Name: Automatisierte Digitalisierung von 12-Leitungen-Elektrokardiogrammen (EKG) und WaveForm DataBase (WFDB) Standardisierung: Erkenntnisse aus vietnamesischen klinischen Daten (Video) | JoVE Journal
Uploaded: 2026-03-13T14:15:00.000+00:00
Duration: 9 min 24 s
Description: Erfahren Sie, wie 12-Leitungen-EKG-Bilder automatisch in WFDB-konforme digitale Signale umgewandelt werden. Dieses Protokoll ermöglicht reproduzierbare Analysen und verbessert die Interoperabilität klinischer Daten.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

<ol><li>Muhammet, A., Fani, D., Christos, A., Idris, Z., Gruschen, R. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digitization+and+Linkage+of+PDF+Formatted+12-Lead+Electrocardiograms+in+Adult+Congenital+Heart+Disease%5BTitle%5D)+AND+%22CJC+Pediatric+and+Congenit+Heart+Dis%22%5BJournal%5D)">Digitization and Linkage of PDF Formatted 12-Lead Electrocardiograms in Adult Congenital Heart Disease.</a> CJC Pediatric and Congenit Heart Dis. 4 (5), 263-273 (2025).</li>
<li>Baydoun, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+precision+digitization+of+paper-based+ECG+records%3A+A+step+toward+smart+machine+learning%5BTitle%5D)+AND+%22IEEE+J+Transl+Eng+Health+Med%22%5BJournal%5D)">High precision digitization of paper-based ECG records: A step toward smart machine learning.</a> IEEE J Transl Eng Health Med. 7, 1-8 (2019).</li>
<li>Demolder, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+precision+ECG+digitization+using+artificial+intelligence%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">High precision ECG digitization using artificial intelligence.</a> Biomed Signal Process Control. 72, 103331(2024).</li>
<li>Prim, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+data+pipeline+for+extraction+and+processing+of+electrocardiogram+recordings%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">A data pipeline for extraction and processing of electrocardiogram recordings.</a> Comput Cardiol. 48, 1-4 (2021).</li>
<li>Rautela, D., Bajeli, D., Kumar, M., Vaidya, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identifying+cardiovascular+disorders+through+ECG+image+analysis%5BTitle%5D)+AND+%22Knowl-Based+Syst%22%5BJournal%5D)">Identifying cardiovascular disorders through ECG image analysis.</a> Knowl-Based Syst. 186, 104925(2020).</li>
<li>Reyna, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECG-Image-Database%3A+A+dataset+of+ECG+images+with+real-world+imaging+and+patient+annotations%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">ECG-Image-Database: A dataset of ECG images with real-world imaging and patient annotations.</a> arXiv. , (2024).</li>
<li>Ribeiro, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+12-lead+ECG+classification+using+a+convolutional+network+ensemble%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">Automatic 12-lead ECG classification using a convolutional network ensemble.</a> Comput Cardiol. 47, 1-4 (2020).</li>
<li>Jessy, K. S. J., Manikandan, D. G., Hemalatha, M. S., Veroncia, M. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+cardiovascular+disease+using+ECG+images+in+machine+learning+and+deep+learning%5BTitle%5D)+AND+%22Int+J+Sci+Res+Sci+Technol%22%5BJournal%5D)">Detection of cardiovascular disease using ECG images in machine learning and deep learning.</a> Int J Sci Res Sci Technol. 11, 131-139 (2024).</li>
<li>Digitization of ECG records using signal extraction techniques. Karnaschandani, H., et al. 2024 Second International Conference on Data Science and Information System (ICDSIS), Hassan, India, , 1-8 (2024).</li>
<li>Nguyen, C. V., Nguyen, H. N., Nguyen, D. A., Do, C. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((VinDigitizer%3A+An+image+processing+approach+to+digitize+paper+ECG+records%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">VinDigitizer: An image processing approach to digitize paper ECG records.</a> Comput Cardiol. 51, 1-4 (2024).</li>
<li>Patil, R., Narkhede, R. D., Vama, B., Suraliya, S., Raut, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auto+lead+extraction+in+ECG+images%3A+Identification+of+ECG+paper+records+using+deep+learning%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">Auto lead extraction in ECG images: Identification of ECG paper records using deep learning.</a> Biomed Signal Process Control. 72, 103339(2024).</li>
<li>Santamaría, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECGMiner%3A+A+flexible+software+for+accurately+digitizing+ECG%5BTitle%5D)+AND+%22Comput+Methods+Programs+Biomed%22%5BJournal%5D)">ECGMiner: A flexible software for accurately digitizing ECG.</a> Comput Methods Programs Biomed. 246, 108053(2024).</li>
<li>Shivashankara, K. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+open+ECG-image+toolkit%3A+ECG-ImageNet+%E2%80%93+an+open+image+generation+toolbox+to+facilitate+deep+learning-based+electrocardiogram+digitization%5BTitle%5D)+AND+%22Biomed+Signal+Process.+Control%22%5BJournal%5D)">An open ECG-image toolkit: ECG-ImageNet – an open image generation toolbox to facilitate deep learning-based electrocardiogram digitization.</a> Biomed Signal Process. Control. 72, 103342(2024).</li>
<li>Wang, L. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Paper-recorded+ECG+digitization+method+with+automatic+reference+voltage+selection+for+telemonitoring+and+diagnosis%5BTitle%5D)+AND+%22Diagnostics%22%5BJournal%5D)">Paper-recorded ECG digitization method with automatic reference voltage selection for telemonitoring and diagnosis.</a> Diagnostics. 14 (17), 1910(1910).</li>
<li>Wang, T., Zhang, Y., Liu, X., Huang, Z., Qin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+Detection+of+Arrhythmias+Using+a+YOLO-Based+Network+with+Long-Duration+ECG+Signals%5BTitle%5D)+AND+%22Eng+Proc%22%5BJournal%5D)">Automatic Detection of Arrhythmias Using a YOLO-Based Network with Long-Duration ECG Signals.</a> Eng Proc. 2 (1), 84(2020).</li>
<li>Wu, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+fully+automated+paper+ECG+digitisation+algorithm+using+deep+learning%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">A fully automated paper ECG digitisation algorithm using deep learning.</a> Sci Rep. 12, 25284(2022).</li>
<li>Júnior, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated+machine+learning+method+to+efficiently+classify+the+12-lead+ECG+signal+acquisition+quality%5BTitle%5D)+AND+%22Computing+in+Cardiology%22%5BJournal%5D)">An automated machine learning method to efficiently classify the 12-lead ECG signal acquisition quality.</a> Computing in Cardiology. 50, 1-6 (2023).</li>
<li>Lence, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECGtizer%3A+A+fully+automated+digitizing+and+signal+recovery+pipeline+for+electrocardiograms%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">ECGtizer: A fully automated digitizing and signal recovery pipeline for electrocardiograms.</a> arXiv. , (2024).</li>
<li>Büyüksolak, O., Öksüz, İ <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pic2Diagnosis%3A+A+Method+for+Diagnosis+of+Cardiovascular+Diseases+from+the+Printed+ECG+Pictures%5BTitle%5D)+AND+%22Proc.+IEEE+EMBC%22%5BJournal%5D)">Pic2Diagnosis: A Method for Diagnosis of Cardiovascular Diseases from the Printed ECG Pictures.</a> Proc. IEEE EMBC. , (2025).</li>
</ol>

