Abbonarsi

SVM-based algorithm for recognition of QRS complexes in electrocardiogram - 15/09/23

Algorithme basé sur le SVM pour reconnaître les QRS Complex dans l’ECG

Doi : 10.1016/j.rbmret.2008.03.006 
S.S. Mehta , N.S. Lingayat
Department of Electrical Engineering, J. N. Vyas University, MBM Engineering College, Jodhpur 342001, Rajasthan, India 

Corresponding author.

Abstract

Among all electrocardiogram (ECG) components, the QRS complex is the most significant feature. This paper presents a new algorithm for recognition of QRS complexes in the electrocardiogram (ECG) based on support vector machine (SVM). Digital filtering techniques are used to remove power line interference and baseline wander in the ECG signal. SVM is used as a classifier to delineate QRS and non-QRS regions. Algorithm performance was evaluated against the standard CSE ECG database. The results indicated that the algorithm achieved 99.3% of the detection rate. The percentage of false positive and false negative was 12.4 and 0.7% respectively. It could function reliably even under the condition of poor signal quality of the ECG signal.

Il testo completo di questo articolo è disponibile in PDF.

Résumé

Parmi tous les composants ECG, le QRS complex est la fonctionnalité la plus importante. Cet article présente un nouvel algorithme pour reconnaître les QRS complex dans l’électrocardiogramme (ECG) sur la base du support vector machine (SVM). Des techniques digitales de filtrage sont utilisées pour éliminer les interférences entre les lignes électriques et la variation de la base line au niveau du signal de l’ECG. Le SVM est utilisé comme un classificateur pour délimiter les régions QRS et non-QRS. La performance de l’algorithme a été évaluée par rapport à la base de données CSE ECG. Les résultats indiquent que l’algorithme atteint 99,3 % du taux de détection. Le pourcentage de faux positifs et faux négatifs était respectivement de 12,4 et 0,7 %. Il peut fonctionner de façon fiable même si la qualité du signal de l’ECG est assez pauvre.

Il testo completo di questo articolo è disponibile in PDF.

Keywords : SVM, ECG, QRS Complex

Mots clés : SVM, ECG, QRS Complex


Mappa


© 2008  Elsevier Masson SAS. Tutti i diritti riservati.
Aggiungere alla mia biblioteca Togliere dalla mia biblioteca Stampare
Esportazione

    Citazioni Export

  • File

  • Contenuto

Vol 29 - N° 5

P. 310-317 - novembre 2008 Ritorno al numero
Articolo precedente Articolo precedente
  • Réflexions sur l’identification du patient dans les systèmes d’information de santé
  • C. Oumar Bagayoko, J.-C. Dufour, P. Avillach, C. Quantin, M. Fieschi
| Articolo seguente Articolo seguente
  • Préconditionnement laser en site osseux membraneux : mise au point d’un modèle d’étude
  • S. Desmons, C. Delfosse, P. Rochon, B. Buys, P. Devos, G. Falgayrac, G. Penel, S. Mordon

Benvenuto su EM|consulte, il riferimento dei professionisti della salute.
L'accesso al testo integrale di questo articolo richiede un abbonamento.

Già abbonato a @@106933@@ rivista ?

@@150455@@ Voir plus

Il mio account


Dichiarazione CNIL

EM-CONSULTE.COM è registrato presso la CNIL, dichiarazione n. 1286925.

Ai sensi della legge n. 78-17 del 6 gennaio 1978 sull'informatica, sui file e sulle libertà, Lei puo' esercitare i diritti di opposizione (art.26 della legge), di accesso (art.34 a 38 Legge), e di rettifica (art.36 della legge) per i dati che La riguardano. Lei puo' cosi chiedere che siano rettificati, compeltati, chiariti, aggiornati o cancellati i suoi dati personali inesati, incompleti, equivoci, obsoleti o la cui raccolta o di uso o di conservazione sono vietati.
Le informazioni relative ai visitatori del nostro sito, compresa la loro identità, sono confidenziali.
Il responsabile del sito si impegna sull'onore a rispettare le condizioni legali di confidenzialità applicabili in Francia e a non divulgare tali informazioni a terzi.


Tutto il contenuto di questo sito: Copyright © 2026 Elsevier, i suoi licenziatari e contributori. Tutti i diritti sono riservati. Inclusi diritti per estrazione di testo e di dati, addestramento dell’intelligenza artificiale, e tecnologie simili. Per tutto il contenuto ‘open access’ sono applicati i termini della licenza Creative Commons.