1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 122 — комп’ютерні науки
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/43423
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorМлинко, Богдана Богданівна-
dc.contributor.authorВалицький, Василь Михайлович-
dc.contributor.authorValytskyi, Vasyl-
dc.date.accessioned2024-01-07T14:45:15Z-
dc.date.available2024-01-07T14:45:15Z-
dc.date.issued2023-12-26-
dc.date.submitted2023-12-12-
dc.identifier.citationВалицький В.М. Методи та моделі спектрального аналізу біомедичних сигналів: кваліфікаційна робота магістра за спеціальністю „122 — комп’ютерні науки“ / В.М. Валицький. — Тернопіль : ТНТУ, 2023. – 84 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/43423-
dc.description.abstractКваліфікаційна робота присвячена дослідженню методів та моделей спектрального аналізу світлових біомедичних сигналів, ідентифікації нових, в області, інформативних ознак та, відповідно, вдосконаленню діагностичних систем. В першому розділі кваліфікаційної роботи проаналізовано предметну область, проаналізовано відомі методи обробки світлових сигналів та діагностичні ознаки у відомих фотометричних інформаційних системах. В другому розділі кваліфікаційної роботи проаналізовано біофізичні особливості виникнення сигналу, породженого взаємодією світло-біотканина та представлено ортогональні розклади як методи ідентифікації інформативних ознак досліджуваного сигналу. В третьому розділі кваліфікаційної роботи розроблено концепцію побудови інформаційної системи для спектрального аналізу світлових біосигналів, наведено результати проведених досліджень. Об’єкт дослідження: процес зміни у часі інтенсивності світлового потоку, промодульовані змінами у часі кровонаповнення судин. Предмет дослідження: методи та моделі спектрального аналізу світлових біосигналів. The qualification work is devoted to the study of methods and models of spectral analysis of light biomedical signals, identification of new informative features in the field and, accordingly, improvement of diagnostic systems. The first chapter of the qualification work analyzes the subject area, analyzes the known methods of processing light signals and diagnostic features in well-known photometric information systems. The second section of the qualification work analyzes the biophysical features of the signal generated by the interaction of light and biotissue and presents orthogonal decompositions as methods for identifying informative features of the studied signal. In the third chapter of the qualification work, the concept of building an information system for the spectral analysis of light biosignals is developed, and the results of the research are presented. Object of research: the process of changes in the intensity of the light flux over time, modulated by changes in the blood filling of blood vessels. Subject of research: methods and models of spectral analysis of light biosignals.uk_UA