<table><tbody><tr><td>GPU (Laufzeittests)</td><td>NVIDIA</td><td>GeForce RTX 3060 12 GB</td><td>NVIDIA GeForce RTX 3060 12 GB, verwendet für Laufzeittests</td></tr><tr><td>NumPy</td><td>NumPy</td><td>1.26.4</td><td>Numerische Verarbeitung</td></tr><tr><td>OpenCV</td><td>OpenCV</td><td>4.10.0.84</td><td>Bildvorverarbeitung (Deskew, Filterung)</td></tr><tr><td>Betriebssystem (Laufzeittests)</td><td>Microsoft</td><td>Windows 11</td><td>Windows 11 für Laufzeittests verwendet</td></tr><tr><td>PDF-zu-Bild-Konverter</td><td>Dieses Protokoll</td><td>V1</td><td>PDF-Rasterisierung bei 300 DPI; Bereitstellung der Repository-URL in Data Availability</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.12.5</td><td>Laufzeitumgebung</td></tr><tr><td>PyTorch</td><td>PyTorch</td><td>0.5.0</td><td>Backend für YOLOv12</td></tr><tr><td>Scanner</td><td>Kanon</td><td>DR-C240</td><td>300 DPI, Graustufen, PNG/TIFF empfohlen</td></tr><tr><td>scikit-image</td><td>scikit-image</td><td>0.25.0</td><td>Skelettisierung und Morphologie (Mittellinie)</td></tr><tr><td>Ultralytika</td><td>Ultralytika</td><td>8.3.155</td><td>YOLOv12 Trainings-/Inferenzrahmen</td></tr><tr><td>wfdb (Python-Paket)</td><td>PhysioNet</td><td>4.1.2</td><td>WFDB-Export (.hea/.dat)</td></tr></tbody></table>

