S'abonner

Electrocardiogram Data Compression Techniques for Cardiac Healthcare Systems: A Methodological Review - 24/05/22

Doi : 10.1016/j.irbm.2021.06.007 
C.K. Jha a, b, , M.H. Kolekar b
a Department of Electronics & Communication Engineering, Indian Institute of Information Technology (IIIT) Bhagalpur, 813210, India 
b Department of Electrical Engineering, Indian Institute of Technology Patna, 801106, India 

Corresponding author.

Abstract

Objective: Globally, cardiovascular diseases (CVDs) are one of the most leading causes of death. In medical screening and diagnostic procedures of CVDs, electrocardiogram (ECG) signals are widely used. Early detection of CVDs requires acquisition of longer ECG signals. It has triggered the development of personal healthcare systems which can be used by cardio-patients to manage the disease. These healthcare systems continuously record, store, and transmit the ECG data via wired/wireless communication channels. There are many issues with these systems such as data storage limitation, bandwidth limitation and limited battery life. Involvement of ECG data compression techniques can resolve all these issues.

Method: In the past, numerous ECG data compression techniques have been proposed. This paper presents a methodological review of different ECG data compression techniques based on their experimental performance on ECG records of the Massachusetts Institute of Technology-Beth Israel Hospital (MIT-BIH) arrhythmia database.

Results: It is observed that experimental performance of different compression techniques depends on several parameters. The existing compression techniques are validated using different distortion measures.

Conclusion: This study elaborates advantages and disadvantages of different ECG data compression techniques. It also includes different validation methods of ECG compression techniques. Although compression techniques have been developed very widely but the validation of compression methods is still a prospective research area to accomplish an efficient and reliable performance.

Le texte complet de cet article est disponible en PDF.

Keywords : ECG, Compression, Methodological review, Discrete wavelet transform, Dead-zone quantization, Run-length encoding


Plan


© 2021  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 43 - N° 3

P. 217-228 - juin 2022 Retour au numéro
Article précédent Article précédent
  • Development of Direct Grafting on Cyclic Olefin Copolymers to Improve Hydrophilicity by Using Bioactive Polymers
  • J.-S. Baumann, E. Jubeli, A. Morocho, V. Migonney, N. Yagoubi, C. Falentin-Daudré
| Article suivant Article suivant
  • Preparation Strategies for Mg-Alloys for Biodegradable Orthopaedic Implants and Other Biomedical Applications: A Review
  • G. Chandra, A. Pandey

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.