Shadi Obaid, Umar Alqasemi

Diagnose von Herzkrankheiten anhand des Elektrokardiogramms

Mit MATLAB Classification Learner App

• Broschiertes Buch

Produktbeschreibung

Die Klassifizierung von EKG-Signalen auf manuelle oder traditionelle Weise ist ein Bereich, der durch ein automatisches Klassifizierungssystem für EKG-Signale verbessert werden könnte. In dieser Arbeit wird ein verbessertes Software-System für die computergestützte Diagnose (CAD) zur automatischen Klassifizierung von EKG-Signalen eingeführt. Insgesamt 480 EKG-Signale wurden als Datensatz für diese Studie aus der MIT-BIH Arrhythmie-Datenbank entnommen; diese Datensätze enthalten 96 normale EKG-Signale sowie 384 abnormale EKG-Signale, die zu vier Arten von Herzanomalien gehören, nämlich ventrikuläres Couplet, ventrikuläre Tachykardie, ventrikuläre Bigeminie und ventrikuläres Flimmern, wobei jede dieser Arten ebenfalls 96 EKG-Signale enthält. Dann wurde eine erneute Abtastung für alle gegebenen Signale mit 360 Abtastungen pro Sekunde durchgeführt, mit Ausnahme der VF-Signale, die mit 250 Abtastungen pro Sekunde neu abgetastet wurden. Danach wurde eine iterative Merkmalsextraktion mit Hilfe der Classification Learner App in MATLAB durchgeführt.

---

Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.

Produktdetails

• Verlag: Verlag Unser Wissen
• Seitenzahl: 164
• Erscheinungstermin: 26. Juni 2024
• Deutsch
• Abmessung: 220mm x 150mm x 11mm
• Gewicht: 262g
• ISBN-13: 9786207595990
• ISBN-10: 6207595998
• Artikelnr.: 71176262

Autorenporträt

Shadi M. Obaid erhielt 2023 einen Master-Abschluss mit Auszeichnung in biomedizinischer Technik von der King Abdulaziz University. Außerdem verfügt er 2017 über einen Bachelor-Abschluss in biomedizinischer Technik an derselben Universität. Der Autor verfügt über 5 Jahre Erfahrung in der Wartung und im Verkauf von Geräten im Zusammenhang mit Cath Labs. Er arbeitet jetzt als Key Account Manager.