Atrial Arrhythmia Diagnosis Using the 12-Lead ECG : Machine learning leveraging in silico and clinical signals

Luongo, Giorgio

Volltext

DOI: 10.5445/IR/1000141417

Veröffentlicht am 22.12.2021

Seitenaufrufe: 164
seit 22.12.2021

Downloads: 39
seit 23.12.2021

Zugehörige Institution(en) am KIT	Institut für Biomedizinische Technik (IBT)
Publikationstyp	Hochschulschrift
Publikationsdatum	22.12.2021
Sprache	Englisch
Identifikator	KITopen-ID: 1000141417
Verlag	Karlsruher Institut für Technologie (KIT)
Umfang	x, 166 S.
Art der Arbeit	Dissertation
Fakultät	Fakultät für Elektrotechnik und Informationstechnik (ETIT)
Institut	Institut für Biomedizinische Technik (IBT)
Prüfungsdatum	16.12.2021
Relationen in KITopen	Enthält Non-Invasive Characterization of Atrial Flutter Mechanisms Using Recurrence Quantification Analysis on the ECG: A Computational Study. Luongo, Giorgio; Schuler, Steffen; Luik, Armin; Almeida, Tiago P.; Soriano, Diogo C.; Dossel, Olaf; Loewe, Axel (2021) Zeitschriftenaufsatz (1000130206) Automatic ECG-based Discrimination of 20 Atrial Flutter Mechanisms: Influence of Atrial and Torso Geometries. Luongo, Giorgio; Schuler, Steffen; Rivolta, Massimo W.; Doessel, Olaf; Sassi, Roberto; Loewe, Axel (2020) Proceedingsbeitrag (1000130211) Machine learning enables noninvasive prediction of atrial fibrillation driver location and acute pulmonary vein ablation success using the 12-lead ECG. Luongo, Giorgio; Azzolin, Luca; Schuler, Steffen; Rivolta, Massimo W.; Almeida, Tiago P.; Martínez, Juan P.; Soriano, Diogo C.; Luik, Armin; Müller-Edenborn,... (2021) Zeitschriftenaufsatz (1000141449)
Referent/Betreuer	Dössel, O.