최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of biomedical engineering research : the official journal of the Korean Society of Medical & Biological Engineering, v.37 no.2, 2016년, pp.61 - 67
김혜진 (연세대학교 의과대학 의학공학교실) , 김병남 (연세대학교 의과대학 의학공학교실) , 장원석 (연세대학교 의과대학 의학공학교실) , 유선국 (연세대학교 의과대학 의학공학교실)
This paper presented a method for random forest based the arrhythmia classification using both heart rate (HR) and heart rate variability (HRV) features. We analyzed the MIT-BIH arrhythmia database which contains half-hour ECG recorded from 48 subjects. This study included not only the linear featur...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
신경망을 이용한 부정맥 분류 결과와 비교하였을때 민감도는 랜덤포레스트 방법을 사용하였을 때 유의미한 차이로 더 높게 나왔고, 특이도는 신경망 방법이 유의미한 차이로 높게 확인된 이유는 무엇인가? | 신경망을 이용한 부정맥 분류 결과와 비교하였을때 민감도는 랜덤포레스트 방법을 사용하였을 때 유의미한 차이로 더 높게 나왔고, 특이도는 신경망 방법이 유의미한 차이로 높게 확인되었다. 이는 부정맥이 매 순간 나타나는 것이 아니라 잠시 나타났다 사라지기 때문에 부정맥 구간의 데이터 수보다 정상 구간의 데이터 개수가 훨씬 많아 바이어스가 생기기 때문이다. 이러한 데이터 불균형의 문제를 해결하기 위해서 랜덤포레스트의 적은 수를 가지는 클래스에 가중치 주는 weighted 랜덤포레스트나 데이터의 수를 균형을 맞추는 balanced 랜덤포레스트를 이용하는 방법을 적용 하면 정확도가 더 높아질 것으로 생각된다. | |
부정맥이란 무엇인가? | 심장 질환에 의한 사망률이 증가함에 따라 심장질환에 대한 연구를 비롯하여 진단의 정확성을 높일 수 있는 알고 리즘 개발이 필요하다. 심장질환 중에서도 두드러지게 나타 나는 원인은 부정맥으로 심장 박동이 정상보다 빠르거나 느려 규칙적이지 않은 상태이다. 이러한 심장질환을 진단하는 방법으로 심전도가 사용된다. | |
심장관련 질환을 자동적으로 진단하기 위한 방법으로는 무엇이 있나? | 심장관련 질환을 자동적으로 진단하기 위한 방법으로 퍼지이론이나 신경망, SVM 등의 분류기가 주로 사용되었다 [2,3]. 이전에는 시간 영역 분석 방법과 주파수 영역 분석 방법을 사용하여 선형분석을 이용하여 연구가 진행되었다[4-6]. |
U.R. ACHARYA, K.P. JOSEPH, N. KANNATHAL, C.M. LIM and J.S. SURI, "Heart rate variability: a review", Medical and Biological Engineering and Computing, vol. 44, no. 12, pp. 1031-1051, 2006.
E. ZELLMER, F. SHANG and H. ZHANG, "Highly accurate ECG beat classification based on continuous wavelet transformation and multiple support vector machine classifiers", In Proceeding of the 2009 2th International Conference on Biomedical Engineering and Informatics (BMEI 2009), 2009, pp. 1-5.
M. ENGIN, "ECG beat classification using neuro-fuzzy network", Pattern Recognition Letters, vol. 25, no. 15, pp. 1715-1722, 2004.
Y.-C. YEH, W.-J. WANG and C.W. CHIOU, "Cardiac arrhythmia diagnosis method using linear discriminant analysis on ECG signals", Measurement, vol. 42, no. 5, pp. 778-789, 2009.
I. CHRISTOV, G. G MEZ-HERRERO, V. KRASTEVA, I. JEKOVA, A. GOTCHEV and K. EGIAZARIAN, "Comparative study of morphological and time-frequency ECG descriptors for heartbeat classification", Medical Engineering & Physics, vol. 28, no. 9, pp. 876-887, 2006.
B. ANURADHA, K.S. KUMAR and V.V. REDDY, "Classification of cardiac signals using time domain methods", ARPN Journal of Engineering and Applied Sciences, vol. 3, no. 3, pp. 7-12, 2008.
R. ACHARYA, A. KUMAR, P. BHAT, C. LIM, S. LYENGAR, N. KANNATHAL and S. KRISHNAN, "Classification of cardiac abnormalities using heart rate signals", Medical and Biological Engineering and Computing, vol. 42, no. 3, pp. 288-293, 2004.
M. OWIS, A.H. ABOU-ZIED, A.-B.M. YOUSSEF and Y.M. KADAH, "Study of features based on nonlinear dynamical modeling in ECG arrhythmia detection and classification", IEEE Transactions on Biomedical Engineering, vol. 49, no. 7, pp. 733-736, 2002.
E. YlLMAZ, "An expert system based on Fisher score and LS-SVM for cardiac arrhythmia diagnosis", Computational and Mathematical Methods in Medicine, vol. 2013, 2013.
J.V. TU, "Advantages and disadvantages of using artificial neural networks versus logistic regression for predicting medical outcomes", Journal of Clinical Epidemiology, vol. 49, no. 11, pp. 1225-1231, 1996.
G.B. MOODY and R.G. MARK, "The impact of the MITBIH arrhythmia database", IEEE Engineering in Medicine and Biology Magazine, vol. 20, no. 3, pp. 45-50, 2001.
J. PAN and W.J. TOMPKINS, "A real-time QRS detection algorithm", IEEE Transactions on Biomedical Engineering, no. 3, pp. 230-236, 1985.
G.C. CASOLO, P. STRODER, C. SIGNORINI, F. CALZOLARI, M. ZUCCHINI, E. BALLI, A. SULLA and S. LAZZERINI, "Heart rate variability during the acute phase of myocardial infarction", Circulation, vol. 85, no. 6, pp. 2073-2079, 1992.
T.F.O.T.E.S.O. CARDIOLOGY, "Heart rate variability standards of measurement, physiological interpretation, and clinical use", European Heart Journal, vol. 17, pp. 354-381, 1996.
J. MIETUS, C. PENG, I. HENRY, R. GOLDSMITH and A. GOLDBERGER, "The pNNx files: re-examining a widely used heart rate variability measure", Heart, vol. 88, no. 4, pp. 378-380, 2002.
R. ACHARYA, S.M. KRISHNAN, J.A. SPAAN and J.S. SURI, Advances in cardiac signal processing, Springer, 2007.
C. KAMATH, "Quantification of electrocardiogram rhythmicity to detect life threatening cardiac arrhythmias using spectral entropy", Journal of Engineering Science and Technology, vol. 8, pp. 588-602, 2013.
M. BRENNAN, M. PALANISWAMI and P. KAMEN, "Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability?", IEEE Transactions on Biomedical Engineering, vol. 48, no. 11, pp. 1342-1347, 2001.
M.G. TSIPOURAS, D.I. FOTIADIS and D. SIDERIS, "An arrhythmia classification system based on the RR-interval signal", Artificial Intelligence in Medicine, vol. 33, no. 3, pp. 237-250, 2005.
M.G. TSIPOURAS and D.I. FOTIADIS, "Automatic arrhythmia detection based on time and time-frequency analysis of heart rate variability", Computer Methods and Programs in Biomedicine, vol. 74, no. 2, pp. 95-108, 2004.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.