Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
15
WOS
Status:
Autorzy: Maciejewski Marcin, Dzida Grzegorz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Arkusze wydawnicze: 0,5
Język: angielski
Strony: 243 - 248
Web of Science® Times Cited: 3
Scopus® Cytowania: 5
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 2017 Signal Processing: Algorithms, Architectures, Arrangements, and Applications
Skrócona nazwa konferencji: SPA 2017
URL serii konferencji: LINK
Termin konferencji: 20 września 2017 do 22 września 2017
Miasto konferencji: Poznań
Państwo konferencji: POLSKA
Publikacja OA: NIE
Abstrakty: angielski
The ECG acquisition procedure is one of the mostly used elements during initial patient examination upon hospital admission. It provides significant information about the circulatory system, electrolytic balance and even substance abuse. The test is quick, cheap, and safe for the patient due to the noninvasive nature. Nevertheless, the signal can vary significantly between individual people due to multiple factors, including differences in anatomical build of patients. Also, the ECG signal can include noise from multiple sources, especially when sampled using a mobile device. It is important for the classification algorithm to be robust enough to work in noisy conditions for as many cases as possible. The classification method described in this paper proceeds in several distinctive steps. The first operation is data preparation and wavelet filtering. Afterwards the QRS complexes are detected using the Pan-Tompkins method. The following steps include peak detection and polynomial approximations to calculate the positions and length of both P and T waves. The diagnostically relevant parameters are later used for classification using Naive Bayes and Support Vector Machine classifiers. The results obtained from the classification are presented for a group of over 50 patients both before and after normalized physical exercise.