Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/43413| Назва: | Компонентний метод аналізу кардіопоказників у системах медичного моніторингу |
| Інші назви: | The Component Method of Cardiac Parameters Analyzing in Medical Monitoring Systems |
| Автори: | Матчак, Ольга Михайлівна Matchak, Olha |
| Приналежність: | Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University |
| Бібліографічний опис: | Матчак 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. |
| Дата публікації: | 27-гру-2023 |
| Дата подання: | 26-гру-2023 |
| Дата внесення: | 7-січ-2024 |
| Видавництво: | Тернопільський національний технічний університет імені Івана Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопільський національний технічний університет імені Івана Пулюя |
| Науковий керівник: | Гевко, Олена Василівна Hevko, Olena |
| Члени комітету: | Дедів, Ірина Юріївна Dediv, Iryna |
| УДК: | 620.179.14 |
| Теми: | 163 біомедична інженерія ЕКГ-сигнал вейвлет-перетворення машинне навчання MATLAB Python ECG signal wavelet transform machine learning |
| Короткий огляд (реферат): | У 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. Modern 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. |
| Зміст: | ВСТУП 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 71 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/43413 |
| Власник авторського права: | © Матчак Ольга Михайлівна, 2023 |
| Перелік літератури: | 1. Pan W.J., Tompkins. A: “Real – Time QRS Detection Algorithm” //Transactions on biomedical engineering. – 1985. P. 230 – 236. 2. Savitzky A, Golay MJE, Smoothing and Differentiation of Data by simplified Least Squares Procedures. Analytical Chemistry, 1964;36:1627-1639. 3. The MathWorks, Inc: Wavelet Toolbox User's Guide 1997 – 2004, pp. 1-8 -6-76. 4. Zheng L., Lall C. and Chen Y., "Low-distortion baseline removal algorithm for electrocardiogram signals," 2012 Computing in Cardiology, 2012, pp. 769-772. 5. 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). 6. 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. 7. 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). 8. Louppe G. and Geurts P., “Ensembles on Random Patches”, Machine Learning and Knowledge Discovery in Databases, 346-361, 2012. 9. 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. 10. 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_28 11. 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/ 12. 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). 13. 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. 14. 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. 15. 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). 16. 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. 17. 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. 18. 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. 19. 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. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 163 — біомедична інженерія |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Авторська довідка (Матчак).doc | 45 kB | Microsoft Word | Переглянути/відкрити | |
| Diplom_Матчак_О_М_РБмз-61.pdf | 2,3 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора