Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   9 , No .   5 ,  Octo ber   201 9,  pp. 351 2~35 21   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v9 i 5 . pp3512 - 35 21          3512       Journ al  h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Detectio n of e lect ro cardi ogram  QRS  com plex b ased on   modified  adaptiv e thresh old       Ehab Ab dul   Ra z z aq  Hu sse in 1 ,   Ali S ha b an H as s ooni 2 , Hi lal Al - Li b aw y 3   1,3 Depa rtment   of   Elec tr ical  Engi n ee ring ,  Facu lty   o f  Engi n ee ring ,   Univer sit y   of  B ab y lon ,   Ir aq   2 Depa rtment of  Biom ed ic a l  Eng i nee ring ,  Facu lty   of  Engi n ee rin g,   Univer sit y   of   Ba b y lon ,   Ir aq       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   Feb   24 , 201 9   Re vised  A pr   8 ,  201 9   Accepte d  Apr   19 , 201 9       It  is  essential  f or  m edi cal  dia g noses  to  anal y z e  Elec troc ard io gra m   (ECG   signal ).   The   cor e  of  th is  ana l y si s  is  to  detec t   the  QRS   complex.   A  m odifi ed   appr oac h   is  suggested  in   thi s  w ork  for  QRS   detec t ion  of  ECG  s igna ls  using   exi sting  da ta b ase   of  ar rh y thmia s.  The   proposed   appr oac h  st art s   with      the  sam e  steps  of  pr evi ous a pproa ch es  b y   fil t eri ng  th e  ECG.   The   filte red   signal   is   the n  fed   to  a  d iffe ren ti a tor  to  enha nc e  th e  sig nal .   The   m odified  ada p ti v e   thre shold  m et ho d  which  is  suggested  in  thi s  wo rk,   is   used  to  i m prove   QRS  complex  det e cti on  rat e .   Thi s  m et hod  uses  a  new  appr oac h  f or  ada pti ng   thre shold  l evel,   which  is  b ase d  on  stat ist ical  an aly s is  of  th e  sig nal .   Fort y - ei ght  r ec ords fro m   an  exi sting   arr h y thmia   databa s e  hav e  be en  t ested using  th e   m odifi ed  m e thod.   The   result   of  the   proposed  m et hod  sho ws   the   high   per form anc e  of  QRS   co m ple x  det e ct ion  m et ri cs  with  a  positi ve  pre dictiv i t y   of  99. 88%   and   sensiti vi t y   of   99. 6 2%.   Ke yw or d s :   Ad a ptive t hr es ho l d  Ele ct ro car diog ram  sign al s   Hilbert  t ra nsfo rm     QRS c om plex  detect ion   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Eha b Abd ul   Ra zzaq  Hussei n,    Dep a rtm ent o f El ect rical  En gi neer i ng,   Un i ver sit y o f B abyl on,   Hill ah - Naj a f  R oad, Elect . De pt.,   Faculty  of   En g. ,  Unive rsity  o f  Babyl on, B abyl on, Ira q .   Em a il :  dr .eh a b@i tnet.u obaby lon .e du.iq       1.   INTROD U CTION   Hear t  disease  and   ca r diac  str ok e  a re  the   m os t  le adin g  ca us in g  of   fatal it ie s  around  t he  world  i n  the  la st  15   ye ars.   These  diseases   wer e  res pons ible  for  a  15. 2  m i ll ion   deaths  in  20 16   [1 ] .  The  ne cessi ty   and   urge ncy  of   dea li ng   an d  early   detect ing   of  th ese  dise ases  w ere  the  m otivati on   be hind  m any  publica ti on s  an d  researc h  ce nter   ta sk s.  Diff e re nt  ty pes  of  ph ysi olo gical   sig nals  can  be  ca ptured  from   a  hu m an  body  to   detect   so m e  sign s  of   hear t  disease .  The  m os t  dete ct able  sign al   is  the  Ele ct ro car diogram   (ECG)   wh ic h  r e pr es entat iv e   of   t he  cy cl ic al   rh yt hm   of   he art  m us cl es.  ECG  instr um ents  can  se ns e  s uc h  el ect rical   pulse s  bec ause  of   it s  stren gth   by  el e ct rodes  posit io ned   on   t he  hu m an  sk in  [ 2,   3] .  These  el ect rical   pu lse s,  re pr esented  EC G,   can  be   plo tt ed  or  sa ve d  in   a  form at   t hat  can   be  inte rpreted  by  t he  sp eci al ist s.  EC G  s ha pe  prov i des  m uch   i nform at ion   about  hear t  st at e  su ch   as  ti m e  interval  a nd  am plit ud e.  Ma ny  feat ur e s  an d  m et rics,  co ns ist ing   of   m any   char act e risti c points,  can  d et e ct  card ia c a bnorm aliti es o r  be hav i or al  c ha n ge s su c h  a s  heart  r at e v a riabil it y [4 ] .    Diff e re nt  seg m ents  of   EC G  sig nal  ha ve   been  us e d  t o  detect   the  he art  ab norm al i ties.  The   QR S   com plex  is  co ns ide red   one  of  the  m os t  signi ficant  par ts  of  ECG  sig nals.  Pan  a nd   T om pk ins  [5 ]   de velo ped   a   m et ho d  f or  the   QRS   com plex   detect io n.   Thi s  m et ho d  had  us e d  the   asse m bl y  la nguag e   an d  im ple m e ntati on  was  on  a  Z 80  m ic ro process or.  T he  pe rfor m ance  of  their  m et ho d  was   de eply   aff ect e d  by   fr e qu e ncy  va riat ion  in  QRS  c om plexes  wh ic h  re pr ese nted   a  m ai n  draw bac k  of   t his  al gorith m .  T her efore,  a  m or e  adap ti ve  rea l   tim e  QRS  detect ion   al go rith m   had   bee n  s uggeste d  by  t he  sam e  auth or s   an d  im plem ented  usi ng  the  C  la nguag e  [6].     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Detect ion   of el ect ro car diogr am  QRS c omple x base d on m odif ie d  ad ap ti ve   ...   ( Eh ab A bdul  Ra zz aq  Hu sse in)   3513   Diff e re nt  te chn iq ues  ha ve  be en  sugg e ste d  by   research e rs  to  detect   QRS  com plex.   