DE19517138A1 - Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-Elektrokardiogramm - Google Patents
Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-ElektrokardiogrammInfo
- Publication number
- DE19517138A1 DE19517138A1 DE19517138A DE19517138A DE19517138A1 DE 19517138 A1 DE19517138 A1 DE 19517138A1 DE 19517138 A DE19517138 A DE 19517138A DE 19517138 A DE19517138 A DE 19517138A DE 19517138 A1 DE19517138 A1 DE 19517138A1
- Authority
- DE
- Germany
- Prior art keywords
- qrs
- ecg
- wave
- segments
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000718 qrs complex Methods 0.000 title description 13
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 206010003119 arrhythmia Diseases 0.000 claims abstract description 6
- 230000006793 arrhythmia Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000005284 excitation Effects 0.000 claims description 3
- 230000000638 stimulation Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000002861 ventricular Effects 0.000 description 4
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000001746 atrial effect Effects 0.000 description 2
- 230000031018 biological processes and functions Effects 0.000 description 2
- 230000037007 arousal Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/353—Detecting P-waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/355—Detecting T-waves
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
Die klinisch routinemäßige Überwachung des Elektrokardiogramms (EKG) gefährdeter Inten
sivpatienten ermöglicht die rechtzeitige Erkennung lebensbedrohlicher Arrhythmien.
Aufgrund systematischer Einflüsse besitzen EKG-Signale mannigfaltige, patienten-individuelle
Erscheinungsformen. Aus der medizinischen Betrachtung des kardialen Erregungsbildungs- und
Erregungsleitungssystems folgt, daß die atriellen und ventrikulären Herzaktionen auf zwei
voneinander isolierten biologischen Prozessen beruhen. Zwischen diesen Prozessen besteht auf
grund eines bidirektionalen Leitungsmechanismus eine im allgemeinen stationäre Erregungs
kopplung, die im EKG-Signal durch eine zeitlich sequentielle Folge von P-Welle, QRS-
Komplex und T-Welle gekennzeichnet ist. Eine pathologische Störung kann zu zeitlich unkoor
dinierten Aktivitäten der Atrien und Ventrikel und damit im EKG-Signal zu additiven Über
lagerungen komplexer Muster führen.
Die manuelle Erkennung der Bedeutung dieser Muster, d. h. die Bestimmung des semantischen
Inhaltes, basiert sowohl auf der Analyse des Amplitudenverlaufes zugeordneter Signalab
schnitte, als auch auf der Betrachtung der zeitlichen Aufeinanderfolge, der Syntax, der auf
tretenden Muster innerhalb eines Zeitfensters.
Grundlage heutiger computerunterstützter Arrhythmie-Überwachungssysteme ist die Analyse
der ventrikulären Herzaktionen, der QRS-Komplexe, die sich in der Regel durch einen
markanten Amplitudenverlauf auszeichnen. Da QRS-Komplexe nur einen Teil der Herz
aktionen repräsentieren, ist das Spektrum detektierbarer Arrhythmien in derartigen Systemen
prinzipiell beschränkt. Durch eine zusätzliche Erfassung der atriellen Herzaktionen, der P-
Wellen, läßt sich das Spektrum erweitern und die Zuverlässigkeit der Mustererkennungs
systeme erhöhen. Dem steht aber entgegen, daß in Anwesenheit latenter Störsignale und
ausgeprägter QRS-Komplexe die Detektion der schwach ausgeprägten P-Wellen sehr instabil
ist. Die Komplexität der gemessenen Daten entzieht sich dabei bis heute jeder vollständigen
Modellierung.
Mit dem hier vorgestellten Verfahren wird für die vollständige Verarbeitung des Elektrokardio
gramms die P-Welle als Ausdruck eines eigenständigen Prozesses betrachtet, dabei erfolgt
deren Detektion und Analyse in Bezug auf QRS-Komplexe und T-Wellen. Dafür wird das
ursprüngliche EKG-Signal nach einer automatischen Adaption auf die aktuell vorliegende
Erscheinungsform in eine neue Zeitreihe transformiert, indem der dominante QRS-Komplex im
Sinne einer Reduktion eines additiven Störsignals aus dem EKG entfernt wird. Auf der neu
entstandenen Zeitreihe erfolgt anschließend die Detektion der P-Wellen mit Hilfe der Hough-
Transformation.
