Machine learning for classification of magneto cardiograms

Details Machine learning for classification of magneto cardiograms Machine learning for classification of magneto cardiograms

A - Human Necessities

61

B

A61B 5/08 (2006.01)

Patent

CA 2542937

The use of machine learning for pattern recognition in magnetocardiography (MCG) that measures magnetic fields emitted by the electrophysiological activity of the heart is disclosed herein. Direct kernel methods are used to separate abnormal MCG heart patterns from normal ones. For unsupervised learning, Direct Kernel based Self-Organizing Maps are introduced. For supervised learning Direct Kernel Partial Least Squares and (Direct) Kernel Ridge Regression are used. These results are then compared with classical Support Vector Machines and Kernel Partial Least Squares. The hyper-parameters for these methods are tuned on a validation subset of the training data before testing. Also investigated is the most effective pre-processing, using local, vertical, horizontal and two-dimensional (global) Mahanalobis scaling, wavelet transforms, and variable selection by filtering. The results, similar for all three methods, were encouraging, exceeding the quality of classification achieved by the trained experts. Thus, a device and associated method for classifying cardiography data is disclosed, comprising applying a kernel transform to sensed data acquired from sensors sensing electromagnetic heart activity, resulting in transformed data, prior to classifying the transformed data using machine learning.

L'invention concerne l'utilisation de l'apprentissage machine pour la reconnaissance de formes en magnétocardiographie (MCG), laquelle consiste à mesurer des champs magnétiques émis par l'activité électrophysiologique du coeur. Des procédés de noyau direct sont utilisés pour séparer des formes de coeur de MCG anormales de formes normales. Pour l'apprentissage non supervisé, des cartes auto-organisatrices basées sur un noyau direct sont introduites. Pour l'apprentissage supervisé, des moindres carrés partiels du noyau direct et une régression ridge du noyau (direct) sont utillisés. Lesdits résultats sont ensuite comparés à des machines à vecteurs de support classiques et à des moindres carrés partiels de noyau. Les hyperparamètres desdits procédés sont réglés sur un sous-ensemble de validation des données d'apprentissage avant essai. L'invention concerne également le prétraitement le plus efficace, à l'aide d'un calcul de distance de Mahalanobis locale, verticale, horizontale et bidimensionnelle (globale), de transformées en ondelettes et d'une sélection de variables par filtrage. Les résultats, semblables pour l'ensemble des trois procédés, ont été encourageant, dépassant la qualité de classification obtenue par les experts entraînés. L'invention concerne donc un dispositif et un procédé associé de classification de données de cardiographie, consistant à appliquer une transformée de noyau à des données captées acquises à partir de capteurs détectant l'activité électromagnétique du coeur, ce qui permet d'obtenir des données transformées, avant de classifier les données transformées à l'aide de l'apprentissage machine.

Affiliated with

Also associated with

Rating

Machine learning for classification of magneto cardiograms does not yet have a rating. At this time, there are no reviews or comments for this patent.

If you have personal experience with Machine learning for classification of magneto cardiograms, we encourage you to share that experience with our LandOfFree.com community. Your opinion is very important and Machine learning for classification of magneto cardiograms will most certainly appreciate the feedback.

Rate now

Comments { 0 }

Profile ID: LFCA-PAI-O-1344370