On e  of   the  use d  te chn iq ue   is  th e  Ma tc hed  filt e rs  te c hn i qu e   [ 7] .  A  synta ct ic   te chn i qu e   is  a nothe r  te ch ni que  us e d  to  detec t  QRS   com plex.   But,   this  te ch nique  is  ver y  sensiti ve  to   noise   [ 8].  Alth ough,   ne ur al   netw orks   te chn iq ue   is  af fected  bad ly   with  noise ,  but  it   give s  good  res ults  wh e n  it   use s   with  wa velet   trans form   [9 ] ,  [ 10] .  Di fferen t   com bin at ion   of  su c cessf ul  te chn i qu e s  is  us ed  to  e nhance   resu lt s  s uc h  as   Hidde n  Ma r kov  M odel   with   ba nd - pass  filt er  [11] .  These  com bin at ion   re su lt   can  be  sensiti ve   to  so m e   arti facts  su ch  as  bas el ine  wander   or  from   hear t  rate  va ri abili ty   or   f r om  noise   [ 12] .  M or e over,   sta ti sti cal   and   em pir ic al   m et ho ds   a re  use d  to  filt er  an d  detect   QRS  co m plex  su ch  as   E m pirical   Mod e  Dec om po sit ion   (EM D) .  T he  sam e  resea rch e rs  exa pns  there   work  a nd  us e d  sin gu la rity   m et hod  for  QRS   detect i on  [ 13] .  Wh e re  the   au thors  us e d  bo t h  s of t  t hr es hol d  a nd   singularit y t o d et ect  Q RS.  A ga in, results  of    m e tho ds are  st il l fr agile  a gain st    no ise   [ 14 ] .    Ba sed  on  sta te - of - t he  art  rese arch   pa per s ,  it   is  fou nd  that  Hilbert  tra nsfo rm   is  the  m os t  su ccess f ul   app r oach  f or  QRS  detect ion.  Hilbe rt  tra ns f or m   has  a dopt ed  in   di ff e ren t  m et ho ds  to  i de ntify  su cce ssf ul ly   the  real  pea ks   f rom   ECG  sign al .   More ov e r,   R - wav e d et ect ion  perform ance  is  i m pr oved  by u sin g  m et ho ds  d epe nd   on   Hilbert  tra ns f or m .  Howe ver,  this  good   perform ance  in  detect ion   re su lt s  is  no t  m ai ntained  wh e n  they   app li ed  o n  dise ases  af fect wave  am plit ud e  as in  isc hem ic   cases  [ 15] .  F or  no rm al   beat  in  si m ple  ECG  sig nals a   fixe d  thres hold   can  detect   R - wav e s  eff ic ie nt ly   [1 6].  H ow e ver,  in  reali sti c  ECG  m easur e m ents,  sign al s  m ay   diff e r  dram atic al ly   fr om  each  oth er,  du e  to  acqu isi ti on  arti facts  su ch  as  pa ti ent  m ov e m ent  or   sev ere  ba sel ine   dr ifti ng.  As  a  con se quence ,   the  pr oba bili ty   of   m issi ng   QRS  com plex es  m ay  be  rising .  Hen ce ,  a  m or e  so phist ic at ed  a dap ti ve  th res hold is  need e d  t o enh a nce a bili ty  of Q R S  detect ion   [ 17 ] .   Re searche rs  ha ve  been  us ed   m any  em pirica l      th res ho l ds   t o  im ple m ent  adap ti ve   th res hold.   Di ff e ren t  te chn iq ues  us e d  ada ptive  thre sh ol d  su c h  as  wav el et   trans f or m   te chn iqu e  is  us ed  f or   QRS  detect ion ,  as  well   as   P and T   wav es   [18]. T hese tec hn i qu e s  hav e  provide d very  good  res ults f or  R wa ve peak  det ect ion  [1 9,20] .    In   t his  w ork  a  m od ifie d  ad aptive  m et ho d  is  pro po se d  t o  en ha nce  the   detect ion   acc ur acy .  Thi s   te chn iq ue   us es   a  ne w  a ppr oa ch  for  a dap ti ng  th res ho l d  le vel,   wh ic h  is  base d  on  sta ti sti cal   analy sis  of  the   sign al .  T he  pr opos e d  ap proa ch  w hich  is  ba sed  on  tw o  thres hold  le vel s  (upp e r  an d  lowe r),  is  exp e ct ed  to  ov e rc om e  m os t  ch al le nges  of  no ise  and a rtif act  p ollute d  si gnal s .       2.   DETE CTIO N  OF  THE  Q R S COM PLE X   On e  cy cl e  of   ECG  sig nal  com pr ise s  diff e ren t  tim e  segm ents,  includi ng   P ,  T,  an d  QRS  com plex   wav e s  as  s how n  in Figure  1. A  U - wav e   seg m ent  m ay   al so   app ea r  in   50  t o75  % o f  EC G  a fter  the T - wa ve   [21].  Ba sed  on  se ve ral  featu res  ext racted  f r om   th ese  sign al s,  ca rd i ac  a bnor m aliti es  can  be  de te ct ed.   The  pr i ncipa l   par t  of ECG  ana ly sis al go rith m   is  m ai nly dep en ds o n h ow re li able an d  acc ur at e  QRS  dete ct ion .    The  de pola riza ti on   of  hea rt  ve ntricl es  can  be   captur e d  in  a   hu m an  sk in,  body  as  the  QR S  com plex.   The  hea rt  ve ntric le s  produce   hig he r  el ect rical   act ivit y  than  ot her   pa rts  of   hear t  beca use   they   hav e  great er   m us cl e  m ass.  R  wa ves  a re  t he  m os t  sign i f ic ant  highest  a m pl it ud e  par t  of  ECG   sig nal  an d  hen ce   it   is  the  easi est   par t  t o  detect .  Howe ver,  s om eti m e s  it   is  dif ficult   to  detect   QR S  com plex.   T he  c halle ng e s  of   QRS   detect ion   ca n  be  li ste d  as  f ol lows :  a)  sig nal  can  be  c ha ng e  dynam ic al l y  with  tim e,  i.e.,   the  ECG  sta ti sti cal  pro per ti es  not  consi ste nt  with   tim e;   b)   QRS  com plex  m ay   no t  be  disti ngui sh able  al l  times;  c)  sign al   m ay   b e  con ta m inate d  with  noise   (lo w  SN R  an d  art ifact s,  and   e )  QRS  pola riti es  m ay  be  inv ert ed.   Fig ure  2  shows  a n  inv e rted  R - pea k.   Howe ver,  a   good  pe rfo rm ance  al gorithm   can  detect   Q RS  with  bo t h  po la riti es  of   R - pea ks .   