بهبود کیفیت الکتروکاردیوگرام‌های گردآوری‌ شده با استفاده از گوشی‌های موبایل : PhysioNet/Computing در رقابت کاردیولوژی ۲۰۱۱

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

بهبود کیفیت الکتروکاردیوگرام‌های گردآوری‌ شده با استفاده از گوشی‌های موبایل : PhysioNet/Computing در رقابت کاردیولوژی ۲۰۱۱

عنوان لاتین

Improving the Quality of ECGs Collected Using Mobile Phones: The PhysioNet/Computing in Cardiology Challenge 2011

هدف PhysioNet/Computing در رقابت کاردیولوژی ۲۰۱۱ توسعه الگوریتم‌های کارآمدی بود که بتواند در یک گوشی موبایل اجرا شده، پسخوراند مفیدی را در پردازش گرفتن رکوردهای الکتروکاردیوگرام مفید ۱۲-لید تشخیصی فراهم نماید. PhysioNet مجموعه بزرگی از رکوردهای الکتروکاردیوگرام را برای استفاده در رقابت به همراه یک برنامه نمونه منبع-باز فراهم نمود که می‌تواند بر روی یک گوشی اندرویید اجرا شده، و الکتروکاردیوگرام را به عنوان قابل قبول یا غیرقابل قبول طبقه‌بندی نماید. مجموع ۴۹ تیم و فرد در رقابت شرکت نمودند، که دربرگیرنده سه رخداد بود. در رخداد ۱، شرکت‌کننده‌ها الگوریتم‌هایی را برای طبقه‌بندی الکتروکاردیوگرام‌ها با در نظر گرفتن کیفیت توسعه دادند، و طبقه‌بندی الگوریتم‌هایشان را از ۵۰۰ الکتروکاردیوگرام ثبت نموده و با استفاده از انواع روش‌ها ۹۳-۸۹٪ صحت را کسب کردند. در رخداد ۲، شرکت‌کننده‌ها اجرای Javaی الگوریتم‌هایشان را برای استفاده در اپلیکیشن نمونه موبایل ارائه نمودند؛ ما این‌ها را با استفاده از همان مجموعه داده‌ها و روش‌های نمره‌دهی همانند رخداد ۱ در دو گوشی موبایل رفرانس آزمایش کردیم، و صحت ۹۱-۸۰٪ را به دست آوردیم. رخداد ۳ شبیه رخداد ۲ بود، ولی با استفاده از مجموعه الکتروکاردیوگرام‌هایی انجام شد که برای مطالعه شرکت‌کنندگان در دسترس نبود، و امتیازدهی تابعی از هر دو صحت و سرعت پردازش گوشی موبایل بود؛ در این رخداد، سطوح صحت مشابهی با زمان‌های اجرای میانگین کمتر از ۲ ثانیه بر روی گوشی‌های رفرانس به دست آمد.

The aim of the PhysioNet/Computing in Cardiology Challenge 2011 was to develop an efficient algorithm able to run within a mobile phone, that can provide useful feed- back in the process of acquiring a diagnostically useful 12- lead ECG recordings. PhysioNet provided a large set of ECG records for use in the Challenge, together with an open-source sample application that can run on an An- droid phone, and can classify ECGs as acceptable or unac- ceptable. A total of 49 teams and individuals participated in challenge, which entailed three events. In event 1, par- ticipants developed algorithms for classifying ECGs with respect to quality, and submitted their algorithms’ clas- sifications of 500 ECGs, obtaining 89-93% accuracy us- ing variety of methods. In event 2, participants submitted Java implementations of their algorithms to be used in the sample mobile application; we tested these in two refer- ence mobile phones using the same data set and scoring method as in event 1, obtaining 80-91% accuracy. Event 3 was similar to event 2, but was conducted using a set of ECGs not available for study by the participants, and the scoring was a function of both accuracy and mobile phone processing speed; in this event, similar levels of accuracy were achieved with average execution times of less than 2 seconds on the reference phones.