Feature Extraction for Murmur Detection Based on Support Vector Regression of Time-Frequency Representations

Jaramillo-Garzon, J.; Quiceno-Manrique, A.; Godino Llorente, Juan Ignacio y Castellanos Domínguez, César Germán (2008). Feature Extraction for Murmur Detection Based on Support Vector Regression of Time-Frequency Representations. En: "30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, IEEE EMBC'08", 20/08/2008-24/08/2008, British Columbia, Canada. ISBN 978-1-4244-1814-5. https://doi.org/10.1109/IEMBS.2008.4649484.

Descripción

Título: Feature Extraction for Murmur Detection Based on Support Vector Regression of Time-Frequency Representations
Autor/es:
  • Jaramillo-Garzon, J.
  • Quiceno-Manrique, A.
  • Godino Llorente, Juan Ignacio
  • Castellanos Domínguez, César Germán
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, IEEE EMBC'08
Fechas del Evento: 20/08/2008-24/08/2008
Lugar del Evento: British Columbia, Canada
Título del Libro: Proceedings of the 30th Annual International Conference of the IEEE, Engineering in Medicine and Biology Society, IEEE EMBC'08
Fecha: 2008
ISBN: 978-1-4244-1814-5
Materias:
Escuela: E.U.I.T. Telecomunicación (UPM) [antigua denominación]
Departamento: Ingeniería de Circuitos y Sistemas [hasta 2014]
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (185kB) | Vista Previa

Resumen

This paper presents a nonlinear approach for time-frequency representations (TFR) data analysis, based on a statistical learning methodology - support vector regression(SVR), that being a nonlinear framework, matches recent findings on the underlying dynamics of cardiac mechanic activity and phonocardiographic (PCG) recordings. The proposed methodology aims to model the estimated TFRs, and extract relevant features to perform classification between normal and pathologic PCG recordings (with murmur). Modeling of TFR is done by means of SVR, and the distance between regressions is calculated through dissimilarity measures based on dot product. Finally, a k-nn classifier is used for the classification stage, obtaining a validation performance of 97.85%.

Más información

ID de Registro: 4665
Identificador DC: http://oa.upm.es/4665/
Identificador OAI: oai:oa.upm.es:4665
Identificador DOI: 10.1109/IEMBS.2008.4649484
URL Oficial: http://www.embc2008.com/
Depositado por: Memoria Investigacion
Depositado el: 27 Oct 2010 09:15
Ultima Modificación: 20 Abr 2016 13:47
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM