Dane o rozprawie doktorskiej
Rodzaj pracy |
Rozprawa doktorska |
Data uzyskania stopnia
|
18.04.2007 |
Uzyskany stopień
naukowy |
doktor nauk technicznych |
Promotor |
Prof. dr hab. inż. Andrzej Krawczyk |
Recenzenci |
Dr hab. inż., prof. UZ Dariusz Uciński Dr hab. inż., prof. AGH Piotr Augustyniak |
Jednostka prowadząca
przewód |
Uniwersytet Zielonogórski, Wydział Elektrotechniki |
Miejsce pracy autora
rozprawy |
Instytut Informatyki, Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej |
Dziedzina naukowa |
nauki techniczne |
Dyscyplina naukowa |
Informatyka |
Specjalność naukowa |
Przetwarzanie sygnałów |
Sposób zgłoszenia
rozprawy, dostępność, liczba stron |
Biblioteka Główna Uniwersytetu Zielonogórskiego, s. 188. |
Wydawca |
|
Słowa kluczowe |
Detekcja zespołu QRS, klasyfikacja rytmu endogennego, sieci falkowo - neuronowe |
Streszczenie |
Analiza sygnału elektrokardiograficznego rejestrowanego metodą Holtera w przypadku pacjentów z wszczepionym układem stymulującym pracę serca ma bardzo duże znaczenie diagnostyczne, zarówno pod względem oceny stanu zdrowia pacjenta, jak również pracy działania samego stymulatora. Skalę zapotrzebowania na prowadzenie badań związanych z analizą sygnałów elektrokardiograficznych rejestrowanych metodą Holtera dla pacjentów z wszczepionym układem stymulującym można oszacować według liczby wszczepianych stymulatorów, która wzrasta średnio od 8-10% rocznie. Niniejsza rozprawa poświęcona jest zagadnieniu detekcji zespołu QRS i klasyfikacji rytmu endogennego w sygnałach elektrokardiograficznych pochodzących od pacjentów z wszczepionym układem stymulującym pracę serca. Szczególny nacisk położono na zastosowanie sieci falkowo-neuronowej do wyżej wymienionej tematyki badań. Sprawdzono również efektywność detekcji zespołu QRS dla algorytmów działających w dziedzinie czasu. |
Abstact |
This dissertation presents the problem of detection and classification of QRS complexes with ECG signals coming from patients with implanted cardiac pacemaker. Special attention was focused on the use of wavelet - neural networks in above mentioned subject matter of investigation. Efficiency of detection of QRS complex was examined by algorithms working in time domain. |