Name: Geautomatiseerde 12-lead elektrocardiogrammen (ECG) digitalisering en WaveForm DataBase (WFDB) standaardisatie: inzichten uit Vietnamese klinische gegevens (Video) | JoVE Journal
Uploaded: 2026-03-13T14:15:00.000+00:00
Duration: 9 min 24 s
Description: Leer een reproduceerbaar protocol voor het digitaliseren van 12-lead ECG-afbeeldingen naar WFDB-compatibele signalen. Deze methode ondersteunt gestandaardiseerde klinische data-analyse en interoperabiliteit.

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 (runtime tests)</td><td>NVIDIA</td><td>GeForce RTX 3060 12 GB</td><td>NVIDIA GeForce RTX 3060 12 GB gebruikt voor runtime tests</td></tr><tr><td>NumPy</td><td>NumPy</td><td>1.26.4</td><td>Numerieke verwerking</td></tr><tr><td>OpenCV</td><td>OpenCV</td><td>4.10.0.84</td><td>Beeldvoorverwerking (ontschepen, filteren)</td></tr><tr><td>Besturingssysteem (runtime tests)</td><td>Microsoft</td><td>Windows 11</td><td>Windows 11 gebruikt voor runtime tests</td></tr><tr><td>PDF-naar-afbeelding converter</td><td>Dit protocol</td><td>V1</td><td>PDF rasterisatie bij 300 DPI; geef repository URL in Gegevensbeschikbaarheid</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.12.5</td><td>Runtime-omgeving</td></tr><tr><td>PyTorch</td><td>PyTorch</td><td>0.5.0</td><td>Backend voor YOLOv12</td></tr><tr><td>Scanner</td><td>Canon</td><td>DR-C240</td><td>300 DPI, grijswaarden, PNG/TIFF aanbevolen</td></tr><tr><td>scikit-image</td><td>scikit-image</td><td>0.25.0</td><td>Skelettonering en morfologie (centrumlijn)</td></tr><tr><td>Ultralytics</td><td>Ultralytics</td><td>8.3.155</td><td>YOLOv12 training/inferentiekader</td></tr><tr><td>wfdb (Python-pakket)</td><td>PhysioNet</td><td>4.1.2</td><td>WFDB-export (.hea/.dat)</td></tr></tbody></table>

geautomatiseerde 12-lead elektrocardiogrammen (ecg) digitalisering en waveform database (wfdb) standaardisatie: inzichten uit vietnamese klinische gegevens

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

Geautomatiseerde 12-lead elektrocardiogrammen (ECG) digitalisering en WaveForm DataBase (WFDB) standaardisatie: inzichten uit Vietnamese klinische gegevens

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

Wij presenteren een automatische methode om ECG-afbeeldingen om te zetten in gestandaardiseerde WFDB-signalen voor klinisch gebruik en onderzoek. Bestaande methoden kampen met ruis en variabiliteit in de lay-out, en onze aanpak verbetert de robuustheid en standaardisatie.Plaats om te beginnen alle verzamelde elektrocardiogrammen of ECG's, aangeleverd als grijswaarden-PDF-afbeeldingen met 300 dots per inch, in een map met de naam Data. Open met Python de ECG-PDF-bestanden uit de datamap en selecteer de PDF voor analyse. Render elke pagina van de PDF op 300 dpi en zet elke gerenderde pagina om naar grijswaarden. Sla de verwerkte ECG-pagina op als een JPG-afbeelding met minimale compressie om de beeldkwaliteit te behouden. Sla de gegenereerde afbeelding op in de aangewezen map voor output-afbeeldingen, waarbij de bestandsnaam overeenkomt met het originele PDF-bestand. Pas CLAHE toe op de grijswaarden-ECG-afbeelding om het lokale contrast te verhogen en de zichtbaarheid van zwakke rasterlijnen en golfvormkenmerken te verbeteren, terwijl de beelddetails voor verdere analyse behouden blijven. Pas een lichte Gaussian blur toe om hoogfrequente ruis te verminderen terwijl de randen van de g

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

Research

JoVE Journal

Engineering

Techniek

Continue 12-afleidingen elektrocardiogram (ECG) monitoring kunnen identificeren voorbijgaande ischemie van de hartspier, ook in klachtenvrije, bij patiënten met verdenking op een acuut coronair syndroom (ACS). In dit artikel beschrijven we onze methode voor het initiëren patiënt monitoring met behulp van een Holter-apparaat, het downloaden van de ECG-gegevens voor off-line analyse, en hoe u de ECG-software gebruiken om voorbijgaande ischemie te identificeren.

Een onderzoeksmethode voor het opsporen van voorbijgaande ischemie van het myocard bij patiënten met verdenking acuut coronair syndroom Gebruiken van de doorlopende ST-segment analyse

Hier presenteren we een betrouwbare, minimaal invasieve en kosteneffectieve methode om elektrocardiogrammen op te nemen en te interpreteren in levende verdoemde volwassen zebravis.