dc.description.tableofcontentsВСТУП ...8 ОГЛЯД ЛІТЕРАТУРНИХ ДЖЕРЕЛ ЗА ТЕМОЮ ДОСЛІДЖЕННЯ… 10 1.1 Огляд методів діагностики стану судинного русла...10 1.2 Історія розвитку методу фотоплетизмографії як напрямку спостереження біооб’єкту...14 1.3 Характеристика біомедичних об’єктів вимірювань як світлорозсіювальних середовищ...16 1.4 Вимоги до розробки систем для оцінки кровонаповнення та вимірювань оптичних характеристик біотканин...20 1.5 Аналіз відомих фотометричних інформаційних систем...24 1.6 Аналіз відомих методів аналізу та інформативних ознак світлового сигналу…27 2 ОРТОГОНАЛЬНІ РОЗКЛАДИ, ЯК МЕТОДИ ІДЕНТИФІКАЦІЇ ІНФОРМАТИВНИХ ОЗНАК ДОСЛІДЖУВАНОГО СИГНАЛУ… 31 2.1 Аналіз біофізичних особливостей виникнення сигналу, породженого взаємодією світло-біотканина ...31 2.2 Специфіка світлового cигналу як об’єкту дослідження… 35 2.3 Ортогональні розклади детермінованих функцій … 37 2.4 Ортогональні розклади випадкових процесів …41 3 ІНФОРМАЦІЙНА СИСТЕМА ДЛЯ СПЕКТРАЛЬНОГО АНАЛІЗУ СВІТЛОВИХ БІОСИГНАЛІВ МЕТОДОМ ОРТОГОНАЛЬНИХ РОЗКЛАДІВ… 45 3.1 Структурна схема та технічні характеристики інформаційної автоматизованої системи...45 3.2 Ідентифікація та оцінювання діагностичних ознак...49 3.2.1 Оцінювання коефіцієнтів ортогонального розкладу математичного сподівання світлового cигналу ...49 3.2.2 Спектральний аналіз з використанням дискретного перетворення Фур є...51 3.2.3 Спектральний аналіз з використанням дискретного перетворення Уолша-Адамара...54 3.2.4 Спектральний аналіз з використанням дискретного перетворення Уолша-Пелі...56 3.2.5 Спектральний аналіз з використанням дискретного перетворення Уолша...58 3.3 Результати проведених досліджень інформативних характеристик світлового сигналу на основі спектрального аналізу. Оцінки коефіцієнтів ортогонального розкладу...62 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ... 4.1 Завдання охорони праці у формуванні комфортного виробничого середовища користувачів ЕОМ 4.2 Підвищення стійкості роботи підприємств у воєнний час 68 ВИСНОВКИ... 73 ПЕРЕЛІК ДЖЕРЕЛ...74 ДОДАТКИuk_UA
dc.language.isoukuk_UA
dc.subjectсвітловий біосигнал (фотоплетизмографічний сигнал)uk_UA
dc.subjectlight biosignal (photopletysmic signal)uk_UA
dc.subjectстатистичні методи аналізуuk_UA
dc.subjectstatistic processinguk_UA
dc.subjectспектральний аналізuk_UA
dc.subjectspectral analysisuk_UA
dc.subjectортогональний розкладuk_UA
dc.subjectorthogonal decompositionuk_UA
dc.subjectінформативні характеристикиuk_UA
dc.subjectinformative characteristicuk_UA
dc.titleМетоди та моделі спектрального аналізу біомедичних сигналівuk_UA
dc.title.alternativeMethods and models of spectral analysis of biomedical signalsuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Валицький Василь Михайлович, 2023uk_UA
dc.contributor.committeeMemberБойко, Ігор Володимирович-
dc.coverage.placenameТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Українаuk_UA
dc.subject.udc378.011.3-051: 371.3uk_UA
dc.relation.references1. N. AlHinai, “Introduction to biomedical signal processing and artificial intelligence,” in Biomedical Signal Processing and Artificial Intelligence in Healthcare, 2020. doi: 10.1016/B978-0-12-818946-7.00001-9.uk_UA
dc.relation.references2. R. Assuncao, C. Rocha, L. Lobo, L. M. Rodrigues, and J. Requicha, “Photopletismography in dogs: Identification of spectral elements and application in a surgical setting,” Biomed. Biopharm. Res., vol. 18, no. 2, 2021, doi: 10.19277/bbr.18.2.264.uk_UA
dc.relation.references3. Зудов О. М., Шарпан О.Б. Діагностичні можливості спектрального аналізу сигналів пульсової хвилі. Вісник ЖІТІ. Технічні науки. 2001. № 16. С. 82-85.uk_UA
dc.relation.references4. Марченко Б. Млинко Б., Фриз М. Математична модель фотоплетизмосигналу − основа ідентифікації інформативних ознак. Міжнародний науковий журнал «Комп’ютинг». 2005. Т.5. № 2. С. 73-82.uk_UA
