Automatic computation of cardio vascular arrhythmic risk from ECG data of Covid 19 patients- Covidsquared

Heart disease is one of the leading causes of death in recent years, and this issue has increased the importance of early and rapid diagnosis of cardiac arrhythmias. Cardiac arrhythmias are a group of conditions in which the electrical activity of the heart is irregular and faster or slower than normal. An electrocardiogram (ECG) is widely used as a simple and non-invasive way to diagnose heart disease, especially dangerous and common arrhythmias. In this project, we intend to design a system that can automatic computation of cardiovascular arrhythmic risk from ECG of covid 19 patients. Using machine learning techniques to automatically detect and parse these signals can be very helpful. In general, ECG analysis is performed in two stages: the first stage is the extraction of ECG properties and the second stage is their classification based on the extracted characteristics to different conditions. Manual analysis is very time consuming and tedious, so the development of automated methods for ECG analysis is crucial. In recent years, many algorithms have been proposed to detect cardiac arrhythmias, which mainly include four main methods. These methods include noise cancellation, waveform detection, feature extraction, and arrhythmia classification.

Le malattie cardiache sono una delle principali cause di morte negli ultimi anni e questo problema ha accresciuto l'importanza di una diagnosi precoce e rapida delle aritmie cardiache. Le aritmie cardiache sono un gruppo di condizioni in cui l'attività elettrica del cuore è irregolare e più veloce o più lenta del normale. Un elettrocardiogramma (ECG) è ampiamente utilizzato come un modo semplice e non invasivo per diagnosticare le malattie cardiache, in particolare le aritmie pericolose e comuni. In questo progetto, intendiamo progettare un sistema in grado di calcolare automaticamente il rischio aritmico cardiovascolare dall'ECG di pazienti covid 19. L'uso di tecniche di apprendimento automatico per rilevare e analizzare automaticamente questi segnali può essere molto utile. In generale, l'analisi ECG viene eseguita in due fasi: la prima fase è l'estrazione delle proprietà ECG e la seconda fase è la loro classificazione in base alle caratteristiche estratte alle diverse condizioni. L'analisi manuale richiede molto tempo e noiosa, quindi lo sviluppo di metodi automatizzati per l'analisi ECG è fondamentale. Negli ultimi anni sono stati proposti molti algoritmi per rilevare le aritmie cardiache, che includono principalmente quattro metodi principali. Questi metodi includono la cancellazione del rumore, il rilevamento della forma d'onda, l'estrazione delle caratteristiche e la classificazione dell'aritmia.