In vivo oppervlakte elektrocardiografie voor volwassen zebravis

We beschrijven een protocol voor de patiëntgerichte registratie van een drie lead bipolaire elektrocardiogram door een SmartWatch die identiek functioneert met de Einthoven leads van standaard elektrocardiogrammen. Hierdoor kunnen patiënten direct na het begin van de symptomen elektrocardiogrammen op zichzelf opnemen.

Patiëntgerichte opname van een bipolaire elektrocardiogram met drie lood met behulp van een SmartWatch met ECG-functie

Hier presenteren we een stapsgewijs protocol voor een semi-geautomatiseerde benadering om murine long-term elektrocardiografie (ECG) -gegevens te analyseren voor basis-ECG-parameters en veel voorkomende aritmieën. Gegevens worden verkregen door implanteerbare telemetrietransmitters in levende en wakkere muizen en geanalyseerd met behulp van Ponemah en zijn analysemodules.

Analyse van langdurige elektrocardiografie-opnames om aritmieën bij muizen te detecteren

Deze studie maakte gebruik van geavanceerde informaticatechnieken om de procedureduur te vergelijken bij patiënten die radiofrequente atriale ablatie ondergaan die werd behandeld met actieve slokdarmkoeling met die behandeld met traditionele luminale slokdarmtemperatuurmonitoring. Contextueel onderzoek, workflowanalyse en gegevenstoewijzing werden gebruikt. De bevindingen toonden verminderde proceduretijd en variabiliteit met actieve koeling.

Verminderde proceduretijd en variabiliteit met actieve slokdarmkoeling tijdens radiofrequente ablatie voor atriumfibrilleren

Deze studie introduceert een nieuwe benadering voor het in realtime in kaart brengen van het hart met behulp van een niet-invasief, beeldloos elektrocardiografisch beeldvormingssysteem. Dit systeem maakt het mogelijk om elektrofysiologische cardiale kaarten te verkrijgen zonder dat pre-procedurele computertomografie of magnetische resonantiebeeldvormingsscans nodig zijn, waardoor efficiënte begeleiding mogelijk is voor cardiale procedures zoals ablatie en implantaten voor cardiale...

Real-time cardiale mapping met een niet-invasief beeldloos elektrocardiografisch beeldvormingssysteem

We presenteren een niet-destructieve methode voor het bemonsteren van ruimtelijke variatie in de richting van het licht verstrooid over structureel complexe materialen. Door het houden van het materiaal intact, we bewaren bruto-schaal verstrooiing gedrag, terwijl tegelijkertijd het vastleggen van gedetailleerde directionele bijdragen met een hoge resolutie imaging. Resultaten worden gevisualiseerd in de software op biologisch-relevante posities en schalen.

Meten Ruimtelijk-en Directionally-variërend lichtverstrooiing van biologisch materiaal

Het artikel beschrijft een procedure optische gegevenspakketten winkel met willekeurige modulatie golflengte en gegevenssnelheid. Deze pakketten zijn de basis van de moderne telecommunicatie.

Quasi-licht opslag voor Optical gegevens pakketten

Gasmonsters van laboratoriumschaal vlammen met online analyse van alle soorten van massaspectrometrie is een krachtige methode om het complex mengsel van chemische verbindingen die tijdens verbrandingsprocessen onderzoeken. In combinatie met afstelbare zachte ionisatie via-synchrotron gegenereerd vacuüm-ultraviolette straling, deze techniek biedt isomeer-opgelost informatie en mogelijk-fragment vrij massa spectra.

Flame Experimenten bij de Advanced Light Source: nieuwe inzichten in roetvorming Processen

De procedure voor gegevensverwerving om ingebedde gevoeligheidsfuncties te bepalen wordt beschreven. Gegevens worden verzameld en representatieve resultaten worden getoond voor een windturbineblad op woonhuisschaal.

Data Acquisition Protocol voor het bepalen van Embedded Gevoeligheid Functies

Leer een reproduceerbaar protocol voor het digitaliseren van 12-lead ECG-afbeeldingen naar WFDB-compatibele signalen. Deze methode ondersteunt gestandaardiseerde klinische data-analyse en interoperabiliteit.

Geautomatiseerde 12-lead elektrocardiogrammen (ECG) digitalisering en WaveForm DataBase (WFDB) standaardisatie: inzichten uit Vietnamese klinische gegevens (Video) | JoVE Journal

Geautomatiseerde 12-lead elektrocardiogrammen (ECG) digitalisering en WaveForm DataBase (WFDB) standaardisatie: inzichten uit Vietnamese klinische gegevens

Meer video's verkennen