OBJECTIVE: Use of wearable ECG devices for arrhythmia screening is limited due to poor signal quality, small number of leads and short records, leading to incorrect recognition of pathological events. This paper introduces a novel approach to classification (normal/'N', atrial fibrillation/'A', other/'O', and noisy/'P') of short single-lead ECGs recorded by wearable devices. APPROACH: Various rhythm and morphology features are derived from the separate beats ('local' features) as well as the entire ECGs ('global' features) to represent short-term events and general trends respectively. Various types of atrial and ventricular activity, heart beats and, finally, ECG records are then recognised by a multi-level approach combining a support vector machine (SVM), decision tree and threshold-based rules. MAIN RESULTS: The proposed features are suitable for the recognition of 'A'. The method is robust due to the noise estimation involved. A combination of radial and linear SVMs ensures both high predictive performance and effective generalisation. Cost-sensitive learning, genetic algorithm feature selection and thresholding improve overall performance. The generalisation ability and reliability of this approach are high, as verified by cross-validation on a training set and by blind testing, with only a slight decrease of overall F1-measure, from 0.84 on training to 0.81 on the tested dataset. 'O' recognition seems to be the most difficult (test F1-measures: 0.90/'N', 0.81/'A' and 0.72/'O') due to high inter-patient variability and similarity with 'N'. SIGNIFICANCE: These study results contribute to multidisciplinary areas, focusing on creation of robust and reliable cardiac monitoring systems in order to improve diagnosis, reduce unnecessary time-consuming expert ECG scoring and, consequently, ensure timely and effective treatment.
- MeSH
- elektrokardiografie přístrojové vybavení metody MeSH
- fibrilace síní diagnóza MeSH
- lidé MeSH
- nositelná elektronika * MeSH
- reprodukovatelnost výsledků MeSH
- rozhodovací stromy MeSH
- support vector machine * MeSH
- určení tepové frekvence přístrojové vybavení metody MeSH
- víceúrovňová analýza MeSH
- vlnková analýza MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- časopisecké články MeSH
- hodnotící studie MeSH
- práce podpořená grantem MeSH
- Klíčová slova
- roční a déle než roční cyklus při dlouhodobém měření hodnot krevního tlaku a srdeční frekvence,
- MeSH
- ambulantní monitorování MeSH
- dítě MeSH
- dospělí MeSH
- experimenty na lidech MeSH
- financování organizované MeSH
- lidé MeSH
- měření krevního tlaku * metody přístrojové vybavení využití MeSH
- mladiství MeSH
- statistika jako téma MeSH
- určení tepové frekvence * metody přístrojové vybavení využití MeSH
- Check Tag
- dítě MeSH
- dospělí MeSH
- lidé MeSH
- mladiství MeSH
- mužské pohlaví MeSH
- MeSH
- elektrokardiografie metody využití MeSH
- experimenty na lidech MeSH
- financování organizované MeSH
- kardiovaskulární systém patofyziologie patologie MeSH
- lidé středního věku MeSH
- lidé MeSH
- močový měchýř * fyziologie patofyziologie patologie MeSH
- roztroušená skleróza * komplikace patofyziologie patologie MeSH
- spektrální analýza metody využití MeSH
- srdeční frekvence * fyziologie imunologie MeSH
- statistika jako téma MeSH
- studie případů a kontrol MeSH
- určení tepové frekvence metody přístrojové vybavení využití MeSH
- Check Tag
- lidé středního věku MeSH
- lidé MeSH
- mužské pohlaví MeSH
- ženské pohlaví MeSH
- Klíčová slova
- mikrobiochronometrie, měření cirkadiánního a cirkasemiseptánního cyklu adaptace vaskulárního systému při cestování přes časová pásma,
- MeSH
- cestování letadlem * MeSH
- chronobiologické jevy fyziologie MeSH
- cirkadiánní rytmus fyziologie MeSH
- financování organizované MeSH
- jet lag syndrom * etiologie komplikace prevence a kontrola MeSH
- koronární nemoc komplikace MeSH
- lidé MeSH
- měření krevního tlaku MeSH
- statistika jako téma MeSH
- telemetrie metody využití MeSH
- určení tepové frekvence metody přístrojové vybavení využití MeSH
- Check Tag
- lidé MeSH