Статья 7318

Название статьи

ПРИМЕНЕНИЕ МОДИФИЦИРОВАННОГО ПРЕОБРАЗОВАНИЯ ГИЛЬБЕРТА – ХУАНГА ДЛЯ РЕШЕНИЯ ЗАДАЧ ЦИФРОВОЙ
ОБРАБОТКИ МЕДИЦИНСКИХ СИГНАЛОВ 

Авторы

Тычков Александр Юрьевич, кандидат технических наук, заместитель директора научно-исследовательского института фундаментальных и прикладных исследований, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: tychkov-a@mail.ru 

Индекс УДК

004.9 

DOI

10.21685/2072-3059-2018-3-7 

Аннотация

Актуальность и цели. Современное развитие медицинского приборостроения приводит к появлению новых направлений развития персонализированной медицины. Для создания систем диагностики состояния здоровья, способных адаптироваться к индивидуальным особенностям и параметрам пациента, необходима разработка и внедрение новых способов и алгоритмов, инструментальных и программных средств диагностики различных биологических сигнальных систем, носителями которых являются медицинские сигналы различной природы. Целью данной работы является совершенствование преобразования Гильберта – Хуанга для решения задач адаптивной обработки медицинских сигналов.
Материалы и методы. Для анализа медицинских сигналов используются классическое преобразование Гильберта – Хуанга и его модификации, программирование в Matlab, LabView и RStudio.
Результаты. В работе модифицировано преобразование Гильберта – Хуанга, отличающееся от известных аналогов введением дополнительно этапов адаптивной множественной декомпозиции по частоте дискретизации сигнала шума.
Выводы. Разработано и исследовано новое преобразование Гильберта – Хуанга для решения задач цифровой обработки медицинских сигналов различной природы, позволяющее снизить уровень частотного смешивания амплитудно-временных составляющих сигналов и повысить достоверность обнаружения информативно-значимых медицинских параметров для целей функциональной диагностики. 

Ключевые слова

преобразование Гильберта – Хуанга, амплитудно-временные составляющие, медицинские сигналы, уровень частотного смешивания 

 

 Скачать статью в формате PDF

Список литературы

1. Постановление Правительства РФ от 1 декабря 2004 г. №715 «Об утверждении перечня социально значимых заболеваний и перечня заболеваний, представляющих опасность для окружающих» (в ред. Постановления Правительства РФ от 13.07.2012 № 710).
2. Указ президента Российской Федерации от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года».
3. Рангайян, Р. М. Анализ биомедицинских сигналов. Практический подход : пер. с англ. / Р. М. Рангайян. – М. : Физматлит. – 2007. – 440 с.
4. Тычков, А. Ю. Современные тенденции и перспективы развития медицинского приборостроения в России / А. Ю. Тычков // Датчики и системы 2012 : XXXI межрегион. науч.-практ. конф. молодых ученых и специалистов. – Пенза, 2012. – С. 101–106.
5. Кобринский, Б. А. Единое информационное пространство e-Health и m-Health / Б. А. Кобринский // Телемедицина. – 2016. – № 4. – С. 57–66.
6. Tychkov, A. Yu. The software solutions of the problems of the biomedical information processing / A. Yu. Tychkov // Модели, системы, сети в экономике, технике, природе и обществе. – 2013. – № 1 (5). – С. 114–116.
7. Березовский, В. А. Биофизические характеристики тканей человека / В. А. Березовский, Н. Н. Колотилов. – Киев : Наукова думка, 1990. – 48 c.
8. Kuzmin, A. V. Development of effective noise biomedical signals processing method / A. V. Kuzmin, A. Y. Tychkov, A. K. Alimuradov // International journal of applied engineering research. – 2015. – Vol. 10, № 4. – P. 8527–8531.
9. Huang, N. The Hilbert-Huang transform and its applications / N. Huang, S. S. P. Shen. – Singapore : World scientific publishing, 2005. – 526 р.
10. Huang, N. An Introduction to Hilbert-Huang transform: a plea for adaptive data analysis / N. Huang // Research center for adaptive data analysis. – Singapore, 2007. – 257 р.
11. Benitez, D. The use of Hilbert Transform in ECG Signal Analysis / D. Benitez // Computational Biology. – 2002. – № 2 (19). – P. 399–406.
12. Khaldi, K. Speech Enhancement via EMD. Hindawi Publishing Corporation / K. Khaldi, A. Boudraa // Journal on Advances in Signal Processing. – 2008. – Vol. 2008. – 8 p.
13. Pachori, R. Analysis of normal and epileptic seizure EEG signals using empirical mode decomposition / R. Pachori, V. Bajaj // Computer Methods and Programs in Biomedicine. – 2011. – № 104 (3). – P. 373–381.
14. Tychkov, A. Y. New signal markers of borderline mental disorders in EEG / A. Y. Tychkov, A. K. Alimuradov, A. V. Ageykin // 14th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering, TCSET 2018. – Lviv – Slavske, Ukraine, 2018. – P. 692–696.
15. Tychkov, A. HHT-based analysis of ECG signals of patients with borderline mental disorders / A. Tychkov, A. Kuzmin, A. Alimuradov // Conference of Open Innovation Association, FRUCT. – Helsinki, Finland, 2018. – № 22. – С. 257–262.
16. Zhaohua, W. Ensemble Empirical Mode Decomposition: A Noise Assisted Data Analysis Method / W. Zhaohua, N. Huang // Advances in Adaptive Data Analysis. – 2009. – № 1 (01). – P. 1–41.
17. Torres, M. A complete ensemble empirical mode decomposition with adaptive noise / M. Torres, A. Marcelo // International Conference on Acoustics, Speech, and Signal Processing. – Lujiazui, Shanghai, 2016. – P. 414–417. 

 

Дата создания: 29.10.2018 10:51
Дата обновления: 16.04.2019 15:03