Die Adaption erfolgt akausal anhand aller in einem Zeitfenster auftretenden Wellenformen vor
und nach dem aktuellen Signal. Es orientiert sich an einer bildhaften Wissensrepräsentation auf
der Basis eines abstrahierten, als Bild interpretierten Signalverlaufes. Die bei der Rausch-
Reduktion angewendeten Operationen sind nicht-linear, da innerhalb eines Zeitfensters die
gefundenen EKG-Muster nur segmentweise subtrahiert werden.
Zur Orientierung ist in Abb. 1 das gesamte Verfahren im Überblick dargestellt. Im EKG-Signal
(a) werden zunächst alle potentiellen ventrikulären Bestandteile segmentiert (b) und die
wiederholt auftretenden Elemente als dominante Muster klassifiziert (c). Nach der Trans
formation des EKG-Signals durch Reduktion der zuvor erkannten ventrikulären Wellenformen
(d, e & f & g) erfolgt die Detektion der P-Wellen auf der veränderten Zeitreihe (h). Ab
schließend wird durch eine Klassifikation die Dominanz des segmentierten P-Wellen-Musters
festgestellt (i). Durch eine syntaktische Überprüfung der medizinisch normalen sequentiellen
Folge einzelner EKG-Segmente werden schließlich normale Herzzyklen erkannt und die zu
nächst nur auf der Dominanz der Muster basierende Reduktion des EKG-Signals verifiziert (j).
Die Analyse beschränkt sich auf ein mitlaufendes kurzes Zeitfenster (ca. 5 sec), wodurch eine
schnelle Adaption an Signalveränderungen im EKG erreicht wird.
Die Kriterien für die Segmentierung der einzelnen EKG-Bestandteile werden entsprechend der
nicht-deterministischen Eigenschaften des EKG-Signals heuristisch, anhand einer Untersu
chung von Expertenwissen, festgelegt. Aus dieser Analyse resultiert, daß der typische normale
Herzzyklus in Abb. 2 eine Abstraktion des tatsächlichen Signalverlaufes darstellt und
augenscheinlich diejenigen signifikanten Attribute enthält, die bei der manuellen Segmentierung
des EKG′s herangezogen werden. Das hier zugrundegelegte Modell einer bildhaften Wissens
repräsentation für die manuelle Adaption auf das aktuelle EKG-Signal basiert sowohl auf
dieser Abstraktion, als auch dem Wissen über die biologischen Prozesse innerhalb des Er
regungsbildungs- und Leitungssystems.
Die Detektion der QRS-Komplexe erfolgt in Anlehnung an die aus Literatur und Technik
bekannten Verfahren, basierend auf der Bestimmung von Extrema und Signalflanken minimaler
Betrags-Steigung innerhalb des betrachteten Zeitfensters.
Die Klassifikation der einzelnen EKG-Segmente beruht auf der Berechnung der jeweiligen
dominanten Musterklassen und der Ermittlung der Klassenzugehörigkeit der einzelnen Seg
mente. Um den Einfluß möglicher Artefakte zu reduzieren, werden die Klassenvertreter der
einzelnen Musterklassen mit einer nicht-linearen Median-Operation bestimmt. Durch eine vor
herige Überlagerung der Muster in einer Bildebene wird sowohl die nötige Invarianz der Lage,
als auch die für die Median-Operation notwendige Ordnungsrelation der zweidimensionalen
Muster erzeugt (Abb. 3).
