Тип работы:
 Предмет:
 Язык работы:


Влияние ритмов музыкальных произведений на сердечные ритмы

Работа №130273

Тип работы

Бакалаврская работа

Предмет

математика

Объем работы29
Год сдачи2016
Стоимость4325 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
27
Не подходит работа?

Узнай цену на написание


Введение 4
1. Постановка задачи 5
2. Входные данные 6
3. Существующие решения и подходы 7
4. Описание методики проведения экспериментов 8
4.1. Предварительная подготовка данных . . . . . . . . . . . . 8
4.2. Выделение особенностей . . . . . . . . . . . . . . . . . . . 10
5. Результаты эксперимента 15
6. Анализ полученных данных 16
6.1. Анализ средних значений . . . . . . . . . . . . . . . . . . 16
6.2. Анализ изменений по мере прослушивания . . . . . . . . 17
Заключение 19
Список литературы 20
Приложения 2

Музыка имеет особое психологическое влияние на нас. Она в силах изменять настроение, помогать сконцентрироваться, в ней даже можно найти облегчение в периоды стресса. Религиозные обряды всех времен также использовали свою музыку. Музыка способна поменять наш образ жизни, наши привычки, взгляд на мир. С помощью своих произведений, музыканты выражают себя, передавая свои идеи и чувства слушателям так, как не смогли бы передать словами. Учитывая сказанное, ее психологическое влияние нельзя недооценивать. Но тогда возникает вопрос о существовании физиологического влияния и меняется ли оно в зависимости от музыки. Можем ли мы рассчитывать на помощь музыки не только на психологическом уровне, но и на физическом? Поиск ответа на данный вопрос будет производиться в данной работе.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

Был написан скрипт на Matlab, получающий на вход данные ЭКГ.
Используя подход, описанный в разделе 4, скрипт обрабатывает полученные данные, трансформирует их, и находит значения величин,
указанных на Рис. 2, среди которых присутствуют величины, поиск которых не производился в предыдущих работах. На выходе, для каждой из величин, скрипт создает текстовый файл с массивом ее значений в каждом из сердечных циклов, обнаруженных в исходных данных.
Также предоставляется возможность представить полученные данные в графическом виде. Далее, полученные данные были проанализированы на зависимость от прослушиваемой музыки. Получена зависимость средних значений этих особенностей от самого факта прослушивания.
Наибольшие изменения произошли с шириной Т, шириной Р и c QT Interval. Максимальная устойчивость влияния/не влияния у классики - высота Р, у марша - ЧСС, у Металлики - ST Segment


[1] Behrad Alireza, Faez Karim. New method for QRS-wave recognition in
ECG using MART neural network // Intelligent Information Systems
Conference, The Seventh Australian and New Zealand 2001 / IEEE. ––
2001. –– P. 291–296.
[2] George H. Zimny Edward W. Weidenfeller. Effects of Music upon GSR
and Heart-Rate // The American Journal of Psychology. –– 1963. ––
Vol. 76, no. 2. –– P. 311–314. –– URL: http://www.jstor.org/stable/
1419170.
[3] Gupta Ankit, Bhandari Sulata. ECG Noise Reduction by Different
Filters: A Comparative Analysis // IJRCCT. –– 2015. –– Vol. 4, no. 7. ––
P. 424–431.
[4] Islam Md Saiful, Alajlan Naif. Augmented-Hilbert transform for
detecting peaks of a Finger-ECG signal // Biomedical Engineering
and Sciences (IECBES), 2014 IEEE Conference on / IEEE. –– 2014. ––
P. 864–867.
[5] Iwanaga Makoto, Moroki Youko. Subjective and physiological
responses to music stimuli controlled over activity and preference //
Journal of Music Therapy. –– 1999. –– Vol. 36, no. 1. –– P. 26–38.
[6] Jagtap Sonal K, Uplane MD. The impact of digital filtering to
ECG analysis: Butterworth filter application // Communication,
Information & Computing Technology (ICCICT), 2012 International
Conference on / IEEE. –– 2012. –– P. 1–6.
[7] Krumhansl Carol L. An exploratory study of musical emotions
and psychophysiology. // Canadian Journal of Experimental
Psychology/Revue canadienne de psychologie expérimentale. ––
1997. –– Vol. 51, no. 4. –– P. 336.
[8] Mukhopadhyay SK, Mitra M, Mitra S. Time plane ECG feature
extraction using Hilbert transform, variable threshold and slope
20reversal approach // Communication and Industrial Application
(ICCIA), 2011 International Conference on / IEEE. –– 2011. –– P. 1–4.
[9] Tarmizi Izzah Amani, Hassan Syed Sahal Nazli Alhady Syed,
Ibrahim Wan Pauzi Wan. A journal of real peak recognition of
electrocardiogram (ECG) signals using neural network // Digital
Information and Communication Technology and it’s Applications
(DICTAP), 2012 Second International Conference on / IEEE. ––
2012. –– P. 504–509.
[10] Trahanias Panagiotis, Skordalakis Emmanuel. Syntactic pattern
recognition of the ECG // Pattern Analysis and Machine Intelligence,
IEEE Transactions on. –– 1990. –– Vol. 12, no. 7. –– P. 648–657.
[11] An approach to cardiac arrhythmia analysis using hidden Markov
models / Douglas A Coast, Richard M Stern, Gerald G Cano,
Stanley A Briller // Biomedical Engineering, IEEE Transactions on. ––
1990. –– Vol. 37, no. 9. –– P. 826–836.
[12] A derivative-based approach for QT-segment feature extraction in
digitized ECG record / R Gupta, M Mitra, K Mondal, S Bhowmick //
Emerging Applications of Information Technology (EAIT), 2011
Second International Conference on / IEEE. –– 2011. –– P. 63–66.
[13] A study on the effects of EEG and ECG signals while
listening to Qur’an recitation / Taha Al-Shaikhli, Imad Fakhri,
Sabaa Ahmed Yahya et al. // Information and Communication
Technology for The Muslim World (ICT4M), 2014 The 5th
International Conference on / IEEE. –– 2014. –– P. 1–6

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.