1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 163 — біомедична інженерія
Använd denna länk för att citera eller länka till detta dokument: http://elartu.tntu.edu.ua/handle/lib/50387
Titel: Виявлення аномалій серцевого ритму на основі аналізу фотоплетизмографічних сигналів
Övriga titlar: Detection of Heart Rhythm Abnormalities Based on the Analysis of Photoplethysmographic Signals
Författare: Кіраш, Вікторія Олександрівна
Kirash, Viktoriia
Affiliation: Тернопільський національний технічний університет імені Івана Пулюя
Ternopil Ivan Puluj National Technical University
Bibliographic description (Ukraine): Кіраш В.О. Виявлення аномалій серцевого ритму на основі аналізу фотоплетизмографічних сигналів : робота на здобуття кваліфікаційного ступеня магістра : спец. 163 - біомедична інженерія / наук. кер. М. О. Хвостівський. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. 101 с.
Utgivningsdatum: 10-dec-2025
Submitted date: dec-2025
Date of entry: 12-dec-2025
Utgivare: Тернопільський національний технічний університет імені Івана Пулюя
Country (code): UA
Place of the edition/event: Тернопільський національний технічний університет імені Івана Пулюя, кафедра біотехнічних систем
Supervisor: Хвостівський, Микола Орестович
Khvostivskyi, Mykola
Committee members: Яворський, Богдан Іванович
UDC: 004.414.2
004.93
616.12-008.3
519.23
Nyckelord: 163
біомедична інженерія
фотоплетизмографія
ФПГ-сигнал
серцевий ритм
аномалії ритму
вейвлет-перетворення
віконна сегментація
MATLAB
математична модель
photoplethysmography
PPG signal
heart rhythm
rhythm abnormalities
wavelet transform
windowed segmentation
mathematical model
Page range: 101
Sammanfattning: В роботі представлено дослідження методів обробки ФПГ-сигналів з метою виявлення аномалій серцевого ритму. Проведено аналітичний огляд сучасних підходів обробки ФПГ-сигналів, включаючи часові, спектральні, статистичні, морфологічні, ентропійні методи, а також методи машинного та глибокого навчання. Встановлено, що найбільш ефективним для аналізу нестаціонарних пульсових сигналів є поєднання віконної сегментації та вейвлет-перетворення, що забезпечує високу точність локалізації короткочасних аномальних епізодів. Розроблено математичну модель ФПГ-сигналу, яка описує структуру прямої та відбитої хвиль і дозволяє моделювати патологічні стани серцевого ритму, такі як аритмія, тахікардія та фібриляція передсердь. На основі цієї моделі запропоновано метод виявлення аномалій, що ґрунтується на аналізі енергетичних характеристик вейвлет-коефіцієнтів у віконних інтервалах. Створено алгоритмічно-програмне забезпечення в середовищі MATLAB, яке реалізує обробку ФПГ-сигналу, його сегментацію, вейвлет-обробка та автоматичне виявлення аномалій серцевого ритму. Проведено тестування на реальних ФПГсигналах, результати якого підтверджують ефективність розробленого методу для задач скринінгу та моніторингу серцевої діяльності.
The work presents a study devoted to the development of methods and software tools for detecting heart rhythm abnormalities based on the analysis of photoplethysmographic (PPG) signals. A comprehensive analysis of contemporary PPG signal processing techniques has been carried out, covering time-domain, spectral, statistical, morphological, and entropy-based methods, including techniques grounded in machine learning and advanced deep-learning frameworks. It is shown that the combination of windowed segmentation and wavelet transform provides the highest efficiency for analyzing nonstationary PPG signals and enables accurate localization of short-term rhythm irregularities. A mathematical model of the PPG signal is developed, describing the structure of the direct and reflected pulse waves and enabling the simulation of pathological heart rhythm states such as arrhythmia, tachycardia, and atrial fibrillation. Based on this model, a method for detecting heart rhythm abnormalities is proposed, relying on the analysis of energy characteristics of wavelet coefficients within adaptive time windows. Algorithmic and software tools are implemented in the MATLAB environment, including modules for signal preprocessing, segmentation, wavelet analysis, and automated detection of rhythm abnormalities. Testing on real PPG signals confirms the effectiveness of the developed method for screening and continuous monitoring of cardiovascular function.
Beskrivning: Кваліфікаційна робота виконана на кафедрі біотехнічних систем Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 22.12.2025 р. о 10.00 на засіданні ЕК № 26.
