1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 163 — біомедична інженерія
Ezzel az azonosítóval hivatkozhat erre a dokumentumra forrásmegjelölésben vagy hiperhivatkozás esetén: http://elartu.tntu.edu.ua/handle/lib/50387
Összes dokumentumadat
DC mezőÉrtékNyelv
dc.contributor.advisorХвостівський, Микола Орестович-
dc.contributor.advisorKhvostivskyi, Mykola-
dc.contributor.authorКіраш, Вікторія Олександрівна-
dc.contributor.authorKirash, Viktoriia-
dc.date.accessioned2025-12-12T09:34:05Z-
dc.date.available2025-12-12T09:34:05Z-
dc.date.issued2025-12-10-
dc.date.submitted2025-12-
dc.identifier.citationКіраш 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.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/50387-
dc.descriptionКваліфікаційна 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.uk_UA
dc.description.abstractВ 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.uk_UA
dc.description.abstractThe 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.uk_UA
dc.description.tableofcontentsВСТУП 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 98uk_UA
dc.format.extent101-
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject163uk_UA
dc.subjectбіомедична інженеріяuk_UA
dc.subjectфотоплетизмографіяuk_UA
dc.subjectФПГ-сигналuk_UA
dc.subjectсерцевий ритмuk_UA
dc.subjectаномалії ритмуuk_UA
dc.subjectвейвлет-перетворенняuk_UA
dc.subjectвіконна сегментаціяuk_UA
dc.subjectMATLABuk_UA
dc.subjectматематична модельuk_UA
dc.subjectphotoplethysmographyuk_UA
dc.subjectPPG signaluk_UA
dc.subjectheart rhythmuk_UA
dc.subjectrhythm abnormalitiesuk_UA
dc.subjectwavelet transformuk_UA
dc.subjectwindowed segmentationuk_UA
dc.subjectmathematical modeluk_UA
dc.titleВиявлення аномалій серцевого ритму на основі аналізу фотоплетизмографічних сигналівuk_UA
dc.title.alternativeDetection of Heart Rhythm Abnormalities Based on the Analysis of Photoplethysmographic Signalsuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Кіраш Вікторія Олександрівна, 2025uk_UA
dc.contributor.committeeMemberЯворський, Богдан Іванович-
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюя, кафедра біотехнічних системuk_UA
dc.subject.udc004.414.2uk_UA
dc.subject.udc004.93uk_UA
dc.subject.udc616.12-008.3uk_UA
dc.subject.udc519.23uk_UA
dc.relation.references1. Бойко В. І. Серцево-судинна система людини: навч. посіб. / В. І. Бойко. — Київ: Здоров’я, 2018. — 320 с.uk_UA
dc.relation.references2. Guyton A. C., Hall J. E. Textbook of Medical Physiology. — 14th ed. — Philadelphia: Elsevier, 2020. — 1152 puk_UA
dc.relation.references3. Klabunde R. E. Cardiovascular Physiology Concepts. — 3rd ed. — Lippincott Williams & Wilkins, 2017. — 384 p.uk_UA
dc.relation.references4. Борисенко О. М. Фізіологія серця та кровообігу / О. М. Борисенко. — Харків: ХНУ, 2019. — 256 с.uk_UA
dc.relation.references5. Mohrman D. E., Heller L. J. Cardiovascular Physiology. — 9th ed. — McGraw-Hill, 2018. — 448 p.uk_UA
dc.relation.references6. Zipes D. P., Jalife J. Cardiac Electrophysiology: From Cell to Bedside. — 7th ed. — Elsevier, 2018. — 1152 p.uk_UA
dc.relation.references7. Бондаренко В. В., Соловйов С. М. Основи кардіології. — Львів: ЛНМУ, 2017. — 288 с.uk_UA
dc.relation.references8. Bers D. M. Cardiac Excitation-Contraction Coupling. — 2nd ed. — Springer, 2018. — 512 p.uk_UA
dc.relation.references9. Paterson D. J. Neural Control of the Heart. — Oxford: Oxford University Press, 2017. — 336 p.uk_UA
dc.relation.references10. Camm A. J., et al. Textbook of Clinical Cardiology. — 6th ed. — WileyBlackwell, 2017. — 1024 puk_UA
dc.relation.references11. Weissler A. M. Heart Rate Variability and Autonomic Control. — Circulation, 2019. — Vol. 140, №12. — P. 100–112.uk_UA
dc.relation.references12. Malik M., Camm A. J. Heart Rate Variability. — Armonk: Futura Publishing, 2019. — 368 p.uk_UA
dc.relation.references13. Goldberger A. L. Clinical Electrocardiography: A Simplified Approach. — 9th ed. — Elsevier, 2018. — 400 p.uk_UA
dc.relation.references14. Shaffer F., Ginsberg J. P. An Overview of Heart Rate Variability Metrics and Norms. — Front. Public Health, 2017. — Vol. 5, №258.uk_UA
dc.relation.references15. Berntson G. G., et al. Heart Rate Variability: Origins, Methods, and Interpretive Caveats. — Psychophysiology, 2017. — Vol. 34, №6. — P. 623–648.uk_UA
dc.relation.references16. Acharya U. R., et al. Heart Rate Variability: A Review. — Med. Biol. Eng. Comput., 2017. — Vol. 44, №12. — P. 1031–1051.uk_UA
dc.relation.references17. Zimetbaum P., Josephson M. E. Evaluation of Patients With Palpitations. — N. Engl. J. Med., 2016. — Vol. 374, №13. — P. 1184–1193.uk_UA
dc.relation.references18. Camm A. J., et al. Guidelines for the Management of Atrial Fibrillation. — Eur. Heart J., 2016. — Vol. 37, №38. — P. 2893–2962.uk_UA
dc.relation.references19. Clifford G. D., et al. Advanced Methods and Tools for ECG Data Analysis. — Artech House, 2017. — 512 p.uk_UA
dc.relation.references20. Allen J. Photoplethysmography and Its Application in Clinical Physiological Measurement. — Physiol. Meas., 2017. — Vol. 28, №3. — P. R1–R39.uk_UA
dc.relation.references21. Tamura T., et al. Wearable Photoplethysmographic Sensors — Past and Present. — Electronics, 2014. — Vol. 3, №2. — P. 282–302.uk_UA
dc.relation.references22. Clifford G. D., et al. Advanced Methods and Tools for ECG Data Analysis. — Artech House, 2017. — 512 p.uk_UA