automatisierte digitalisierung von 12-leitungen-elektrokardiogrammen (ekg) und waveform database (wfdb) standardisierung: erkenntnisse aus vietnamesischen klinischen daten

Automated 12-Lead Electrocardiograms (ECG) Digitization and WaveForm DataBase (WFDB) Standardization: Insights from Vietnamese Clinical Data

Automatisierte Digitalisierung von 12-Leitungen-Elektrokardiogrammen (EKG) und WaveForm DataBase (WFDB) Standardisierung: Erkenntnisse aus vietnamesischen klinischen Daten

Many clinics still archive 12-lead electrocardiograms (ECGs) as printed paper records or raster images embedded in PDF reports, which limits ...

Wir stellen eine automatische Methode zur Umwandlung von EKG-Bildern in standardisierte WFDB-Signale für klinische und Forschungszwecke vor. Bestehende Methoden haben Schwierigkeiten mit Rauschen und variabler Layoutgestaltung, und unser Ansatz verbessert die Robustheit und Standardisierung.Platzieren Sie zunächst alle gesammelten Elektrokardiogramme (EKGs), die als Graustufen-PDF-Bilder mit 300 Punkten pro Zoll vorliegen, in einem Ordner mit der Bezeichnung „Daten“. Öffnen Sie mithilfe von Python die EKG-PDF-Dateien aus dem Datenordner und wählen Sie die PDF-Datei zur Analyse aus. Rendern Sie jede Seite des PDF-Dokuments mit 300 dpi und konvertieren Sie jede gerenderte Seite in Graustufen. Speichern Sie die verarbeitete EKG-Seite als JPG-Bild mit minimaler Komprimierung, um die Bildqualität zu erhalten. Speichern Sie das generierte Bild im vorgesehenen Ausgabeordner für Bilder ab, wobei ein Dateiname beibehalten wird, der dem ursprünglichen PDF entspricht. Wenden Sie CLAHE auf das graustufige EKG-Bild an, um den lokalen Kontrast zu verbessern, die Sichtbarkeit schwacher Gitterlinien und Wellenformmerkmale zu erhöhen und dabei die Bilddetails für die anschließende Analyse zu bewahr

automated-12-lead-electrocardiograms-ecg-digitization-waveform

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Kontinuierliche 12-Kanal-EKG (EKG) identifizieren können transiente Myokardischämie, auch wenn sie symptomfrei, bei Patienten mit Verdacht auf akutes Koronarsyndrom (ACS). In diesem Artikel beschreiben wir unsere Methode zur Initiierung Patientenüberwachung mit einem Holter-Gerät, das Herunterladen der EKG-Daten für die Offline-Analyse, und wie die EKG-Software nutzen, um transiente Ischämie zu identifizieren.

Ein Forschungszentrum Verfahren zum Nachweis von Transient Myokardischämie bei Patienten mit Verdacht auf akutes Koronarsyndrom Mit Continuous ST-Segment-Analyse

Hier präsentieren wir eine zuverlässige, minimalinvasive und kostengünstige Methode zur Aufzeichnung und Interpretation von Elektrokardiogrammen in lebenden anästhesisierten erwachsenen Zebrafischen.

In Vivo Surface Elektrokardiographie für erwachsene Zebrafische

Wir beschreiben ein Protokoll zur patientengesteuerten Registrierung eines dreileitenden bipolaren Elektrokardiogramms durch eine Smartwatch, die identisch mit den Einthoven-Leitungen aus Standard-Elektrokardiogrammen funktioniert. Dies ermöglicht es Patienten, Elektrokardiogramme sofort nach auftretenden Symptomen selbst aufzuzeichnen.

