Published December 29, 2023
| Version v1
Publication
Open
Extracción de la señal del electrocardiograma fetal basada en el agrupamiento K-means
Creators
- 1. Université Moulay Ismail de Meknes
- 2. Sidi Mohamed Ben Abdellah University
Description
Los electrocardiogramas (ECG) fetales proporcionan información crucial para las intervenciones y diagnósticos de las embarazadas a nivel clínico. Las señales maternas son robustas, lo que dificulta la recuperación y detección de ECGs fetales. En este artículo, proponemos una solución basada en Machine Learning adaptando el clustering de k-means para detectar el ECG fetal mediante la grabación de los ECGs. En nuestra primera parte de preprocesamiento, intentamos normalizar y segmentar la forma de onda del ECG. A continuación, utilizamos la distancia euclídea para medir la similitud. Para identificar un cierto número de centroides en nuestros datos, los resultados clasificados en dos clases se representan en la última parte mediante gráficos y se comparan con otros algoritmos, como el clasificador CNN, para demostrar la eficacia de este enfoque innovador, que puede aplicarse en tiempo real.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
توفر مخططات كهربية القلب للجنين (ECG) معلومات مهمة للتدخلات وتشخيص النساء الحوامل على المستوى السريري. إشارات الأم قوية، مما يجعل من الصعب استعادة واكتشاف تخطيط كهربية القلب للجنين. في هذه المقالة، نقترح حلاً يعتمد على التعلم الآلي لتكييف تجميع وسائل k للكشف عن مخطط كهربية القلب للجنين عن طريق تسجيل مخطط كهربية القلب. في الجزء الأول من المعالجة المسبقة، حاولنا تطبيع وتقسيم الشكل الموجي لمخطط كهربية القلب. بعد ذلك، نستخدم المسافة الإقليدية لقياس التشابه. لتحديد عدد معين من السنترويدات في بياناتنا، يتم تمثيل النتائج المصنفة إلى فئتين في الجزء الأخير من خلال الرسوم البيانية ومقارنتها بالخوارزميات الأخرى، مثل مصنف CNN، لإثبات فعالية هذا النهج المبتكر، والذي يمكن تطبيقه في الوقت الفعلي.Translated Description (English)
Fetal electrocardiograms (ECGs) provide crucial information for interventions and diagnoses of pregnant women at the clinical level. Maternal signals are robust, making it difficult to recover and detect fetal ECGs. In this article, we propose a solution based on Machine Learning adapting the clustering of k-means to detect the fetal ECG by recording the ECGs. In our first part of pre-processing, we tried to normalize and segment the ECG waveform. Next, we use the Euclidean distance to measure similarity. To identify a certain number of centroids in our data, the results classified into two classes are represented in the last part by graphs and compared with other algorithms, such as the CNN classifier, to demonstrate the effectiveness of this innovative approach, which can be applied in real time.Translated Description (French)
Les électrocardiogrammes (ECG) fœtaux fournissent des informations cruciales pour les interventions et les diagnostics des femmes enceintes au niveau clinique. Les signaux maternels sont robustes, ce qui rend difficile la récupération et la détection des ECG fœtaux. Dans cet article, nous proposons une solution basée sur le Machine Learning en adaptant le clustering de k-means pour détecter l'ECG fœtal en enregistrant les ECG. Dans notre première partie de prétraitement, nous essayons de normaliser et de segmenter la forme d'onde de l'ECG. Ensuite, nous utilisons la distance euclidienne pour mesurer la similitude. Pour identifier un certain nombre de centroïdes dans nos données, les résultats classés en deux classes sont représentés dans la dernière partie par des graphiques et comparés à d'autres algorithmes, tels que le classificateur CNN, pour démontrer l'efficacité de cette approche innovante, qui peut être appliquée en temps réel.Files
267.pdf
Files
(633.6 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:0bdbf8433cca1f6c4eeaa8083eab34ba
|
633.6 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- استخراج إشارة مخطط كهربية القلب للجنين على أساس تجميع وسائل K
- Translated title (English)
- Fetal electrocardiogram signal extraction based on K-means clustering
- Translated title (French)
- Extraction du signal de l'électrocardiogramme fœtal basé sur le groupement K-means
Identifiers
- Other
- https://openalex.org/W4390615929
- DOI
- 10.56294/dm202384
References
- https://openalex.org/W1985417651
- https://openalex.org/W2036452822
- https://openalex.org/W2043616122
- https://openalex.org/W2141224535
- https://openalex.org/W2293345892
- https://openalex.org/W2588733828
- https://openalex.org/W2734550125
- https://openalex.org/W2746497701
- https://openalex.org/W2767394715
- https://openalex.org/W2767583265
- https://openalex.org/W2802945731
- https://openalex.org/W2803807865
- https://openalex.org/W2944544528
- https://openalex.org/W2947659587
- https://openalex.org/W2958088520
- https://openalex.org/W2959146022
- https://openalex.org/W2979324443
- https://openalex.org/W2995609036
- https://openalex.org/W2996063481
- https://openalex.org/W3006927120
- https://openalex.org/W3033824776
- https://openalex.org/W3036109227
- https://openalex.org/W3040054640
- https://openalex.org/W3048237021
- https://openalex.org/W3081741255
- https://openalex.org/W3105751830
- https://openalex.org/W3110800241
- https://openalex.org/W3119668117
- https://openalex.org/W3125754925
- https://openalex.org/W3159732994
- https://openalex.org/W3162862946
- https://openalex.org/W3185567841
- https://openalex.org/W3192358943
- https://openalex.org/W3200597478
- https://openalex.org/W3207920419
- https://openalex.org/W4200195981
- https://openalex.org/W4200606297
- https://openalex.org/W4205992115
- https://openalex.org/W4206149208
- https://openalex.org/W4220878474
- https://openalex.org/W4283713827
- https://openalex.org/W4285228213
- https://openalex.org/W4285513143
- https://openalex.org/W4285791914
- https://openalex.org/W4362704864