Baza Publikacji Pracowników Politechniki Lubelskiej

Status:
Autorzy:	Kłosowski Grzegorz, Rymarczyk Tomasz, Kowalski Marcin
Dyscypliny:
	Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu:	Drukowana \| Elektroniczna
Język:	angielski
Strony:	357 - 358
Scopus® Cytowania:	0
Bazy:	Scopus
Efekt badań statutowych	NIE
Materiał konferencyjny:	TAK
Nazwa konferencji:	19th ACM Conference on Embedded Networked Sensor Systems
Skrócona nazwa konferencji:	SenSys ’21
URL serii konferencji:	LINK
Termin konferencji:	15 listopada 2021 do 17 listopada 2021
Miasto konferencji:	Coimbra
Państwo konferencji:	PORTUGALIA
Publikacja OA:	NIE
Abstrakty:	angielski
	This research aimed to develop a high accuracy machine learning algorithm that can diagnose cardiovascular diseases from the stream of data from multiple body surface potential mapping devices equipped with 102 textile electrodes. The algorithm is based on the 1D convolutional neural network, trained on the comparable real-life data gathered from the FLUKE ECG simulator connected to the resistance-based human phantom. The developed neural network achieved an accuracy of 99.91% on the test data. Additionally, an additional algorithm was developed that can use the neural network to analyse the data streamed from the medical device and notice the medical staff about dangerous heart rhythms detected by the system.

Cyber-Physical System for Collecting Data on Moisture Inside the Walls of Buildings