ECG signal recognition methods to determine an exposure to magnetic field

• Autorzy: Libal U. , Sztafrowski D.

Warianty tytułu

PL

Metody rozpoznawania sygnałów EKG w celu określenia ekspozycji na pole magnetyczne

• Języki publikacji: EN

Abstrakty

EN

The paper presents a methodology of research on the magnetic field influence on the human body, based on pattern recognition algorithms. A group of 15 volunteers has been exposed to a 50Hz magnetic field of strength 60 A/m. There were recorded 30 ECG signals, 2 for each experiment participant. The first signal was recorded before an exposure to a magnetic field, and the second signal immediately after exposure to the field. The first signal was recorded before an exposure to a magnetic field, and the second signal immediately after exposure, creating two classes of signals. In the paper we discuss supervised classification methods. The purpose of these methods is to detect whether the exposure to a magnetic field occurred, basing on the automatic analysis of the ECG signal.

PL

Wpływ pola magnetycznego na organizm ludzki może być zarówno pozytywny, jak i negatywny. Możliwe, że w przyszłości, gdy zostanie doprecyzowane prawo dotyczące bezpiecznej ekspozycji na pole magnetyczne, wykrywanie post fatum przekroczeń będzie narzędziem przyczyniającym się do ochrony pracowników na stanowiskach pracy. Artykuł przedstawia zastosowanie algorytmów rozpoznawania wzorców (takich jak klasyfikator Bayesowski, czy algorytm k-Nearest Neighbors) dla sygnałów EKG w celu określenia, czy ochotnik został poddany działaniu pola magnetycznego. Rozpatrywany jest dwuklasowy problem klasyfikacji nadzorowanej. W pierwszym etapie klasyfikator jest uczony na podstawie ciągu uczącego, zawierającego sygnały EKG zarejestrowane przed (klasa 1) i po (klasa 2) godzinnej ekspozycji ochotnika na pole magnetyczne. W etapie drugim nauczony klasyfikator sam decyduje o wyborze klasy dla nowego sygnału EKG. Porównanie wyników klasyfikacji ze znanym rzeczywistym faktem narażenia lub brakiem narażenia na pole magnetyczne pozwala wyznaczyć jakość klasyfikatora. Jakość klasyfikatora jest mierzona ryzykiem popełnienia przez klasyfikator błędu. Niska wartość ryzyka oznacza, że taki klasyfikator może być używany do detekcji wystąpienia narażenia na pole magnetyczne na podstawie analizy sygnału EKG.

Słowa kluczowe

EN

pattern recognition; electrocardiogram; magnetic field

PL

rozpoznawanie sygnałów; EKG; pole magnetyczne

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Interdisciplinary Journal of Engineering Sciences
• Rocznik: 2013
• Tom: Vol. 1, no. 1
• Strony: 32--35
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Libal U.

• Institute of Computer Engineering, Control and Robotics, Wroclaw University of Technology, ul. Janiszewskiego 11/17, 50-372 Wrocław

autor

Sztafrowski D.

• Institute of Electrical Power Engineering (I-8), Wroclaw University of Technology, ul. Janiszewskiego 8, 50-372 Wrocław

Bibliografia

• [1] D. Sztafrowski. Investigation of influence on living organisms of the 50 Hz magnetic fields (real time). W: World without borders - science without borders : proceedings of the 8th International Congress of Societas Humboldtiana Polonorum, Toruń, 27-30 June 2010 / ed. By Bogusław Buszewski, Marian Jaskuła. Kraków : Societas Humboldtiana Polonorum, 2010, pp. 205-207.
• [2] Z. Wróblewski, D. Sztafrowski, M. Szuba. Możliwości oceny wpływu wolnozmiennego pola elektromagnetycznego 50 Hz w otoczeniu linii wysokiego napięcia oraz w warunkach laboratoryjnych na procesy biologiczne. XVI Konferencja Naukowo-Techniczna Bezpieczeństwo Elektryczne i VI Szkoła Ochrony Przeciwporażeniowej ELSAF 2007, Szklarska Poręba 2007.
• [3] U. Libal. Dekompozycja sygnału EKG w bazach falkowych z wykorzystaniem algorytmu Mallata. Interdyscyplinarność badań naukowych 2010: praca zbiorowa / pod red. Jarosława Szreka. Wrocław : Oficyna Wydawnicza Politechniki Wrocławskiej, 2010, pp. 233-238.
• [4] U. Libal. Multistage classification of signals with the use of multiscale wavelet representation. Proc. 15th IEEE International Conference on Methods and Models in Automation and Robotics, MMAR 2010: Międzyzdroje, Poland, 23-26 August, 2010, pp. 154-159.
• [5] U. Libal. Multistage pattern recognition of signals represented in wavelet bases with reject option. Proc. 17th IEEE International Conference on Methods and Models in Automation and Robotics, MMAR 2012: Międzyzdroje, Poland, 27-30 August, 2012, pp. 79-84.
• [6] U. Libal. Multistage naive Bayes classifier with reject option for multiresolution signal representation. Proc. 2nd International Conference on Pattern Recognition Applications and Methods, ICPRAM 2013: Barcelona, Spain, 15-18 February 2013, pp. 289-292.