ВВЕДЕНИЕ 10
1 ОБЗОР ЛИТЕРАТУРЫ И ОЦЕНКА СОВРЕМЕННОГО
СОСТОЯНИЯ ПРОБЛЕМЫ 13
1.1 Электрокардиограмма. Признаки для предсказания давления .. 13
1.1.1 Система отведений электрокардиограммы 13
1.1.2 Комплекс электрокардиограммы 15
1.1.3 Параметры электрокардиограммы для оценки давления 16
1.2 Фотоплетизмограмма. Параметры для определения давления .. 17
1.2.1 Составляющие сигнала фотоплетизмограммы 17
1.2.2 Регистрация сигнала фотоплетизмограммы 18
1.2.3 Индекс перфузии. Индекс жесткости. Индекс отражения 19
1.2.4 Анализ пульсовой волны 20
1.3 Искусственная нейронная сеть. Применение нейронных сетей для синхронного анализа сигналов электрокардиограммы и
фотоплетизмограммы 23
1.3.1 Модель нейронной сети 23
1.3.2 Искусственный нейрон 24
1.3.3. Функции активации нейронной сети 25
1.3.4 Виды искусственных нейронных сетей 26
1.3.5 Обучение нейронных сетей 27
1.3.6 Использование нейронных сетей для предсказания давления по
сигналу электрокардиограммы и фотоплетизмограммы 28
1. 4 Датчик MAX30102 29
1.4.1 Эксплуатационные характеристики модуля 30
1.4.2 Расположение ножек MAX30102 31
1.4.3 Подробное описание MAX30102 32
1.5 Вывод 33
2 МЕТОДОЛОГИЯ 34
2.1 Цифровая фильтрация 34
2.1.1 Виды фильтров, используемых для биологических сигналов 34
2.1.2 Цифровая фильтрация, использованная в работе 36
2.2 Использование производной для анализа биологических
сигналов в работе 38
2.2.1 Взятие первой производной сигнала электрокардиограммы .. 38
2.2.2 Использование производных для анализа пульсовой волны .. 39
2.2.3 Использование производных от сигналов в работе 40
2.3 QRS детектор и синхронизация сигнала электрокардиограммы с
сигналом фотоплетизмограммы 41
2.3.1 Способы обнаружения QRS комплексов 41
2.4 Spline-интерполяция 43
2.4.1 Интерполяция и ее основные виды 43
2.4.2 Нахождение узлов интерполяции 45
2.5 Применение корреляционного анализа для анализа сигнала
фотоплетизмограммы 47
2.5.1 Понятие корреляционного анализа 47
2.5.2 Корреляционный анализ в работе 48
2.6 Вывод 49
3 РЕЗУЛЬТАТЫ РАЗАБОТКИ ПРОГРАММНОГО КОМПЛЕКСА .. 50
3.1 Программный комплекс для обработки сигнала
электрокардиограммы и фотоплетизмограммы в среде MATLAB 50
3.2 Отбор записей для нейронной сети 52
3.3 Нейронная сеть, созданная на базе библиотеки Keras 54
3.4 Результаты работы сети с выборкой из пульсовых волн 55
3.5 Результаты работы сети с выборкой, состоящей из первой
производной от пульсовой волны 57
3.6 Результаты работы сети с выборкой, состоящей из сигнала
фотоплетизмограммы и ее первой производной 59
3.7 Вывод 61
4 БЕЗОПАСНОСТЬ ЖИЗНЕДЕЯТЕЛЬНОСТИ 62
4.1 Условия применения программного обеспечения 62
4.2 Требования к интерфейсу программного обеспечения 62
4.3 Опасные и вредные факторы при работе с программным
обеспечением 63
4.4 Пожарная безопасность в медицинских кабинетах 64
4.5 Электробезопасность в медицинских кабинетах 65
4.6 Организация рабочего пространства 66
4.7 Вывод 66
ЗАКЛЮЧЕНИЕ 67
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 68
ПРИЛОЖЕНИЕ
Купить

Разработка новых методов диагностики в медицине, а после и создание современного диагностического оборудования на основе этих методов является одним из основных направлений развития медицины. В настоящее время растет понимание того, что здоровье человека зависит не только от состояния органов и систем организма, но и от их функционального взаимодействия. Так у здоровых людей основные ритмы сердечно¬сосудистой системы, такие как: основной сердечный ритм, дыхание, низкочастотные колебания сердечных сокращений и кровяного давления, имеют высокую степень синхронизации между собой, благодаря этому организм имеет хорошую адаптацию. При развитии патологических процессов в сердечно-сосудистой системе, эта синхронизация может нарушаться, так при инфаркте миокарда происходит разрушение нормальных функциональных взаимосвязей между разными подсистемами регуляции сердечно-сосудистой системы.
