowledge from cardiologists and motif discovery technique is utilized in our design. In addition, every step of the algorithm conforms to the interpretation of cardiologists. Our method can be utilized to both single-lead ECGs and multilead ECGs. Our experiment results on real ECG datasets are interpreted and evaluated by cardiologists. Our proposed algorithm can mostly achieve 100% of accuracy on detection (AoD), sensitivity, specificity, and positive predictive value with 0% false alarm rate. The results demonstrate that our proposed method is highly accurate and robust to artifacts, compared with competitive anomaly detection methods
کد:3-13144
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله قوی ترین و دقیق ترین تشخیص ناهنجاری در مصنوعات ECG با استفاده از کشف اصل موضوع سریهای زمانی
تعداد کلمات فایل انگلیسی:8800 کلمه 21 صفحه pdf
تعداد صفحات فایل ترجمه:43 صفحه word فونت 14 B Nazanin
قوی ترین و دقیق ترین تشخیص ناهنجاری در مصنوعات ECG با استفاده از کشف اصل موضوع سریهای زمانی
تشخیص آنومالی الکتروکاردیوگرام (ECG) یک روش مهم برای تشخیص ضربان قلب ناهمسان است که به تشخیص ECG غیر طبیعی قبل از روند تشخیص کمک میکند. روشهای تشخیص آنومالی موجود ECG که در محدوده تحقیقات علمی تا ماشینهای ECG تجاری هستند، همچنان متحمل نرخ زیاد هشدار نادرست هستند، زیرا این روش ها قادر به تفکیک مصنوعات ECG از سیگنال واقعی ECG نیستند، به ویژه در مصنوعات ECG که از نظر شکل و / یا فرکانس مشابه سیگنال های ECG هستند. این مشکل منجر به احتیاط زیاد برای پزشکان و ریسک تفسیر اشتباه برای افراد غیر متخصص می شود. بنابراین، این مقاله یک تکنیک تشخیص آنومالی جدید ارائه می دهد که در حضور مصنوعات ECG می باشد که می تواند به طور موثری نرخ هشدار کاذب را کاهش دهد،بسیار قوی و دقیق است. دانش تخصصی از متخصصان قلب و روش تشخیص اصل موضوع در طراحی ما استفاده شده است. علاوه بر این، هر مرحله از الگوریتم مطابق با تفسیر متخصصین قلب و عروق است. روش ما می تواند برای هر ECG تک لید و ECG های چند لید استفاده شود. نتایج آزمایش ما بر روی مجموعه داده های واقعی ECG توسط متخصصین قلب تفسیر و ارزیابی شدند. الگوریتم پیشنهادی ما می تواند به طور کلی 100٪ دقت در تشخیص (AoD)، حساسیت، ویژگی، و ارزش پیش بینی مثبت را با 0٪ نرخ هشدار کاذب به دست آورد. نتایج نشان می دهد که روش پیشنهادی ما نسبت به روش های تشخیص آنومالی رقابتی برای مصنوعات بسیار دقیق و قوی است.
Robust and Accurate Anomaly Detection in ECG Artifacts Using Time Series Motif Discovery
Haemwaan Sivaraks and Chotirat Ann Ratanamahatana
Department of Computer Engineering, Chulalongkorn University, Phayathai Road, Pathumwan, Bangkok 10330, Thailand Correspondence should be addressed to Chotirat Ann Ratanamahatana; ann@cp.eng.chula.ac.th Received 9 September 2014; Accepted 17 November 2014 Academic Editor: Justin Dauwels.
Electrocardiogram (ECG) anomaly detection is an important technique for detecting dissimilar heartbeats which helps identify abnormal ECGs before the diagnosis process. Currently available ECG anomaly detection methods, ranging from academic research to commercial ECG machines, still suffer from a high false alarm rate because these methods are not able to differentiate ECG artifacts from real ECG signal, especially, in ECG artifacts that are similar to ECG signals in terms of shape and/or frequency. The problem leads to high vigilance for physicians and misinterpretation risk for nonspecialists. Therefore, this work proposes a novel anomaly detection technique that is highly robust and accurate in the presence of ECG artifacts which can effectively reduce the false alarm rate. Expert knowledge from cardiologists and motif discovery technique is utilized in our design. In addition, every step of the algorithm conforms to the interpretation of cardiologists. Our method can be utilized to both single-lead ECGs and multilead ECGs. Our experiment results on real ECG datasets are interpreted and evaluated by cardiologists. Our proposed algorithm can mostly achieve 100% of accuracy on detection (AoD), sensitivity, specificity, and positive predictive value with 0% false alarm rate. The results demonstrate that our proposed method is highly accurate and robust to artifacts, compared with competitive anomaly detection methods
کد:3-13144
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com