dc.relation.references23. Acharya U. R., et al. Automated Detection of Arrhythmias Using ECG Signals. — Comput. Biol. Med., 2017. — Vol. 89. — P. 110–124.uk_UA
dc.relation.references24. Poh M.-Z., et al. Advancements in Photoplethysmography for Heart Rate Monitoring. — Physiol. Meas., 2010. — Vol. 31, №3. — P. 1–12.uk_UA
dc.relation.references25. Allen J. Photoplethysmography and Its Application in Clinical Physiological Measurement. — Physiol. Meas., 2017. — Vol. 28, №3. — P. R1–R39.uk_UA
dc.relation.references26. Tamura T., et al. Wearable Photoplethysmographic Sensors — Past and Present. — Electronics, 2014. — Vol. 3, №2. — P. 282–302.uk_UA
dc.relation.references26. Shelley K. H. Photoplethysmography: Beyond the Calculation of Arterial Oxygen Saturation and Heart Rate. — Anesth. Analg., 2007. — Vol. 105, №6. — P. S31– S36.uk_UA
dc.relation.references27. Allen J., Murray A. R. Clinical Applications of Photoplethysmography. — J. Clin. Monit. Comput., 2004. — Vol. 18, №6. — P. 333–347.uk_UA
dc.relation.references28. Verkruysse W., Svaasand L. O., Nelson J. S. Remote Plethysmographic Imaging Using Ambient Light. — Opt. Express, 2008. — Vol. 16, №26. — P. 21434–21445.uk_UA
dc.relation.references29. Charlton P. H., et al. Modeling Arterial Pulse Features in Photoplethysmography. — Physiol. Meas., 2018. — Vol. 39, №5. — P. 054001.uk_UA
dc.relation.references30. Elgendi M. On the Analysis of Fingertip Photoplethysmogram Signals. — Curr. Cardiol. Rev., 2012. — Vol. 8, №1. — P. 14–25.uk_UA
dc.relation.references31. Reisner A., et al. Utility of the Photoplethysmogram in Circulatory Monitoring. — Anesth. Analg., 2008. — Vol. 106, №6. — P. 1636–1643.uk_UA
dc.relation.references32. Shelley K. H., et al. The Photoplethysmographic Signal: Understanding Its Physiological Basis. — Anesth. Analg., 2001. — Vol. 92, №5. — P. 1393–1399.uk_UA
dc.relation.references33. Zhang Z. Photoplethysmography-Based Heart Rate Monitoring: From Theory to Practice. — IEEE Sens. J., 2015. — Vol. 15, №11. — P. 3113–3127uk_UA
dc.relation.references34. Elgendi M., et al. Systolic Peak Detection in Acceleration Photoplethysmograms Measured from Different Body Locations. — PLoS ONE, 2013. — Vol. 8, №7. — P. e76585.uk_UA
dc.relation.references35. Karlen W., et al. Robust Heart Rate Measurement from Multimodal Signals. — Physiol. Meas., 2013. — Vol. 34, №9. — P. 1141–1157.uk_UA
dc.relation.references36. 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.uk_UA
dc.relation.references37. 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.uk_UA
dc.relation.references38. 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.uk_UA
dc.relation.references39. 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.uk_UA
dc.relation.references40. 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.uk_UA
dc.relation.references41. 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.uk_UA
dc.relation.references42. 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.uk_UA
dc.relation.references43. Paradkar N., Chowdhury S.R. «Cardiac arrhythmia detection using photoplethysmography: PhysioNet Challenge 2015» // Computing in Cardiology (CinC). – 2015. – Vol. 42. – P. 273-276.uk_UA
dc.relation.references44. Млинко Б.Б., Фриз М.Є. Алгоритм статистичної діагностики на основі реєстрації та аналізу фотоплетизмосигналів // Вісник Хмельницького національного університету. – 2013. – №3. – С. 45–52.uk_UA
dc.relation.references45. 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.uk_UA
dc.relation.references46. 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.uk_UA
dc.relation.references47. 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.uk_UA
dc.relation.references48. 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.uk_UA
dc.relation.references49. 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.uk_UA
dc.relation.references50. 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.uk_UA
dc.relation.references51. 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.uk_UA
dc.relation.references52. 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.uk_UA
dc.relation.references53. 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.uk_UA
dc.relation.references54. 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.uk_UA
dc.relation.references55. 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.uk_UA
dc.relation.references56. 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.uk_UA
dc.relation.references57. 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.uk_UA
dc.relation.references58. 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.uk_UA
dc.relation.references59. 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.uk_UA
dc.relation.references60. 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.references61. 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.references62. 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
Ebben a gyűjteményben:163 — біомедична інженерія

Fájlok a dokumentumban:
Fájl Leírás MéretFormátum 
Kirash_V_O_RBm-61.pdf4,57 MBAdobe PDFMegtekintés/Megnyitás
Áttekintő adatok a dokumentumról


Minden dokumentum, ami a DSpace rendszerben szerepel, szerzői jogokkal védett. Minden jog fenntartva!

Admin Tools