메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Md. Rashed-Al-Mahfuz (University of Rajshahi) Mohammad Ali Moni (The University of New South Wales) Pietro Lio’ (The University of Cambridge) Sheikh Mohammed Shariful Islam (Deakin University) Shlomo Berkovsky (Macquarie University) Matloob Khushi (The University of Sydney) Julian M. W. Quinn (Garvan Institute of Medical Research)
저널정보
대한의용생체공학회 Biomedical Engineering Letters (BMEL) Biomedical Engineering Letters (BMEL) Vol.11 No.2
발행연도
2021.1
수록면
147 - 162 (16page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Medical practitioners need to understand the critical features of ECG beats to diagnose and identify cardiovascular conditionsaccurately. This would be greatly facilitated by identifying the signifi cant features of frequency components in temporalECG wave-forms using computational methods. In this study, we have proposed a novel ECG beat classifi er based ona customized VGG16-based Convolution Neural Network (CNN) that uses the time-frequency representation of temporalECG, and a method to identify the contribution of interpretable ECG frequencies when classifying based on the SHapleyAdditive exPlanations (SHAP) values. We applied our model to the MIT-BIH arrhythmia dataset to classify the ECG beatsand to characterise of the beats frequencies. This model was evaluated with two advanced time-frequency analysis methods. Our results indicated that for 2-4 classes our proposed model achieves a classifi cation accuracy of 100% and for 5 classes itachieves a classifi cation accuracy of 99.90%. We have also tested the proposed model using premature ventricular contractionbeats from the American Heart Association (AHA) database and normal beats from Lobachevsky University Electrocardiographydatabase (LUDB) and obtained a classifi cation accuracy of 99.91% for the 5-classes case. In addition, SHAP valueincreased the interpretability of the ECG frequency features. Thus, this model could be applicable to the automation of thecardiovascular diagnosis system and could be used by clinicians.
#ECG · CNN · VGG16 · ECG beats classifi cation · SHAP value · ECG frequencies

목차

등록된 정보가 없습니다.

참고문헌 (54)

참고문헌 신청
Benjamin EJ / 2019 / Heart disease and stroke statistics-2019 update : a report from the American heart association / Circulation 139(10):e56~e528 google schola Narain SY / 2012 / Bioelectrical signals as emerging biometrics: issues and challenges :2012 google schola Mohamed EAB / 2010 / International Conference on Information Technology in Bio-and Medical Informatics / Springer :226~233 google schola Shweta HJ / 2015 / Classifi cation of ecg signals using machine learning techniques: a survey / 2015International Conference on Advances in Computer Engineering and Applications :714~721 google schola Rajendra AU / 2006 / Heart rate variability : a review / Med Biol Eng Comput 44(12):1031~1051 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0