Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
POLITECNICO DI BARI - Catalogo dei prodotti della Ricerca
The electrocardiogram signal is considered very important in clinical practice in order to assess the cardiac status of patients. In this paper, a computer aided detection system for R peak localizations is indicated. A four stage architecture is implemented which is able to differ-entiate R waves from peaked T and P waves with an high degree of accuracy. The performance of the algorithm is tested using ECG waveform records from the MIT-BITH Arrhythmia database. A sensitivity of 96 % and a positive prediction of 99% are achieved.
Lightweight signal analysis for r-peak detection / Rizzi, Maria; D'Aloia, Matteo; Russo, Ruggero; Cice, Gianpaolo; Stanisci, Sante; Montingelli, Angela; Longo, Annalisa. - ELETTRONICO. - 1982:(2017), pp. 33-39. (Intervento presentato al convegno Workshop on Artificial Intelligence with Application in Health, WAIAH 2017 tenutosi a Bari, Italy nel November 14, 2017).
The electrocardiogram signal is considered very important in clinical practice in order to assess the cardiac status of patients. In this paper, a computer aided detection system for R peak localizations is indicated. A four stage architecture is implemented which is able to differ-entiate R waves from peaked T and P waves with an high degree of accuracy. The performance of the algorithm is tested using ECG waveform records from the MIT-BITH Arrhythmia database. A sensitivity of 96 % and a positive prediction of 99% are achieved.
Workshop on Artificial Intelligence with Application in Health, WAIAH 2017
http://ceur-ws.org/Vol-1982/paper5.pdf
Lightweight signal analysis for r-peak detection / Rizzi, Maria; D'Aloia, Matteo; Russo, Ruggero; Cice, Gianpaolo; Stanisci, Sante; Montingelli, Angela; Longo, Annalisa. - ELETTRONICO. - 1982:(2017), pp. 33-39. (Intervento presentato al convegno Workshop on Artificial Intelligence with Application in Health, WAIAH 2017 tenutosi a Bari, Italy nel November 14, 2017).
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11589/123053
Citazioni
2
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