Für die Überlagerung wird zunächst aus den segmentierten Signalabschnitten ein
Bezugssegment mit einer mittleren zeitlichen Ausdehnung bestimmt. Anschließend werden die
relativen Verschiebungen ΔnRi und ΔyRi der übrigen Segmente jeweils durch das Maximum der
normierten Kreuzkorrelationsfunktion ϕRi (Δn) mit
max{ϕRi(Δn)} ϕRi = (ΔnRi) (G1)
und
sowie dem Minimum des mittleren quadratischen Fehlers
mit
berechnet. Nach der Überlagerung werden aus den Abtastwerten Si(n) der Segmente spalten
weise neue Zeitreihen
Zn(k) = {S₁(k), S₂(k), . . . , S₁(k)|nmin n nmax} (G5)
gebildet und der Medianwert jeder Zeitreihe ermittelt. Abschließend wird das Segment als
Klassenvertreter bestimmt, dessen Abtastwerte, bezogen auf die mittlere zeitliche Ausdehnung,
am häufigsten die Medianwerte der Zeitreihen liefert. Dieser entspricht also nicht einem aus
den Medianwerten neu erzeugten Muster, sondern dem Segment Si, das die Erscheinungsform
der dominanten Musterklasse insgesamt am besten abbildet.
Nach der Lagenormierung und der Ermittlung des Klassenvertreters werden die einzelnen
Segmente dann als dominant klassifiziert, wenn sie innerhalb einer Einhüllenden des
Klassenvertreters liegen. Für die nun folgende Reduktion der ursprünglichen Zeitreihe wird
zunächst mit einer weiteren Median-Operation ein Mittelwert der SM(n) dominanten
Musterklasse gebildet. Anschließend werden in der Bildebene die Differenzen ΔSi(n) zwischen
den zur dominanten Musterklasse gehörenden Segmenten und dem Mittelwert der Klasse
gebildet. Im EKG werden daraufhin die Signalabschnitte, die den dominanten Segmenten
entsprechen, durch das jeweilige Differenzsignal ersetzt:
Si(n) → ΔSi(n) = (Si(n - ΔnRi) + ΔyRi) - (M(n - ΔnRM) (G6)
Da die T-Welle als Ausdruck der Erregungsrückbildung der Ventrikel dem QRS-Komplex
unmittelbar folgen muß, ist deren Lage im EKG mit der Erkennung des QRS-Komplexes
bereits festgelegt. Ein empirisch ermittelter Schätzwert tT für die zeitliche Ausdehnung der T-
Welle, mit dessen Hilfe eine ausreichend genaue Segmentierung möglich ist, ergibt sich aus
mit mittlerer zeitlicher Abstand zweier detektierter QRS-Komplexe, tQ mittlere Zeit
dauer eines QRS-Komplexes.
Die signifikante morphologische Eigenschaft der P-Welle liegt in ihrem parabelförmigen
Signalverlauf, der in der zeitlichen Ausdehnung beiderseits durch einen Stetigen Übergang in
einen konstanten Amplitudenverlauf gekennzeichnet ist. Das a priori-Wissen über die mittlere
Amplitude und Zeitdauer der P-Welle erlaubt entsprechend der grundlegenden Eigenschaft des
EKG′s nur eine ungenaue Generierung eines Standard-Musters.
Aus diesem Grund basiert das Segmentierungsverfahren auf der Hough-Transformation, bei
der die P-Welle innerhalb eines mitgeführten Koordinatensystems durch die Summe p(m) einer
parametrisierbaren Normalparabel und einer Rauschfunktion r(m) approximiert wird (Abb. 4):
p(m) = a m² + r(m), m∈[m₀ - τ, m₀ + τ] (G8).
Die einzelnen Abtastwerte p(m) des Elektrokardiogramms formen die Punkte der in einer
Bildebene gelegenen Kontur P und werden durch die Hough-Transformation auf der
diskretisierten Hough-Geraden wiederum als Punkte abgebildet.
Bei einer idealen Struktur (r(m)≡0 ∈[m₀-τ,m₀+τ]) würde sich auf der Hough-Geraden ein einzelner Punkt a = a ergeben, durch dessen Lage der gesuchte Wert des Parameters
bestimmt wird. Dieser Punkt wird aber durch die Abweichungen r von der idealen Struktur zu
einem eindimensionalen Cluster verschmiert, dessen Schwerpunkt einen Schätzwert für den
gesuchten Parameter bildet.