dc.relation.references5. Млинко, Б.Б.. Фриз М.Є. Алгоритм статистичної діагностики на основі реєстрації та аналізу фотоплетизмосигналів. Вісник Хмельницького національного університету. Технічні науки. Хмельницький, 2013. № 4. С.176-182.uk_UA
dc.relation.references6. Gómez-Echavarría, J. P. Ugarte, and C. Tobón, “The fractional Fourier transform as a biomedical signal and image processing tool: A review,” Biocybernetics and Biomedical Engineering, vol. 40, no. 3. 2020. doi: 10.1016/j.bbe.2020.05.004.uk_UA
dc.relation.references7. Млинко Б.Б. Математична модель ритмічного біосигналу в задачах фотоплетизмодіагностики. Автореф. дис... канд. техн. наук: 01.05.02. Тернопіль, 2003. 19 с.uk_UA
dc.relation.references8. M. K. Jalagam and V. K. Mittal, “Recent Studies on Applications Using Biomedical Signal Processing: A Review,” 2021. doi: 10.1109/GCAT52182.2021.9587456.uk_UA
dc.relation.references9. H. Y. Jan, M. F. Chen, T. C. Fu, W. C. Lin, C. L. Tsai, and K. P. Lin, “Evaluation of Coherence Between ECG and PPG Derived Parameters on Heart Rate Variability and Respiration in Healthy Volunteers With/Without Controlled Breathing,” J. Med. Biol. Eng., vol. 39, no. 5, 2019, doi: 10.1007/s40846-019-00468-9.uk_UA
dc.relation.references10. S. Karavaev et al., “Low-frequency component of photoplethysmogram reflects the autonomic control of blood pressure,” Biophys. J., vol. 120, no. 13, 2021, doi: 10.1016/j.bpj.2021.05.020.uk_UA
dc.relation.references11. Нікітчук Т.М. Порівняльний аналіз методів реєстрації пульсової хвилі. Вісник Хмельницького національного університету. Хмельницький, 2013. Серія: Технічні науки. № 1. – С. 183-186.uk_UA
dc.relation.references12. P. Li and T. M. Laleg-Kirati, “Central Blood Pressure Estimation from Distal PPG Measurement Using Semiclassical Signal Analysis Features,” IEEE Access, vol. 9, 2021, doi: 10.1109/ACCESS.2021.3065576uk_UA
dc.relation.references13. X. Li, C. Hu, A. Meng, Y. Guo, Y. Chen, and R. Dang, “Heart rate variability and heart rate monitoring of nurses using PPG and ECG signals during working condition: A pilot study,” Heal. Sci. Reports, vol. 5, no. 1, 2022, doi: 10.1002/hsr2.477.uk_UA
dc.relation.references14. Y. Liang, M. Elgendi, Z. Chen, and R. Ward, “Analysis: An optimal filter for short photoplethysmogram signals,” Sci. Data, vol. 5, 2018, doi: 10.1038/sdata.2018.76.uk_UA
dc.relation.references15. G. Martínez, N. Howard, D. Abbott, K. Lim, R. Ward, and M. Elgendi, “Can photoplethysmography replace arterial blood pressure in the assessment of blood pressure?,” J. Clin. Med., vol. 7, no. 10, 2018, doi: 10.3390/jcm7100316uk_UA
dc.relation.references16. N. R. Chaurasia and M. A. Hasamnis, “Development of a low cost heart rate monitoring and transmission system using PPG signal processing for wearable devices,” Int. J. Innov. Technol. Explor. Eng., vol. 8, no. 10, 2019, doi: 10.35940/ijitee.J9829.0881019.uk_UA
dc.relation.references17. Хвостівська Л.В., Яворський Б.І. Математична модель пульсового сигналу для підвищення інформативності систем діагностики стану судин людини. Вісник кременчуцького національного університету імені Михайла Остроградського. Кременчук, 2015. Випуск 6 (95). С.29-34.uk_UA
dc.relation.references18. Хвостівський М.О., Хвостівська Л.В. Синтез структури інформаційної системи реєстрації та обробки пульсового сигналу. Науковий вісник Чернівецького університету: збірник наук. праць. Чернівці, 2015. Фізика. Електроніка. Т. 4, Вип. 1. С. 83-89. ISSN 2227-8842uk_UA
