Automated detection and localization system of myocardial infarction in single-beat ECG using Dual-Q TQWT and wavelet packet tensor decomposition
Julkaisuvuosi
2020
Tekijät
Liu, Jia; Zhang, Chi; Zhu, Yongjie; Ristaniemi, Tapani; Parviainen, Tiina; Cong, Fengyu
Tiivistelmä
Background and objective. It is challenging to conduct real-time identification of myocardial infarction (MI) due to artifact corruption and high dimensionality of multi-lead electrocardiogram (ECG). In the present study, we proposed an automated single-beat MI detection and localization system using dual-Q tunable Q-factor wavelet transformation (Dual-Q TQWT) denoising algorithm. Methods. After denoising and segmentation of ECG, a fourth-order wavelet tensor (leads × subbands × samples × beats) was constructed based on thediscretewavelet packet transform (DWPT), to represent the features considering the information of inter-beat, intra-beat, inter-frequency, and inter-lead. To reduce the tensor dimension and preserve the intrinsic information, the multilinear principal component analysis (MPCA) was employed. Afterward, 84 discriminate features were fed into a classifier of bootstrap-aggregated decision trees (Treebagger). A total of 78 healthy and 328 MI (6types) records including 57557 beats were chosen from PTB diagnostic ECG database for evaluation. Results.The validation results demonstratedthat our proposed MI detection and localization system embedded with Dual-Q TQWT and wavelet packet tensor decomposition outperformedcommonly used discrete wavelet transform (DWT), empirical mode decomposition (EMD) denoising methods and vector-based PCA method. With the Treebagger classifier, we obtained an accuracy of 99.98% in beat level and an accuracy of 97.46% in record level training/testing for MI detection. We also achieved an accuracy of 99.87% in beat level and an accuracy of 90.39% in record level for MI localization. Conclusion. Altogether, the automated system brings potential improvement in automated detectionand localization of MI in clinical practice.
Näytä enemmänOrganisaatiot ja tekijät
Julkaisutyyppi
Julkaisumuoto
Artikkeli
Emojulkaisun tyyppi
Lehti
Artikkelin tyyppi
Alkuperäisartikkeli
Yleisö
TieteellinenVertaisarvioitu
VertaisarvioituOKM:n julkaisutyyppiluokitus
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessäJulkaisukanavan tiedot
Kustantaja
Volyymi
184
Artikkelinumero
105120
ISSN
Julkaisufoorumi
Julkaisufoorumitaso
1
Avoin saatavuus
Avoin saatavuus kustantajan palvelussa
Ei
Rinnakkaistallennettu
Kyllä
Muut tiedot
Tieteenalat
Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka; Lääketieteen tekniikka
Avainsanat
[object Object],[object Object],[object Object],[object Object]
Julkaisumaa
Alankomaat
Kustantajan kansainvälisyys
Kansainvälinen
Kieli
englanti
Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei
DOI
10.1016/j.cmpb.2019.105120
Julkaisu kuuluu opetus- ja kulttuuriministeriön tiedonkeruuseen
Kyllä