DOI: https://doi.org/10.31071/kit2019.15.0 Опис-посилання ISSN 1812-7231 Klin.inform.telemed. Volume 14, Issue 15, 2019, Pages 53-57 Автор(и) М. Г. Борейко Установа(ви) Інститут Кібернетики імені В. М. Глушкова НАН України, Київ Назва статті Розробка покращеної методики виявлення фібриляції шлуночків серця Анотація (резюме) Вступ. У статті розглянуто сучасні алгоритми для виявлення фібриляції шлуночків серця, такі як TCI, VF, SPEC, CPLX, HILB. Найкращу чутливість серед алгоритмів для виявлення фібриляції шлуночків серця має алгоритм HILB, заснований на побудові фазо-просторового графіку методом перетворення Гільберта. Результати. Знайдено шляхи для покращення специфічності алгоритму HILB за рахунок введення додаткових умов до розподілу точок на фазо-просторовому графіку, таких як центр мас та середньо-квадратичне відхилення від нього. Розроблено програмне забезпечення для аналізу сигналу ЕКГ у одному відведенні. Проведена валідація методики на відомих відкритих базах даних, таких як MIT-BIH Arrhythmia Database, American Heart Association Database (AHA), Creighton University Ventricular Tachyarrhythmia Database (CU). Отримано чутливість для даних CU — 83%, позитивна прогностичність — 93%, для MIT-BIH — 100% та 100%, для AHA — 90% та 98%, відповідно. Проведено порівняння результатів з алгоритмами TCI, VF, SPEC, CPLX та HILB. Показано, що чутливість та позитивна прогностичність запропонованої методики краще за відомі алгоритми. Ключові слова електрокардіограма, фібриляція шлуночків, перетворення Гільберта, автоматичний аналіз ЕКГ, MIT-BIH база даних Список літератури 1. Cardiovascular diseases (CVDs). WHO, 2017. Available: http://www.who.int/mediacentre/factsheets/fs317/en/index.htm 2. Boreiko M., Budnyk M. Development of software and hardware system for monitoring the physiological condition of yachtsmen. Vcheni zapysky Tavriys'koho nats. un-tu im. V. I. Vernads'koho. Seriya: Tekhnichni nauky [Notes of the V. I. Vernadsky Taurida Nat. Univ., Series: Technical Sciences], 2018, vol. 29 (68), no. 3, Part 1, pp. 101-104. (In Ukr.). 3. Boreyko M., Сhaikovsky I. Evaluation of pain syndrome based on analysis of heart rhythm variability. Abstracts of the 4th All-Ukrain. Sci.-practical Conf. "Joint actions of military formations and law-enforcement bodies of the state: problems and prospects", 7–8.09.2017. Military Academy. Odessa. pp. 216–217. (In Ukr.). 4. Biletsky I., Chaikovsky I. Determination of respiratory rate on the basis of ECG and study of its connection with the degree of post-traumatic stress disorder in military personnel. Abstracts of the 4th All-Ukrain. Sci.-practical Conf. "Joint actions of military formations and law-enforcement bodies of the state: problems and prospects", 7–8.09.2017. Military Academy. Odessa. pp. 215–216. (In Ukr.). 5. Weaver W. D., Cobb L., Hallstrom A., Copass M., Ray R., Emery M. et al. Considerations for improving survival from out-of-hospital cardiac arrest. Ann. Emerg. Med., 1986, iss. 15, pp. 1181–1186. 6. Goldberger A., Amaral L., Glass L., Hausdorff J., Ivanov P., Mark R. et al. PhysioBank, PhysioToolkit, and PhysioNet: components of a new research resource for complex physiologic signals. Circulation, 2000, iss. 101, pp. E215–20. 7. Amann A., Tratnig R., Unterkofler K. Reliability of old and new ventricular fibrillation detection algorithms for automated external defibrillators. Biomed Eng. Online., 2005, iss. 4, p. 60. 8. Amann A., Tratnig R., Unterkofler K. A new ventricular fibrillation detection algorithm for automated external defibrillators. Computers in Cardiology, 2005, pp. 559–562. 9. Amann A., Tratnig R., Unterkofler K. Detection of ventricular fibrillation by time-delay methods. IEEE Trans Biomed Eng., 2007, iss. 54, pp. 174–177. 10. Ismail A., Fries M. Validating the Reliability of Five Ventricular Fibrillation Detecting Algorithms. Springer, Brlin Heidelberg, 2009, pp. 26–29. 11. Anas E., Lee S., Hasan M. Sequential algorithm for life threatening cardiac pathologies detection based on mean signal strength and EMD functions. Biomed. Eng. Online, 2010, no. 9, p. 43. 12. Arafat M., Chowdhury A., Hasan M. A simple time domain algorithm for the detection of ventricular fibrillation in an electrocardiogram. J. VLSI Signal Process. Syst. Signal Image Video Technol., 2011, iss. 5, pp. 1–10. 13. Thakor N., Zhu Y., Pan K. Ventricular tachycardia and fibrillation detection by a sequential hypothesis testing algorithm. IEEE Trans Biomed Eng., 1990, vol. 37, pp. 837–843. 14. Kuo S. Computer detection of ventricular fibrillation. Proc of Computers in Cardiology, IEEE Comupter Society, 1978, pp. 347–349. 15. Hilbert Transform. In: Wikipedia [Internet]. [cited 23 Jun 2019]. URL: https://en.wikipedia.org/wiki/Hilbert_transform 16. IEC 60601-2-47:2012. Medical electrical equipment — Part 2–47: Particular requirements for the basic safety and essential performance of ambulatory electrocardiographic systems. In: Webstore IEC [Internet]. [cited 23 Jun 2019]. URL: https://webstore.iec.ch/publication/2666 17. Cardiolyse. In Cardiolyse [Internet]. [cited 23 Jun 2019]. URL: https://cardiolyse.com Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2019_15/004.pdf |
Наши партнериУкраїнська Асоціація Комп'ютерна Медицина Кафедра клінічної інформатики та інформаційних технологій в управлінні охороною здоров'я ХМАПО (приєднана до ННІПО ХНМУ в 2022 р. після об’єднання з кафедрою соціальної медицини, управління та бізнесу в охороні здоров’я) Навчально-науковий інститут післядипломної освіти (ННІПО ХНМУ) (Харківська Медична Академія Післядипломної Освіти приєднана до ННІПО ХНМУ в 2022 р.) |