Анализ влияния сглаживания и корреляционной обработки на оценку информативных низкоамплитудных составляющих Z-электрокардиосигналов

Обложка

Цитировать

Полный текст

Аннотация

Разработка устройств, которые могут эффективно анализировать электрокардиосигналы (ЭКС), является актуальной задачей. Особенно это касается задачи расширения функционала. Например, в настоящий момент отсутствуют одноканальные устройства, направленные на оценку поздних потенциалов желудочков (ППЖ) сердца – низкоамплитудных составляющих с прогностической ценностью. Цель данной работы – проанализировать возможность регистрации ППЖ в ЭКС по одному отведению. ЭКС по отведению Z выбраны для данной работы. Для более точного анализа применена процедура сглаживания сигналов, а также разработан вспомогательный алгоритм корреляционной обработки на основе коэффициента корреляции 0,97÷0,99. Стандартным методом обнаружено 46 случаев ППЖ, предлагаемым алгоритмом – 80 случаев. Вероятность правильного принятия решения при тестировании алгоритма превысила 73 %. Предложенный алгоритм может обнаруживать ППЖ в ЭКС по отведению Z. Результаты могут быть полезны для разработки одноканального анализатора ЭКС.

Полный текст

Доступ закрыт

Об авторах

Оскар А. Мухаметзянов

Казанский национальный исследовательский технический университет им. А. Н. Туполева-КАИ

Автор, ответственный за переписку.
Email: OAMukhametzyanov@kai.ru
ORCID iD: 0009-0009-8186-4663
SPIN-код: 6062-4483

аспирант, старший преподаватель кафедры радиоэлектронных и телекоммуникационных систем

Россия, Казань

Список литературы

  1. Raj S. A real-time ECG-processing platform for telemedicine applications. In: Advances in Telemedicine for Health Monitoring: Technol-ogies, Design and Applications. Rashid T. A., Chakraborty Ch. A., Fraser K. A. (ed.). Ste-venage, UK: The Institution of Engineering and Technology; 2020:77–127. doi: 10.1049/PBHE023E_ch5
  2. Romagnoli S., Ripanti F., Morettini M. et al. Wearable and portable devices for acquisition of cardiac signals while practicing sport: a scoping review. Sensors. 2023;23(6):3350. doi: 10.3390/s23063350
  3. Arefnezhad S., Eichberger A., Frühwirth M. et al. Driver monitoring of automated vehicles by classification of driver drowsiness using a deep convolutional neural network trained by scalograms of ECG signals. Energies. 2022;15(2):480. doi: 10.3390/en15020480
  4. Lemay M. Data Processing Techniques for the characterization of Atrial Fibrillation. Doctoral thesis. Lausanne, Switzerland: EPFL; 2007. 154 p. doi: 10.5075/epfl-thesis-3982
  5. Frank E. An accurate, clinically practical sys-tem for spatial vectorcardiography. Circula-tion. 1956;13(5):737–749. doi: 10.1161/01.CIR.13.5.737
  6. Banluesombatkul N., Rakthanmanon T., Wila iprasitporn T. Single channel ECG for obstruc-tive sleep apnea severity detection using a deep learning approach. TENCON 2018 – 2018 IEEE Region 10 Conference, Jeju, Korea (South), 28–31 Oct. 2018. IEEE; 2018:2011–2016. doi: 10.1109/TENCON.2018.8650429
  7. Simson M. B. Use of Signals in the Terminal QRS-Complex to Identify Patients with Ven-tricular Tachycardia after Myocardial Infarc-tion. Circulation. 1981;64(2):235–242. doi: 10.1161/01.CIR.64.2.235
  8. Breithardt G., Cain M. E., el-Sherif N. et al. Standards for analysis of ventricular late po-tentials using high-resolution or signal-averaged electro cardiography. A statement by a Task Force Committee of the European So-ciety of Cardiology, the American Heart Asso-ciation, and the American College of Cardiol-ogy. Circulation. 1991;83(4):1481–1488. doi: 10.1161/01.CIR.83.4.1481
  9. Mukhametzyanov O. A., Shcherbakova T. F., Libina D. V. et al. Analysis of Electrocardi-osignals by Z Lead on Presence of Low-Amplitude High-Frequency Components. 2023 Systems of Signals Generating and Pro-cessing in the Field of on Board Communica-tions, Moscow, Russian Federation, 14–16 March 2023. IEEE; 2023:1–5, doi: 10.1109/ieeeconf56737.2023.10092101
  10. Chui K. T., Kim F. T., Hao R. C. et al. An Accurate ECG-Based Transportation Safety Drowsiness Detection Scheme. IEEE Transac-tions on Industrial Informatics. 2016;12(4):1438–1452. doi: 10.1109/TII.2016.2573259
  11. Nayak S. K., Bit A., Dey A. et al. A review on the nonlinear dynamical system analysis of electrocardiogram signal. Journal of healthcare engineering. 2018;2018(1):6920420. doi: 10.1155/2018/6920420
  12. Wang J., Wang P., Wang S. Automated detec-tion of atrial fibrillation in ECG signals based on wavelet packet transform and correlation function of random process. Biomedical Sig-nal Processing and Control. 2020;55:101662. doi: 10.1016/j.bspc.2019.101662
  13. Lander P., Berbari E. J., Rajagopalan C. V. et al. Critical analysis of the signal-averaged electrocardiogram. Improved identification of late potentials. Circulation. 1993;87(1):105–117. doi: 10.1161/01.CIR.87.1.105

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Область ППЖ

Скачать (104KB)
Метаданные
3. Рис. 2. Очистка сигнала сглаживанием

Скачать (124KB)
Метаданные
4. Рис. 3. Изменение напряжения (меньшая корреляция) в начале ЭКС

Скачать (171KB)
Метаданные
5. Рис. 4. Параметры ППЖ

Скачать (139KB)
Метаданные
6. Рис. 5. Наличие ППЖ

Скачать (171KB)
Метаданные

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».