Name: Digitalizzazione automatica degli elettrocardiogrammi a 12 derivazioni (ECG) e Standardizzazione del WaveForm DataBase (WFDB): Approfondimenti dai dati clinici vietnamiti (Video) | JoVE Journal
Uploaded: 2026-03-13T14:15:00.000+00:00
Duration: 9 min 24 s
Description: Scopri un protocollo riproducibile per digitalizzare ECG a 12 derivazioni in formato WFDB standardizzato. Questo metodo automatizzato converte immagini cliniche in segnali digitali analizzabili per ricerca biomedica.

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 (test runtime)</td><td>NVIDIA</td><td>GeForce RTX 3060 12 GB</td><td>NVIDIA GeForce RTX 3060 12 GB utilizzata per i test di esecuzione</td></tr><tr><td>NumPy</td><td>NumPy</td><td>1.26.4</td><td>Elaborazione numerica</td></tr><tr><td>OpenCV</td><td>OpenCV</td><td>4.10.0.84</td><td>Preprocessing dell'immagine (deskew, filtraggio)</td></tr><tr><td>Sistema operativo (test a runtime)</td><td>Microsoft</td><td>Windows 11</td><td>Windows 11 utilizzato per i test di esecuzione</td></tr><tr><td>Convertitore da PDF a immagine</td><td>Questo protocollo</td><td>V1</td><td>Rasterizzazione PDF a 300 DPI; fornire URL del repository in Data Availability</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.12.5</td><td>Ambiente di esecuzione</td></tr><tr><td>PyTorch</td><td>PyTorch</td><td>0.5.0</td><td>Backend per YOLOv12</td></tr><tr><td>Scanner</td><td>Canon</td><td>DR-C240</td><td>300 DPI, in scala di grigi, PNG/TIFF consigliato</td></tr><tr><td>scikit-image</td><td>scikit-image</td><td>0.25.0</td><td>Scheletizzazione e morfologia (linea centrale)</td></tr><tr><td>Ultralitica</td><td>Ultralitica</td><td>8.3.155</td><td>Framework di addestramento/inferenza YOLOv12</td></tr><tr><td>wfdb (pacchetto Python)</td><td>PhysioNet</td><td>4.1.2</td><td>Esportazione WFDB (.hea/.dat)</td></tr></tbody></table>

digitalizzazione automatica degli elettrocardiogrammi a 12 derivazioni (ecg) e standardizzazione del waveform database (wfdb): approfondimenti dai dati clinici vietnamiti

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

Digitalizzazione automatica degli elettrocardiogrammi a 12 derivazioni (ECG) e Standardizzazione del WaveForm DataBase (WFDB): Approfondimenti dai dati clinici vietnamiti

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

Presentiamo un metodo automatico per convertire immagini di ECG in segnali WFDB standardizzati per scopi clinici e di ricerca. I metodi esistenti presentano difficoltà nel gestire il rumore e la variabilità del layout, mentre il nostro approccio migliora robustezza e standardizzazione.Per iniziare, posizionare tutti gli elettrocardiogrammi (ECG) raccolti, forniti come immagini PDF in scala di grigi a 300 punti per pollice, in una cartella denominata Dati. Utilizzando Python, aprire i file PDF degli ECG dalla cartella dati e selezionare il PDF da analizzare. Renderizzare ogni pagina del PDF a 300 dpi e convertire ogni pagina renderizzata in scala di grigi. Salvare la pagina ECG elaborata come immagine JPG utilizzando una compressione minima per preservare la qualità dell'immagine. Archiviare l'immagine generata nella cartella di output designata per le immagini, mantenendo un nome file corrispondente al PDF originale. Applicare la CLAHE all'immagine ECG in scala di grigi per migliorare il contrasto locale, aumentare la visibilità delle linee della griglia deboli e delle caratteristiche dell'onda, preservando al contempo i dettagli dell'immagine per le analisi successive. Applicare u

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

Research

Ricerca

JoVE Journal

Engineering

Ingegneria

Continuo a 12 derivazioni elettrocardiografico (ECG) di monitoraggio in grado di identificare transitoria ischemia miocardica, anche in assenza di sintomi, tra i pazienti con sospetta sindrome coronarica acuta (ACS). In questo articolo si descrive il nostro metodo per avviare il monitoraggio dei pazienti con un dispositivo Holter, scaricando i dati ECG per analisi off-line, e come utilizzare il software ECG per identificare ischemia transitoria.

Un metodo di ricerca per il rilevamento transitoria ischemia miocardica in pazienti con sospetta sindrome coronarica acuta Uso continuo del tratto ST Analisi

Qui, presentiamo un metodo affidabile, minimamente invasivo e conveniente per registrare e interpretare gli elettrocardiogrammi nel pesce zebra adulto anestesizzato vivo.

