Classification of Cardiac Signals in Order to Diagnose Myocardial Infarction based on Extraction of Morphological Features from Spatio-Temporal Patterns of Vectorcardiogram Signals
Message:
Abstract:
Background

One of the most common cardiovascular diseases (CVDs) in the world is myocardial infarction (MI). By analyzing electrocardiogram and vectorcardiography (VCG) signals, it is possible to identify and characterize heart diseases such as MI. One of the new methods of detection is the use of spatio-temporal parameters of VCG signals. This study aimed to correctly distinguish healthy signals from patients, achieve acceptable accuracy, and show the benefits of VCG and its application as a method to cover the shortcoming of electrocardiography.

Methods

In this study, in addition to applying electrocardiogram signals in the time domain, spatio-temporal patterns of VCG signals were used to identify 80 patients with MI, and differentiate them from 80 healthy individuals.

Findings

When combining the 12-lead electrocardiography (ECG) and the 3-lead VCG features applied to the Feedforward Neural Network classifier input, an accuracy of 91.2%, specificity of 92.6%, and specificity of 90% were obtained. The results were in higher values than when applied separately.

Conclusion

 The observations indicate that combined ECG and VCG methods can be effective in distinguishing MI cases from healthy cases. It is hoped that this method may be useful in the clinical evaluation and heart failure diagnosis.

Article Type:
Research/Original Article
Language:
Persian
Published:
Journal Of Isfahan Medical School, Volume:37 Issue: 548, 2019
Pages:
1192 - 1199
magiran.com/p2072099  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.