Научная статья на тему 'Simulink модель системы Wavelet анализа электрокардиосигнала'

Simulink модель системы Wavelet анализа электрокардиосигнала Текст научной статьи по специальности «Медицинские технологии»

CC BY
283
141
i Надоели баннеры? Вы всегда можете отключить рекламу.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по медицинским технологиям , автор научной работы — Богонина О. Б., Истомина Т. В.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Simulink модель системы Wavelet анализа электрокардиосигнала»

Известия ТРТУ

Тематический выпуск

УДК 615.47

SIMULINK - МОДЕЛЬ СИСТЕМЫ WAVELET - АНАЛИЗА ЭЛЕКТРОКАРДИОСИГНАЛА

О.Б. Богонина, Т.В. Истомина

Пензенский государствеyный университет, 440026, Пенза, ул.Красная 40, тел.:(841-2)523511, факс: (841-2) 565122, e-mail: CNIT@diamond.stup.as.ru

По статистике сердечные заболевания занимают первое место в мире по числу смертельных исходов, каждый четвертый житель нашей страны подвержен тем или иным болезням, связанным с сердцем. Эти данные связаны со сложностью распознавания нарушений сердечной деятельности, особенно на раннем этапе заболевания, а также с недостаточной эффективностью стандартных методов обследования. Поэтому столь необходимы новые методы обнаружения локальных особенностей электрокардиосигнала (ЭКС) и идентификации его информативных признаков для выявления наиболее распространенных патологий сердечнососудистой системы в режиме реального времени.

Анализ современных достижений в области медицинского приборостроения и обзор соответствующей научно-технической литературы показывают, что одним из основных направлений при исследованиях ЭКС является применение разложений исходного сигнала по различным системам базисных функций. Существует три класса разложений исследуемого сигнала: в базисе гармонических функций (преобразование Фурье и его модификации), по ортогональным базисным функциям с постоянной длительностью окна (секвентный анализ) и многомасштабное преобразование на основе хорошо локализованных волновых функций (Wavelet -анализ). Быстрое развитие инженерных приложений обеспечило широкое применение Wavelet - анализа в самых различных областях науки и техники, и, прежде всего там, где наиболее информативными являются локальные особенности исследуемых сигналов.

Большинство медицинских сигналов имеет сложные частотно-временные характеристики. Как правило, такие сигналы состоят из близких по спектру кратковременных высокочастотных компонент и долговременных, близких по частоте, низкочастотных компонент. Для анализа таких сигналов как раз и подходит метод Wavelet - преобразования, способный обеспечить хорошее разрешение по частоте, и по времени. Обнаружение информативных импульсов на фоне помех и неинформативных участков самого сигнала является первейшей задачей при проведении анализа биосигнала.

Авторами разработана Simulink - модель, реализующая идентификацию информативных элементов электрокардиосигнала, который является сложно структурированным нестационарным биосигналом и трудно поддается автоматическому анализу.

В представленной модели для фильтрации сетевой помехи, генерируемой специальным блоком, использован адаптивный фильтр Калмана. После фильтрации анализируемый ЭКС усиливается и записывается в рабочую область пакета Matlab для проведения Wavelet - преобразования.

Для реализации разложения биосигнала по заданному вейвлету разработана функция waveprog(x, n, name), аргументы которой имеют следующий физический смысл:

x - табличная функция исследуемого сигнала, n - коэффициент разложения, name - название Wavelet - функции.

МИС-2004

Аппаратные и программные средства медицинской диагностики и терапии

Полученный после разложения сигнал, анализируется посредством производных, рассчитывающихся в блоках представленной модели. Как известно, в точках экстремума производная равна нулю. На этом условии и основывается принцип нахождения р, Я и 8 зубцов и рЯ8 - комплексов. В случае обнаружения р, Я, 8 зубцов необходимо использовать условие равенства производной нулю, а также равенства или превышения верхнего или нижнего порогового значения, в зависимости от определяемого информативного элемента биосигнала. При идентификации рЯ8-комплекса необходимо сочетание всех этих условий, что и реализует разработанная модель.

Таким образом, на данном этапе были разработаны базовые функции и модели для решения задач обнаружения и идентификации информативных участков биосигнала, что позволяет определить р, Я и 8 зубцы и рЯ8 - комплексы.

УДК 616.833.15-089-073.97

ИЗМЕНЕНИЯ СПЕКТРАЛЬНОГО СОСТАВА ЭЭГ ПРИ МИКРОВАСКУЛЯРНОЙ ДЕКОМПРЕССИИ ТРОЙНИЧНОГО НЕРВА

Омельченко В.П., Балязин В. А., Короткиева Н.Г., Балязин И.В.

Ростовский государственный медицинский университет, г. Ростов-на-Дону, пер Нахичеванский 29, 65-99-27, Ыg-as@yandex.т

Теории возникновения невралгии противоречивы, но наиболее логична теория, в основе которой лежит конфликт между сосудом и стволом тройничного нерва. Наиболее эффективным методом лечения данного заболевания является микроваскулярная декомпрессия.

Целью данного исследования являлось выявление изменений спектрального состава ЭЭГ в фоне у больных после операции, а также выяснение с точки зрения электрофизиологии, в чем именно проявляется болевой синдром, возникающий при стимуляции у пациентов тригерной зоны.

i Надоели баннеры? Вы всегда можете отключить рекламу.