SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

C.-C. Lin C.-M. Chen I.-F. Yang T.-F. Yang

aya avatar
aya
18 diapositives · 380 Views · Sep 03, 2014

Automatic optimum order selection of parametric modelling for the evaluation of abnormal intra-QRS signals in signal-averaged electrocardiograms. C.-C. Lin C.-M. Chen I.-F. Yang T.-F. Yang

C.-C. Lin C.-M. Chen I.-F. Yang T.-F. Yang - slide 1
01 / 18C.-C. Lin C.-M. Chen I.-F. Yang T.-F. Yang
1 / 17

Télécharger la présentation

C.-C. Lin C.-M. Chen I.-F. Yang T.-F. Yang
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Automatic optimum order selection ofparametric modelling for theevaluation of abnormal intra-QRSsignals in signal-averagedelectrocardiograms C.-C. Lin C.-M. Chen I.-F. Yang T.-F. Yang MEDICALAND BIOLOGICAL ENGINEERING AND COMPUTING Volume 43,Number 2,  218-224, SpringerLink

  2. Outline • Introduction • Materials and methods • Results • Conclusions

  3. Introduction • Abnormal intra-QRS potentials (AIQPs) in signal-averaged electrocardiograms have been proposed as a risk evaluation index for ventricular arrhythmias.

  4. Introduction(Cont.) • Three standardised time-domain SAECG to detection of ventricular late potentials(VLPs) • Filtered total QRS duration (FQRSD) • RMS voltage of the last QRS 40 ms (RMS40) • Low-amplitude signals below 40 μ V(LAS40) • Several methods developed in other domains • Frequency-domain analysis • Spectro temporal mapping analysis (STM) • Spectral turbulence analysis(STA)

  5. Introduction(Cont.) • Gomis and Lander proposed a new concept, they developed a parametric model to esti-mate the AIQP. • The optimum model order depends on the clinical classifications and results, and so the database collected may critically affect the AIQP detection.

  6. Introduction(Cont.) • Original signal and the QRS estimate to evaluate the modelling accuracy and determine the optimum order without the effect derived from the database.

  7. Materials and methods • Group I (the normal group) consisted of 130 normal Taiwanese (62 men and 68 women, aged 35±16 years old) • Group II(the VPC group) consisted of 87 ventricular premature contraction (VPC) patients (42 men and 45 women, aged 65±12 years old) • Group III (the VT group) consisted of 23 patients (13 men and 10 women, aged 68±15)

  8. Materials and methods(Cont.)

  9. Materials and methods(Cont.) • Autoregressive moving average (ARMA) • DCT domain was used to simulate the normal QRS system • ARMA(2,2) with a conjugate pole pair at r∠ c = a1a2G/r^2, a=G－c, b=2crcos －(a1＋a2) G

  10. Materials and methods(Cont.) • ARMA(2M,2M)

  11. Materials and methods(Cont.)

  12. Materials and methods(Cont.) • The cross-correlation coefficient p between the original signal x(n) and the QRS estimate

  13. Results

  14. Results(Cont.)

  15. Results(Cont.)

  16. Results(Cont.)

  17. Results(Cont.)

  18. Conclusions • A significant correlation existed between RMS40 and AIQP in lead Y. • Automatically determining the optimum order improves the feasibility of AIQP analysis in clinical diagnosis.