Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Shearlet and contourlet transforms for analysis of electrocardiogram signals

Texto completo
Autor(es):
Amorim, Paulo [1] ; Moraes, Thiago [1] ; Fazanaro, Dalton [2] ; Silva, Jorge [1] ; Pedrini, Helio [2]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Ctr Informat Technol Renato Archer, Tridimens Technol Div, BR-13069901 Campinas, SP - Brazil
[2] Univ Estadual Campinas, Inst Comp, BR-13083852 Campinas, SP - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE; v. 161, p. 125-132, JUL 2018.
Citações Web of Science: 5
Resumo

Background and Objective: Cardiac arrhythmia is an abnormal variation in the heart electrical activity that affects millions of people worldwide. Electrocardiogram (ECG) signals have been widely used to assess and diagnose cardiac abnormalities. Methods: A novel methodology based on shearlet and contourlet transforms for automatically classify an input ECG signal into different heart beat types is proposed and evaluated in this work. Classifiers are trained through a set of features extracted from these time-frequency coefficients. Results: Tests are conducted on MIT-BIH data set to demonstrate the effectiveness of the proposed classification method. The shearlet and contourlet transforms achieved high classification accuracy rates. Conclusions: The developed system can help cardiologists obtain structural and functional information of the heart by means of ECG patterns, improving their diagnostic tasks. (C) 2018 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 17/12646-3 - Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade
Beneficiário:Anderson de Rezende Rocha
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático