1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 163 — біомедична інженерія
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/43413
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorГевко, Олена Василівна-
dc.contributor.advisorHevko, Olena-
dc.contributor.authorМатчак, Ольга Михайлівна-
dc.contributor.authorMatchak, Olha-
dc.date.accessioned2024-01-07T11:39:57Z-
dc.date.available2024-01-07T11:39:57Z-
dc.date.issued2023-12-27-
dc.date.submitted2023-12-26-
dc.identifier.citationМатчак О. М. Компонентний метод аналізу кардіопоказників у системах медичного моніторингу : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „163 — біомедична інженерія“ / О. М. Матчак. — Тернопіль: ТНТУ, 2023. — 73 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/43413-
dc.description.abstractУ кваліфікаційній роботі магістра Проаналізовано сучасні методи обробки та аналізу ЕКГ. Найбільш ефективним способом обробки та отримання діагностичної інформації є компонентне виявлення кардіопоказників методом, заснованм на вейвлет перетворенні. Класифікація ЕКГ проводилася на 4 класи з допомогою машинного навчання, основу алгоритм випадкового лісу. Алгоритм обробки сигналу реалізувався за допомогою програмного пакету Matlab, класифікація мовою Python.uk_UA
dc.description.abstractModern methods of processing and analysis of ECG are analyzed in the master's thesis. The most effective method of processing and obtaining diagnostic information is the component detection of cardiac indicators by the method based on wavelet transformation. ECG classification was carried out into 4 classes with the help of machine learning, based on the random forest algorithm. The signal processing algorithm was implemented using the Matlab software package, classification in the Python language.uk_UA
dc.description.tableofcontentsВСТУП 7 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 9 1.1 Актуальність проблеми серцево-судинних захворювань 9 1.2 Електрокардіографія 9 1.3 Нормальна електрокардіограма. Особливості ЕКГ здорової людини та хворої на серцево-судинні захворювання 10 1.4 Перешкоди під час запису ЕКГ 11 1.5 Огляд та аналіз існуючих методів обробки ЕКГ 13 1.6 Огляд та аналіз існуючих методів виділення інформативних ознак з ЕКГ 15 1.7 Класифікація ознак ЕКГ 15 1.8 Висновки до розділу 1 16 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 18 2.1. Метод обробки та аналізу ЕКГ-сигналу 18 2.2. Вейвлет-перетворення 18 2.3. Безперервне вейвлет-перетворення 21 2.4. Дискретне вейвлет-перетворення 23 2.5. Види аналізуючих функцій ВП 25 2.6. Попередня обробка ЕКГ-сигналу 27 2.7. Порогова обробка ВК при фільтрації сигналу 28 2.8. Оцінювання шуму в сигналі 28 2.9. Характеристики обробленого сигналу 29 2.10 Постановка задачі класифікації 30 2.11. Вибір методу класифікації 30 2.12 Висновки до розділу 2 31 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 32 3.1 Обробка і аналіз ЕКГ-сигналів 32 3.2. Вибір оптимальних параметрів ВП для видалення дрейфу ізолінії з ЕКГ 42 3.3. Алгоритм попередньої обробки ЕКГ 45 3.4. Алгоритм обробки ЕКГ 47 3.5. Точність локалізації PQRST-хвиль 55 3.6. Класифікація ЕКГ 56 3.7. Висновки до розділу 3 58 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 59 4.1 Охорона праці 59 4.2 Безпека в надзвичайних ситуаціях 62 4.3 Висновки до розділу 4 65 ЗАГАЛЬНІ ВИСНОВКИ 66 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 68 ДОДАТКИ 71uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject163uk_UA
dc.subjectбіомедична інженеріяuk_UA
dc.subjectЕКГ-сигналuk_UA
dc.subjectвейвлет-перетворенняuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectMATLABuk_UA
dc.subjectPythonuk_UA
dc.subjectECG signaluk_UA
dc.subjectwavelet transformuk_UA
dc.subjectmachine learninguk_UA
dc.titleКомпонентний метод аналізу кардіопоказників у системах медичного моніторингуuk_UA
dc.title.alternativeThe Component Method of Cardiac Parameters Analyzing in Medical Monitoring Systemsuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Матчак Ольга Михайлівна, 2023uk_UA
dc.contributor.committeeMemberДедів, Ірина Юріївна-
dc.contributor.committeeMemberDediv, Iryna-
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject.udc620.179.14uk_UA
dc.relation.references1. Pan W.J., Tompkins. A: “Real – Time QRS Detection Algorithm” //Transactions on biomedical engineering. – 1985. P. 230 – 236.uk_UA
dc.relation.references2. Savitzky A, Golay MJE, Smoothing and Differentiation of Data by simplified Least Squares Procedures. Analytical Chemistry, 1964;36:1627-1639.uk_UA
dc.relation.references3. The MathWorks, Inc: Wavelet Toolbox User's Guide 1997 – 2004, pp. 1-8 -6-76.uk_UA
dc.relation.references4. Zheng L., Lall C. and Chen Y., "Low-distortion baseline removal algorithm for electrocardiogram signals," 2012 Computing in Cardiology, 2012, pp. 769-772.uk_UA
dc.relation.references5. Endo A., Shibata T. and Tanaka H. Comparison of seven algorithms to predict breast cancer survival, Biomedical Soft Computing and Human Sciences, vol.13, pp.11-16. (2008).uk_UA
dc.relation.references6. Gothwal,H., Kedawat S., Kumar R., Cardiac arrhythmias detection in an ECG beat signal using fast Fourier transform and artificial neural network //Biomedi- cal Science and Engineering. – 2011. P. 289 – 296.uk_UA
dc.relation.references7. He, H., Wang, Z., Tan, Y.: Noise reduction of ECG signals through genetic opti- mized wavelet threshold filtering. In: IEEE International Conference on Compu- tational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA), pp. 1–6 (2015).uk_UA
dc.relation.references8. Louppe G. and Geurts P., “Ensembles on Random Patches”, Machine Learning and Knowledge Discovery in Databases, 346-361, 2012.uk_UA
dc.relation.references9. Lundstrom L, Karlsson P, Ohlsson T. Method and Device for Filtering out Base- line Fluctuations from an Electrocardiogram. US Patent 5,469,856, Nov. 28, 1995.uk_UA
dc.relation.references10. Malysheva, V., Zaynullina, D., Stosh, A., Cherepennikov, G. (2022). Application of Wavelet Transform for ECG Processing. In: Koucheryavy, Y., Balandin, S., Andreev, S. (eds) Internet of Things, Smart Spaces, and Next Generation Net- works and Systems. NEW2AN ruSMART 2021 2021. Lecture Notes in Com- puter Science(), vol 13158. Springer, Cham. https://doi.org/10.1007/978-3-030- 97777-1_28uk_UA
dc.relation.references11. Velayudhan P.: Noise analysis and different denoising techniques of ecg signal // J. of electronics and communication engineering. 2016. Р. 40–44. URL:http://iosrjournals.org/iosr-jece/uk_UA
dc.relation.references12. Гонгало Н.Г., Хвостівський М.О. Вейвлет обробка магнітокардіосигналів в базисі Хаара. XI Міжнародна науково-практична конференція молодих учених та студентів „Актуальні задачі сучасних технологій“, 7-8 грудня 2022 року. Т.: ТНТУ, 2022. С. 121. (Комп’ютерно-інформаційні технології та системи зв’язку).uk_UA
dc.relation.references13. Петрук С.Л., Хвостівський М.О. Метод та програмне забезпечення обробки електрогастроентеросигналу. Матеріали IX науково-технічної конференції «Інформаційні моделі, системи та технології» Тернопільського національного технічного університету імені Івана Пулюя, (Тернопіль, 8-9 грудня 2021 р.). Тернопіль: Тернопільський національний технічний університет імені Івана Пулюя, 2021. С.123.uk_UA
dc.relation.references14. Dudar T., Khvostivskyi M., Uniyat S. Algorithmical and Software Processing of PCG-signals for Diagnosing Stenosis of the Aortic Valve of the Heart. The 11th International scientific and practical conference “Integration of science as a mechanism of effective development” (November 28 - December 01, 2023) Helsinki, Finland. International Science Group. 2023. p.384-388. ISBN 979-8-89238-623-4. DOI: 10.46299/ISG.2023.2.11.uk_UA
dc.relation.references15. Хвостівська Л.В., Осухівська Г.М., Хвостівський М.О., Шадріна Г.М., Дедів, І. Ю. Розвиток методів та алгоритмів обчислення періоду стохастичних біомедичних сигналів для медичних комп’ютерно-діагностичних систем. Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування. 2019. Вип. 79. С. 78-84. doi: 10.20535/RADAP.2019.79.78-84. ISSN 2310-0389 (e-ISSN 2310-0397).uk_UA
dc.relation.references16. Yavorska Y., Strembitska O., Strembitskyi M., Hvostivska L. Evaluation of methods for determining abnormalities in cardiovascular system by pulse signal under psycho-emotional stress in dental practice. Scientific Journal of TNTU. 2020. – С. 118–126.uk_UA
dc.relation.references17. Математичне та комп’ютерне моделювання електрокардіосиґналів у системах голтерівського моніторинґу / Л.Є. Дедів, А.С. Сверстюк, І.Ю. Дедів, М.О. Хвостівський, В.Г. Дозорський, Є.Б. Яворська. – Львів: Видавництво «Магнолія - 2006», 2021. – 120 с.uk_UA
dc.relation.references18. Стручок В.С. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної бо та заочної (дистанційної) форм навчання / В.С.Стручок. — Тернопіль: ФОП Паляниця В. А., 2022. — 156 с.uk_UA
dc.relation.references19. Хвостівський М.О., Яворська Є.Б. Методичні рекомендації з оформлення кваліфікаційних робіт магістра за спеціальністю 163 Біомедична інженерія. Тернопіль: ТНТУ імені Івана Пулюя, 2020. 23 с. 20. Хвостівський М.О., Яворська Є.Б. Методичні рекомендації з оформлення кваліфікаційних робіт магістра за спеціальністю 163 Біомедична інженерія. Тернопіль: ТНТУ імені Івана Пулюя, 2023. 57 с.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.contributor.affiliationTernopil Ivan Puluj National Technical Universityuk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:163 — біомедична інженерія

Файли цього матеріалу:
Файл Опис РозмірФормат 
Авторська довідка (Матчак).doc45 kBMicrosoft WordПереглянути/відкрити
Diplom_Матчак_О_М_РБмз-61.pdf2,3 MBAdobe PDFПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора