Ultrasound Tomography for Monitoring the Lower Urinary Tract
Fragment książki (Materiały konferencyjne)
MNiSW
200
konferencja
| Status: | |
| Autorzy: | Wójcik Dariusz, Rymarczyk Tomasz, Kozłowski Edward, Gołąbek Michał, Guzik Mirosław |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 388 - 390 |
| Scopus® Cytowania: | 4 |
| 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. |