Content: ВСТУП 9 РОЗДІЛ 1. ОГЛЯД ІСНУЮЧИХ НАПРАЦЮВАНЬ У СФЕРІ АНАЛІЗУ ФОТОПЛЕТИЗМОГРАФІЧНИХ СИГНАЛІВ 13 1.1 Фізіологічні основи роботи серцево-судинної системи та характеристика серцевого ритму 13 1.2 Особливості впливу серцевого ритму на структуру та параметри фотоплетизмографічних сигналів 15 1.3 Методи обробки сигналів для виявлення аномалій серцевого ритму 18 1.3.1 Спектральні методи 19 1.3.2 Кореляційні методи 19 1.3.3 Статистичні методи 20 1.3.4 Ентропійні методи 20 1.3.5 Морфологічні методи 21 1.3.6 Синфазні та компонентні методи 21 1.3.7 Методи машинного навчання 22 1.3.8 Методи глибокого навчання 22 1.3.9 Вейвлет-обробка 22 1.3.10 Порівняльна таблиця існуючих методів 24 1.4 Висновки до розділу 1 27 РОЗДІЛ 2. МЕТОД ТА АЛГОРИТМ ВИЯВЛЕННЯ АНОМАЛІЙ СЕРЦЕВОГО РИТМУ 28 2.1 Математична модель ФПГ-сигналу з епізодами аномалій 28 2.1.1 Базова модель одного циклу серцевого ритму 28 2.1.2 Математичне представлення базового циклу 29 2.1.3 Модифікація моделі при аномаліях серцевого ритму (аритмія, тахікардія, фібриляція) 31 2.1.3.1. Узагальнена модель серцевого ритму з варіабельністю 32 2.1.3.2 Модель тахікардії 33 2.1.3.3 Модель аритмії 33 2.1.3.4. Модель фібриляції передсердь 34 2.1.3.5 Практичне значення модифікованої моделі 35 2.1.4 Формалізація параметрів моделі для комп’ютерної реалізації 35 2.1.5 Нормалізація та масштабування 35 2.1.6 Алгоритмічна реалізація в MATLAB 38 2.1.7 Переваги параметричної моделі 41 2.2 Метод виявлення аномалій серцевого ритму 42 2.3 Алгоритм виявлення аномалій серцевого ритму 49 2.4 Висвновки до розділу 2 51 РОЗДІЛ 3. РОЗРОБКА ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ В MATLAB ТА АНАЛІЗ РЕЗУЛЬТАТІВ 53 3.1 Вибір інструментарію та обґрунтування використання середовища MATLAB 53 3.2 Структура та функціональні можливості розробленого програмного забезпечення у MATLAB 56 3.2.1 Архітектура програмного забезпечення 56 3.2.2 Імпорт і попередня обробка ФПГ-сигналу 57 3.2.3 Віконна сегментація сигналу 58 3.2.4 Вейвлет-обробка сегментів 59 3.2.5 Визначення аномалій серцевого ритму 60 3.2.6 Візуалізація результатів 60 3.2.7 Функціональні можливості програмного забезпечення 61 3.3 Тестування програмного забезпечення та інтерпретація отриманих результатів 62 3.4 Висновки до розділу 3 67 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 69 4.1 Охорона праці 69 4.2 Безпека в надзвичайних ситуаціях 72 4.3 Висновки до розділу 4 75 ЗАГАЛЬНІ ВИСНОВКИ 77 ПЕРЕЛІК ПОСИЛАНЬ 79 ДОДАТКИ 85 ДОДАТОК А. Теза конференції (копія) 86 ДОДАТОК Б. Скрипт ПЗ реалізації математичної моделі з фрагментами аномалій серцевого ритму 95 ДОДАТОК В. Скрипт ПЗ виявлення аномалій серцевого ритму 98
URI: http://elartu.tntu.edu.ua/handle/lib/50387
Copyright owner: © Кіраш Вікторія Олександрівна, 2025
References (Ukraine): 1. Бойко В. І. Серцево-судинна система людини: навч. посіб. / В. І. Бойко. — Київ: Здоров’я, 2018. — 320 с.
2. Guyton A. C., Hall J. E. Textbook of Medical Physiology. — 14th ed. — Philadelphia: Elsevier, 2020. — 1152 p
3. Klabunde R. E. Cardiovascular Physiology Concepts. — 3rd ed. — Lippincott Williams & Wilkins, 2017. — 384 p.
4. Борисенко О. М. Фізіологія серця та кровообігу / О. М. Борисенко. — Харків: ХНУ, 2019. — 256 с.
5. Mohrman D. E., Heller L. J. Cardiovascular Physiology. — 9th ed. — McGraw-Hill, 2018. — 448 p.
6. Zipes D. P., Jalife J. Cardiac Electrophysiology: From Cell to Bedside. — 7th ed. — Elsevier, 2018. — 1152 p.
7. Бондаренко В. В., Соловйов С. М. Основи кардіології. — Львів: ЛНМУ, 2017. — 288 с.
8. Bers D. M. Cardiac Excitation-Contraction Coupling. — 2nd ed. — Springer, 2018. — 512 p.
9. Paterson D. J. Neural Control of the Heart. — Oxford: Oxford University Press, 2017. — 336 p.
10. Camm A. J., et al. Textbook of Clinical Cardiology. — 6th ed. — WileyBlackwell, 2017. — 1024 p
11. Weissler A. M. Heart Rate Variability and Autonomic Control. — Circulation, 2019. — Vol. 140, №12. — P. 100–112.
12. Malik M., Camm A. J. Heart Rate Variability. — Armonk: Futura Publishing, 2019. — 368 p.
13. Goldberger A. L. Clinical Electrocardiography: A Simplified Approach. — 9th ed. — Elsevier, 2018. — 400 p.
14. Shaffer F., Ginsberg J. P. An Overview of Heart Rate Variability Metrics and Norms. — Front. Public Health, 2017. — Vol. 5, №258.
15. Berntson G. G., et al. Heart Rate Variability: Origins, Methods, and Interpretive Caveats. — Psychophysiology, 2017. — Vol. 34, №6. — P. 623–648.
16. Acharya U. R., et al. Heart Rate Variability: A Review. — Med. Biol. Eng. Comput., 2017. — Vol. 44, №12. — P. 1031–1051.
17. Zimetbaum P., Josephson M. E. Evaluation of Patients With Palpitations. — N. Engl. J. Med., 2016. — Vol. 374, №13. — P. 1184–1193.
18. Camm A. J., et al. Guidelines for the Management of Atrial Fibrillation. — Eur. Heart J., 2016. — Vol. 37, №38. — P. 2893–2962.
19. Clifford G. D., et al. Advanced Methods and Tools for ECG Data Analysis. — Artech House, 2017. — 512 p.
20. Allen J. Photoplethysmography and Its Application in Clinical Physiological Measurement. — Physiol. Meas., 2017. — Vol. 28, №3. — P. R1–R39.
21. Tamura T., et al. Wearable Photoplethysmographic Sensors — Past and Present. — Electronics, 2014. — Vol. 3, №2. — P. 282–302.
22. Clifford G. D., et al. Advanced Methods and Tools for ECG Data Analysis. — Artech House, 2017. — 512 p.
23. Acharya U. R., et al. Automated Detection of Arrhythmias Using ECG Signals. — Comput. Biol. Med., 2017. — Vol. 89. — P. 110–124.
24. Poh M.-Z., et al. Advancements in Photoplethysmography for Heart Rate Monitoring. — Physiol. Meas., 2010. — Vol. 31, №3. — P. 1–12.
25. Allen J. Photoplethysmography and Its Application in Clinical Physiological Measurement. — Physiol. Meas., 2017. — Vol. 28, №3. — P. R1–R39.
26. Tamura T., et al. Wearable Photoplethysmographic Sensors — Past and Present. — Electronics, 2014. — Vol. 3, №2. — P. 282–302.
26. Shelley K. H. Photoplethysmography: Beyond the Calculation of Arterial Oxygen Saturation and Heart Rate. — Anesth. Analg., 2007. — Vol. 105, №6. — P. S31– S36.
27. Allen J., Murray A. R. Clinical Applications of Photoplethysmography. — J. Clin. Monit. Comput., 2004. — Vol. 18, №6. — P. 333–347.
28. Verkruysse W., Svaasand L. O., Nelson J. S. Remote Plethysmographic Imaging Using Ambient Light. — Opt. Express, 2008. — Vol. 16, №26. — P. 21434–21445.
29. Charlton P. H., et al. Modeling Arterial Pulse Features in Photoplethysmography. — Physiol. Meas., 2018. — Vol. 39, №5. — P. 054001.
30. Elgendi M. On the Analysis of Fingertip Photoplethysmogram Signals. — Curr. Cardiol. Rev., 2012. — Vol. 8, №1. — P. 14–25.
31. Reisner A., et al. Utility of the Photoplethysmogram in Circulatory Monitoring. — Anesth. Analg., 2008. — Vol. 106, №6. — P. 1636–1643.
32. Shelley K. H., et al. The Photoplethysmographic Signal: Understanding Its Physiological Basis. — Anesth. Analg., 2001. — Vol. 92, №5. — P. 1393–1399.
33. Zhang Z. Photoplethysmography-Based Heart Rate Monitoring: From Theory to Practice. — IEEE Sens. J., 2015. — Vol. 15, №11. — P. 3113–3127
34. Elgendi M., et al. Systolic Peak Detection in Acceleration Photoplethysmograms Measured from Different Body Locations. — PLoS ONE, 2013. — Vol. 8, №7. — P. e76585.
35. Karlen W., et al. Robust Heart Rate Measurement from Multimodal Signals. — Physiol. Meas., 2013. — Vol. 34, №9. — P. 1141–1157.
36. Allen J. Photoplethysmography and its application in clinical physiological measurement // Physiol. Meas. – 2007. – Vol. 28. – P. R1–R39. DOI: 10.1088/0967-3334/28/3/R01.
37. Park J., Seok H.S., Kim S.–S., Shin H. Photoplethysmogram Analysis and Applications: An Integrative Review. – Frontiers in Physiology. – 2022. – Vol. 12. – Article 808451. DOI: 10.3389/fphys.2021.808451.
38. Бережний І., Наконечний А. Аналіз методів і алгоритмів для дистанційної діагностики та фільтрації сигналів фотоплетизмографії // Advances in Cyber-Physical Systems. – 2024. – Т. 9, № 1. – С. 82-88.
39. Cheng, Peng; Chen, Zhencheng; Li, Quanzhong; Gong, Qiong; Zhu, Jianming; Liang, Yongbo. Atrial Fibrillation Identification With PPG Signals Using a Combination of Time-Frequency Analysis and Deep Learning // IEEE Access. – 2020. – Vol. 8. – P. 172692-172706. DOI: 10.1109/ACCESS.2020.3025374.
40. Väliaho E. et al. Autocorrelation-based detection of atrial fibrillation from wrist PPG // Comput. Biol. Med. – 2021. – Vol. 134. – 104453. DOI: 10.3389/fphys.2021.654555.
41. Guo, Y.; Wang, H.; Zhang, H.; Chen, Yundai; Lip, G.Y.H. Population-Based Screening or Targeted Screening Based on Initial Clinical Risk Assessment for Atrial Fibrillation: A Report from the Huawei Heart Study // J. Clin. Med. – 2020. – Vol. 9(5). – Article 1493. – DOI: 10.3390/jcm9051493.
42. Tison G.H., Sanchez J.M., Ballinger B., Singh A., Olgin J.E., Pletcher M.J., Vittinghoff E., Lee E.S., Fan S.M., Gladstone R.A., Mikell C., Sohoni N., Hsieh J., Marcus G.M. Passive Detection of Atrial Fibrillation Using a Commercially Available Smartwatch // JAMA Cardiology. – 2018. – Vol. 3(5). – P. 409–416. – DOI: 10.1001/jamacardio.2018.0136.
43. Paradkar N., Chowdhury S.R. «Cardiac arrhythmia detection using photoplethysmography: PhysioNet Challenge 2015» // Computing in Cardiology (CinC). – 2015. – Vol. 42. – P. 273-276.
44. Млинко Б.Б., Фриз М.Є. Алгоритм статистичної діагностики на основі реєстрації та аналізу фотоплетизмосигналів // Вісник Хмельницького національного університету. – 2013. – №3. – С. 45–52.
45. Park J., Lee S., Jeon M. Atrial fibrillation detection by heart rate variability in Poincaré plot of PPG // Computers in Biology and Medicine. – 2009. – Vol. 39(8). – P. 746– 754. DOI: 10.1016/j.compbiomed.2009.06.006.
46. Bashar, S.K., Han, D., Hajeb-Mohammadalipour, S. et al. Atrial Fibrillation Detection from Wrist Photoplethysmography Signals Using Smartwatches. Sci Rep 9, 15054 (2019). https://doi.org/10.1038/s41598-019-49092-2.
47. Pereira T., Tran N., Gadhoumi K., Pelter M. M., Do D. H., Lee R. J., et al. Photoplethysmography based atrial fibrillation detection: a review // npj Digital Medicine. – 2020. – Vol. 3. – Article 3. – DOI: 10.1038/s41746‑019‑0207‑9.