Elettrocarcardio in superficie in vivo per il pesce zebra adulto

Descriviamo un protocollo per la registrazione diretta dal paziente di un elettrocardiogramma bipolare a tre piombo da parte di uno smartwatch che funziona in modo identico ai cavi Einthoven degli elettrocardiogrammi standard. Ciò consente ai pazienti di registrare elettrocardiogrammi da soli immediatamente dopo l'insorgenza dei sintomi.

Registrazione diretta del paziente di un elettrocardiogramma bipolare a tre piombo utilizzando uno smartwatch con funzione ECG

Qui presentiamo un protocollo passo-passo per un approccio semiautomatico per analizzare i dati dell'elettrocardiografia a lungo termine (ECG) murina per i parametri ECG di base e le aritmie comuni. I dati sono ottenuti da trasmettitori di telemetria impiantabili in topi vivi e svegli e analizzati utilizzando Ponemah e i suoi moduli di analisi.

Analisi delle registrazioni elettrocardiografiche a lungo termine per rilevare le aritmie nei topi

Questo studio ha utilizzato tecniche informatiche avanzate per confrontare la durata della procedura nei pazienti sottoposti ad ablazione atriale a radiofrequenza trattati con raffreddamento esofageo attivo con quelli trattati con monitoraggio tradizionale della temperatura esofagea luminale. Sono state utilizzate l'indagine contestuale, l'analisi del flusso di lavoro e la mappatura dei dati. I risultati hanno dimostrato tempi di procedura ridotti e variabilità con raffreddamento attivo.

Riduzione dei tempi di procedura e della variabilità con raffreddamento esofageo attivo durante l'ablazione a radiofrequenza per la fibrillazione atriale

Questo studio introduce un nuovo approccio per la mappatura cardiaca in tempo reale utilizzando un sistema di imaging elettrocardiografico non invasivo e senza immagini. Questo sistema consente l'acquisizione di mappe cardiache elettrofisiologiche senza richiedere la tomografia computerizzata pre-procedurale o le scansioni di risonanza magnetica, consentendo una guida efficiente per le procedure cardiache come l'ablazione e gli impianti di terapia di resincronizzazione cardiaca.

Mappatura cardiaca in tempo reale con un sistema di imaging elettrocardiografico non invasivo senza immagini

Presentiamo un metodo non distruttivo per il campionamento variazione spaziale nella direzione della luce diffusa da materiali di struttura complessa. Mantenendo intatto il materiale, noi preserviamo comportamento dispersione lordo scala, mentre contemporaneamente l'acquisizione contributi direzionali a scala fine con l'imaging ad alta risoluzione. I risultati sono visualizzati in software alle posizioni e scale biologicamente rilevanti.

Misurare spazialmente e Directionally-variante Light Scattering da materiale biologico

L'articolo descrive un procedimento per memorizzare pacchetti di dati ottici con una modulazione arbitraria, lunghezza d'onda, e la velocità dati. Questi pacchetti sono alla base delle moderne telecomunicazioni.

Stoccaggio Quasi-luce per ottiche pacchetti di dati

Il gas prelevato da fiamme scala di laboratorio con l'analisi on-line di tutte le specie di spettrometria di massa è un potente metodo per indagare la complessa miscela di composti chimici che si verificano durante i processi di combustione. Accoppiato con sintonizzabile ionizzazione morbida con radiazione di sincrotrone vuoto ultravioletta generata, questa tecnica fornisce informazioni isomero risolta e potenzialmente privo di frammento spettri di massa.

Esperimenti di fiamma alla Advanced Light Source: nuove informazioni sui processi fuliggine Formazione

Viene descritta la procedura di acquisizione dati per determinare le funzioni di sensibilità incorporate. I dati vengono acquisiti e vengono mostrati risultati rappresentativi per una pala di turbina eolica su scala residenziale.

Data Acquisition Protocollo per la determinazione delle funzioni di sensibilità embedded

Scopri un protocollo riproducibile per digitalizzare ECG a 12 derivazioni in formato WFDB standardizzato. Questo metodo automatizzato converte immagini cliniche in segnali digitali analizzabili per ricerca biomedica.

Digitalizzazione automatica degli elettrocardiogrammi a 12 derivazioni (ECG) e Standardizzazione del WaveForm DataBase (WFDB): Approfondimenti dai dati clinici vietnamiti (Video) | JoVE Journal

Digitalizzazione automatica degli elettrocardiogrammi a 12 derivazioni (ECG) e Standardizzazione del WaveForm DataBase (WFDB): Approfondimenti dai dati clinici vietnamiti

Esplora altri video