Identification of PVC beats by neural nets
Joint Authors
Bereksi Reguig, F.
Chikh, M. A.
Balqasim, N.
Meghnefi, F.
Source
Sciences et Technologie : Sciences Appliquées
Issue
Vol. 2003, Issue 20 (31 Dec. 2003), pp.28-32, 5 p.
Publisher
Publication Date
2003-12-31
Country of Publication
Algeria
No. of Pages
5
Main Subjects
Medicine
Information Technology and Computer Science
Topics
Abstract AR
یصف ھذا البحث طریقة تصمیم وتدریب شبكة العصبونات الاصطناعیة لتصنیف دقات القلب العادیة و الغیر عادیة (ذات انقباض بطیني مخدوج- قبل اوانھ) من خلال الإشارة القلبیة الكھربائیة (ECG) .و لتنفید مھمة التصنیف, نستعمل نظام الانتشار الارتجاعي.
بحثنا عن نوعین لمیزات مختارة قصد الحصول على شعاع لمدخل المصنف مبني على شبكة العصبونات الاصطناعیة (.A.N.N.C) .یمثل المجموعة الأولى للمعلومات المختارة لكل دقة قلب شعاع ذات 33 عنصر و المجموعة الثانیة اختزلت في شعاع ذات 10 عناصر باستعمال تحلیل المركبة الرئیسیة (.A.C.P).
قیمت كفاءة المصنف باستعمال قاعدة المعطیات العالمیة.-B.I.H.) .(M.I.T
Abstract EN
This paper describes the design, training and testing of an artificial neural network for classification of normal and abnormal premature ventricular contraction (PVC) beats in ECG signal.
To carry out the classification task, we use the back-propagation (BP) learning algorithm.
Two feature selections types were investigated with aim of generating the most appropriate input vector for the artificial neural network classifier (ANNC).
The first selected information of each ECG beat is stored as 33-element vector; the second one is then reduced to a 10 dimensional vector using principal component analysis (P.C.A).
The performance measures of the classifier will also be presented using as training and testing data sets from the MIT-BIH database.
Abstract FRE
Cet article décrit la conception, l’entraînement et le test d’un réseau de neurones artificiels pour la classification des battements cardiaques normaux et anormaux (extrasystoles ventriculaires (ESV)) dans le signal ECG.
Pour effectuer la tâche de classification, nous employons l'algorithme d'apprentissage de rétro-propagation.
Deux types de sélection des caractéristiques ont été choisis dans le but de produire le vecteur d'entrée le plus approprié pour le classificateur (ANNC).
La première information choisie de chaque battement d'ECG est présentée comme un vecteur à 33 éléments, le second est réduit à un vecteur de 10 éléments en utilisant l'analyse en composantes principales (A.C.P).
Les mesures de performance du classificateur seront également présentées en utilisant comme données d’entraînement et de test la base de données MIT-BIH.
American Psychological Association (APA)
Chikh, M. A.& Balqasim, N.& Meghnefi, F.& Bereksi Reguig, F.. 2003. Identification of PVC beats by neural nets. Sciences et Technologie : Sciences Appliquées،Vol. 2003, no. 20, pp.28-32.
https://search.emarefa.net/detail/BIM-443309
Modern Language Association (MLA)
Chikh, M. A.…[et al.]. Identification of PVC beats by neural nets. Sciences et Technologie : Sciences Appliquées No. 20 (2003), pp.28-32.
https://search.emarefa.net/detail/BIM-443309
American Medical Association (AMA)
Chikh, M. A.& Balqasim, N.& Meghnefi, F.& Bereksi Reguig, F.. Identification of PVC beats by neural nets. Sciences et Technologie : Sciences Appliquées. 2003. Vol. 2003, no. 20, pp.28-32.
https://search.emarefa.net/detail/BIM-443309
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 32
Record ID
BIM-443309