48. Lee J., Reyes B. A., McManus D. D., Chon K. H. Atrial fibrillation detection using a smart phone // Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). – 2012. – P. 1177–1180. – DOI: 10.1109/EMBC.2012.6346146.
49. Charlton P.H., Bonnici T., Tarassenko L., Clifton D.A., Beale R., Malik A., Li X. An integrative review of the photoplethysmogram: analysis and applications // Physiological Measurement. – 2022. – Vol. 43. – 05TR01. – DOI: 10.1088/1361- 6579/ac5f3d.
50. Li Q., Clifford G.D. Signal quality and data fusion for photoplethysmogram analysis using dynamic time warping // Physiological Measurement. – 2012. – Vol. 33(9). – P. 1491–1501. – DOI: 10.1088/0967-3334/33/9/1491.
51. Хвостівська Л. В. Математична модель та методи аналізу пульсового сигналу для підвищення інформативності фотоплетизмографічних систем : дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01.05.02 / Л. В. Хвостівська. – Тернопіль : ТНТУ, 2021. – 177 с.
52. Talukdar D., De Deus L. F., Sehgal N. Evaluation of Atrial Fibrillation Detection in Short-Term Photoplethysmography (PPG) Signals Using Artificial Intelligence // Cureus. – 2023. – Vol. 15(9). – Article e45111. – DOI: 10.7759/cureus.45111.
53. Aschbacher K., Avery E., Hauser M. et al. Deep learning detection of atrial fibrillation using raw photoplethysmography signals // Heart Rhythm O2. – 2020. – Vol. 1(3). – P. 187–196. – DOI: 10.1016/j.hroo.2020.05.005.
54. Yousefi R., Parak J., Tarniceriu A., Harju J., Yli‑Hankala A., Korhonen I. Atrial Fibrillation Detection from Wrist Photoplethysmography Data Using Artificial Neural Networks. – Master’s thesis. – Tampere University of Technology, Tampere, Finland, June 2018.
55. Park J., Seok H.S., Kim S.–S., Shin H. Photoplethysmogram Analysis and Applications: An Integrative Review. Frontiers in Physiology. – 2022. – Vol. 12. – Article 808451. DOI: 10.3389/fphys.2021.808451.
56. Cheng, Peng; Chen, Zhencheng; Li, Quanzhong; Gong, Qiong; Zhu, Jianming; Liang, Yongbo. Atrial Fibrillation Identification With PPG Signals Using a Combination of Time-Frequency Analysis and Deep Learning. IEEE Access. – 2020. – Vol. 8. – P. 172692– 172706. DOI: 10.1109/ACCESS.2020.3025374.
57. Khvostivskyi M., Kirash V., Khvostivska L., Karabinenko Yu. Method and algorithm of window wavelet processing of photopletysmographic signal in the Mayer basis as a tool for diagnostic arrhythmias. Collection of Scientific Papers with the Proceedings of the 3rd International Scientific and Practical Conference «Modern Problems of Science and Technology» (September 22-24, 2025, Tallinn, Estonia). European Open Science Space, 2025. p.142-147. DOI: 10.70286/eoss-22.09.2025.004. ISBN 979-8-89704-951-6.
58. Khvostivskyi M., Kirash V., Khvostivska L., Karabinenko Yu. Method and algorithm of window wavelet processing of photopletysmographic signal in the Mayer basis as a tool for diagnostic arrhythmias. Collection of Scientific Papers with the Proceedings of the 3rd International Scientific and Practical Conference «Modern Problems of Science and Technology» (September 22-24, 2025, Tallinn, Estonia). European Open Science Space, 2025. p.142-147. DOI: 10.70286/eoss-22.09.2025.004. ISBN 979-8-89704-951-6.
59. Hvostivska L., Oksukhivska H., Hvostivskyy M., Shadrina H. Імітаційне моделювання добового пульсового сигналу для задачі верифікації алгоритмів роботи систем довготривалого моніторингу, Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування, (77). 2019. pp 66-73. doi: 10.20535/RADAP.2019.77.66-73.
60. 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 2227-8842
61. 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.
62. 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.
Content type: Master Thesis
Samling:163 — біомедична інженерія

Fulltext och övriga filer i denna post:
Fil Beskrivning StorlekFormat 
Kirash_V_O_RBm-61.pdf4,57 MBAdobe PDFVisa/Öppna
Visa fullständig post


Materialet i DSpace är upphovsrättsligt skyddat och får ej användas i kommersiellt syfte!

Administrativa verktyg