Automatic diagnosis of atrial fibrillation based on online RR interval analysis

• Autorzy: Sokol Yevgen , Shapov Pavel , Shyshkin Mykhailo , Koval Sergiy , Tomashevskyi Roman

Warianty tytułu

PL

Automatyczna diagnoza migotania przedsionków na podstawie analizy RR interwałowej online

• Języki publikacji: EN

Abstrakty

EN

The article presents the results of research of the tachogram of the cardiac signal with areas of atrial fibrillation. Using the wavelet transform to analyse non-stationary processes, it was shown that dispersion decomposition is an instantaneous correlation between the wavelet spectrum and has two implementations: frequency non-stationarity models - for frequency and time estimates, the ability to specify a parameter that should be relevant for the onset of atrial fibrillation. The calculation of this parameter can be used to detect fibrillation during the online recording of RR intervals.

PL

W artykule przedstawiono wyniki badań tachogramu sygnału sercowego z obszarami migotania przedsionków. Wykorzystanie transformacji falkowej do analizy procesów niestacjonarnych wykazało, że dekompozycja dyspersji jest chwilową korelacją między widmem falkowym i ma dwie implementacje: modele niestacjonarne częstotliwości - dla szacunków częstotliwości i czasu, możliwość określenia parametru, który powinien mieć znaczenie dla początku migotania przedsionków. Obliczenie tego parametru może być wykorzystane do wykrycia migotania podczas rejestracji online odstępów RR.

Słowa kluczowe

EN

atrial fibrillation; integrated autocoherence model; cardiac tachogram; wavelet transform

PL

migotanie przedsionków; zintegrowany model autokoherencyjny; tachogram serca; transformacja falkowa

• Wydawca: Instytut Pojazdów Politechniki Warszawskiej
• Czasopismo: Zeszyty Naukowe Instytutu Pojazdów / Politechnika Warszawska
• Rocznik: 2019
• Tom: z. 2/120
• Strony: 53--60
• Opis fizyczny: Bibliogr. 17 poz., wykr.

Twórcy

autor

Sokol Yevgen

• National Technical University „Kharkiv Polytechnic Institute"
• Corr. Member of the NAS of Ukraine
• Department of Industrial and Biomedical Electronics

autor

Shapov Pavel

• Department of Industrial and Biomedical Electronics

autor

Shyshkin Mykhailo

• Department of Industrial and Biomedical Electronics

autor

Koval Sergiy

• Department of Arterial Hypertension, State institution "L.T. Malaya National Institute of Therapy of National Academy of Medical Sciences of Ukraine

autor

Tomashevskyi Roman

• Institute of Education and Science in Power Engineering, Electronics and Electromechanics

Bibliografia

• [1] Munger T.M., Wu L.Q., Shen W.K.: Atrial fibrillation. J. Biomed. Res. 2014, 28, pp. 1–17;
• [2] Yakovlev V.B.: Diagnosis and treatment of cardiac arrhythmias: a manual for doctors / V. B. Yakovlev, A. S. Makarenko, K. I. Kapitonov. – M.: BINOM. Laboratory of Knowledge, 2003. –168 p.;
• [3] Il'ina S.S., Chernieev A.S., Efimova I.P.: The value of various methods for analyzing heart rate variability in cardiology / // Bulletin of Orenburg State University. 2003. #5. pp. 115-120;
• [4] Heart rate variability. Standards of measurement, physiological interpretation, and clinical use / Task Force of The European Society of Cardiology and The North American Society of Pacing and Electrophysiology/ European Heart Journal (1996) 17, pp. 354-381;
• [5] Luczak H., Lauring W.J.: An analysis of heart rate variability. Ergonomics 1973; 16: pp. 85-97;
• [6] Scherer P., Ohier J.P., Hirche H., Hopp H-W.: Definition of a new beat-to-beat-parameter of heart rate variability. Pacing Clin Electrophys 1993; 16: 939;
• [7] Dreifus L.S., Agarwal J.B., Botvinick E.H. et al.: Heart rate variability for risk stratification of life-threatening arrhythmias. J Am Coil Cardiol 1993; 22: 948-50;
• [8] Friesen G.M., Jannett T.C., Jadalloh M.A. et al.: A comparison of the noise sensitivity of nine QRS detection algorithms. IEEE Trans Biomed Eng 1990; 37:pp. 85-98;
• [9] Kamath M.V., Fallen E.L.: Correction of the heart rate variability signal for ectopics and missing beats. In: Malik M, Camm AJ, eds. Heart rate variability. Armonk: Futura, 1995: pp. 75-85;
• [10] De Boer R.W., Karemaker J.M., Strackee J.: Comparing spectra of a series of point events, particularly for heart-rate variability spectra. IEEE Trans Biomed Eng 1984; 31: 384-7;
• [11] Gardner W.A., Napolitano A., Paura L.: Cyclostationarity: half a century of research. Signal Processing, 2006, vol. 86, No. 4, pp. 639-697, DOI:10.106/j.sigpro.2005.06.016;
• [12] Gardner W.A.: Exploitation of Spectral Redundancy in Cyclostationary Signals. IEEE Signal Processing Magazine, 1991, vol.8, No. 2, pp. 14-36. DOI: 10.1109/79.81007;
• [13] Hurd H.L.; Miamme, A.: Periodically correlated random sequences. Spectral theory and practice. New Jercey: Wiley-Intersciense, 2007, 353p;
• [14] Merry R.J.E., Steinbuch M., van de Molengraft M.J.G.: Wavelet Theory and Applications a literature study. Eindhoven University of Technology Department of Mechanical Engineering Control Systems Technology Group, 2005, 41 p.;
• [15] Daniel T.L., Yamamoto L., Yamamoto A.: Wavelet analysis theory and application. Hewlett-Packard Company. 1994, pp. 44-52;
• [16] Pollard J.H.: A handbook of numerical and statistical techniques. Cambridge University Press: London-New York-Melbourne, 1976. –344 p.;
• [17] Basseville M., Benveniste A.: Sequential Detection of Abrupt Changes in Spectral Characteristics of Digital Signals. IEEE Trans. On Information Theory –1983, No. 5 (September ) – рp. 709-723.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).