Analisa Gelombang P Sinyal ECG Untuk Menentukan Kelainan Atrium Jantung

Purnawirawan, Anton (2020) Analisa Gelombang P Sinyal ECG Untuk Menentukan Kelainan Atrium Jantung. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111750067022-Master_Thesis.pdf Download (3MB)

Abstract

Gelombang-P adalah bentuk gelombang pertama dalam sinyal EKG yang memiliki informasi medis jantung yang substansial. Analisis gelombang-P dengan inspeksi manual sulit karena gelombang-P kecil, bervariasi dan memiliki penampilan yang bising. Klasifikasi otomatis gelombang-P untuk mendeteksi kelainan atrium diperlukan untuk membantu dokter dengan proses yang lebih cepat. Buku ini menyajikan analisis morfologi gelombang-P menggunakan klasifikasi random forest dari 134 pasien. Algoritma mengkelompokkan data menjadi lima kelas, yaitu, Normal, pembesaran Atrium Kiri (LAE), Pembesaran Atrium Kanan (RAE), Pembesaran kedua atrium/biatrial (BE) dan Fibrilasi Atrium (AFib). Penelitian ini menggunakan data ECG Lead II dari 12 lead medis standar. Pemrosesan sinyal dan denoising diterapkan dengan menggunakan dua filter, differensiasi dan filter Butterworth. Ekstraksi ciri dieksplorasi dengan menggunakan transformasi jarak lokal baru, yang lebih efisien daripada metode serupa lainnya. Fitur yang digunakan adalah atribut morfologi gelombang-P seperti durasi, amplitudo, jumlah penampilan, standar deviasi, dan simetri. Tingkat akurasi dari pendekatan kami adalah 94,77%, dan spesifisitas (SP) dan sensitivitas (Se) pada 10 kali lipat memvalidasi set pelatihan adalah 98% dan 93%, yang sebanding dengan algoritma berperforma terbaik lainnya dan mungkin dianggap sistem pembantu keputusan untuk ahli jantung
==============================================================================================================================
P-waves are a form of first wave development in ECG signals that have substantial atrial medical information. Analysing P-waves with manual inspection is difficult because P-waves are small, vary and have a noisy appearance. Automatic classification of P-waves to detect atrial abnormalities is necessary to assist clinicians with faster process. This book presents a P-wave morphological analysis using a random forest classification from 134 patients. The algorithm
defines the data into five classes, namely, Normal, Left Atrial enlargement (LAE), Right Atrial Enlargement (RAE), Biatrial Enlargement (BE) and Atrial Fibrillation (AFib). This study uses ECG Lead II data from 12 standard medical leads. Signal processing and denoising are applied by using two filters, a derivative and Butterworth filter. Feature extraction is explored by using a new local distance transform, which is more efficient than other similar methods. The features used are P-wave morphological attributes such as duration, amplitude, number of appearances, standard deviation, and symmetry. The overall accuracy of our approach was 94.77%, the specificity (SP) was 98%, while the sensitivity (Se) at 10-fold validating the training set was 93%. This result comparable to other best performing algorithms and might be considered a second opinion for cardiologists. Keywords— electrocardiogram (ECG)； P-wave detection; local distance transform; P-wave morphology; random forest classification; Atrium Enlargement; Atrial Fibrillation (AFib).

Item Type:	Thesis (Masters)
Additional Information:	RTE 621.398 1 Pur a-1
Uncontrolled Keywords:	Deteksi gelombang P; transformasi jarak lokal; Morfologi gelombang-P; klasifikasi hutan acak; Pembesaran Atrium; Atrial Fibrillasi (AFib);electrocardiogram (ECG)；P-wave detection; local distance transform; P-wave morphology; random forest classification; Atrium Enlargement; Atrial Fibrillation (AFib).
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Anton Purnawirawan
Date Deposited:	14 Mar 2025 06:57
Last Modified:	14 Mar 2025 06:57
URI:	http://repository.its.ac.id/id/eprint/76627

Actions (login required)

View Item