On e   of  QRS  c om plex  chall e ng e s  is  s how n  in  Fig ure  3  where  a  l ow  am plit ud e  R - pea k  i s  prese nted.  A no t her  chall enge is t he  presence  of E CG varia ti on bet ween  t wo adj acent he art  bea ts as sho wn in   Figure  4.            Figure  1. ECG   for  a  sin gle car diac cy cl e;  r ec ord 1 03 in  t he   MIT - BI H data base   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19 :   3512  -   3521   3514       Figure  2. QRS   of R - peak with  n e gative  po la r it y;   record  22 8  in  the MI T - BI H  a r rh yt hm ia  d at ab ase       Figure  3. QRS   of R - peak with  low am plit ud e;  r eco rd  228  in t he  MI T - BI H  a rrhyt hm ia  d at abase       This  va riat ion   m ay   co m e  du e   patie nts  m ov em ent  of   the   ba sel ine  dr i fting.   This  chall e nge  degra des   detect ion   acc uracy   if  a  hig h  fi xed   t hr es hold  i s  adopte d.   H oweve r,   if  a  l ow  f ixe d  thres hol d  is  us e d  instea d,   this   can  easi ly   le ad   to  i naccurat e  detect ion s .  T he   fixe d  t hr es ho ld  m igh t  al so   a f fect  ba dly  T  a nd  P  wa ve  det ect ion .   To  over com e  t hese  chall en ge s,  an  ada ptive  thres ho l d  al gor it h m   has  been   us e d  an d  it   is  m ai nly  i m p leme nted   us in g  m ulti ple thr es ho l ds  em pirical ly  w hich ca n  im pr ove th e accu racy QR S co m plexes d et ect ion .       3.   AMPL IFIER   PROP OSE D A LGO RITH M   Thr ee  d ist inct  po i nts for m  the Q RS c om plex, wh ic h po sit io ned w it hi n  a si ng le   hear t cy cl e   ref e rr e d  to   as  Q,   R  a nd   S .   Fo r  pea k  dete ct ion ,  se ver al   f eat ur es  of   si gnal   detai ls  are  extracte d.  Sett in g  R  Rus h  is  th e  first  ste p  of   ext racti on   feat ur e.  M ai n  par t  of  the  ener gy  of  a  de dicat ed  com plex  li es  between   3  Hz  an d  40  Hz .   Wav el et s  tra nsfo rm   is  us ed   to  detect   QRS.   The  f ast   cha ng e s  of  QR S  com plex  can  be  ide ntifie d  by  the   m axi m u m   and   zer o  eq uations   of  wa velet   conver si on.   Figure  4  s hows  t he  bl oc k  dia gr am   of  the    su ggest e d  m eth od.           Figure  4 .   Bl oc k diag ram  o f  P rop os ed  A l gori thm   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Detect ion   of el ect ro car diogr am  QRS c omple x base d on m odif ie d  ad ap ti ve   ...   ( Eh ab A bdul  Ra zz aq  Hu sse in)   3515   3.1.   ECG  s tu d y d atase t   In  this  wor k,   a n  e xisti ng  data   set   is  a dopted   to  te st  the   pro po s ed   al gorith m .  This  datase t  was  ta ke n  from   a  sta nd ar d  data base  cal l ed  Me ta bee  O nline  Hem at onic   Database  w hich  c on ta i ns   appr ox im at ely  4,000  ECG  recor ds .  This  dataset   is  colle ct ed  fr om   patie nts  a t   t he  Isr ael   H osp it al   Pace m aker  Be tween  1975  an d  1979  [ 22] .  It  recorde d  i n  pa ti ents  with  a r rh yt hm ia   issues  w hich  c onsi sts  of  48 - ho ur  an d  half - hour   ISG  record s.  T he  c ollec te d  sig nal s h a ve bee n  sa m pled  at  3 60  Hz fo r  eac h  c ha nn el   with a  r e so luti on  of 11 - bit .     3.2.   Preproces sing   The  baseli ne   tr ajecto ry  an d  t he   interf ere nce  i n  the   m ai n  el ect rici ty   are  the   dom inant  sour ce  of  no ise   and  can   str ongly  aff ect   t he  ECG  si gn al   a naly sis.  A   wa nd e r  baseli ne  that  arises  bec ause  of  breat hi ng   li e s   betwee n  0.1 5  and   0.3  Hz .  T he  inter fer e nce   on   the  m ai n  el ect rici ty   is  a  nar r ow - band  no ise   con ce ntrate d  on  a  60 - degree  range  with  a  range  le ss  t han  1  m agn it ud e.  T he  EC G  sig na ls  are  pr e - pr oc essed  by  filt e rin g  to   rem ov e  high - f reque ncy  noise ,  m a in  el ect rical   interfer e nc e  and   baseli ne   dr ift in g,   t hus  enh a ncin g  t he  sign al   sta nd a rd an d  e qu i pm ent ex cl us io n  a nd e nv i ronm ental  ch ang e s .      3.3.   Fil tering  E CG   Anothe r  filt eri ng   sta ge  is  us e d  to  e nh a nce  th e  desire d  inf or m at ion   in  ECG   sign al .  T his  st age  inclu des   a  ba nd - pa ss  filt er  w hich   hel ps  to  en ha nce  the Q RS  c om plex.   This f il te r  al so  helps   to r em ov e  m us cular  a r ti fact  from   the  ECG   sig nal.  A  B utterw or t h  ba nd - pass  filt er  with   an   orde r  of  6  has  bee n  a ppli ed.   This   filt er  is  set   from   5  to  15   Hz.   T his  hel ps  to  m axi m iz e  t he  QRS  c om plex  an d  s uppres ses  the  P  a nd   T  wa ves  as  s how n  in   Figure  5 .           Figure  5.   The  ra w  a nd f il te re d EC G Si gnal s       3.4.   Diff ere nt i at io n   Der i vation  Deri vation   of   EC G  sig nal  helps  to  fo ll ow  the  t ype  of   c hanges   and   ti m e   of   oc currence  by   ind ic at in g  slo pe s.  The   risin g  of   QRS  c om plex  (i.e .  f ro m   Q  to  R)  ca n  be  i den ti fie d  usi ng   first  de rivati ve   as  a  high  sl op.  Whi le ,  the  fall in g  ed ge  of   QRS   com plex  (i.e.   f ro m   R  to  S)  a pp ea rs  a s  m ini m u m   slop .  Th e  first   der i vative  diff e ren ti at ion i s ca lc ulate d usin g 2 poi nts  of  t he c en tral   diff e re nc e u si ng  ( 1) .     ( ) = 1 2 ∆ ( ( + 1 ) − ( − 1 ) ) ,       = 0 , 1 , 2 , … , − 1 .                  ( 1)     nu m ber   of   sam ples.  At  the   bounda ries  of  t i m e  slot  (i.e.,   k= 0,   a nd   k= N - 1),  a nd   base d  on  er ror  m ini m i zat ion ,  init ia l  conditi ons  can  be  set .   The deri vative  al so   helps  t o re m ov e  m otion  a rtifact s and  bas el ine drifts .     3.5.   Hil bert t r ansf orms   In   t his  w ork ,  H il ber t  tr an sf orm   is  fed   with  di screte  tim e - series  y( k) .  This  op e rati on  ca n  be  def i ned   a s  in   ( 2).      ( ) = ( ) =  − 1 ( ( ) ∗ ( ) ) .   Tim e o r  fr e qu ency d om ai n.         (2)      w he re  t he  vector  h  can   be   cal culat ed  as   in   E q uatio n   ( 3).  T he   Fast  F ourier   Transf or m   (F F T)  of  the  y ( k)  s ign al   is st or e d  i n vec tor  f ,  and t he  a cronym  FF T - 1   m eans th e  Inve rse  Fast  F ourier T ran s f or m .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19 :   3512  -   3521   3516   0                        = ( 2 ⁄ ) + 2 , … , .                   2                                  = 2 , 3 , … , ( 2 ⁄ ) .                                                                    ( 3)   1                                    = 1 , ( 2 ⁄ ) + 1 .     In  ( 4) d esc ribe s the  pr e - e nv el op e  sig nal  of   ori gin al  si gnal   y ( k )   wh ic h  is  also c onsidere d  a s  the  a naly ti c sign al .      ( ) = ( ) + ( ) .                                                                                               (4)     The  i ns ta nta ne ou s  m agn it ud e   a ( k)   of  z ( k) is  descr i bed in  ( 5).  It is  al so co nsi der e d  as  the e nv el op e   f  z ( k).     ( ) = √ 2 ( ) + 2 ( ) .                                                                                             ( 5)     Wh il e th e insta ntane ous  ph ase  angle i n  t he  c om plex  plane  ca n be calc ulate d by  (6)     ( ) =   ( ( ) ( ) ) .                                                                                                ( 6)       4.   THE  M O DIF IED  ADAPTI VE TH RESH OLD    The  m os t  su ccessfu l  te ch nique  f or   R - se gme nt  peak   detec ti on   is  the  ada ptive  thre shold .  Howe ver,   us in g  on e   thre s ho l d  m ay   be  accurate  e noug h   so   at   a p ai r  of  thres hold  li m i ts  te chn i qu e   can o f fer   m or e  acc ur at e   resu lt s.   T hese  lim it s  cal le d  th e  uppe r  li m it   t hr es hold  ( u th )  and  the   lo wer  lim it   threshold   ( l th ).  I n  t his  w ork  a   m od ifie d  ada pt ive  m et ho d  is   pro po se d  t o  i m pr ov e  t he  de te ct ion   acc ur ac y.  The   pr opose d  m et ho d  cal culat es  the ad a ptive  th reshold s fo r  ea ch  a naly sis wi ndow (N  sam ples)  as  fo ll ows:   The  uppe r  t hr e sh ol d  is   de fine d  by  k=1,…,  N.     ℎ = 0 . 5 × .                                                                                                                            (7)     And  t he  lo we r  thres ho l d  is  de fine d by  ( 8).     ℎ = 0 . 1 × .                                                                                                                               (8)     The  dynam ic   op e rati on  of  c al culat ing   th re sh ol d  values,   update  these  va lues  with  eac h  ep oc h.   Me a nwhile ,   bo t h nu m ber s  of d et ect in g pe aks (ab ove th re sh ol d  ℎ    a nd thresh old   ℎ )  a re cal culat ed.   The   num ber   of  QRS   c om ple xes   detect ed   by   ℎ is  denoted   by      ℎ    w hile  t he   num ber   of  Q RS  com plexes  det ect ed  by  ℎ   is  de no te d  by    ℎ .  U sing   t his  te ch nique,  t he  num ber   of   detec ti ng   peaks  is  diff e re nt.  T he  t hr es hold  value   of  ℎ   is updated   us in g  Eq uation   ( 9) .     ℎ ( + 1 ) = ℎ ( ) − ∆ .                                                                                         (9)     wh e re    is  the   error  wei gh t   a nd  ∆ = ( + × ) × ( − ℎ )   is  the  dif f eren ce   bet wee n  th e  def i ned  two  lim it s.  Wh ere   c  is  a   scal in g,      an d    are   the   m ean  an d  sta nd a r d  de viati on   of  t he   sig nal  in   the   c urrent   window.  Ba se d  on  sim ulati on s  on   t he  data base  w=  0.1 25  an d  c  =  0.8   wer e  c hose n.  The  value  of  ℎ   is  cal culat e u sin g Eq uatio n  ( 10) .  Th e  v a riables       ∆   are as  d e fine d i n  ( 9).     ℎ ( + 1 ) = ℎ ( ) + ∆ .                                                                                                   (10)     Accor ding  to  t heir  def i niti on s ,  ∆ = 0 . 05 × .   Then  the  l ower  t hr es hold  l i m i t  is  increase d  by  ∆   as  well .  This  pro cess  co ntinues   un ti l  the  nu m ber s  of  detect ing   QRS  for  uppe r  a nd   l ow e r  thre sholds  ar e  equ al   ( . .      ℎ =  ℎ ) .  ∆ = ( + × ) × ( − ℎ )   is  the  a dd it io n  to   im pr ov i ng  the  QRS  detec ti on   that  will   giv e a  go od se ns it ivit y.       5.   RESU LT S   The  pro posed  QRS  autom at i c  detect ion   te chn i qu e h as  bee n  validat ed  us ing   the  MIT - BI H  arrhyt hm ia   database .  T his  database   com pr ise s  48  rec ord s.  