Knowledge base: Warsaw University of Technology

Settings and your account

Back

Semi supervised classifier KM-LSSVM of high-resolution ECG signals

Jakub Zbucki

Abstract

This project presents application of semi supervised classifier to the risk recognition of sustained ventricular tachycardia and flicker in patients after passed heart attack. The used dataset was obtained from the Clinic of Cardiology of the Central Clinical Hospital of the Warsaw University of Medicine. The algorithm KM-LSSVM has been used to classify the signal. The data set was clustered using k-means method. Then the examples with initial labels were used to train Least Squares Support Vector Machine. A diagram classifying the relationship between the effectiveness of classification and the number learning data set. During classifier"s training process there was used information about category of 38 from 376 available examples. The mean score of healthy person recognition was about 92,9% and of sustained ventricular tachycardia group recognition about 95,8%.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Jakub Zbucki (FEIT/PE) Jakub Zbucki,, The Institute of Electronic Systems (FEIT/PE)Faculty of Electronics and Information Technology (FEIT)
Title in Polish
Transdukcyjny klasyfikator KM-LSSVM i jego zastosowanie do analizy wysokorozdzielczych sygnałów EKG
Supervisor
Stanisław Jankowski (FEIT/PE) Stanisław Jankowski,, The Institute of Electronic Systems (FEIT/PE)Faculty of Electronics and Information Technology (FEIT)
Certifying unit
Faculty of Electronics and Information Technology (FEIT)
Affiliation unit
The Institute of Electronic Systems (FEIT/PE)
Language
(pl) Polish
Status
Finished
Issue date (year)
2009
Internal identifier
ENSE-R.002201
Keywords in Polish
-
Keywords in English
-
Abstract in Polish
W pracy przedstawiono możliwości, jakie daje użycie transdukcyjnego klasyfikatora do diagnozy pacjentów z zagrożeniem wystąpienia częstoskurczu i migotania komorowego po przebytym zawale serca. Do badań wykorzystano dane uzyskane w Klinice Kardiologii Centralnego Szpitala Klinicznego Akademii Medycznej w Warszawie. Do klasyfikacji sygnału użyto algorytmu KM-LSSVM, który jest połączeniem metod k-średnich i średnio kwadratowej maszyny wektorów nośnych. Dane wstępnie pogrupowane przez algorytm k-średnich zostały użyte do uczenia LSSVM. Skuteczność klasyfikacji była sprawdzana na podstawie etykiet przydzielonych przez specjalistę. Wykonano wykres prezentujący zależność między skutecznością klasyfikacji, a mocą zbioru uczącego. Dla zbioru uczącego 38 przypadków z 376 średnia poprawność klasyfikacji pacjentów zdrowych wyniosła 92,9%, a pacjentów z częstoskurczem 95,8%.

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTa3ab87bc8f7446ff9a87a9c9f6248a29/
URN
urn:pw-repo:WUTa3ab87bc8f7446ff9a87a9c9f6248a29

Confirmation
Are you sure?
Report incorrect data on this page