Сердечно-сосудистые заболевания находятся на первом месте в общей статистике смертности в России, снижение смертности от сердечно - сосудистых заболеваний приведет к росту средней продолжительности жизни, а потому является актуальной задачей для системы здравоохранения. В 2017 году заболевания сердечно-сосудистой системы унесли жизни 858 тысяч человек, этот показатель является на 5 % меньше, чем прошлые годы, однако несмотря на снижение показателя смертности, он все еще остается достаточно высоким.
Благодаря развитию цифровых технологий можно использовать смартфон в качестве диагностического прибора для регистрации биологических сигналов таких, как электрокардиограмма (ЭКГ) и фотоплетизмограмма. В работе используются сигналы, полученные от специального чехла для iPhone, который позволяет получать данные фотоплетизмограммы и ЭКГ в формате wav файлов. Использование 10
синхронизированную с ЭКГ, можно определить числовое значение давления, имея программный комплекс для анализа ЭКГ и фотоплетизмограммы. Получение значения давления станет намного проще и даст возможность проводить диагностику в любой момент времени, а своевременная диагностика нарушений в работе сердца является решением проблемы снижения смертности от заболеваний сердца и сердечно - сосудистой системы.
Алгоритм анализа при помощи нейронных сетей имеет множество преимуществ, таких как решение задачи при неизвестных закономерностях, (например, определении давления по пульсовой волне), устойчивость к входным шумам, высокая степень адаптивности, что позволяет решать задачи в различных условиях внешней среды, а также высокое
быстродействие.
Цель работы: Основной целью работы является создание
программного комплекса для совместного анализа электрокардиограммы и фотоплетизмограммы.
Для достижения поставленной цели сформулируем следующие задачи:
1. Обзор литературы по заданной теме и оценка современного состояния проблемы.
2. Подготовка выборки данных для обучения искусственной нейронной сети, получение синхронизированных сигналов ЭКГ и фотоплетизмограммы
3. Создание программного комплекса в среде MATLAB по отображению сигналов и расчету параметров, которые в последствии будут использованы для создания нейронной сети.
4. Создание нейронной сети для получения значения давления по пульсовой волне при помощи фрэймворков KERAS и Tensor Flow.
5. Анализ результатов, полученных искусственной нейронной сетью.
Объектом исследования является биотехническая система, для диагностики состояния сердца и сердечно-сосудистой системы
Предметом исследования являются сигналы электрокардиограммы и фотоплетизмограммы, по которым можно определить параметры состояния человека, например, определение давления при помощи разработанного алгоритма для выделения волн и обучения искусственной нейронной сети. В процессе работы изучены алгоритмы обнаружения QRS комплексов, spline интерполяции, цифровой фильтрации, аппроксимации участков биологического сигнала полиномом первого порядка.
В работе использованы методы определения QRS комплексов, интерполяция, аппроксимация, анализ фотоплетизмограммы, выявление параметров пульсовой волны, коррелирующих с давлением.
Результат работы: в ходе выполнения работы получен программный комплекс по совместному анализу сигнала ЭКГ и пульсовой волны фотоплетизмограммы, получены обработанные данные, на основании которых была разработана искусственная нейронная сеть (ИНС).
Научная и практическая значимость: улучшение методов
совместного анализа биологических сигналов, что поможет получать больше информации о функциональном состоянии организма. А также разработка метода оценки показателя давления по пульсовой волне фотоплетизмограммы.

Купить