Intelligent hybrid approaches for human ECG signals identification

Bassiouni, Mahmoud M.; El‐Dahshan, El‐Sayed A.; Khalefa, Wael; Salem, Abdel-Badeeh M.

doi:10.1007/s11760-018-1237-5

Cited by 59 publications

(20 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Then the heartbeat was processed by the proposed QRS-centered resampling strategy and standardized to 400 sampling points. The QRS-centered strategy is inspired and based on the prior ECG identification works: Firstly, to our knowledge, all the existing literature about ECG identification has taken QRS complex or its related form as features and QRS complex is very important for identifying a person [9,10,12,18,[40][41][42][43][44][45][46]. To preserve all potential identity information of the QRS complex, we use a length-fixed window to keep the QRS complex original.…”

Section: Discussionmentioning

confidence: 99%

A Novel Heart Rate Robust Method for Short-Term Electrocardiogram Biometric Identification

Wang

Yang

et al. 2019

Applied Sciences

View full text Add to dashboard Cite

In the past decades, the electrocardiogram (ECG) has been investigated as a promising biometric by exploiting the subtle discrepancy of ECG signals between subjects. However, the heart rate (HR) for one subject may vary because of physical activities or strong emotions, leading to the problem of ECG signal variation. This variation will significantly decrease the performance of the identification task. Particularly for short-term ECG signal without many heartbeats, the hardly measured HR makes the identification task even more challenging. This study aims to propose a novel method suitable for short-term ECG signal identification. In particular, an improved HR-free resampling strategy is proposed to minimize the influence of HR variability during heartbeat processing. For feature extraction, the Principal Component Analysis Network (PCANet) is implemented to determine the potential difference between subjects. The proposed method is evaluated using a public ECG-ID database that contains various HR data for some subjects. Experimental results show that the proposed method is robust to HR change and can achieve high subject identification accuracy (94.4%) on ECG signals with only five heartbeats. Thus, the proposed method has the potential for application to systems that use short-term ECG signals for identification (e.g., wearable devices).

show abstract

Section: Discussionmentioning

confidence: 99%

A Novel Heart Rate Robust Method for Short-Term Electrocardiogram Biometric Identification

Wang

Yang

et al. 2019

Applied Sciences

View full text Add to dashboard Cite

show abstract

“…Table 6 shows the benchmarking results with the other 11 algorithms. Of the various algorithms, we highlighted the top three highest accuracies tested with both databases, i.e., Salloum & Kuo [24], Bassiouoni et al [25], and Wang et al [9]. Note that, for a fair comparison, we used accuracy results from manual ECG beat detection and segmentation, as used by the other top three algorithms.…”

Section: Comparison With Other Algorithmsmentioning

confidence: 99%

“…In Bassiouoni et al [25], the features were extracted from fiducial, non-fiducial, and its fusion. There were two different classifiers used, i.e., an artificial neural network (ANN) for MIT-BIH and a support vector machine (SVM) for ECG-ID.…”

Section: Comparison With Other Algorithmsmentioning

confidence: 99%

Fast and Accurate Algorithm for ECG Authentication Using Residual Depthwise Separable Convolutional Neural Networks

et al. 2020

View full text Add to dashboard Cite

The electrocardiogram (ECG) is relatively easy to acquire and has been used for reliable biometric authentication. Despite growing interest in ECG authentication, there are still two main problems that need to be tackled, i.e., the accuracy and processing speed. Therefore, this paper proposed a fast and accurate ECG authentication utilizing only two stages, i.e., ECG beat detection and classification. By minimizing time-consuming ECG signal pre-processing and feature extraction, our proposed two-stage algorithm can authenticate the ECG signal around 660 μs. Hamilton’s method was used for ECG beat detection, while the Residual Depthwise Separable Convolutional Neural Network (RDSCNN) algorithm was used for classification. It was found that between six and eight ECG beats were required for authentication of different databases. Results showed that our proposed algorithm achieved 100% accuracy when evaluated with 48 patients in the MIT-BIH database and 90 people in the ECG ID database. These results showed that our proposed algorithm outperformed other state-of-the-art methods.

show abstract

“…R tepeciğiyle sağ bölge arasında kalan minimum nokta S bölgesi olarak alınır. Geriye kalan T bölgesinin tespitinde ise sağ bölge başlangıcından 125 birim daha sağ kısım arasındaki maksimum tepecik de T noktası olarak belirlenir [8]. Belirlenen tüm bu bölgeler Şekil-2(b) de görüldüğü gibi farklı simgelerle işaretlenerek EECP için gerekli olan tetikleme işareti elde edilir.…”

Section: P Q R S Ve T Noktalarının Saptanmasıunclassified

EECP Sistem Uygulamasında ST Segmentinin Yapay Sinir Ağları ile Belirlenmesi

Hasbenlioğlu¹,

Kaya²,

Danışman³

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

Öz Bu çalışmada gelişmiş harici karşı darbe (External Enhanced Counter Pulsation-EECP) cihazının işaret işleme biriminin kardiyovasküler dolaşımın diyastol faz başlangıcını hatasız biçimde tespit edebilmesini sağlamak için elektrokardiyogram (EKG) işaretinin ST parçasının segmentasyonu gerçekleştirilmiştir. EECP cihazı özellikle miyokard iskemisinin non-invazif tedavisinde kullanılmaktadır. Cihaz (EKG) işaretini analiz etmekte ve kan dolaşımının diyastol fazında hastanın alt uzuvlarına bağlı manşonları şişirerek haricen basınç uygulamaktadır. Dolaşımın sistol fazında ise manşonlar söndürülerek harici basıncın ortadan kaldırılması suretiyle sistemik vasküler rezistansın azalması sağlanmaktadır. Bu etki kalbin art yükünün (afterload) düşmesine yol açar. EKG işaretinin QRS parçası ventrikülün (karıncık) kasılmasını başlatır. Bir başka ifadeyle QRS dalgasının ortaya çıkışından hemen sonra kalp kasılması yani sistol fazı başlar. T dalgasının ortaya çıkışını takiben ventrikülün kasılması son bulur. Dolayısıyla EECP cihazının doğru zamanda devreye girmesini sağlamak için ST dalga kompleksinin tespit edilmesi bir zorunluluktur. Yapılan çalışmada ST segmentasyonu için Physio.net'in sağlamış olduğu MIT-BIH Arrhythmia Database kullanılmıştır. Sisteme yüklenen işaretler öncesinde ön işleme tabi tutularak gürültülerden ve baseline kaymalarından arındırılmıştır. Gürültü eliminasyonu ve baseline kayması düzenlenen işaretin P, Q, R, S ve T noktaları tespit edilmiştir. Tespit edilen bu noktalardan P, Q ve R noktalarıyla birlikte bu noktalarla ilişkili 7 nokta daha giriş işaretlerini oluşturarak 10 girişli ve S, T noktalarını belirleyecek şekilde 2 çıkışlı bir ara katmanlı bir yapay sinir ağı oluşturulmuştur. Oluşturulan bu yapıda k cross validation (k katlamalı çaprazlama) yöntemi kullanılmıştır. Sistem eğitiminde sabit eğitim algoritması, farklı k katsayıları, farklı nöron sayıları ve farklı transfer fonksiyonları kullanılarak en iyi yapı elde edilmeye çalışılmıştır. Sabit olarak seçilen eğitim algoritması Levenberg-Marquardt'dır. Yapılan çalışma sonucunda k katlama değeri 5 olarak belirlenmiştir. 25 nöronun kullanıldığı gizli katman için logsig tipi transfer fonksiyonu ve çıkış için poslin tipi transfer fonksiyonu kullanılarak en küçük hatayı veren yapı elde edilmiştir.

show abstract

Intelligent hybrid approaches for human ECG signals identification

Cited by 59 publications

References 20 publications

A Novel Heart Rate Robust Method for Short-Term Electrocardiogram Biometric Identification

A Novel Heart Rate Robust Method for Short-Term Electrocardiogram Biometric Identification

Fast and Accurate Algorithm for ECG Authentication Using Residual Depthwise Separable Convolutional Neural Networks

EECP Sistem Uygulamasında ST Segmentinin Yapay Sinir Ağları ile Belirlenmesi

Contact Info

Product

Resources

About