Predicting cardiopulmonary response to incremental exercise test

Tipo di pubblicazione: Articolo in atti di convegno
Tipologia MIUR: Contributo in Atti di Convegno (Proceeding) > Contributo in atti di convegno
Titolo: Predicting cardiopulmonary response to incremental exercise test
Autori: Baralis, Elena; Cerquitelli, Tania; Chiusano, Silvia; Giordano, Andrea; Mezzani, Alessandro; Susta, Davide; Xiao, Xin
Autori di ateneo:
Intervallo pagine: pp. 135-140
Tipo di referee: Comitato scientifico
Editore: Institute of Electrical and Electronics Engineers Inc
ISBN: 9781467367752
Volume: 2015-
Titolo del convegno: 28th IEEE International Symposium on Computer-Based Medical Systems, CBMS 2015
Luogo dell'evento: University of Sao Paulo, bra
Data dell'evento: 2015
Luogo di pubblicazione: Washington
Abstract: Cardiopulmonary exercise testing is a non-invasive method widely used to monitor various physiological signals, describing the cardiac and respiratory response of the patient to increasing workload. Since this method is physically very demanding, innovative data analysis techniques are needed to predict patient response thus lowering body stress and avoiding cardiopulmonary overload. This paper proposes the Cardiopulmonary Response Prediction (CRP) framework for early predicting the physiological signal values that can be reached during an incremental exercise test. The learning phase creates different models tailored to specific conditions (i.e., single test and multiple-test models). Each model can be exploited in the real-time stream prediction phase to periodically predict, during the test execution, signal values achievable by the patient. Experimental results on a real dataset showed that CRP prediction is performed with a limited and acceptable error
Data: 2015
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: radiology, nuclear medicine and imaging, computer science applications1707 computer vision and pattern recognition, support vector machines, physiological signals analysis, incremental test, artificial neural networks
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
Dipartimenti: DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
    Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
    Data di deposito: 05 Feb 2016 16:14
    Data ultima modifica (IRIS): 09 Mag 2016 09:48:50
    Data inserimento (PORTO): 11 Mag 2016 03:42
    Numero Identificativo (DOI): 10.1109/CBMS.2015.60
    Permalink: http://porto.polito.it/id/eprint/2630075
    Link resolver URL: Link resolver link
    Citazioni:

    Il campo presenta il numero di citazioni presenti sulle banche dati Scopus e Web of Science e permette di accedere ai relativi record. Visualizza inoltre il link al record presente su Google Scholar.

    Possono verificarsi discrepanze rispetto ai dati presenti sulle banche dati per i seguenti motivi:

    • Differenze tra i dati riportati su IRIS e quelli presenti nelle banche dati.
    • Il numero di citazioni riportate su PORTO viene estratto mensilmente. Il dato citazionale presente sulle singole banche dati è aggiornato in tempo reale
    • Il numero di citazioni per WoS viene calcolato sulla base delle collezioni in abbonamento (Science citation index Expanded e Conference Proceedings Citation Index)

    Per informazioni o segnalazioni contattare scrivia/porto

    +
    -

    Allegati

    [img] PDF (File_CBMS_xPorto.pdf) - Preprint
    Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
    Licenza: Non pubblico - Accesso privato / Ristretto.

    Download (441Kb (451748 bytes)) | Spedisci una richiesta all'autore per una copia del documento

    Azioni (richiesto il login)

    Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)