.png){kind=icon}
返回
A Novel R-Peak Detection Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1109/ACCESS.2025.3643153.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确检测心电图 (ECG) 信号中的R峰对于心脏分析和诊断至关重要。虽然现有的算法通常依赖于复杂的转换或机器学习，但我们重新审视了使用简单和可解释的信号特征的经典哲学。我们提出了一种基于两个生理上有意义的信号特征的方法: 去趋势相对高度和局部斜率模式。这些特征被集成到具有自适应阈值的鲁棒评分系统中。在mit-bih心律失常数据库上评估，我们的算法仅使用单个通道，并实现了高灵敏度 (99.69%) 和特异性 (99.82%)，在可解释和透明方法的类别中表现良好。结果表明，轻量级，透明的方法可以提供可靠的性能，并作为进一步开发的有效基准。
Keyword:
Feature extraction
Electrocardiography
Time series analysis
Detection algorithms
Convolution
Filter banks
Accuracy
Signal processing algorithms
Physiology
Noise
Electrocardiogram signal
R-peak detection
signal processing
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
QRS Complex Detection Using Novel Deep Learning Neural Networks基于新型深度学习神经网络的QRS波群检测.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Self-Attention MHDNet: A Novel Deep Learning Model for the Detection of R-Peaks in the Electrocardiogram Signals Corrupted with Magnetohydrodynamic EffectBIOENGINEERING-BASELOAAI
BIOENGINEERING-BASELIF3.7
OAAI分享收藏分享收藏
查看更多内容