Patientengerichtete Aufzeichnung eines bipolaren Drei-Leiter-Elektrokardiogramms mit einer Smartwatch mit EKG-Funktion

Hier präsentieren wir ein Schritt-für-Schritt-Protokoll für einen halbautomatischen Ansatz zur Analyse von Daten der murinen Langzeitelektrokardiographie (EKG) für grundlegende EKG-Parameter und häufige Arrhythmien. Die Daten werden von implantierbaren Telemetriesendern in lebenden und wachen Mäusen gewonnen und mit Ponemah und seinen Analysemodulen analysiert.

Analyse von Langzeit-Elektrokardiographie-Aufnahmen zum Nachweis von Arrhythmien bei Mäusen

Diese Studie verwendete fortschrittliche Informatiktechniken, um die Verfahrensdauer bei Patienten zu vergleichen, die sich einer Radiofrequenz-Vorhofablation unterziehen, die mit aktiver Ösophaguskühlung behandelt wurde, mit Patienten, die mit herkömmlicher luminaler Ösophagustemperaturüberwachung behandelt wurden. Kontextbezogene Abfragen, Workflow-Analysen und Datenmappings wurden verwendet. Die Ergebnisse zeigten eine reduzierte Verfahrenszeit und Variabilität bei aktiver Kühlung.

Reduzierte Verfahrenszeit und Variabilität mit aktiver Ösophaguskühlung während der Radiofrequenzablation bei Vorhofflimmern

Diese Studie stellt einen neuartigen Ansatz für die Echtzeit-Kardiokartierung unter Verwendung eines nicht-invasiven, bildlosen elektrokardiographischen Bildgebungssystems vor. Dieses System ermöglicht die Aufnahme elektrophysiologischer Herzkarten, ohne dass eine vorprozedurale Computertomographie oder Magnetresonanztomographie erforderlich ist, und ermöglicht eine effiziente Führung für kardiale Eingriffe wie Ablation und kardiale Resynchronisationstherapie-Implantate.

Echtzeit-Kardiokartierung mit einem nichtinvasiven bildlosen elektrokardiographischen Bildgebungssystem

Wir stellen eine zerstörungsfreie Methode zum Abtasten räumliche Variation in der Richtung des Lichts von strukturell komplexen Materialien verteilt. Indem das Material intakt bewahren wir grober Maßstab Streuverhalten, während gleichzeitig die Erfassung feinskaligen direktionale Beiträge mit hochauflösender Bildgebung. Die Ergebnisse sind in der Software visualisiert in biologisch relevanten Positionen und Personenwaagen.

Mess-und Richtungs räumlich variierenden Lichtstreuung aus biologischem Material

Der Artikel beschreibt ein Verfahren zur optischen Datenpakete mit beliebiger Modulations, Wellenlänge und Datenrate zu speichern. Diese Pakete sind die Grundlage der modernen Telekommunikation.

Quasi-Lichtraum für optische Datenpakete

Gasentnahme aus Labor Flammen mit Online-Analyse aller Arten von Massenspektrometrie ist eine leistungsfähige Methode, um das komplexe Gemisch von chemischen Verbindungen bei Verbrennungsprozessen auftretenden untersuchen. Mit einstellbaren Soft-Ionisation über Synchrotron erzeugten Vakuum-UV-Strahlung gekoppelt ist, bietet diese Technik Isomer aufgelöste Informationen und potenziell Fragment freien Massenspektren.

Flammen-Experimente an der Advanced Light Source: Neue Einblicke in Rußbildung Prozesse

Das Datenerfassungsverfahren zur Bestimmung eingebetteter Empfindlichkeitsfunktionen wird beschrieben. Es werden Daten erfasst und repräsentative Ergebnisse für ein Windturbinenblatt im Wohnbereich angezeigt.

Data Acquisition Protocol zur Bestimmung Embedded Empfindlichkeitsfunktionen

Erfahren Sie, wie 12-Leitungen-EKG-Bilder automatisch in WFDB-konforme digitale Signale umgewandelt werden. Dieses Protokoll ermöglicht reproduzierbare Analysen und verbessert die Interoperabilität klinischer Daten.

Automatisierte Digitalisierung von 12-Leitungen-Elektrokardiogrammen (EKG) und WaveForm DataBase (WFDB) Standardisierung: Erkenntnisse aus vietnamesischen klinischen Daten (Video) | JoVE Journal

Automatisierte Digitalisierung von 12-Leitungen-Elektrokardiogrammen (EKG) und WaveForm DataBase (WFDB) Standardisierung: Erkenntnisse aus vietnamesischen klinischen Daten

Weitere Videos entdecken