韓劇電影你都看哪一部呢？論文書籍站
國立交通大學 電機資訊國際學程 方偉騏所指導 松黃的 多導程心電圖早搏檢測和收縮壓估計的機器學習方法暨嵌入式系統實現 （2019），提出ESC PTT關鍵因素是什麼，來自於過早的心室收縮、多導層心電圖、心電圖信號處理、卷積神經網絡、數字信號處理、嵌入式系統。
而第二篇論文國立屏東科技大學 高階經營管理碩士在職專班 劉正祥所指導 張瓊月的 應用資料探勘探討急性心肌梗塞與存活狀況之影響關係 （2019），提出因為有 急性心肌梗塞、資料探勘、分類、決策樹的重點而找出了 ESC PTT的解答。
多導程心電圖早搏檢測和收縮壓估計的機器學習方法暨嵌入式系統實現
為了解決ESC PTT 的問題，作者松黃 這樣論述：
心電圖（ECG）是重要的生命信號，它記錄了心臟活動的電訊號變化。 ECG可以非常快速，準確地對心臟相關疾病進行無創，無痛的診斷。心室早期收縮（PVC）是許多人常出現的一種具不規則心跳症狀的疾病。具體而言，如果過早發生心室收縮，則可能會增加引起嚴重心臟問題的風險。因此，需要早期的檢測和診斷PVC。當前，與人工智能（AI）相關的方法（尤其是深度學習）可以實現高精度，以檢測包括PVC在內的多種疾病，並在整個醫療行業的轉型中發揮關鍵作用。 AI具有克服傳統醫療保健系統中取捨問題的優勢，被認為是一種減少成本，具有不確定性因素，但提高治療，預測，診斷效率並讓所有人都可以使用的新方法。 AI可攜式系統為患
者提供了遠程照護服務，減少病人實地看診的麻煩。此外，據世界衛生組織全球衛生觀察站[29]報導，有20％的男性和24％的女性患有高血壓（BP）。高血壓被普遍認為是心血管、循環系統和腦血管疾病的預測因素。因此適當的血壓控制和即早治療是必須的。在目前相關的方法中，人工智能（AI），尤其是深度學習，可以實現包含PVC在內多種疾病的偵測並且有良好的準確度，為醫療領域帶來了重要的改變。人工神經網路也被視為強大的近似回歸函數方法，可利用運練數據來估測血壓值。可攜式的AI醫療系統提供患者遠程監測服務，其優點在於能克服傳統醫療系統上的取捨，並且能將低成本、改善治療效率，讓更多人能夠便利的獲得醫療服務。人工智能系
統的關鍵是深度卷積神經網絡（CNN），它可以從數據中學習並進行精確的分類。然而，生理數據在體積和尺寸方面是相當大的，這是數字化時代因數據維數所帶來的影響。由於計算資源的限制，高維數據使CNN難以處理。用於維數縮減的方法有多種，其中，張量分解是擴展，可以被認為是高階主成分分析（PCA），它能夠在多維數據中找到較低維的隱藏結構。 Tensor分解可自動從多維信號中提取特徵，並且可擴展以從3 Lead到16 Lead ECG應用。本文在進行CNN分類之前，比較了小波融合和張量分解兩種信號和特徵提取的組合。還提出了兩種信號分割方法，包括心電圖一次分割和心電圖三次分割，使用Time Scale Modi
fication演算法來處理不同大小的分割資料。基於張量法的心電圖一次分割的準確性更高，為90.84％，靈敏度為78.6％，特異性為99.86％。在PC上對CNN進行訓練後，該系統將於Nvidia Nano Jetson之嵌入式系統中實現。對於血壓值的估計，文獻[30]中證明了BP和脈衝傳輸時間（PTT）是相關的。 PTT是脈搏波經過不同的動脈位置傳播時ECG峰與PPG峰之間的相差時間。 本碩士論文中，我們提取了兩個特徵，電信號的PTT以及R-R間隔。接著，人工神經網絡將進行訓練並回歸估測收縮血壓。此基於ECG和PPG訊號的收縮血壓估測系統採用ANN作為核心運算，並且以Nano Jetson嵌
入式系統作為實現。
應用資料探勘探討急性心肌梗塞與存活狀況之影響關係
為了解決ESC PTT 的問題，作者張瓊月 這樣論述：
隨著人口結構老化、飲食習慣、生活模式與家庭型態的改變，心臟疾病自2004年起即高居台灣十大死因前二名，以冠狀動脈心臟疾病最多，又每年約兩萬人併發急性心肌梗塞而引發的心肌壞死及猝死最為可怕。本研究目的在探討急性心肌梗塞病人年齡、性別屬性、不同就醫方式（指119救護車、他院轉入及病人自行就醫）以及送不同急救責任醫院（如重度、中度及一般）對於病人存活狀況的影響關係。本研究以某直轄市轄內急救責任醫院急診室收治急性心肌梗塞病人的臨床醫療資料庫，透過資料探勘軟體 WEKA的決策樹演算法，找出8條分類規則來說明影響急性心肌梗塞病人存活狀況之重要因子。研究結果中也發現「年齡」、「性別」、「送醫院的方式」、「
送不同的急救責任醫院」將影響急性心肌梗塞病人的存活狀況。本研究的貢獻是針對資料探勘的分析結果擬定精進作為，提供政府改善急性心肌梗塞病人合理轉診及送醫流程；同時，也推展適人適性適群的急性心肌梗塞衛教模式，強化民眾急性心肌梗塞疾病的健康識能，提升急性心肌梗塞病人存活率。