Eac h  rec ord   include s  a n  E CG  sig nal  with  durati on  of  30  m in   with  5.5 56   s .  The  first  ch an nel  of   eac h  rec ord  is  need e d   for  QRS  de te ct ion .  A  total   of  48  recor ds   ha s  bee n  analy zed. The s e rec ords  i nclu de  a bnorm al  si gn al s  su c h  a s: l ow am plit ud e  QRS,  i nverted   QRS  po la rity .   A  wide   ra ng e  of  te sti ng,   pe rfor m ance  m et ric  is  us ed  t o  e valuat e  the  detect io n  t ec hn i qu e .   These  m et rics  in cl ud e   false  ne gative  (ar t)   w hich  m eans  no t  detect ing   a   re al   beat,  f al se  posit ive  ( PHP)  wh i c h  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Detect ion   of el ect ro car diogr am  QRS c omple x base d on m odif ie d  ad ap ti ve   ...   ( Eh ab A bdul  Ra zz aq  Hu sse in)   3517   represe nts  the   detect ion   of  true ,  false  a nd   posit ive  strik es  (TP)  is  the   total   nu m ber  de vo te d  to  de te ct ion  correct ly   by  the  te chn iq ue.   U sing   ph e noty pe ,  sensiti vity   (C),   posit ive  pred ic ti on   (+P )  an d  detect ion   er ror  rate  (D ER )  can  be  cal culat ed  us in g  eq uations  (11 - 13).   Se ns it iv it y  (S en)   (C):  The  hea rt  rate  correct ly   determ ined   by the al gorith m .      ( % ) =   +  .                                                 ( 11)     Po s it ive  P re dicti on   (+ P) :  T he  detect ion   rate  giv e n  by  the  al gorithm   cor res pondin g  to  t he   annotat io n  ass ign e d  by the  sp eci al ist .     + ( % ) =   +  .                                                                                         ( 12)     Detect ion   Er ror  Ra te  (DER):  Th e  per ce nta ge  of f al se  d et ect ion s  ove r  the  to ta l nu m ber   of de te ct ing   hear tb eat s.      ( % ) =  +   .                                                                                    ( 13)     A  wi ndow  siz e   of   ± 13  sam ples  is  chosen  a r ound  the  beat  de te ct ion   to  c ount   this  window  as  one  beat  detect ed.   T he   resu lt s  of  th e  two - t hr es holds  m od ifie d  t echn i qu e  is  li ste d  in  Ta ble  1.   T hese  res ults  ar e   cal culat ed  bas ed  on  48   recor ds   sel ect ed  fro m   the  MIT - BI H  ar rh yt hm ia   database .  The  resu lt s  s how  t hat  the   chall eng i ng  re cords  are  d et ec te d  su ccess f ully   with  the  pro po s ed  te ch ni que.  Exam ples  of  these  rec ords  are:  (i)   wh e n  the  R - wav e  is  no t  c entere d  on  th e  record  (e. g.,   record  100).   (ii)  Wh e n  t he   no ise   is  very   hig h   (e. g. ,  rec ord  104  as  s how n  i n  Fi gure  6  a nd  (iii ),   the   al gor it h m   detect ed   QRS  pr eci sel y   for  recor d  117  with  a   chall enge  of  l ow S NR  wh e n  t he   am plit ud es  of R - peak s  are   low  a s s how n  i n  Fi gure  7.           Figure  6. A n  e xam ple o f  a  no isy  r eco rd (104 ) dete ct ion ;  fro m  d at abase u se d  in  this  w ork           Figure  7. A n  e xam ple, low   a m pl it ud e Q R S  com plex  detec t ion   with l ow S NR (rec ord 117)   from  d at abase  us e d  in  this  work     The  res ults  of   the  pro posed   m et ho d  of  de te ct ion   QRS  com plex es  are   accu rate.  T he   res ults  of   the  pro po se d  al gorithm   can   be  su m m ariz ed  with  the  f ollow i ng   m et ri cs:   Se=96.28 %  and   +P= 99. 71   ov e r   44,71 5  hear t be at s,  as  s how n  in  Ta ble  1.  I n  sp it e  of   e xcel le nt  res ults  w hich  is   achie ve d  by  the  pro po s ed   al gorithm ,  i t  s hould   be  m entione d  he re  that  no t  al l  rec ords  hav e  been   de te ct ed  prop e rly   (su c h  as,  record   228)  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19 :   3512  -   3521   3518   because   of   ne ga ti ve  QRS  pola riti es  and  ve nt ricular  ect op ic s  as  s how n  in   Figure  8.   This  cou l d  a pp ea r  c le arly   with  the  sensit ivit y  rate  of   t his  rec ord  a nd   t hi s  cou l d  j us ti fy   the  hi gh  num ber   of  F N  beat s,  w hich  is  sho wn   i n  Table  1.           Figure  8. A n  e xam ple Q RS c om plex  detect ion wit h ve ntric ular  ect op ic s  (r ecord  228),    from  the d at ab ase us e d  i n  this  work       Table  1.   Per for m ance of  QRS  com plex  detect ion  m et ho d o n M IT - BI H  a rrh yt h m ia  d at abas e         Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Detect ion   of el ect ro car diogr am  QRS c omple x base d on m odif ie d  ad ap ti ve   ...   ( Eh ab A bdul  Ra zz aq  Hu sse in)   3519   6.   DISCU SSI ON    A  ver y  well - know n  dataset   is  us e d  i n  this  work  w hic h  is  com m on ly   us ed  in   m any  research  pa pe r s .   Howe ver,  it   is   not  ver y  eas y  ta sk   to   c ompare   the  pe rfo rm ance  of  sta te   of  the   art   a lgorit hm s  with  our   te chn iq ue.       T hi s  chall eng e  a rises  beca us e      previ ou sly   pu blis he d  w ork  al gorithm s  wer e  not  te ste d  unde r       the   sam e  env iro nm ents.  More ov er,  they   a re  no t   us in g  t he  sam e  recor ds .  T o  e la borate  m or e,  it   is  log ic al   tha t  QRS  com plex  detec ti on   rate  i ncr e ases  (e. g.,  hi gher  pe rfor m ance  m e tric s)  w hen   us es   healt hy  rec ords  on l y  a nd  exclu des  the  c halle ng i ng  rec ords.   