Název: SMV-2018-19: Systém pro analýzu EKG
Překlad názvu: SMV-2018-19: Systém for ECG analysis
Autoři: Plešinger, Filip ; Jurák, Pavel ; Halámek, Josef ; Viščor, Ivo
Typ dokumentu: Výzkumné zprávy
Rok: 2018
Jazyk: cze
Abstrakt: [cze] [eng]
Předmětem smluvního výzkumu je vývoj algoritmů pro automatické zpracování EKG z jednosvodových EKG holterů. Jmenovitě se jedná o:\n- vývoj algoritmu pro detekci QRS komplexů s důrazem na odolnost vůči rušení\n- vývoj algoritmu pro analýzu arytmií na základě RR intervalů a dalších ukazatelů. Algoritmus využívá strojové učení (neuronovou síť). Vstupem jsou informace o QRS komplexech a další deskriptory extrahované z EKG signálu. Výstupem je kategorie hodnoceného EKG bloku (fibrilace síní, AV-blok, nekvalitní signál, supraventrikulární extrasystoly, komorové extrasystoly, sinusový rytmus, supraventrikulární tachykardie a komorová tachykardie)\n- implementaci algoritmů jako software pro .NET platformu v jazyce C#. Cílová aplikace je optimalizována pro použití na vícevláknových počítačích (předpokládán výpočetní server zhotovitele). A subject of this contracional research is development of algorithms for automated ECG processing from 1-lead ECG holters. Namely, it consists of:\n- development of algorithm for QRS recognition with focus on robustness against noise\n- development of classification algorithm to recognize arrhythmias, the algorithm is based on analysis of RR intervals and other ECG descriptors. The algorithm implements machine learning (neural networks). The input is Information related to QRS complexes and other descriptors extracted from ECG. The output is category of classified ECG block (atrial fibrillation, AB-block, non-quality signal, premature atrial contractions, premature ventricular contractions, sinus rhythm, supraventricular tachycardia and ventricular tachycardia)\n- Implemetation of these algorithms as software for .NET platform in C# language. It is optimized for multi-thread computers (computing server of the customer).\n
Klíčová slova: arrythmias; ECG; machine learning; neural networks; QRS

Instituce: Ústav přístrojové techniky AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný v příslušném ústavu Akademie věd ČR.
Původní záznam: http://hdl.handle.net/11104/0291328

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-390754


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav přístrojové techniky
Zprávy > Výzkumné zprávy