QRS Detection Optimization in Stress Test Recordings Using Evolutionary Algorithms

Authors

  • David Hernando GTC (Grupo de Tecnologías de las Comunicaciones) Instituto de Investigación en Ingeniería de Aragón (I3A) Universidad de Zaragoza CIBER – Bioingeniería, Biomateriales y Nanomedicina
  • Raquel Bailón GTC (Grupo de Tecnologías de las Comunicaciones) Instituto de Investigación en Ingeniería de Aragón (I3A) Universidad de Zaragoza CIBER – Bioingeniería, Biomateriales y Nanomedicina
  • Rute Almeida Centro de Matemática da Universidade do Porto (CMUP) GTC (Grupo de Tecnologías de las Comunicaciones) Instituto de Investigación en Ingeniería de Aragón (I3A) Universidad de Zaragoza CIBER – Bioingeniería, Biomateriales y Nanomedicina
  • Alfredo Hernández INSERM, U642, Rennes, F-35000, France, and Université de Rennes 1, LTSI

DOI:

https://doi.org/10.26754/jji-i3a.201401652

Abstract

QRS detection in exercise stress test recordings remains a challenging task because they are highly non-stationary and contaminated with noise. An algorithm to find the optimal set of parameters for QRS detection in these recordings is proposed. The performance improves up to 10.46 % in noisy recordings.

Downloads

Download data is not yet available.

How to Cite

Hernando, D., Bailón, R., Almeida, R., & Hernández, A. (2017). QRS Detection Optimization in Stress Test Recordings Using Evolutionary Algorithms. Jornada De Jóvenes Investigadores Del I3A, 2, 14–15. https://doi.org/10.26754/jji-i3a.201401652