dc.relation.references19. Хвостівська Л.В., Імітаційна модель пульсового сигналу судин людини. Вісник Хмельницького національного університету. Технічні науки. Хмельницький, 2016. № 2. С.94-100.uk_UA
dc.relation.references20. Y. Moro Awelisah, G. Li, M. Ijaz, and L. Lin, “The effect of spectral photoplethysmography amplification and its application in dynamic spectrum for effective noninvasive detection of blood components,” Opt. Laser Technol., vol. 133, 2021, doi: 10.1016/j.optlastec.2020.106515uk_UA
dc.relation.references21. D.-G. Oh, B.-S. Min, S.-O. Kwon, and H.-J. Kim, “Effective PPG Signal Processing Method for Detecting Emotional Stimulus,” J. Korean Inst. Commun. Inf. Sci., vol. 37, no. 5C, 2012, doi: 10.7840/kics.2012.37c.5.393.uk_UA
dc.relation.references22. J. Park, H. S. Seok, S. S. Kim, and H. Shin, “Photoplethysmogram Analysis and Applications: An Integrative Review,” Frontiers in Physiology, vol. 12. 2022. doi: 10.3389/fphys.2021.808451.uk_UA
dc.relation.references23. V. Patel and A. K. Shah, “Machine learning for biomedical signal processing,” in Machine Learning and the Internet of Medical Things in Healthcare, 2021. doi: 10.1016/B978-0-12-821229-5.00002-1.uk_UA
dc.relation.references24. P. Petropulu, “Higher-Order Spectra in Biomedical Signal Processing,” IFAC Proc. Vol., vol. 27, no. 1, 1994, doi: 10.1016/s1474-6670(17)46158-1.uk_UA
dc.relation.references25. J. Přibil, A. Přibilová, and I. Frollo, “Comparative Measurement of the PPG Signal on Different Human Body Positions by Sensors Working in Reflection and Transmission Modes †,” Eng. Proc., vol. 2, no. 1, 2020, doi: 10.3390/ecsa-7-08204.uk_UA
dc.relation.references26. Янковенко О.Д. Експериментальне дослідження функціонального стану людини на основі амплітудного спектрального аналізу пульсової хвилі. Вісник Національного технічного університету України «КПІ». Серія: Радіотехніка. Радіоапаратобудування. 2010. № 40. С. 35-41.uk_UA
dc.relation.references27. J. Přibil, A. Přibilová, and I. Frollo, “Comparison of Three Prototypes of PPG Sensors for Continual Real-Time Measurement in Weak Magnetic Field†,” Sensors, vol. 22, no. 10, 2022, doi: 10.3390/s22103769.uk_UA
dc.relation.references28. R. Priyadharsini and A. Kunthavai, “Implementation of Digital Filters for Real-Time PPG Signal Processing in VLC,” Fluct. Noise Lett., vol. 22, no. 1, 2023, doi: 10.1142/S0219477523500013.uk_UA
dc.relation.references29. J. Chen, K. Sun, Y. Sun, and X. Li, “Signal Quality Assessment of PPG Signals using STFT Time-Frequency Spectra and Deep Learning Approaches,” 2021. doi: 10.1109/EMBC46164.2021.9630758.uk_UA
dc.relation.references30. M. Rajabioun, “Biomedical Signal Processing and Control,” Biomed. Signal Process. Control, vol. 61, no. January, 2020.uk_UA
dc.relation.references31. J. Rajeswari and M. Jagannath, “Advances in biomedical signal and image processing – A systematic review,” Informatics in Medicine Unlocked, vol. 8. 2017. doi: 10.1016/j.imu.2017.04.002.uk_UA
dc.relation.references32. B. Ren, Z. Wang, K. Ma, Y. Zhou, and M. Liu, “An Improved Method of Heart Rate Extraction Algorithm Based on Photoplethysmography for Sports Bracelet,” Inf., vol. 14, no. 5, 2023, doi: 10.3390/info14050297.uk_UA
dc.relation.references33. Y. Ruan, X. Chen, X. Zhang, and X. Chen, “Principal component analysis of photoplethysmography signals for improved gesture recognition,” Front. Neurosci., vol. 16, 2022, doi: 10.3389/fnins.2022.1047070.uk_UA
