Open Journal Systems

ECG signals filtering and analysis using the Compact Genetic Algorithm Based on Abstract Data Types in GPU/CUDA

A. Maciel 1, R. V. Vieira 2

Article ID: 1076
Vol 3, Issue 1, 2020, Article identifier:

VIEWS - 344 (Abstract) 78 (PDF)

Abstract

This paper presents the process of adaptive filtering of cardiovascular disease signals from the processing and cleaning of ECG signals developed by the Compact Genetic Algorithm Based on Abstract Data Types (CGAADT), implemented in MATLAB using GPU/CUDA architecture from the examples of the base of MIT-BIH data. The results show that CGAADT can improve the filtering, cleaning, detection and diagnosis of arrhythmias using a single algorithm (CGAADT) in the adoption of a representation for the population with fixed size of chromosomes, pre-established by fragmentation of the GPU base when implemented in high performance systems, aiming to improve the health systems offered to patients with cardiovascular problems.


Keywords

Electrocardiogram; genetic algorithm; adaptive filter; graphics processing unit; compute unified device architecture

Full Text:

PDF

References

Oliveira WJ and Pedrosa LC. Doenças do Coração: Diagnóstico e Tratamento. 1ª edição, Revinter, São Paulo, p. 536, 2011.

Porto CC. Doenças do Coração: Prevenção e tratamento. Guanabara, 2005.

Moreira DAR. Fibrilação Atrial. 2ª edição, Lemos Editorial, São Paulo, p. 311, 2005.

Moffa P and Sanches P. Eletrocardiograma: Normal e patológico, 7ª edição, Roca, São Paulo, 2001a.

Moffa P and Sanches P. Eletrocardiograma: Uma abordagem didática. 1ª edição, Rocca, São Paulo, p. 356, 2010b.

Cunha PCN. Modelo de eletrocardiógrafo portátil de baixo consumo. Dissertação de Mestrado em Modelagem Computacional de Conhecimento, Universidade Federal de Alagoas, 2012.

Ramos VWJ. Uma aplicação do algoritmo genético baseado em tipos abstratos de dados ao problema de separação cega de fontes com não-linearidade posterior. dissertação de mestrado. Dissertação de Mestrado, Universidade Federal de Alagoas, 2011.

Melo BRP. An application of a new genetic algorithm to assist the detection of segments of an ecg signals. ISABEL' 11, ACM, Barcelona, Span, 2011a.

Melo BRP. Um Sistema Adaptativo para Detecção de Ondas de Eletrocardiografia, Dissertação de Mestrado em Modelagem Computacional de Conhecimento, Universidade Federal de Alagoas, 2011b.

Physionet, MIT-BIH Arrhythmia Databases. Disponível em: http://www.physionet.org/physiobank/database/mitdb. Último acesso: 28 de abril de 2019.

Porto CC. Doenças do Coração: Prevenção e tratamento. Guanabara, 2005.

Maciel A. Um filtro adaptativo de alto desempenho instaciado do algoritmo GAADT para o processamento de sinais de eletrocardiograma, Tese de Doutorado do Centro de Informática da Universidade Federal de Pernambuco, 2015.

Holland JH. Adaptation in natural and artificial systems: An introductory analysis with applications to biology, control, and artificial intelligence. MIT Press., 1975.

Darwin C. The Origin of Species. 1859. Disponível em: http://darwin-online.org.uk/converted/pdf/1861_OriginNY_F382.pdf. Acesso em: 27 de março de 2019.

Vieira RVV. Um Algoritmo Genético Baseado em Tipos Abstratos de Dados e sua especificação em Z, Tese de Doutorado, Universidade Federal de Pernambuco, 2003.

Norvin P and Russel S. Artificial Intelligence: A Modern Approach, Prentice Hall, 1995.

Sanches P and Moffa P. Eletrocardiograma: Uma abordagem didática. 1ª edição, Rocca, 356 p, São Paulo, 2010.

NVIDIA CUDA C Programming Guide, Version 4.2, 1999.

OpenCL Programming Guide for the CUDA Architecture, V 2.3, 2009.

Math Works - Softwares Matlab R2010, R2012a, R2012b, R2013a e R2014a. URL: http://www.mathworks.com. Último acesso em 20/06/2019.

Valença M. Aplicando Redes Neurais: Um Guia Completo, p.57:58, Olinda, PE, 2005.

John G and Proakis V. Digital Signal Processing using Matlab. Third Edition, Cengage Learning, 2010.

Gao X. Diagnosing Abnormal Electrocardiogram (ECG) via Deep Learning. IntechOpen, 2019. Disponível em https://www.intechopen.com/online-first/diagnosingabnormalelectrocardiogram-ecg-via-deep-learning. Último Acesso: 15/06/2019.

Iqbal MN, Bomhara M, Alhassan H, Abd-Alhameed R, Eya N, et al. Real-time signal processing of data from an ECG. IEEE, Wrexham, UK, 2019.


DOI: http://dx.doi.org/10.18063/phci.v3i1.1076
(344 Abstract Views, 78 PDF Downloads)

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Maciel A.1, Vieira R. V.2

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.