Pregled bibliografske jedinice broj: 1072295
Računalna detekcija QRS kompleksa u uvjetima patoloških promjena u morfologiji signala EKG-a
Računalna detekcija QRS kompleksa u uvjetima patoloških promjena u morfologiji signala EKG-a, 2020., diplomski rad, preddiplomski, Fakultet elektrotehnike i računarstva, Zagreb
CROSBI ID: 1072295 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Računalna detekcija QRS kompleksa u uvjetima patoloških promjena u morfologiji signala EKG-a
(Computer Based Detection of the QRS Complex During Pathology Changes in ECG Signal Morphology)
Autori
Ivandić, Hana
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, preddiplomski
Fakultet
Fakultet elektrotehnike i računarstva
Mjesto
Zagreb
Datum
30.06
Godina
2020
Stranica
38
Mentor
Cifrek, Mario
Neposredni voditelj
Friganović, Krešimir
Ključne riječi
srce ; EKG ; valićna transformacija ; detekcija QRS kompleksa ; metoda k najbližih susjeda (k-NN) ; PVC
(heart ; ECG ; wavelet transform ; QRS complex detection ; k nearest neighbors (k-NN) method ; PVC)
Sažetak
Srce je jedan od ključnih organa u ljudskom organizmu. Bez njegovog ispravnog rada znatno se smanjuje kvaliteta života te raste rizik od smrtnog ishoda. Kako bi se neželjene posljedice spriječile, potrebno je na vrijeme otkriti patološke promjene u signalu EKG-a i započeti liječenje. To je moguće ostvariti detekcijom i analizom karakterističnih dijelova signala EKG-a. Korištena je detekcija QRS kompleksa zato što je R zubac najistaknutiji dio svakog otkucaja srca pa ga je relativno jednostavno detektirati. U ovom radu opisani su građa i aktivnosti srca, analiziran je elektrokardiogram te je objašnjeno njegovo snimanje. Opisana je metoda uklanjanja šuma pomoću valićne transformacije i detekcija QRS kompleksa pomoću transformacije u fazor s osjetljivosti 98, 71% i pozitivnom predvidivosti 99, 09%. Objašnjena je korištena klasifikacija detektiranih QRS kompleksa metodom k najbližih susjeda kojom su preuranjene ventrikularne kontrakcije izdvojene od normalnih otkucaja. Nakon treniranja klasifikatora nad balansiranim skupom podataka osjetljivost je iznosila 99, 15%, a pozitivna predvidivost 96, 82% uz manja odstupanja ovisno o slučajno izabranim otkucajima. Nakon treniranja klasifikatora nad nebalansiranim skupom podataka osjetljivost je iznosila 96, 63%, a pozitivna predvidivost 99, 02%. Navedene metode implementirane su u programskom paketu MATLAB, dok je testiranje provedeno nad podacima iz MIT-BIH Arrhythmia baze podataka.
Izvorni jezik
Hrvatski
Znanstvena područja
Računarstvo, Interdisciplinarne tehničke znanosti
POVEZANOST RADA
Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb