DOI: https://doi.org/10.31071/kit2017.13.11

Опис-посилання

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

Автор(и)

П. Ф. Щапов¹, А. В. Горбуліч², Р. С. Томашевський¹, Ю. А. Заїкина²

Установа(ви)

¹Національний технічний університет "Харківський політехнічний інститут" (НТУ "ХПІ"), Харків, Україна ²Харківська медична академія післядипломного освіти (ХМАПО), Харків, Україна

Назва статті

Використання параметрів нестаціонарності сигналів легеневої аускультації для виявлення та локалізації легеневої патології.

Анотація (резюме)

Введення. В роботі запропоновано використання моніторингу рН в стравоходної системи у поєднанні з аускультацією легень для оцінки впливу шлунково-стравоходного-трахобеонгіального рефлюкса.

Постановка завдання. Методологія. В роботі типовий аускультативний сигнал представлений як квазіперіодичний випадковий процес і бронхообструктивні зміни, викликані рефлюксом, як випадковий фактор, що впливає на цей процес. Представлений підхід оцінювання стану впливу цього фактора на основі порівняння показників нестаціонарності спектру самого сигналу та його лінійного перетворення. Для розрахунку спектрально-часових показників сигналу використовувалося безперервне вейвлет-перетворення для дискретних сигналів. Рівень значущості факторного впливу інформативного сигналу оцінювався за допомогою Т-статистики.

Мета роботи. Підвищення ефективності інформаційно-вимірювальних технологій неінвазивного експрес-контролю стану органів дихання при діагностиці рефлюкс-асоційованої бронхіальної астми.

Результати дослідження. В результаті роботи розроблено та експериментально підтверджено метод оцінки впливу рефлюкса на органи дихання при післяопераційному відновленні. Метод полягає в обчисленні інформативних показників, які оцінюють рівень нестаціонарності сигналу та його лінійного перетворення – коефіцієнтів межспектральної кореляції. Результати експериментальних досліджень підтвердили ефективність та статистичну значимість запропонованого методу та інформативних показників.

Заключення. В роботі вирішена задача підвищення достовірності класифікації післяопераційних легеневих ускладнень та доказана можливість локалізації обструкції дольових легень за допомогою моніторингу аускультативного сигналу

Використання математичного апарату, представленого в статті, може виявитися корисним для вирішення задач діагностики гастроезофаготрахеобронхіального рефлюкса та рефлюксасоцірованної бронхіальної астми.

Ключові слова

рефлюкс, бронхіальна астма, експресс-контроль, вейвлет-перетворення, функція когерентності, нестаціонарність

Список літератури

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

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2017_13/013.pdf