в Интернете 
Українська  English  Русский  

DOI: 10.31071/kit2017.13.11


Опись-ссылка ISSN 1812-7231 Klin.inform.telemed. Volume 12, Issue 13, 2017, Pages 83–90


Автор(ы) П.Ф. Щапов1, А.В. Горбулич2, Р.С. Томашевский1, Ю.А. Заикина2


Учреждение(я) 1Национальный технический университет "Харьковский политехнический институт" (НТУ "ХПИ"), Харьков, Украина 2Харьковская медицинская академия последипломного образования (ХМАПО), Харьков, Украина.


Название статьи Использование параметров нестационарности сигналов легочной аускультации для обнаружения и локализации легочной патологии.


Аннотация (резюме)

Введение. В работе предложено использование мониторинга рН в пищеводе в сочетании с аускультацией легких для оценки влияния желудочно-пищеводного-трахеобронхиального рефлюкса.

Постановка задачи. Методология. В работе типичный аускультативный сигнал представлен как квазипериодический случайный процесс, а бронхообструктивные изменения, вызванные рефлюксом, как случайный фактор, влияющий на этот процесс. Предложен подход для оценки степени влияния этого фактора на основе сравнения показателей нестационарности спектра самого сигнала и его линейного преобразования. Для расчета спектрально-временных показателей сигнала использовалось непрерывное вейвлет-преобразование для дискретных сигналов. Уровень значимости факторного влияния на информативный сигнал оценивался с помощью Т-статистики.

Цель работы. Повышение эффективности информационно-измерительных технологий неинвазивного экспресс-контроля состояния органов дыхания при диагностике рефлюкс-ассоциированной бронхиальной астмы.

Результаты исследования. В результате работы был разработан и экспериментально подтвержден метод оценки влияния рефлюкса на органы дыхания при послеоперационном восстановлении. Метод заключается в вычислении информативных показателей, количественно оценивающих уровень нестационарности сигнала и его линейного преобразования – коэффициентов межспектральной корреляции. Результаты экспериментальных исследований подтвердили эффективность и статистическую значимость предложенного метода и информативных показателей.

Заключение. В работе решена задача повышения достоверности классификации послеоперационных легочных осложнений и доказана возможность локализации обструкции долей легких с помощью мониторинга аускультативного сигнала

Использование математического апарата, представленного в статье, может оказатся полезным для решения задачи диагностики гастроэзофаготрахеобронхиального рефлюкса и рефлюксассоциированной бронхиальной астмы.


Ключевые слова рефлюкс; бронхиальная астма; экспресс-контроль; вейвлет-преобразование; функция когерентности; нестационарность


Список литературы

1. Mirskii G.Y. Stochastic Interaction Characteristics and Their Measurements. M., Energoizdat, 1982. 236 p.

2. Bendat J.S.; Piersol A.G. Random Data: Analysis and Measurements Procedures, 4th ed. Wiley, 2010, 640p.

3. Bendat J.S., Piersol, A.G. Engineering Applications of Correlations and Spectral Analysis, 2nd ed. Wiley 1993. 472 p.

4. Gardner W.A. (ed.), Cyclostationarity in Communications and Signal Processing. New York., IEEE press, 1994. 621 p.

5. Napolitano A. Generalizations of Cyclostationarity Signal Processing Spectral Analysisa Applications. Wiley IEEE press, 2012. 492 p.

6. Gardner W. A., Napolitano A., Paura L. Cyclostationarity: half a century of research. Signal processing, 2006, vol. 86, n. 4, pp. 639-697, DOI:10.106/j.sigpro.2005.06.016.

7. Yavorsky J.M. Mathematical models and Analysis of Stochastic Oscillations. Lviv., Karpenko Physico-Mechanical Institute of the NAS of Ukraine, 2013, 187 p.

8. Hinich, M.J. A statistical theory of signal coherence. IEEE J. Oceanic engineering, apr. 2000, vol. 25, n.2, pp. 256-261, DOI: 10.1109/48.838988.

9. Gardner W.A. Introduction to Random Processes with Application to Signals and Systems. NY., Macmillan, 1985. 434 p.

10. Gardner W.A. On the Spectral Coherence of Nonstationary Processes. IEEE trans. Signal process, 1991, vol. 39 n.2, pp. 424-430, doi:10.1109/78.80825.

11. Gardner W.A. Exploitation of Spectral Redundancy in Cyclostationary Signals. IEEE SP Magazine (Signal Processing), apr. 1991, vol. 8, n. 2, pp. 14-36 DOI: 10.1109/79.81007.

12. Hurd H.HL.; Miamme, A. Periodically correlated random sequences. Spectral theory and practice. New Jercey, Wiley-Intersciense, 2007, 353 p.

13. Поллард Дж. Справочник по вычислительным методам статистики. Под ред. Е.М. Четыркина. М., Финансы и статистика, 1982, 344 с.

14. Нейронные сети для обработки информации. Пер. С польского И.Д. Рудинского. М., Финансы и статистика, 2002., 344 с.

15. Воскобойников Ю.Е., Гочаков А.В., Колкер А.Б. Фильтрации сигналов и изображений: Фурье и вейвлет алгоритмы (с примерами в Mathcad). Новосиб. Гос. архитектур.-строит. ун-т (Сибстрин), 2010, 188 с. ISBN 978-5-7795-0519-2

16. Джонсон Н., Лион Ф. Статистика и планирование эксперимента. Пер. с англ. М., Мир, 1981. 520 с.

17. Hastie T. and Tibshirani R. Generalized additive models for medical research. Stat Methods Med Res, 1995. pp. 187-196.

18. Strode P. and Brokaw A. Using BioInteractive Resources to Teach. Mathematics and Statistics in Biology. Colorado, Rocky River High School, 2015, 42 р.

19. Новиков Д.А., Новочадов В.В. Статистические методы в медико-биологическом эксперименте (типовые случаи). Волгоград, 2005., 84 с.

20. Зайцев В.М., Лифляндский В.Г., Маринкин В.И. Прикладная медицинская статистика, СПб: ООО "Издательство ФОЛИАНТ", 2003., 432 с.

21. Гланц С. Медико-биологическая статистика. М., Практика, 1998., 459 с.

22. Юнкеров В.И., Григорьев С.Г.. Математико-статистическая обработка данных медицинских исследований. СПб., ВМедА, 2002., 266 с.

23. Merry R.J.E., Steinbuch M. and van de Molengraft M.J.G. Wavelet Theory and Applications a literature study. Eindhoven Univ. of Technology Dep. of Mechanical Engin. Control Systems Technol. Group, 2005, 41 p.

24. Lee Daniel T.L. and Yamamoto A.. Wavelet analysis theory and application. Hewlett-Packard Company. 1994, pp. 44-52


Полнотекстовая версия http://kit-journal.com.ua/ru/viewer_ru.html?doc/2017_13/013.pdf