Abstract
The article considers the actual problem of analysis of biosignals with chaotic properties. Its solution is important for the recognition of various signals associated with a change in the functional state of the patient during continuous observation. The paper considers the possibility of recognizing atrial fibrillation of rhythmogram signals and anesthesia levels by EEG signals using Lyapunov indicators. The initial data are heart rhythm signals with a duration of 300 cardiocycles and five-second EEG signals. The work shows that the senior Lyapunov indicator allows one to recognize atrial fibrillation against the background of normal rhythm signals and frequent extrasystole, as well as the stage of anesthesia by the EEG signal. The developed algorithm is intended for medical computer systems and is implemented in the MATLAB software environment.
Highlights
Радиоэлектроника в медицинеВ работе показано, что старший показатель Ляпунова позволяет распознавать мерцательную аритмию на фоне сигналов нормального ритма и частой экстрасистолии, а также стадии наркоза по сигналу ЭЭГ
Введение Задачи распознавания биомедицинских сигналов требуют разработки новых методов анализа данных, основанных на современных подходах к исследованию свойств сигналов в различных состояниях биообъекта
The article considers the actual problem of analysis of biosignals with chaotic properties
Summary
В работе показано, что старший показатель Ляпунова позволяет распознавать мерцательную аритмию на фоне сигналов нормального ритма и частой экстрасистолии, а также стадии наркоза по сигналу ЭЭГ. В данной работе временная задержка определяется методом автокорреляционной функции, а размерность пространства вложения методом ложных ближайших соседей и на основе оценки корреляционной размерности. Для нахождения корреляционной размерности был использован алгоритм Грассбергера – Прокаччиа [11], который является одним из самых эффективных способов нелинейного анализа временных рядов. Результаты статистической обработки полученных значений размерности пространства вложения для сигналов сердечного ритма представлены в табл. 1 следует, что значения m для сигналов сердечного ритма, полученные с помощью метода ближайших соседей, соответствуют значениям, рассчитанным методом Грассбергера – Прокаччиа. Для дальнейшего анализа будем использовать следующие значения размерности пространства вложения: для нормального ритма m = 8, частой экстрасистолии m = 13 и мерцательной аритмии m = 15. Вычислительная процедура продолжается до тех пор, пока принятая за основу сравнения траектория y не дойдет до конца временного ряда
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
