| ชื่อบทความ |
Improving EASI Model via Machine Learning and Regression Techniques |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
27 มีนาคม 2561 |
| วารสาร |
| ชื่อวารสาร |
Journal of Telecommunication, Electronic and Computer Engineering (JTEC) |
| มาตรฐานของวารสาร |
SCOPUS |
| หน่วยงานเจ้าของวารสาร |
Universiti Teknikal Malaysia Melaka (UTeM) |
| ISBN/ISSN |
2289-8131 |
| ปีที่ |
2018 |
| ฉบับที่ |
10 |
| เดือน |
April |
| ปี พ.ศ. ที่พิมพ์ |
2561 |
| หน้า |
115-120 |
| บทคัดย่อ |
We propose an approach to the interpretation of natural 12-lead Electrocardiography (ECG) is the standard tool for heart disease diagnose but measuring all 12 leads is often awkward and restricted by patient movement. In 1988, Gordon Dower has introduced the EASI-lead monitoring system that can reduce the number of electrodes from 10 downto 5 and also increases mobility of patients. In order to gain all 12-lead ECG back from the EASI-lead system, Dower’s equation was proposed then. Ever since various attempts have been explored to improve the synthesis accuracy. To find the best transfer function for synthesizing the 12-lead ECG from EASI-lead system, this paper presents a number of Machine Learning techniques including Support Vector Regression (SVR) and Artificial Neural Network (ANN). The experiments were conducted to compare the results from those Machine Learning methods to those of Linear Regression, Polynomial Regression, and Dower’s methods. The results have shown that the best performance amongst those methods with the least Root Mean Square Error (RMSE) values were obtained by SVR using spherical kernel function followed ANN, 3rd-order Polynomial Regression, Linear Regression and Dower’s equation, respectively. |
| คำสำคัญ |
12-Lead ECG System, ANN, Dower's Method, EASI Electrodes, Linear Regression, Polynomial Regression, SVR |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English