Pattern recognition technique based on wavelet decomposition for identification of patients with congestive heart failure.

A pattern recognition technique based on approximate estimation of power spectral densities (PSD( of sub-bands resulted from wavelet decomposition of R-R interval (RRI) data for identification of patients with Congestive Heart Failure (CHF) is investigated. Both trial and test data used in this work are drawn from MIT databases. Two standard patterns of the base-2 logarithmic values of the reciprocal of the probability measure of the approximated PSD of CHF patients and normal subjects are derived by averaging all corresponding values of all sub-bands of 12 CHF data and 12 normal subjects in the trial set. The computed pattern of each data under test is then compared band-by-band with both standard patterns of CHF and normal subjects to find the closest pattern. The new technique resulted in an identification accuracy of about 90% by applying it on the test data.

Member of

Journal articles

ISSN

1726-6742

Resource URL

https://hdl.handle.net/20.500.12408/4479

Citation

Hossen, A., & Al-Ghunaimia, B. (2009). Pattern recognition technique based on wavelet decomposition for identification of patients with congestive heart failure. The Journal of Engineering Research, 6 (2), 40-46.

Arabic abstract

يتضمن هذا البحث إيجاد تقنية لتمييز الأنماط لكثافة القدرة التقريبية الموزعة على حزم الطيف الترددي الناتجة من تجزئة المويجات لإشارة متغير معدل نبضات القلب من أجل الكشف عن مرضى عجز القلب الاحتقاني وتمييزهم عن الأشخاص السليمين. أخذت البيانات المستخدمة للتجربة وتلك المستخدمة للفحص من قاعدة بيانات معهد ماسا شو سيتز التكنلوجي في الولايات المتحدة. تم اشتقاق نمطين قياسين لمنحني لوغارتمي أساس - 2 لمقلوب الاحتمالية المحسوبة لكثافة القدرة الطيفية التقريبية، أحدهما لمرضى عجز القلب الاحتقاني الآخر لأشخاص سليمين وذلك بإيجاد معدل القدرة للحزم الفرعية المتناظرة للبيانات التجريبية العائدة لعدد 12 مريض بعجز القلب الاحتقاني ولعدد 12 شخص سليم. أما أثناء الفحص فإنه بعد حساب نمط بيانات الحالة تحت الفحص فقد تم مقارنتها حزمة بحزمة مع كل من النمطين القياسيين المشتقين لحالتي عجز القلب الاحتقاني والقلب السليم لمعرفة إلى أية فئة هي أقرب لتصنف معها. أعطت هذه التقنية الجديدة نسبة دقة تصل إلى 90% في تمييز أنماط بيانات الفحص.

Same Subject

Journal articles

Classification of static security status using multi-class support vector machines.

Kalyani, S.

Sultan Qaboos University

2012