Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
Cardiovascular heart disease (CHD) is a chief public health priority worldwide. The 12-Lead Electrocardiogram (ECG) is a standard procedure in diagnosing CHDs such as Myocardial Infarction (MI). Nevertheless, due to sparse spatial sampling, it is limited in identifying cardiac abnormalities. Alternatively, in Body Surface Cardiac Mapping (BSCM) a higher number of ECGs are recorded. Hence, BSCM provides a more comprehensive picture of electrocardiographic information than is possible with the 12-lead ECG. This work has two main objectives. Firstly, to develop a classification framework for an accurate and early diagnosis of acute MI. This decision support system encompasses computational neural models with the input space based on BSCM. Secondly, since MI is localised on the torso surface, and due to the high number of electrocardiographic leads involved in BSCM, it is desirable to find an optimal reduced lead set for acute MI detection. By building an additional layer of knowledge between the cardiologist and clinical practice, this work not only enhances final MI classification performance but, allow the discovery of new electrocardiographic MI markers.