Table  2  li ste d  the  pe rfor m ance  of  th e  m od ifie d  a ppr oac h  in  c omparis on   with  oth er   rec ent  w orks  f or   the  QRS   detec ti on ,  e valuati on  ov e r  the  M I T - BI H  ar r hyth m ia   database.  In   t his   ta ble,  the   be st  resu lt s  of  the   s ta te - of - the  a rt  al gorithm s  are  sel ect ed  [ 23 - 29]   to  a ssess   ou r  propose d  al gorithm .   The  well - known  al go rithm   of   Pa n  an d  To m pk ins  [5 ]   is  us e d  in  m any  pap e rs  as  a  point  to  sta rt  fo r   bette r  dev el op m ent  of  QRS  detect io n.     T o  im pr ov e  QRS  detect ion,  m any  research e rs  re sam ple  t he  acq uired  ECG    sign al  at  200 H z. Ho wev e r, E CG r es am pling  is not  need e d  i n our  pro posed . .       Table  2.   A  c om par ison   of QR S d et ect io n p erfor m ance   bet ween t he p rop os e d  te ch nique   and o t her s  m eth ods  base d o n M IT - BI H  a rrh yt h m ia  d at abas e   NA =  NOT  AV AI LABL E   Sen s   (%)   Sp ec   (%)   Der   (%)   Prop o sed  Algo rith m   9 9 .62   9 9 .89   0 .5   Bas h eerud d in  Sha h  Shaik  et  al.  (20 1 5 )[ 2 3 ]   9 9 .56   9 9 .52   0 .93   No p ad o l   (20 1 0 )  [24 ]   9 9 .10     9 9 .60     1 .30   Darr in g to n  ( 2 0 0 6 )  [ 2 5 ]   9 9 .00     9 9 .20     1 .70   Ch en  et  al.  (20 0 6 )  [ 2 6 ]   9 9 .55     9 9 .49     0 .96   Pan  and   To m p k in s (19 8 5 )  [ 5 ]   9 0 .95   9 9 ,95   NA   Ch o u ak ri  et al.  ( 2 0 1 1 )  [ 2 7 ]   9 8 .68   9 7 .24   NA   Elgen d i et  al.  (20 0 9 )  (M eth o d  I )  [ 2 1 ]   8 7 .90   9 7 .60   NA   Elgen d i et  al.  (20 0 9 )  (M eth o d  I I)  [ 2 1 ]   9 7 .5   9 9 .9   NA   Ch o u h a n  et  al.  (20 0 8 )  [ 2 8 ]   9 8 .56   9 9 .18   NA   R. Ro d rígu ez e t al.  ( 2 0 1 5 )   [ 2 9 ]   9 6 .28   9 9 .71   NA       In   t his  wor k,   a  pass ba nd  filt er  wit h  a  rang e  of  ( 5 - 15)   Hz   has  bee n  recr uited  to   en ha nc e  the  QR S   energy.  Alth ough  m any  res earche rs  a gr ee d  to   us e   the  (5 - 15 )  Hz   ba nd,  oth er   rese arch es   us e   di f fer e nt   pass bands.  H oweve r,   m os t  re searche rs  a gr e ed  to  us e  casc aded   l ow - pass   and   hi gh - pa ss   filt ers  to  im pl e m ent  Ba nd - pa ss  filt e r  of  Pa n  a nd  T om pk ins  al go rithm   [5 ] .  Anot he r  ad diti on  to  t his  w ork  is  t o  us e  a  first  der i vate  sta ge  to  reduce   the  bad   ef fect  of   ba sel ine  dr i f ts  and   m ov e m ent  arti facts.  Th is  s ta ge  is  inserted  befor e  a pp l yi ng   Hilbert  tra ns f orm .  Also ,  ano t her   re searc her  app li ed  a dap t ive  qu a ntize d  thres ho l d  [ 16 ] .   To  overc om e s  the   dr a w back s   of  us in g      fixe d  thres ho l ds ,  we   sugg e ste d  a  new  al gorithm   for  QRS  c omplex  detect ion.   This   al gorithm   us es  an  a dap ti ve   up per   a nd  lo wer  lim i ts  threshol d.  The   res ults  of   our  pro posed  al gorithm   (as  can b e   seen  in   Ta bles  1  a nd  2) ,   s how  im pr ove m ent  in  detect ion   rates  of   Q RS  com plex  due  to   the  us e   of  the   com bin at ion   of   Hilbert  trans f or m s  and   m od ifie d  ada ptive  t hr es hold.  T he  ob ta ine d  re su lt s  us in g  the  pro po s ed  al gorithm   is  i m ple m ented  su ccess fu ll y  as  cl early   sh ow n  f ro m   the  com par ison   bet ween   t he  pro po s e d  al gorithm  an d  t he  sta te   of  t he a rt r es ults o f ot her resea rch e s  wh ic h  is l ist ed i n  Ta ble 2.       7.   CONCL US I O N     A  m od ifie d  ap proac h  for  QR S  detect ion   sugg e ste d  an d  im ple m ented  in  this  wo r k.   T his  appro ac h  is   i m ple m ented  by   app ly in g  a  m od ifie d  ada pt ive  thre shold  t echn i qu e .  T he  m ai n  con tri buti on   of  this  m od ifie d  appr oach   is  to   us e  the  sta ti sti cal   featur es  of   EC G  sig nal   it sel f  to  upda te   the  two - t hresh old   val ues.  Thi s   m od ific at ion   e nh a nces  t he  de te ct ion   accu rac y  of   QRS  c omplex,  especial l y  with  chall en ging  rec ords  s uch   a s   ven t ricular  ect op ic ,  l ow   am plit ud e  R - pe aks ,  ne gative  QR S  pola riti es,  and   l ow   si gnal - to - noise   rati o.  T h e  resu lt s  pro ve d  that  the  m od ifie d  al gorithm   ou tpe rfor m s  oth er  m et ho ds   in  perform ance  m et rics,  includi ng ;  a  sensiti vity  o f  99.88%  a nd pos it ive p re dicti vity  o f  99.6 2  %  f or the  us e d  MI T  –   BI H data ba se       REFERE NCE S     [1]   W HO ,   “ The   top  10  Causes  of  dea th ,”   M a y   2017 .   Avail able:  htt ps :/ /www . who.i nt / news - room /fa ct - shee ts/detail/t h e - top - 10 - ca uses - of - dea th .     [2]   As irva dam,  V.S.,   Pis al ,   K.S. ,   Izh ar,   L . I . ,   &  Khuzi,   N.A.A.M . ,   "ECG  Viewe d   Us ing  Gra y sca le   Pat te rns" ,   Proce edi ngs of   t he  Int ern a ti ona l Confere nc e  on   Man - Mac hine Sy stems ,   pp .   1C2 . 1 - 1C2. 5,   2009 .   [3]   Kotas,   M. ,   "P roj ec t ive   Fi lt er ing  of  Ti m e - Align ed   ECG  Be at s  for  Repol ar iz a ti on  Durat ion  Me asure m ent ",  Compu t.  Me thods P rogr a ms   Bi omed,   Vol .   85,   pp.   115 - 123 ,   2007 .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19 :   3512  -   3521   3520   [4]   Al - Li baw y ,   H. ,   Al - Atab y ,   A.,  Al - Nuaim y ,   W . ,   Al - T ae e ,   M. A.,   "H RV - Based  Opera tor  Fatigue  Anal y s is  and   Cla ss ifi c at ion  U sing  W ea rab le   Sensors ",  13th  Inte rnational   M ult i - Conf ere nc e  on  Syste ms ,   Sig nals  &   Dev ic es   ( SSD ) .   IEE E ,   pp.   268 - 273,   2016.   [5]   J.  Pan.   and  W . J.  Tompkins,  " A  Rea l - Ti m e  Q RS   Dete c ti on  A lgori thm" ,   I EE E   Tr ans.  Bi omed .   Eng . ,   Vol.   32 ,     p. p.   230 – 236,   19 85.   [6]   P.S.  Ham il ton  and  W . J.  Tompkins,  "Q uant it a t ive   Inve stig at io n  of  QRS  Dete ct ion  Rul es  Us ing  the   MIT/BI H   Arrh y thmia   Dat a base ",  I EE E   Tr ans.  Bi omed .   Eng . ,   Vol .   33 ,   pp .   11 57 – 1165,   1986 .   [7]   Jorge,   R.   R. ,   Ga rcí a ,   E .   M. ,   Cór doba,   R .   T . ,   Bil a,   J. ,   &   Miz era - Piet rasz ko ,   J. ,   " Adapti ve  Thre sh old,   W avele t   an d  Hilbe rt  Tra nsfor m   for  QRS   Dete ct ion  in  Elec trocardi ogra m   Signa ls",  In  Inte rnat io nal  Confe r en ce   on  P2P ,   Parallel ,   Gr id,   Cloud  and   Inte rne t  Compu ti ng ,   Springer ,   C ham.,   pp .   777 - 78 6,   Novem ber   20 17.   [8]   Tra han ia s,  P. ,   &  Skordala k is,  E. ,   "S y nt ac t ic   P at t ern   Rec ogn it i on  of  The   ECG ",  IEEE  Tr ansa ct ions  on  Pa tt er n  Anal ysis  and   Ma chi ne   Intelli g ence ,   Vol .   12 ,   p p .   6 48 - 657,   1990 .   [9]   Gutié rre z - Gnec c hi,   J.  A.,   Morfi n - Maga na,   R . ,   Lori as - Espino za,   D.,   del   Carme n  Te llez - Angui a no,   A.,   Re y es - Archundi a,   E . ,   Ménde z - Pat iño,  A.,   &  Casta ñ eda - Mirand a,   R . ,   "D SP - Based  Arrh y thmia  Clas sific at ion  Us in g  W ave le t   Tr ansform   and  Proba bil isti c  Neur al   Network",   B iomedi ca l  Signa l  P roce ss ing  and  Control,   Vol .   2 ,     pp.   44 - 56 ,   2017 .   [10]   Cli fford,  G.D.,  Azua j e,  F.,   &  McSharr y ,   P.,   "A dvanced   Methods  and   Tool s  for   EC G  Data   Ana l ysis" ,     Norw ood,   MA:   Arte ch   Hous e,   In c . ,   pp.   55 - 99 ,   20 06.   [11]   Coast,   A. ,   &   Cano,   G. ,   "Q RS   Dete c ti on  B ase d   on  Hidden  Ma rkov  Modeli ng",   In:  Proc.  Annu al  Inte rnat iona l   Confe renc e  of   th e  IE EE E ngin ee r ing  in   Me di ci n e and B io logy   So c ie t y ,   pp.   34 - 35,   1 989.   [12]   Cheng,   W . ,   &   Chan,   K. ,   "Cl assific a ti on  of   Ele ct roc ard iogr am  Us ing  Hidden  Markov  Models",  In:  Pro c.   20 t h  Annual   In t. Conf .   IE EE E ngin ee r ing  in   Me di ci n e and B io logy   So c ie t y ,   pp.   143 - 146 ,   1998 .   [13]   Xing,   H.,   &  Hu ang,   M.,   "A   Ne w  QRS  Dete ct io n  Algorit hm   Based  on  E m piri cal   Mode  Dec om positi on",  In:  Pro c.   2nd  Inte rnat iona l  Conf ere nce on Bi oinf orm atics a nd  Bi omed ic al   E ngine ering ,   pp .   693 - 696,   2008 .   [14]   A y at,  M. ,   Sha m solla hi,   M.B . ,   Moza ffa r i,   B . ,   &  Khara b ia n,   S.,   "ECG  Deno ising  Us ing  Modulus  Maxima  of  W ave le t  Tr ansfo rm ",  In   Proc.   Annual   Int.   Conf.   IEE E  Eng ine eri ng  in  Me dic in e  and  Bi ology   Soc ie t y  Minne apol is ,  pp.   416 - 419 ,   20 09.   [15]   Köhler ,   B . U.,  Hennig,   C . ,   &   Orglm ei ster,  R. ,   "Q RS   Detect ion  Us ing  Zero  Cross ing  Counts",  Progress   in  Bi omedi cal   Re se arch ,   Vol .   8 ,   pp .   138 - 145,   2003.   [16]   E lge ndi ,   M.,   Es kofie r,   B. ,   Dokos ,   S.,   &  Abbo tt ,   D.,   "Revi si ting  QRS  Dete ct i on  Methodol ogi es  for  Portabl e,  We arable, B a tt e ry - Operated, an d  Wireless   ECG  Syste ms ",  PLoS   ON E,   Vol.   9,   e8 4018,   2014 .   [17]   Da  Poian,   G.,   Roze ll,  C.   J. ,   Berna rdin i,   R. ,   Ri nal do,   R . ,   &  Cl if ford,   G.  D.,   " Matc hed  Fil te ri ng  for  Hea rt  Ra t e   Esti m at ion  on  C om pre ss ive   Sensing  ECG  Mea sur ements",  IEEE  Tr ansacti ons  on  B iomedi ca l  Engi n ee ring ,   Vol .   65 ,   No.  6,   pp.   1349 - 1358,   2018 .   [18]   Li ,   C . ,   Zh eng,   C. ,   &  T ai ,   C. ,   " Dete c ti on  of   EC G  Chara c te rist ic  Points  Us in g  W ave le t   Tra nsfo rm s" ,   IEE E  Tr ans.   Bi omed. E ng . ,   Vol.   42 ,   pp .   21 - 28 ,   1995 .   [19]   Burte ,   R . ,   &  Ghongade ,   R. ,   "A dvanc es  in  QRS   Dete ct ion:  Modifie d  W a vel e t  Ene rg y   G rad ie n t  Method ",  Inte rnational   Jo urnal  of Emergi ng  Tr ends  in  Sig nal  Proc essing ,   Vol.   1 ,   pp .   23 - 2 9,   20 12 .   [20]   Xu,  X.,  &   Li u ,   Y.,   "A daptive   T hre shold  for  QR S  Com ple x  Detect ion   Based  on   W ave le t   Tr ansform ",  In  Proc .   IE E E   27th  Annua l  Int e rnational   Conf ere nce of the E ng i nee ring  in  M edicine and Bi olog y   Society ,   pp .   728 1 - 7284,   2005 .   [21]   El gendi,  M.,   Jo nkm an,   M.,   &  De  Boe r,   F.,   "I m prove d  QRS   Dete c ti on  Algor it hm   Us ing  Dy n amic  Thre sholds ",   Inte rnational   Jo urnal  of  Hybrid   Information  Tec hnology ,   Vol.   2,   pp.   65 - 80 ,   2009 .   [22]   G.  B.   Mood y ,   R.   G.  Mark  and  A.  L.   Goldber g er,   "P hy sioNe t:   A  W eb - Based  Resourc e  for  th e  Stud y   of  Ph y sio logic   Signal s" ,   IE EE  Engi ne ering  in   Me dicine  and   B i ology   Magazin e ,   Vol.   20,   No.  3 ,   pp.   70 – 75 ,   Ma y   2001.   [23]   Bashee ruddin  S hah  Shaik,   G.  V.  S.  S.  K.  R.   Naga nja ne y u lu ,   T.   Chandr ashe ker ,   &  A.  V.   Nara sim hadha n,     "A   Method  for  QRS   Deli nea ti o n  Based  on  STF T  Us ing  Adapti v e  Thre shold",  Pr oce dia  Compute r  Sci enc e ,   Vol.   5 4 ,     pp.   646   –   653 ,   2 015.   [24]   Nopadol  Ucha i pic ha t  and   Sak ontha wat   Inba n ,   "D eve lopment   of  QRS   Detect ion   Us ing  Short - Ti m e  Fouri e r  Tra nsform   Base d  Techni que" ,   I J CA ,   Spe cial  Iss u e  on  CAS CT, V ol.   (1) ,   pp .   7 – 10 ,   2010.   [25]   John  Darri ngton,  "Towards  Rea l  Ti m e  QRS   Dete ct ion:   A  Fast  M et hod  using  Min imal  Pre - Proce ss ing",   Bi omed ic al   Signal   Proce ss in g  and  Control ,   Vol.   1 ,   No.   2,   pp .   169 – 176 ,   2006 .   [26]   Szi  W en  Chen,   Hs ia o  Chen  Che n  and  Hs ia o  Lun g  Chan,   "A   Re al - Ti m e  QRS   Detect ion  Me thod   Ba sed  on  Moving  –   Avera ging  In cor pora ti ng  wi th  W ave le t   Denois ing",   Computer  Me thods  and  Pr ogram s  in  Bi omedicine ,   Vol.   82 ,   No.3,   pp .   187 – 1 95,   2006 .   [27]   Chouakri ,   S.  A. ,   Bere ksi - R eguig,  F.,   &  Ta l eb - Ahm ed,   A.,   "Q RS   Com ple x  D et e ct ion  B ase d  on  Multi   W ave l et  Packe t   Dec om po siti on",  Appl i ed Mathe mati cs  an d  Computati on ,   217,   p . p.   9508 - 9 525,   2011 .   [28]   V.S.  Chouhan  and  S.S.  Meht a ,   "D et e ct ion   of   QRS   Com ple xes  in  12 - L ea d  ECG  Us ing  Adapti v e  Quantize d   Thre shold",   Inter nati onal Journal  of   Computer  S c ie nc e  and   Net wo rk  Sec uri ty ,   Vo l .   8,   No.1, pp. 155 - 163,   2008 .   [29]   R.   Rodríguez,     A.  Mexic ano ,   J.  Bil a ,   S.  Cerv antes,  &  R.   Ponce,  "F ea ture   Ex tract ion  of  Elec tro cardiogra m   Signals   b y   Appl y ing  A dapt iv e  Thre sh old  and  Principal  Com ponent  Anal y sis" ,   Jo urnal  of  Appl i ed  Re search  a nd   Technol ogy ,   Vol .   13 ,   pp .   261 - 26 9,   2015 .           Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Detect ion   of el ect ro car diogr am  QRS c omple x base d on m odif ie d  ad ap ti ve   ...   ( Eh ab A bdul  Ra zz aq  Hu sse in)   3521   BIOGR AP H I ES   OF  A UTH ORS          Eh ab  Abdu lRa z z a q  Hus sein ,   P hD .   MSc.   Elec tr ic a l  Eng ine er ing   was  born  in   Bab y lon   on  Janu ar y   1,   1976.   He  obta in ed  his  BS c  degr e e  (1997)  in  El ectri ca l  Engi ne eri ng  at  the   Facul t y   o f   Engi ne eri ng,   U nive rsit y   of  Ba b y lon   and   MS c  degr e e  (2000) ,   in  el e ct r ic a l  e ngine er ing  a t  th e  Depa rtment  of  El e ct ri ca l  Eng in ee ring ,   Univer si t y   of  Technol og y   and  his  PhD .   Degre e  from   the   Depa rtment  of  El e ct ri ca l   Engi n ee ring  at   the   F ac ul t y   of  Eng in ee ring ,   Univer si t y   o f  Basra h ,   Curre ntly   h e  w orks  as  assista nt  profe ss or  at  the   El e ct ri cal   Depa rtment  at  the   Fa cul t y   o f   Engi ne eri ng,   Un ive rsit y   of  Bab yl on.   His  m ai n  int ere st  is  signal   p roc essing,   anal ysis,  informati on   tra nsiti on ,   senso rs a nd  cont rol   s y stem a naly sis.       Ali  Sh aba n  Hassoon i,   MSc.   Elec tr ic a l  Engi n eering  was  born  in  Bab y lon  on  Jul y   7 ,   1981.   He  obta in ed  his BSc  degr ee   (2003)  i n  El ectrical   Eng i nee ring  a t  the   Fa cul t y   of  Engi n eering,   Univer si t y   of  Bab y lon  an d  MS c  degr ee  (2011),   in  el e ct roni c  and  co m m unic at ion  e ngine er ing  at   t he  Depa rtment  of   El e ct ri ca l   Eng ine er ing,   Univ e rsit y   of   Bab y lo n,   Curre nt l y   h e  works   at   the  Biom edi cal  Dep art m ent   a t  th e  Facu l t y   of  Eng ineeri ng,   Univ ersity  of  Bab y lon .   His  m ai n  intere st  i s   m edi ca l  signa l  proc essing,   Mic roc ontroller  s y s te m s,  Biom edi c al   sensors   and  cont rol  s y st em  ana l y sis.     Hi lal  Al - Liba w y   r ecei ved   BS c   degr e e  in   Ele ct ri ca l   Engi n ee r ing  from   Bagh dad  Univer si t y ,   Baghda d,   Ira q ,   i n  1991,   MS c  de gre e  in   elec tronic  engi n ee r ing  in   1995.   He  is  a  t ea ch ing  staff   in   Bab y lon  Univ er sit y ,   B ab y lon,  Ir aq  sinc e  2004  till  now.   Al - Li b a w y   a  PhD   stude nt  in  beha v i ora l   ana l y sis  and  op era tor   fatigue   st udie s  sinc e  201 3  in  th e  Univ ersity   of  Li v erp ool ,   Li v erp ool,  UK .   His  m ai n  areas  of  rese ar ch  int er est  ar e  beh avi or al   ana l y sis,   oper at or  f at igu e  d et e ct ion ,   m ac hi n e   le arn ing, a nd  bio logi c al   and cogn it ive m odel l ing  i ncl uding   ACT - R   arc h it e ct ur e     Evaluation Warning : The document was created with Spire.PDF for Python.