Třídění EKG cyklů pomoci shlukové analýzy

Abstract

Tato bakalářská práce se zabývá aplikací shlukové analýzy na různé záznamy EKG s cílem rozpoznat jednotlivé patologie se zaměřením na detekci komorových a síňových extrasystol. Práce je založena na korelaci signálů a následné identifikaci patologií pomocí základních charakteristik jednotlivých rytmů. Metoda byla vyhodnocena na testovacích datech a dosáhla TPR 73.40 %, FPR 91.00 %, PPV 29.00 %, ACC 90.00 %, F1 41.40 % pro detekci PAC a TPR 76.50 %, FPR 94.20 %, PPV 45.90 %, ACC 93.10 %, F1 57.40 % pro detekci PVC. Nízké hodnoty F1 a PPV jsou způsobeny vysokým počtem falešně pozitivních detekcí vyskytujících se hlavně v zašuměných EKG záznamech a záznamech s přítomností atriální fibrilace.

This bachelor thesis deals with application of cluster analysis to different ECG records in order to identify particular cardiac pathologies. The work is mainly focused on the detection of premature atrial and premature ventricular beats. Presented approach is based on the signal correlation and further beat type identification and beats clustering via specific ECG features. By evaluation the method on test data, we obtained TPR 73.40 %, FPR 91.00 %, PPV 29.00 %, ACC 90.00 %, F1 41.40 % for PAC detection and TPR 76.50 %, FPR 94.20 %, PPV 45.90 %, ACC 93.10 %, F1 57.40 % for PVC detection. Pure F1 and PPV is due to high number of false positive detections mainly in noisy ECG or ECG with manifested atrial fibrillation.