dc.relation.references34. S. Sanei and H. Hassani, Singular Spectrum Analysis of Biomedical Signals. 2015. doi: 10.1201/b19140.uk_UA
dc.relation.references35. S. Sarkar, A. Bhoi, and G. Savita, “Fingertip Pulse Wave (PPG signal) Analysis and Heart Rate Detection,” Int. J. Emerg. …, vol. 2, no. 9, 2012.uk_UA
dc.relation.references36. O. T. Schmidt and T. Colonius, “Guide to spectral proper orthogonal decomposition,” AIAA J., vol. 58, no. 3, 2020, doi: 10.2514/1.J058809.uk_UA
dc.relation.references37. Schölgl, C. Vidaurre, and T. H. Sander, “BioSig: The free and open source software library for biomedical signal processing,” Comput. Intell. Neurosci., vol. 2011, 2011, doi: 10.1155/2011/935364.uk_UA
dc.relation.references38. P. Cheng, Z. Chen, Q. Li, Q. Gong, J. Zhu, and Y. Liang, “Atrial fibrillation identification with PPG signals using a combination of time-frequency analysis and deep learning,” IEEE Access, vol. 8, 2020, doi: 10.1109/ACCESS.2020.3025374.uk_UA
dc.relation.references39. A. Silverio, C. G. Suarez, L. A. A. Silverio, J. Y. Dino, J. B. Duran, and G. E. G. Catambing, “An Unobtrusive, Wireless and Wearable Single-Site Blood Pressure Monitor Based on an Armband Using Electrocardiography (ECG) and Reflectance Photoplethysmography (PPG) Signal Processing,” Electron., vol. 12, no. 7, 2023, doi: 10.3390/electronics12071538.uk_UA
dc.relation.references40. Sološenko, A. Petrėnas, V. Marozas, and L. Sörnmo, “Modeling of the photoplethysmogram during atrial fibrillation,” Comput. Biol. Med., vol. 81, 2017, doi: 10.1016/j.compbiomed.2016.12.016.uk_UA
dc.relation.references41. S. Sonawani, K. Patil, and P. Natarajan, “Biomedical signal processing for health monitoring applications: a review,” Int. J. Appl. Syst. Stud., vol. 10, no. 1, 2023, doi: 10.1504/IJASS.2021.10045116.uk_UA
dc.relation.references42. Tazarv and M. Levorato, “A Deep Learning Approach to Predict Blood Pressure from PPG Signals,” 2021. doi: 10.1109/EMBC46164.2021.9629687uk_UA
dc.relation.references43. K. Tyapochkin, E. Smorodnikova, and P. Pravdin, “Smartphone PPG: Signal processing, quality assessment, and impact on HRV parameters,” 2019. doi: 10.1109/EMBC.2019.8856540uk_UA
dc.relation.references44. S. Vadrevu and M. Sabarimalai Manikandan, “A Robust Pulse Onset and Peak Detection Method for Automated PPG Signal Analysis System,” IEEE Trans. Instrum. Meas., vol. 68, no. 3, 2019, doi: 10.1109/TIM.2018.2857878uk_UA
dc.relation.references45. R. S. Vulcan, S. André, and M. Bruyneel, “Photoplethysmography in normal and pathological sleep,” Sensors, vol. 21, no. 9, 2021, doi: 10.3390/s21092928uk_UA
dc.relation.references46. M. T. Wu, I. F. Liu, Y. H. Tzeng, and L. Wang, “Modified photoplethysmography signal processing and analysis procedure for obtaining reliable stiffness index reflecting arteriosclerosis severity,” Physiol. Meas., vol. 43, no. 8, 2022, doi: 10.1088/1361-6579/ac7d91uk_UA
dc.relation.references47. Q. Wu, “On a Feature Extraction and Classification Study for PPG Signal Analysis,” J. Comput. Commun., vol. 09, no. 09, 2021, doi: 10.4236/jcc.2021.99012uk_UA
dc.relation.references48. Z. Zhang, “Photoplethysmography-based heart rate monitoring in physical activities via joint sparse spectrum reconstruction,” IEEE Trans. Biomed. Eng., vol. 62, no. 8, 2015, doi: 10.1109/TBME.2015.2406332uk_UA
dc.relation.references49. M. Elgendi, PPG Signal Analysis: An Introduction Using MATLAB, vol. 5, no. 3. 2020.uk_UA
dc.relation.references50. M. Elgendi, PPG Signal Analysis. 2020. doi: 10.1201/9780429449581uk_UA
dc.relation.references51. M. Elgendi, Y. Liang, and R. Ward, “Toward Generating More Diagnostic Features from Photoplethysmogram Waveforms,” Diseases, vol. 6, no. 1, 2018, doi: 10.3390/diseases6010020uk_UA
dc.relation.references52. F. Esgalhado, A. Batista, V. Vassilenko, S. Russo, and M. Ortigueira, “Peak Detection and HRV Feature Evaluation on ECG and PPG Signals,” Symmetry (Basel)., vol. 14, no. 6, 2022, doi: 10.3390/sym14061139uk_UA
dc.relation.references53. M. Fryz and B. Mlynko, “Property Analysis of Conditional Linear Random Process as a Mathematical Model of Cyclostationary Signal,” in Proceedings of the 2nd International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP 2022), 2022, vol. 3309, pp. 77–82. Accessed: Jan. 27, 2023. [Online]. Available: https://ceur-ws.org/Vol-3309/short2.pdfuk_UA
dc.relation.references54. M. Fryz and B. Mlynko, “Properties of Stationarity and Cyclostationarity of ConditionalLinear Random Processes,” 2020 IEEE 15th International Conference on Advanced Trends inRadioelectronics, Telecommunications and Computer Engineering(TCSET). 2020.uk_UA
dc.relation.references55. M. Fryz, L. Scherbak, B. Mlynko, and T. Mykhailovych, “Linear Random Process Model-Based EEG Classification Using Machine Learning Techniques,” in Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023), 2023, vol. 3468, pp. 126–132. [Online]. Available: https://ceur-ws.org/Vol-3468/short5.pdfuk_UA
dc.relation.references56. M. Fryz, “Conditional linear random process and random coefficient autoregressive model for EEG analysis,” 2017. doi: 10.1109/UKRCON.2017.8100498uk_UA
dc.relation.references57. M. Fryz, “Mixing property and ergodicity of linear random processes,” 2009. doi: 10.1109/IDAACS.2009.5342967uk_UA
dc.relation.references58. M. Stadnyk, M. Fryz, and L. Scherbak, “The feature extraction and estimation of a steady-state visual evoked potential by the Karhunen-Loeve expansion,” Eastern-European J. Enterp. Technol., vol. 1, no. 4 (85), pp. 56–62, 2017.uk_UA
dc.relation.references59. V. Babak, A. Zaporozhets, Y. Kuts, M. Myslovych, M. Fryz, and L. Scherbak, “Models and Characteristics of Identification of Noise Stochastic Signals of Research Objects,” in Proceedings of the 2nd International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP 2022), 2022, vol. 3309, pp. 349–362. [Online]. Available: https://ceur-ws.org/Vol-3309/paper22.pdfuk_UA
dc.relation.references60. M. Fryz, L. Scherbak, M. Karpinski, and B. Mlynko, “Characteristic Function of Conditional Linear Random Process,” in The 1st International Workshop on Information Technologies: Theoretical and Applied Problems 2021, 2021, pp. 129–135. [Online]. Available: https://ceur-ws.org/Vol-3039/short40.pdfuk_UA
dc.relation.references61. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання «БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ» / В.С. Стручок –Тернопіль: ФОП Паляниця В. А., –156 с.uk_UA
dc.relation.references62. Навчальний посібник «ТЕХНОЕКОЛОГІЯ ТА ЦИВІЛЬНА БЕЗПЕКА. ЧАСТИНА «ЦИВІЛЬНА БЕЗПЕКА»» / автор-укладач В.С. Стручок– Тернопіль: ФОП Паляниця В. А., –156 с.uk_UA
dc.contributor.affiliationТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
Mag_2023__SNm-61_Valytskyi_V_M.pdf1,69 MBAdobe PDFПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


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

Інструменти адміністратора