Publication:
RR stress test time series classification using neural networks

Simple item page
dc.contributor.authorJaramillo Ayavaca, Wilson Xavier
dc.contributor.authorAstudillo Salinas, Darwin Fabián
dc.contributor.authorSolano Quinde, Lizandro Damián
dc.contributor.authorPalacio Baus, Kenneth Samuel
dc.contributor.authorWong de balzan , Sara Null
dc.contributor.ponenteSolano Quinde, Lizandro Damián
dc.date.accessioned2019-08-01T22:11:08Z
dc.date.available2019-08-01T22:11:08Z
dc.date.issued2018
dc.descriptionLas series temporales RR, obtenidas de las ondas R del ECG, son una representación de la frecuencia cardíaca. Este trabajo presenta el uso de una red neuronal artificial (ANN) para clasificar series de tiempo RR de una prueba de esfuerzo ECG. Se definieron cuatro clases de series de tiempo RR: muy buena, buena, de baja calidad e inútil. Utilizamos una etapa de preprocesamiento para dividir los vectores de datos de entrada en ventanas de datos N W para los que calculamos la desviación estándar del intervalo RR (SD RR ) para generar el vector de características de entrada de una arquitectura de red de perceptrón multicapa. Introducimos un valor de saturación S para limitar los valores SD RR . Se analizaron 520 series temporales RR de 65 registros de prueba de esfuerzo ECG. Se realizaron experimentos para explorar la influencia de los parámetros S y N W. Se utilizan 40 registros de asignaturas en la capacitación y el resto para las pruebas. Los resultados de la clasificación muestran una relación de correlación coincidente superior al 71%, que es más alta que la correlación entre dos expertos humanos. La principal contribución de este trabajo constituye la etapa de pre-procesamiento propuesto para una prueba de esfuerzo esquema de series de tiempo RR y un rendimiento aceptable, que no depende del parámetro N W . © 2018 IEEE.
dc.description.abstractThe RR time series, obtained from the R waves of the ECG, are a representation of the heart rate. This work presents the use of an artificial neural network (ANN) to classify RR time series from an ECG stress test. Four classes of RR time series were defined very good, good, low quality and useless. We use a preprocessing stage to split input data vectors into N W data windows for which we compute the standard deviation of the RR interval (SD RR ) to generate the input features vector of a multilayer perceptron network architecture. We introduce a saturation value S in order to limit SD RR values. 520 RR time series from 65 records of ECG stress test were analyzed. Experiments were performed to explore the influence of parameters S and N W . 40 subjects records are used in training and the remaining for testing. The classification results show a matching correlation ratio above 71%, which is higher than the …
dc.description.cityLima
dc.identifier.doi10.1109/INTERCON.2018.8526471
dc.identifier.isbn978-153865490-3
dc.identifier.issn0000-0000
dc.identifier.urihttps://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85058048956&origin=inward
dc.language.isoes_ES
dc.publisherInstitute of Electrical and Electronics Engineers Inc.
dc.sourceProceedings of the 2018 IEEE 25th International Conference on Electronics, Electrical Engineering and Computing, INTERCON 2018
dc.subjectElectrocardiography
dc.subjectNetwork architecture
dc.subjectAcceptable performance
dc.subjectClassification results
dc.subjectMatching standard deviation
dc.titleRR stress test time series classification using neural networks
dc.title.alternativeClasificación de series temporales de prueba de esfuerzo de RR utilizando redes neuronales
dc.typeARTÍCULO DE CONFERENCIA
dc.ucuenca.afiliacionJaramillo, W., Universidad de Cuenca, Facultad de Ingeniería, Cuenca, Ecuador
dc.ucuenca.afiliacionAstudillo, D., Universidad de Cuenca, Facultad de Ingeniería, Cuenca, Ecuador
dc.ucuenca.afiliacionSolano, L., Universidad de Cuenca, Facultad de Ingeniería, Cuenca, Ecuador
dc.ucuenca.afiliacionPalacio, K., Universidad de Cuenca, Facultad de Ingeniería, Cuenca, Ecuador
dc.ucuenca.afiliacionWong de balzan, S., Universidad de Cuenca, Facultad de Ingeniería, Cuenca, Ecuador
dc.ucuenca.areaconocimientofrascatiamplio3. Ciencias Médicas y de la Salud
dc.ucuenca.areaconocimientofrascatidetallado3.4.1 BioTecnología Relacionada con la Salud
dc.ucuenca.areaconocimientofrascatiespecifico3.4 BioTecnología Médica
dc.ucuenca.areaconocimientounescoamplio09 - Salud y Bienestar
dc.ucuenca.areaconocimientounescodetallado0912 - Medicina
dc.ucuenca.areaconocimientounescoespecifico091 - Salud
dc.ucuenca.comiteorganizadorconferenciaSantiago León, Carlos Silva, José Durán, Robert Ramírez, Jorge Guzmán
dc.ucuenca.conferencia25th IEEE International Conference on Electronics, Electrical Engineering and Computing, INTERCON 2018
dc.ucuenca.embargoend2050-12-31
dc.ucuenca.embargointerno2050-12-31
dc.ucuenca.fechafinconferencia2018-08-10
dc.ucuenca.fechainicioconferencia2018-08-08
dc.ucuenca.idautor0105471296
dc.ucuenca.idautor0103907036
dc.ucuenca.idautor0102428893
dc.ucuenca.idautor0103566360
dc.ucuenca.idautor081929618
dc.ucuenca.indicebibliograficoSCOPUS
dc.ucuenca.numerocitaciones0
dc.ucuenca.organizadorconferenciaTeofilo Ramos
dc.ucuenca.paisPERU
dc.ucuenca.urifuentewww.psma.com
dc.ucuenca.versionVersión publicada
dc.ucuenca.volumenVolumen 0, número 0
dspace.entity.typePublication
relation.isAuthorOfPublication0ace217e-689c-4f2a-bbbf-0b5171b24110
relation.isAuthorOfPublicationdb82deb3-5465-4f62-b097-bf4beba1623a
relation.isAuthorOfPublication2541297e-ad0c-4d25-8354-4d5bce749f5c
relation.isAuthorOfPublication.latestForDiscovery0ace217e-689c-4f2a-bbbf-0b5171b24110

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
documento.pdf
Size:
603.08 KB
Format:
Adobe Portable Document Format
Description:
document
Download

Collections

Publicaciones