Інформаційна технологія обробки даних електрокардіограм для знаходження R-піків
DOI:
https://doi.org/10.15407/dopovidi2024.05.044Ключові слова:
автоматизований аналіз ЕКГ, визначення R-піків, диференціювання сигналу ЕКГАнотація
Запропоновано підхід до коректного обчислення похідної сигналу електрокардіограми (ЕКГ) для ефективного визначення R-піків на основі порогових алгоритмів. На відміну від існуючих порогових підходів з використанням обчислення похідної сигналу ЕКГ, даний підхід має істотні удосконалення в напрямку оптимізації обчислень, що дозволяє використовувати його для великих наборів даних. Новизна підходу полягає в тому, що для даних ЕКГ будується кусково-поліноміальне наближення, яке водночас є згладжуючим. Надалі обчислюється похідна від згладженої функції. Ефективність методу підтверджена за допомогою розробленої інформаційної технології для обчислення R-піків ЕКГ з відкритої бази MIT-BIH.
Завантаження
Посилання
Álvarez, R. A., Méndez, A. J. & Sobrino, A. V. (2013). A Comparison of Three QRS Detection Algorithms Over a Public Database. Procedia Technology, 9, pp. 1159-1165. https://doi.org/10.1016/j.protcy.2013.12.129
Imteyaz, A. (2020). A review of QRS detection by differentiation method. International Journal of Research in Engineering, IT and Social Sciences, Vol. 10, Iss. 06, pp. 17-22.
Gutiérrez-Rivas, R., García, J. J., Marnane W. P. & Hernández, Á. (2015). Novel Real-Time Low-Complexity QRS Complex Detector Based on Adaptive Thresholding. IEEE Sensors J., 15, No. 10, pp. 6036-6043, https:// doi.org/10.1109/JSEN.2015.2450773
Rodríguez, R., Mexicano, A., Bila, J., Cervantes, S. & Ponce, R. (2015). Feature extraction of electrocardiogram signals by applying adaptive threshold and principal component analysis. J. Appl. Research and Technology, 13, No. 2, pp. 261-269. https://doi.org/10.1016/j.jart.2015.06.008
Nishida, E. N., Dutra, O. O., Ferreira L. H. C. & Colletta, G. D. Application of Savitzky-Golay digital differentiator for QRS complex detection in an electrocardiographic monitoring system. 2017 IEEE Int. Symposium on Medical Measurements and Applications (MeMeA), Rochester, MN, USA, 2017, pp. 233-238. https://doi. org/10.1109/MeMeA.2017.7985881
Knowles, I. & Renka, R. J. (2014). Methods for numerical differentiation of noisy data. Electronic J. Differential Equations, 21, pp. 235-246.
Van Breugel, F., Kutz, J. N. & Brunton, B. W. (2020). Numerical Differentiation of Noisy Data: A Unifying Multi-Objective Optimization Framework. IEEE Access, 8, pp. 196865-196877. https://doi.org/10.1109/ACCESS. 2020.3034077
Stelia, O., Krak, I. & Potapenko, L. (2020). Controlled Spline of Third Degree: Approximation Properties and Practical Application. In: Lytvynenko, V., Babichev, S., Wójcik, W., Vynokurova, O., Vyshemyrskaya, S., Radetskaya, S. (eds.). Lecture Notes in Computational Intelligence and Decision Making. ISDMCI 2019. Advances in Intelligent Systems and Computing, V. 1020, pp. 215-224. Springer, Cham. https://doi. org/10.1007/978-3-030-26474-1_16
Krak, I., Pashko, A., Stelia, O., Barmak, O. & Pavlov, S. (2020). Selection Parameters in the ECG Signals for Analysis of QRS Complexes. 1st Int. Workshop on Intelligence Information Technologies and Systems of Information Security, IntelITSIS 2020, Khmelnytsky, Ukraine, June 10-12, CEUR Workshop Proceeding, V. 2623, pp. 1-13.
Moody, G.B. &, Mark, R.G. (2001). The impact of the MIT-BIH Arrhythmia Database. IEEE Eng in Med and Biol 20(3):45-50 (May-June). (PMID: 11446209).
Goldberger, A. L., Amaral, L. A. N., Glass, L. at al. (2000). PhysioBank, PhysioToolkit, and PhysioNet. Components of a New Research Resource for Complex Physiologic Signals. Circulation. 101(23): e215-e220 [Circulation Electronic Pages. https://circ.ahajournals.org/content/101/23/e215.full]
DSTU EN 60601-2-47:2017 Vyroby medychni elektrychni. Chastyna 2-47. Dodatkovi vymohy shchodo bezpeky, okhoplyuyuchy vymohy do osnovnykh kharakterystyk, ambulatornykh elektrokardiohrafichnykh system (in Ukrainian).
Kouekeu, L.K.N., Mohamadou, Y., Djeukam, A. et al. (2022). Embedded QRS complex detection based on ECG signal strength and trend. Biomedical Engineering Advances, Vol. 3, P.100030. https://doi.org/10.1016/j. bea.2022.100030
He, R., Wang, K., Li, Q. et al. (2017). A novel method for the detection of R-peaks in ECG based on K-Nearest Neighbors and Particle Swarm Optimization. EURASIP J. Adv. Signal Process, No. 82. https://doi.org/10.1186/ s13634-017-0519-3
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Reports of the National Academy of Sciences of Ukraine
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