Weil kein a priori-Wissen über das Verhalten des Störsignals r vorliegt, können für das
vorliegende Punktschätzungs-Problem bei der Ermittlung des gesuchten Parameters keine
statistischen Fehlerkriterien sinnvoll angegeben werden. Da die Amplitude der Störfunktion bei
der manuellen Segmentierung ortsabhängig bewertet wird, läßt sich im Original-Bildraum ein
graphisches Gütekriterium, das Verhältnis der Flächen F₁/F₂=f(τ), definieren, mit dem
gleichzeitig eine Adaption auf die Zeitdauer der P-Welle erreicht wird (Abb. 5). Von einem
sinnvollen Startwert ausgehend, wird das betrachtete Intervall [-τ,τ] solange ausgedehnt, bis
das Verhältnis der Flächen unterhalb eines heuristisch festgelegten Schwellwertes liegt oder die
maximal mögliche Zeitdauer einer P-Welle zu weit überschritten wird.
Die Vorrichtung realisiert das oben beschriebene Verfahren in Echtzeit durch gleitende Analyse
eines Zeitfensters von ca. 6 sec. Länge. Dadurch beträgt die maximale Verzögerung bis zur
Verfügbarkeit der erkannten P-, QRS- und T-Segmente in einem nachfolgenden Arrhythmie-
Überwachungssystem für die automatische Überwachung von Intensivpatienten ebenfalls ca. 6 sec.
Claims (5)
1. Verfahren zur Erkennung und Parametrisierung von P-, T- und QRS-Segmenten in
einem Holter-Elektrokardiogramm, dadurch gekennzeichnet, daß die P-Welle als
eigenständiger Erregungsprozeß unabhängig vom QRS-T-Komplex modelliert wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß eine EKG-Zeitreihe mit
Hilfe einer nicht-linearen Transformation von dominierenden QRS-T-Komplexen
befreit wird.
3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Klassifikation bildhafter
Muster mit Hilfe einer nicht-linearen Median-Operation erfolgt.
4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Detektion der P-Welle mit
Hilfe der Hough-Transformation erfolgt.
5. Vorrichtung zur Durchführung des Verfahrens nach einem der Ansprüche 1-4, dadurch
gekennzeichnet, daß ein in Echtzeit durch gleitende Fensterung transformiertes EKG-
Signal und erkannte, bzw. parametrisierte EKG-Segmente des ursprünglichen Signals für
die nachfolgende Arrhythmie-Erkennung zur Verfügung gestellt werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19517138A DE19517138A1 (de) | 1995-05-10 | 1995-05-10 | Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-Elektrokardiogramm |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19517138A DE19517138A1 (de) | 1995-05-10 | 1995-05-10 | Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-Elektrokardiogramm |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19517138A1 true DE19517138A1 (de) | 1996-11-14 |
Family
ID=7761560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19517138A Withdrawn DE19517138A1 (de) | 1995-05-10 | 1995-05-10 | Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-Elektrokardiogramm |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19517138A1 (de) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10048649A1 (de) * | 2000-09-26 | 2002-04-11 | Biotronik Mess & Therapieg | Risikomontoring |
ES2247943A1 (es) * | 2004-08-27 | 2006-03-01 | Gem-Med S.L. | Metodo para el procesado de señales cardioelectricas y dispositivo correspondiente. |
US7996073B2 (en) | 2004-10-13 | 2011-08-09 | International Business Machines Corporation | System and method for interpreting electrocardiograms |
CN106108889A (zh) * | 2016-07-20 | 2016-11-16 | 杨平 | 基于深度学习算法的心电图分类方法 |
CN110916645A (zh) * | 2019-12-10 | 2020-03-27 | 电子科技大学 | 一种结合小波变换和图像分割网络的qrs波识别方法 |
-
1995
- 1995-05-10 DE DE19517138A patent/DE19517138A1/de not_active Withdrawn
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10048649A1 (de) * | 2000-09-26 | 2002-04-11 | Biotronik Mess & Therapieg | Risikomontoring |
US6934577B2 (en) | 2000-09-26 | 2005-08-23 | Biotronik Mess- Und Therapiegeraete Gmbh & Co. Ingeieurbuero Berlin | Risk monitoring |
ES2247943A1 (es) * | 2004-08-27 | 2006-03-01 | Gem-Med S.L. | Metodo para el procesado de señales cardioelectricas y dispositivo correspondiente. |
US7996073B2 (en) | 2004-10-13 | 2011-08-09 | International Business Machines Corporation | System and method for interpreting electrocardiograms |
CN106108889A (zh) * | 2016-07-20 | 2016-11-16 | 杨平 | 基于深度学习算法的心电图分类方法 |
CN106108889B (zh) * | 2016-07-20 | 2019-11-08 | 杨一平 | 基于深度学习算法的心电图分类方法 |
CN110916645A (zh) * | 2019-12-10 | 2020-03-27 | 电子科技大学 | 一种结合小波变换和图像分割网络的qrs波识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69333935T2 (de) | Verfahren zur Unterscheidung von Tachycardie oder frequenzadaptierende Reizung mit mehreren Sensoren | |
DE19902253B4 (de) | Verfahren und System zur Charakterisierung der Qualität von Herzfunktionsanzeigesignalen | |
EP1904973B1 (de) | Verfahren, vorrichtung und computerprogrammprodukt zum auswerten von bildern einer kavität | |
EP1802230B1 (de) | Überwachung einer physiologischen aktivität mittels teilweiser zustandsraumrekonstruktion | |
EP3185215B1 (de) | Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion | |
DE2716739C3 (de) | Verfahren zur Detektion von Signalen | |
Ghaffari et al. | Segmentation of holter ECG waves via analysis of a discrete wavelet-derived multiple skewness–kurtosis based metric | |
EP0407647B1 (de) | Einrichtung zur Bewertung ausgewählter Signalanteile in physiologischen Messsignalen, insbesondere von Spätpotentialen in Elektrokardiogrammen | |
DE19827697B4 (de) | Verfahren und System zum Bestimmen der Qualität von Signalen, die die Herzfunktion anzeigen | |
DE60318804T2 (de) | Vorrichtung zur Analyse eines Signales, insbesondere eines physiologischen Signals wie z.B. ein EKG-Signal | |
DE19638738B4 (de) | Verfahren zur Gewinnung einer diagnostischen Aussage aus Signalen und Daten medizinischer Sensorsysteme | |
DE10311319A1 (de) | Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens | |
DE10350438A1 (de) | Verfahren und Einrichtung zur medizinischen Interventionsverfahrenplanung | |
DE10356879A1 (de) | Bestimmung willkürlicher kardialer Phasen unter Verwendung nicht elektrischer Signale | |
Sumathi et al. | A wavelet transform based feature extraction and classification of cardiac disorder | |
EP0582885A2 (de) | Verfahren zur Klassifizierung von Feldmustern | |
DE3012554A1 (de) | Verfahren zum kombinieren elektrisch sowie mechanisch gewonnener kardiographischer signale und vorrichtung zum durchfuehren des verfahrens | |
Gawande et al. | Heart diseases classification using convolutional neural network | |
DE69630638T2 (de) | Verfahren und Gerät zur Berichtigung von nicht-physiologischen Änderungen in EKG Signalen | |
Kaur et al. | On the detection of cardiac arrhythmia with principal component analysis | |
DE102012104565A1 (de) | Verfahren, Vorrichtung und Computerprogrammprodukt zur Überwachung physiologischer Signale | |
WO2010031830A1 (de) | Verfahren, vorrichtung und computerprogrammprodukt zum darstellen verschiedener bilder einer kavität | |
EP0150352B1 (de) | Verfahren zur Bestimmung des Anfangs- und Endpunktes von geschlossenen, physiologischen Messsignalen | |
Gaddam et al. | Automatic classification of cardiac arrhythmias based on ECG signals using transferred deep learning convolution neural network | |
DE19517138A1 (de) | Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-Elektrokardiogramm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |