Импульстік толқындарды талдау

Жұмыс түрі: Дипломдық жұмыс
Тегін: Антиплагиат
Көлемі: 56 бет
Таңдаулыға:

МАЗМҰНЫ

Кіріспе 4
1 ӘДЕБИЕТКЕ ШОЛУ ЖӘНЕ МӘСЕЛЕНІҢ ҚАЗІРГІ ЖАҒДАЙЫН БАҒАЛАУ 7
1.1 Электрокардиограмма. Қысымды болжау белгілері 7
1.1.1 Электрокардиограмманың қорғасын жүйесі 7
1.1.2 Электрокардиограмма кешені 10
1.1.3 Қысымды бағалауға арналған электрокардиограмма параметрлері. 11
1.2 Фотоплетизмограмма. Қысымды анықтау параметрлері 12
1.2.1 Фотоплетизмограмма сигналының құраушылары 12
1.2.2 Фотоплетизмограмма сигналын тіркеу 13
1.2.3 Перфузия индексі. Қаттылық индексі. Көрсету индексі 14
1.2.4 Импульстік толқындарды талдау 15
1.3 Жасанды нейрондық желі. Электрокардиограмма және фотоплетизмограмма сигналдарын синхронды талдау үшін нейрондық желілерді қолдану 18
1.3.1 Нейрондық желі моделі 19
1.3.2 Жасанды нейрон 19
1.3.3. Нейрондық желіні белсендіру функциялары 20
1.3.4 Жасанды нейрондық желілердің түрлері 22
1.3.5 Нейрондық желілерді оқыту 24
1.3.6 Электрокардиограмма және фотоплетизмограмма сигналы бойынша қысымды болжау үшін нейрондық желілерді пайдалану 24
1.4 Max30102 сенсоры 25
1.4.1 Модульдің пайдалану сипаттамалары 26
1.4.2 Аяқтың орналасуы MAX30102 27
1.4.3 MAX30102 толық сипаттамасы 29
2 ӘДІСТЕМЕ 30
2.1 Сандық сүзу 30
2.1.1 Биологиялық сигналдар үшін пайдаланылатын сүзгілердің түрлері 31
2.1.2 Жұмыста қолданылған сандық сүзгілеу 33
2.2 Туындыны жұмыста биологиялық сигналдарды талдау үшін пайдалану 35
2.2.1 Электрокардиограмма сигналының алғашқы туындысын алу 35
2.2.2 Импульстік толқындарды талдау үшін туындыларды пайдалану 36
2.2.3 Жұмыста сигналдардың туындыларын пайдалану 37
2.3 QR детекторы және электрокардиограмма сигналын фотоплетизмограмма сигналымен синхрондау 38
2.3.1 QRS кешендерін анықтау әдістері 38
2.4 Spline-интерполяция 41
2.4.1 Интерполяция және оның негізгі түрлері. 41
2.4.2 Интерполяция түйіндерін табу 42
2.5 Фотоплетизмограмма сигналын талдау үшін корреляциялық талдауды қолдану 47
2.5.1 Корреляциялық талдау түсінігі 47
2.5.2 Жұмыстағы корреляциялық талдау 47
3 БАҒДАРЛАМАЛЫҚ КЕШЕНДІ ӘЗІРЛЕУ НӘТИЖЕЛЕРІ 49
3.1 MATLAB ортасында электрокардиограмма және фотоплетизмограмма сигналын өңдеуге арналған бағдарламалық кешен 49
3.2 Нейрондық желі үшін жазбаларды таңдау 53
3.3 Keras кітапханасы негізінде құрылған нейрондық желі 55
3.4 Импульстік толқындардан іріктеумен желі жұмысының нәтижелері 57
3.5 Импульстік толқынның бірінші туындысынан тұратын іріктемесі бар желі жұмысының нәтижелері 60
3.6 Фотоплетизмограмма сигналынан және оның алғашқы туындысынан тұратын іріктемесі бар желі жұмысының нәтижелері 62
4 ТІРШІЛІК ҚАУІПСІЗДІГІ 64
4.1 Бағдарламалық қамтамасыз етуді қолдану шарттары 64
4.2 Бағдарламалық қамтамасыз ету интерфейсіне қойылатын талаптар 65
4.3 Бағдарламалық қамтамасыз етумен жұмыс істеу кезіндегі қауіпті және зиянды факторлар 66
4.4 Медициналық кабинеттердегі өрт қауіпсіздігі 67
4.5 Медициналық кабинеттердегі Электр қауіпсіздігі 68
4.6 Жұмыс кеңістігін ұйымдастыру 68
Қорытынды 70
ПАЙДАЛАНЫЛҒАН ӘДЕБИЕТТЕР ТІЗІМІ 71
А ҚОСЫМШАСЫ 74
Б ҚОСЫМШАСЫ 76

АНЫҚТАМАЛАР, БЕЛГІЛЕР ЖӘНЕ ҚЫСҚАРТУЛАР

АҚ - артериялық қысым
БҚ - белсенді құраушы
АЖС - амплитудалық-жиіліктік сипаттама
АСТ - Аналогты-сандық түрлендіргіш
ШИС - шексіз импульстік сипаттама
ИҚ - инфрақызыл
ЖНЖ - жасанды нейрондық желі
ПИ - перфузия индексі
СИС - соңғы импульстік сипаттама
Бқ - бағдарламалық қамтамасыз ету
ФПГ-фотоплетизмограмма
ФЖС - фазалық жиілік сипаттамасы
ЭЕМ - электрондық есептеу машинасы
ЭКГ - электрокардиограмма
DC - Тұрақты компонент
HR - жүрек соғу жиілігі
RI - көрсету индексі
Si - қаттылық индексі
SNR - сигналшу қатынасы

Кіріспе

Медицинада диагностиканың жаңа әдістерін әзірлеу, содан кейін осы әдістерге негізделген заманауи диагностикалық жабдықты құру медицинаны дамытудың негізгі бағыттарының бірі болып табылады. Қазіргі уақытта адам денсаулығы ағзаның мүшелері мен жүйелерінің жай-күйіне ғана емес, сонымен қатар олардың функционалды өзара әрекеттесуіне де байланысты екенін түсіну артып келеді. Сонымен, сау адамдарда жүрек-тамыр жүйесінің негізгі ырғағы, мысалы: негізгі жүрек ырғағы, тыныс алу, жүрек жиырылуы мен қан қысымының төмен жиіліктегі тербелістері бір-бірімен синхрондаудың жоғары деңгейіне ие, соның арқасында дене жақсы бейімделеді. Жүрек-тамыр жүйесіндегі патологиялық процестердің дамуымен бұл синхрондау бұзылуы мүмкін, сондықтан миокард инфарктісі жүрек-тамыр жүйесін реттеудің әртүрлі ішкі жүйелері арасындағы қалыпты функционалды қатынастардың бұзылуын тудырады.
Жүрек - қан тамырлары аурулары Ресейдегі өлімнің жалпы статистикасында бірінші орында, жүрек-қан тамырлары ауруларынан болатын өлімнің төмендеуі орташа өмір сүру ұзақтығының өсуіне әкеледі, сондықтан Денсаулық сақтау жүйесі үшін өзекті мәселе болып табылады. 2017 жылы жүрек-тамыр жүйесі аурулары 858 мың адамның өмірін қиды, бұл көрсеткіш өткен жылдарға қарағанда 5% - ға аз, бірақ өлім-жітімнің төмендеуіне қарамастан, ол әлі де жоғары болып отыр.
Цифрлық технологиялардың дамуының арқасында смартфонды электрокардиограмма (ЭКГ) және фотоплетизмограмма сияқты биологиялық сигналдарды тіркеу үшін диагностикалық аспап ретінде пайдалануға болады. Жұмыста деректерді алуға мүмкіндік беретін арнайы iPhone корпусынан алынған сигналдар қолданылады
WAV файл пішіміндегі фотоплетизмограммалар және ЭКГ. Пайдалану нейрондық желілердің соңғы технологиялары сигналдарды талдауға және нәтижелерді пайдаланушыға көрсетуге және мамандардың одан әрі талдауы үшін олардың дерекқорын жүктеуге мүмкіндік береді.
Нейрондық желілерді қолдана отырып талдау алгоритмінің көптеген артықшылықтары бар, мысалы, белгісіз заңдылықтармен мәселені шешу (мысалы, импульстік толқынның қысымын анықтау), кіріс шуылына төзімділік, бейімделудің жоғары дәрежесі, бұл әр түрлі қоршаған орта жағдайларында мәселелерді шешуге мүмкіндік береді, сонымен қатар жоғары өнімділік.
Дипломдық жұмыстың мақсаты: жұмыстың негізгі мақсаты-электрокардиограмма мен фотоплетизмограмманы бірлесіп талдауға арналған бағдарламалық жасақтама құру.
Осы мақсатқа жету үшін біз келесі міндеттерді тұжырымдаймыз:
1. Берілген тақырып бойынша әдебиеттерге шолу және мәселенің қазіргі жағдайын бағалау.
2. Жасанды нейрондық желіні оқыту үшін деректерді іріктеуді дайындау, синхрондалған ЭКГ сигналдарын және фотоплетизмограмманы алу
3. MATLAB ортасында сигналдарды көрсету және кейіннен нейрондық желіні құру үшін қолданылатын параметрлерді есептеу үшін бағдарламалық жасақтама құру.
4. KERAS және Tensor Flow фреймворктерінің көмегімен импульстік толқын бойынша қысым мәнін алу үшін нейрондық желі құру.
5. Жасанды нейрондық желі арқылы алынған нәтижелерді талдау.
Зерттеу нысаны жүрек пен жүрек-тамыр жүйесінің жағдайын диагностикалау үшін биотехнологиялық жүйе болып табылады
Жұмыста QRS комплекстерін анықтау, интерполяция, жуықтау, фотоплетизмограмманы талдау, қысыммен корреляцияланған импульстік толқынның параметрлерін анықтау әдістері қолданылды.
Жұмыс нәтижесі: жұмысты орындау барысында ЭКГ сигналы мен фотоплетизмограмманың импульстік толқынын бірлесіп талдау бойынша бағдарламалық кешен алынды, өңделген деректер алынды, олардың негізінде жасанды нейрондық желі (ИНС) әзірленді.
Ғылыми және практикалық маңыздылығы: биологиялық сигналдарды бірлесіп талдау әдістерін жетілдіру, бұл дененің функционалды жағдайы туралы көбірек ақпарат алуға көмектеседі. Сондай-ақ фотоплетизмограмманың импульстік толқыны бойынша қысым көрсеткішін бағалау әдісін әзірлеу.

1 ӘДЕБИЕТКЕ ШОЛУ ЖӘНЕ МӘСЕЛЕНІҢ ҚАЗІРГІ ЖАҒДАЙЫН БАҒАЛАУ

1.1 Электрокардиограмма. Қысымды болжау белгілері

Электрокардиография-бұл жүрек бұлшықеті жұмыс істеген кезде пайда болатын электрлік потенциалды тіркеу және зерттеу әдісі. Потенциалдарды тіркеу үшін гальванометрдің оң және теріс полюстерімен байланысқан екі электрод жеткілікті.

1.1.1 Электрокардиограмманың қорғасын жүйесі

Ұрлау-әр түрлі потенциалы бар адам денесінің екі нүктесінің тіркесімі. Медициналық тәжірибеде электрокардиограмманың (ЭКГ) 12 қорғасын 1-кестеде көрсетілгендей қолданылады.
Кесте 1
ЭКГ шығару
Алшақтату түрлері

Екі полюсті алшақтату
Бір полюсті алшақтату
Аяқ-қолдардан алыстату
3 қорғасын (Эйндховен)
3 алшақтату (Голдберг)
Кеуде бөлу
Жоқ
6 алшақтату (Вилсон)

Екі полюсті сымдар стандартты, 4 электрод стандартты қорғасынды тіркеу үшін қолданылады, атап айтқанда қызыл - оң қол, сары - сол қол, жасыл - сол аяқ, қара - оң аяқ. Содан кейін олардың арасындағы потенциалдар айырмасы жазылады, қорғасынның бұл түрі фронтальды жазықтықтағы жүректің белсенділігін зерттейді.
Электродтарды жұппен қосу:
I алшақтату - оң қол және сол қол;
II алшақтату - оң қол және сол аяқ;
III алшақтату - сол қол мен сол аяқ.
Олар бірге Эйнтховеннің үшбұрышын құрайды (1-сурет). Оның ортасында жүрек электр қозғаушы күштің нүктелік көзі ретінде орналасқан.

Сурет 1 - Эйнтховен Үшбұрышы

Қорғасын осьтерін жүректің электрлік орталығы арқылы жылжытқанда, олардың әрқайсысы 60° бұрышта орналасқан үш осьтік қорғасын жүйесін алуға болады (2-сурет).

Сурет 2 - Үш осьтік алшақтату жүйесі

Аяқ-қолдардан бір полюсті сымдар келесідей көрсетілген түрде:
- aVR-оң қолды алшақтату;
- aVL-сол қолды алшақтату;
- aVF-оң қолды алшақтату.
Олар фронтальды жазықтықта ықтимал айырмашылықты тіркейді.
Алдын-ала бір полюсті сымдар электрлік потенциалдарды көлденең жазықтықта тіркейді, әдетте "V"белгісімен белгіленген 6 кеуде сымдарын қолданады:
- V1-Стернумның оң жақ шеті;
- V2-Стернумның сол жақ шеті;
- V3-v2 және V4 электродтары арасында;
- V4 - сол жақ ортаңғы-клавикулалық сызық бойынша;
- V5-v4 деңгейіндегі алдыңғы қолтық сызығы бойынша;
- V6-v4 және V5 көлденеңінен ортаңғы аксиларлы сызық бойынша. [1]

1.1.2 Электрокардиограмма кешені

ЭКГ кешеніне тістер, сегменттер және интервалдар кіреді. ЭКГ кешенінің жалпы көрінісі 3-суретте көрсетілген.

Сурет 3-ЭКГ кешені [1]

P тісі атрианың қозуын көрсетеді, оның көтерілген бөлігі оң жақ атриумның деполяризациясын, ал төменгі бөлігі сол жақ атриумның деполяризациясын көрсетеді.
P-Q (R) аралығы p тісі мен P-Q сегментінен тұрады, ол атриа бойымен қозудың өту уақытын көрсетеді. P-Q сегменті және T-P аралығы изоэлектрлік сызықтың деңгейі ретінде қабылданады, оның көмегімен кешен тістерінің амплитудасы анықталады.
QRS кешені немесе қарыншалық кешен үш тістен тұрады: Q-тіс (септумның қозуына сәйкес келеді), R-тіс (қарыншалық кешеннің алғашқы оң ауытқуы) және S-тіс (қарыншалық кешеннің теріс ауытқуы). R-тістің басынан оның шыңына дейінгі уақыт интервалы ішкі ауытқу интервалы деп аталады. Ол эндокардтан эпикардқа дейін қозудың таралу жылдамдығын сипаттайды.
RS-T сегменті қарыншаның толық қозу кезеңіне сәйкес келеді. T тісі қарыншалық миокардтың реполяризациясын сипаттайды. Q-t интервалы-жүректің электрлік систоласы, ал T-P сегменті-диастола. [1]

1.1.3 Қысымды бағалауға арналған электрокардиограмма параметрлері.

ЭКГ сигналы бойынша қысымды болжау үшін келесі параметрлерді бөліп көрсетуге болады (4-сурет).

Сурет 4 - арнайы параметрлері бар ЭКГ кешені [2]

Р, QRS, PQ, QT сегменттерінің ұзақтығы және P, R, S, T амплитудасы - тістер, алайда P және QRS параметрлерінде қысыммен айтарлықтай корреляция жоқ. Корреляция TA = 0.25, QT=0.32, QT мәні импульспен жақсы корреляцияға ие, бірақ қан қысымын анықтау моделіне жаңа ақпарат енгізілмейді, осыған байланысты берілген жұмыста ЭКГ сигналы фотоплетизмограммамен (FPG) синхрондау және ондағы импульстік толқынның басталуын анықтау үшін қолданылады. [2]

1.2 Фотоплетизмограмма. Қысымды анықтау параметрлері

Фотоплетизмография-қан ағымын бағалаудың плетизмографиялық әдістерінің бірі. Бұл әдістер импульстік толқынның өтуі нәтижесінде тіндердің немесе мүшелердің көлемінің өзгеруін бағалау үшін қажет. FPG-дің басқа ұқсас әдістерден басты айырмашылығы-биологиялық тіндердің микро-тамырларындағы қан көлемінің өзгеруін тіркеу үшін оптикалық сенсорларды қолдану. FPG толқынының пайда болу орны әлі күнге дейін белгілі емес, ең көп таралған теория оның артериолаларда пайда болатындығын көрсетеді, онда күрт импульсті ағын капиллярлардағы эритроциттердің тегіс қозғалысына айналады.

1.2.1 Фотоплетизмограмма сигналының құраушылары

FPG сигналын қалыптастыруға 2 компонент қатысады:
- лүпілді (БҚ) - жүректің механикалық систоласымен анықталады (5-сурет);
- негізгі (DC) - тыныс алу, терморегуляция және симпатикалық жүйке жүйесінің жұмысымен байланысты (5-сурет).

Сурет 5 - FPG сигналының компоненттері

1.2.2 Фотоплетизмограмма сигналын тіркеу

Сигналды тіркеу 2 жолмен мүмкін, көзден Жарық мата арқылы өтіп, фотодетекторға немесе нефелометриялық түрде түседі, матадан шағылысқан сигнал талданады. Тіркеу мысалы 6-суретте көрсетілген.

Сурет 6 - FPG сигналын тіркеу

Бірінші әдіс үшін сенсор саусақ фалангасына немесе құлаққа қолданылады, екінші әдіс сенсорды бекіту орнында ешқандай шектеулерге ие емес, ол терінің кез-келген аймағына жабысқақ қабат көмегімен бекітіледі. Бірінші әдістің басты артықшылығы-сигнал шуылдың жақсы қатынасы, екінші әдістің ерекшелігі-талданған мата аймағын қысудың болмауы және орналасқан жерінде шектеулердің болмауы, бұл қажет болған жағдайда сигналды ұзақ тіркеудің маңызды ерекшелігі болып табылады.
Осы әдістермен алынған сигналдар амплитудада әр түрлі болуы мүмкін, бұл трансмуральды қысымның кішкентай резистивті артерияларға әсер етуімен байланысты. Шағылысқан сигнал негізінен Үстірт орналасқан артериялар арқылы қалыптасады, ал бірінші әдіс бойынша сигнал бүкіл тамыр арнасы арқылы тереңдікте өтеді.
Сигналды тіркеу үшін әдетте ұзындығы 940 нм болатын инфрақызыл (ИҚ) жарық диоды қолданылады. IR жарығын пайдалану гемоглобиннің өзгеруі нәтижесінде оптикалық тығыздықтың өзгеруіне жол бермейді. [2]
1.2.3 Перфузия индексі. Қаттылық индексі. Көрсету индексі

DC компоненті теріге, тіндерге және импульсті емес қан көлеміне жарықтың сіңуімен анықталады, DC амплитудасына қанның тұндыру қабілеті және төмен қан қысымы әсер етеді. Айнымалы токтың амплитудасына импульсті артериялық қан мөлшері әсер етеді.
FPG сигналын бағалаудың негізгі параметрлерінің бірі перфузия индексі (IP) болып табылады, ол белсенді компоненттің амплитудасының базаға пайыздық қатынасы болып табылады. IP арқасында перифериялық қан ағымының күйін бақылауға болады. Оған тән физиологиялық мағына-импульсті қан ағымының перифериялық ұлпадағы қанның статикалық көлеміне қатынасы. Индекс мәнінің өзгеруіне байланысты жергілікті вазоконстрикция мен вазоделатацияны бақылауға болады. Индекс мөлшері жүрек соғу саны, қанның оттегімен сатурациясы немесе температура сияқты физиологиялық параметрлерге байланысты емес.
Қаттылық индексі (SI) - импульстік толқынның таралу жылдамдығына байланысты шама. SI пациенттің метрдегі өсуінің импульсті толқынның төменгі денеден сенсорды бекіту орнына дейін таралу уақытына қатынасы ретінде есептеледі.
Рефлексия индексі (RI) - тамыр тонусының жай-күйін бағалайтын, импульстің систолалық шыңының амплитудасының диастолаға пайыздық қатынасы ретінде есептелетін шама. Олардың арасындағы уақыт кідірісін анықтау үшін бастапқы сигналдың бірінші туындысы пайдаланылады (7-сурет). Диастолалық шыңның анық емес орналасуы шағылысу индексін анықтауда қателіктерге әкелуі мүмкін.

Сурет 7 - импульстік толқын және оның алғашқы туындысы
1.2.4 Импульстік толқындарды талдау

CardioQvark құрылғысын зерттеуде қысымды болжау үшін синхрондалған импульстік толқындар мен ЭКГ сигналы қолданылды. Толқындарды талдау кезінде қысым шамасымен байланысты аналитикалық және геометриялық параметрлер анықталды. Зерттеуге 300 толқын қатысты, олардың параметрлері бөлек есептелді, содан кейін олар орташа болды. Осылайша, толқынның геометриялық параметрлері үшін медианалық мәндер, ал спектрлік үшін орташа және дисперсия қолданылды.
Геометриялық белгілер:
- R-шыңынан импульстік толқынның максималды өсу нүктесіне дейінгі кезең медианасы;
- R-шыңынан импульстік толқынның максималды өсу нүктесіне дейінгі кезең медианасы;
- R шыңынан тікелей систолалық толқынның шыңына дейінгі кезең медианасы;
- R шыңынан шағылысқан диастолалық толқынның шыңына дейінгі кезеңнің медианасы;
- R шыңынан диастолалық толқын шыңына дейінгі медиан;
- R-шыңдар арасындағы кезең медианасы;
- тікелей систолалық толқындардың шыңдары арасындағы медиан;
- диастолалық шыңдар арасындағы медианалық кезең;
- диастолалық шыңдардың амплитудасының медианасы;
- перфузия индексінің медианасы
Импульстік толқын аймағының сегменттері де ақпараттық белгілерге ие (8-сурет).

Сурет 8 - импульстік толқынның ақпараттық сегменттерінің ауданы

5 аудан пайдаланылды, бірақ барлық сегменттер қысыммен корреляцияның жоғары пайызына ие емес. Сонымен, S2 және S3 сегменттерінің аудандары қысыммен маңызды корреляцияға ие емес, ал S1, S4, S5 корреляция мәндері 0.35 - тен аспайды, алайда аудан қатынасын есептеу Ақпараттық болып табылады, атап айтқанда: S1S2 - 0.41, S2S5 - 0.43, S4S3 - 0.51, S4S5-0.44. S2S5 қатынасы FPG толқынының алдыңғы жағын сипаттайды.
Спектрлік сипаттамалар ұқсас есептелді, алдымен жеке кардиоциклдер үшін, содан кейін орташа. Белгілер 2 топқа бөлінді, біріншісі ЭКГ және FPG сигналдарының спектрлік амплитудасының табиғи логарифмдерінің айырмашылықтарының дисперсиясын, ал екінші мәні орта және R шыңынан FPG сигналының минимумы мен максимумына дейінгі кідірістердің дисперсиясы. [3,4] KengoAtomi және HarukiKawanaka жүргізген тағы бір зерттеу маңызды параметрлерді бөлектеу үшін алғашқы туынды қолданды (9-сурет).

Сурет 9 - импульстік толқын және оның толқынның ақпараттық учаскелерінің маркерлері бар алғашқы туындысы

"A" және "b" толқындары қан шығарылғаннан кейін қысым қозғалысының толқынын сипаттайтын систолалық алдыңғы компоненттер болып табылады. "C" және "d" толқындары-бұл систолалық артқы компоненттер, олар периферия бойымен таралатын қысым толқынын көрсетеді, содан кейін шағылысудан кейін оралады. "Е" толқыны-диастолалық компонент, ол қан клапаны жабылғаннан кейін перифериялық қан ағымын білдіреді. Систолалық қан қысымының жоғарылауымен "а" толқыны жоғарылайды, ал "В" және "Е" толқындары керісінше төмендейді. Толқынның әр компонентінің " а " толқынының биіктігіне қатынасы қан тамырларының күйін сипаттайды. Мысалы, e a толқындарының қатынасы қан тамырларының серпімділігін көрсетеді, ал қан қысымы тамырлардың серпімділігімен байланысты. [5]
1.3 Жасанды нейрондық желі. Электрокардиограмма және фотоплетизмограмма сигналдарын синхронды талдау үшін нейрондық желілерді қолдану

Жасанды нейрондық желілер арқылы шешілетін міндеттер әртүрлі, сондықтан олар медицина, экономика, радиотехника және басқа да көптеген салаларда кеңінен қолданылады.
Жасанды нейрондық желілер (ins) - биологиялық нейрондық желілерді ұйымдастыру және жұмыс істеу принципі бойынша құрылған математикалық модельдер, олардың бағдарламалық және аппараттық қосымшалары. Олардың негізгі мақсаты-шешім алгоритмдері жоқ немесе олар өте күрделі мәселелерді шешу. [6]
1.3.1 Нейрондық желі моделі

ЖНЖ үш қабаттан тұрады (10-сурет):
- кіріс қабаты (жасырын қабаттың нейрондарына сигнал беретін жасанды нейрондардан тұрады);
- жасырын қабат (ақпаратты өңдейтін нейрондардан тұрады және нәтижелерді Шығыс қабатына жібереді);
- Шығыс қабаты (дайын нәтижені шығарады).

Сурет 10 - ЖНЖ құрайтын қабаттар

1.3.2 Жасанды нейрон

Жасанды нейрон - алынған өлшенген сомаға қарапайым, сызықты емес функцияны қолданатын кіріс сигналдарының қосындысы, бүкіл анықтау аймағында үздіксіз. 11-суретте жасанды нейронның схемасы көрсетілген.

Сурет 11 - жасанды нейрон схемасы

Биологиялық нейрондар арасындағы байланыс синапстар деп аталады, олар арқылы өтетін сигналды күшейте немесе әлсірете алады, жасанды нейрондық желілер жағдайында бұл байланыстар салмақ деп аталады, әр салмақты белгілі бір санмен сипаттауға болады. Осылайша, осы байланыс арқылы өтетін сигнал оның салмағына көбейтіледі. Әрі қарай, оның салмағының мәніне көбейтілген сигнал барлық кіріс сигналдарын қосатын қосқышқа жіберіледі. Нәтижесінде өлшенген сома алынады:
net=i=1nxiwi
Net-өлшенген сома, 𝑥 𝑖 - I кірісі бар сигналдың мәні, 𝑤 𝑖 - I байланысының салмағы. Активтендіру функциясы ϕ (net) - бұл функцияның мәні, аргумент ретінде өлшенген соманың мәнін алатын және нейронның шығуы (out).
1.3.3. Нейрондық желіні белсендіру функциялары

Нейрондық желіні белсендірудің кейбір функцияларын, бір секіру функциясын, сигмоидты функцияны және гиперболалық тангенсті қарастырыңыз.
Бір секіру функциясы (12-сурет), нейронның шығысындағы мән (b) шегіне байланысты 0 немесе 1 санын алады.

Cурет 12 - бір секіріс функциясының графикалық түсіндірмесі

Сигмоидты логистикалық функция (13-сурет), нейронның мәні [0;1] аралықтағы санды алады, дәрежесіне байланысты функцияның көлбеулігі ("a"параметрі).

Cурет 13 - "а"параметрінің әртүрлі мәндері бар Сигмоидты логистикалық функция
Гиперболалық тангенс, осы активтендіру функциясының мәндері әртүрлі белгілерді қабылдауы мүмкін (14-сурет) және қисықтың беріктігінің параметріне де байланысты ("А"параметрі).

Сурет 14 - гиперболалық тангенсті белсендіру функциясы

1.3.4 Жасанды нейрондық желілердің түрлері

Бір қабатты нейрондық желілер. Осы типтегі желілерде кіріс қабатынан кейін сигнал шығысқа түседі, ол оны түрлендіреді және бірден жауап береді (15-сурет).

Сурет 15 - бір қабатты нейрондық желінің құрылымы (XP-кіріс сигналдары, wnm-салмақ, ym - Шығыс мәні)

Көп қабатты нейрондық желілер (16-сурет). Мұндай желілерде жасырын қабаттар (қабат) бар, олар кіріс және шығыс арасында орналасқан қабаттар, көп қабатты желілер бір қабатты желілермен салыстырғанда көптеген мүмкіндіктерге ие.

Сурет 16 - Жасырын қабаты бар көп қабатты ЖНЖ құрылымы

Тікелей тарату желілері - кіріс қабатынан шығу қабатына сигнал таралатын ins, керісінше қолданылмайды. Мұндай желілер болжау, кластерлеу және тану міндеттерін жақсы орындайды.
Кері байланысы бар желілер-кіріс сигналына шығу мүмкін болатын ins. Мұндай нейрондық желілер сигналдарды қалпына келтіруге немесе толықтыруға қабілетті, қысқа мерзімді есте сақтау қабілетіне ие.
1.3.5 Нейрондық желілерді оқыту

Нейрондық желіні оқыту-бұл салмақ коэффициенттерінің жиынтығын іздеу процесі, онда желі өткеннен кейін кіріс сигналы қажетті шығысқа айналады.
Желінің негізгі қабілеті-белгілерді жалпылау қабілеті, сондықтан жақсы нәтижеге қол жеткізу үшін көптеген кіріс сигналдары қажет, ол үшін жаттығу кезінде мәліметтер үлгілерінің бірнеше түрлері қолданылады.
Оқу үлгісі, онда кіріс сигналдары бар, оларда ins жаттығуы болатын дұрыс шығыс сигналдары болуы мүмкін, әдетте байланыс салмағының мәндері оған сәйкес келеді.
Тексеру үлгісі желілік архитектураның жұмысын бағалау үшін қолданылады, әдетте жасырын қабаттардың саны реттеледі, ал таразы мәндері өзгермейді. Ins жұмысының сапасын бағалау үшін тест үлгісі қолданылады.
1.3.6 Электрокардиограмма және фотоплетизмограмма сигналы бойынша қысымды болжау үшін нейрондық желілерді пайдалану

CardioQvark-тен алынған сигналдарды талдауда ins қолдануды қарастырыңыз. Желілердің бірнеше түрлері қолданылды, әрқайсысы үшін төрт пациенттің сигналдары бөлінді, содан кейін желінің жұмысы бесіншіден сыналды. Ең жақсы нәтижелер lenet желісі арқылы алынды, оның архитектурасын қарастырыңыз.
LeNet - аралас архитектурасы бар желі, атап айтқанда конвульсиялық қабаттар мен max-pooling қабаттарының ауысуы. Конвульсиялық нейрондық желілердің ерекшелігі-әр нейронның тек
алдыңғы қабаттың" көрші " нейроны. Max-pooling layer-бірнеше бөлінбейтін блоктарды сындыратын және блоктардың әрқайсысы үшін максималды мән таңдалатын қабат. 17-суретте LeNet жұмысының нәтижелері көрсетілген.

Сурет 17 - lenet желісі қысым болжау нәтижелері

Зерттеуде әртүрлі параметрлер қолданылды, желіні оқыту үшін 2-3 параметрді қолданған кезде пациенттен 10-15 жазба қажет, корреляция коэффициенті 0.73 құрайды. Параметрлердің көбеюі тұрақты нәтижелер үшін бір пациенттен көбірек жазбаларды, шамамен 40 жазбаны қажет етеді. Параметрлер санының одан әрі өсуімен оқытуға арналған жазбалар саны да артады. Сондықтан, желіні оқытудағы басты міндет-максималды ақпараттылығы бар параметрлердің ең аз санын пайдалану.

1.4 Max30102 сенсоры

MAX30102-бұл қанның оттегімен сатурациясын және импульстің мәнін өлшеуге арналған біріктірілген модуль. Оның құрамына ішкі жарық диодтары, фотоқабылдағыштар және қоршаған ортаны басатын электроника кіреді, шу деңгейі төмен. Қуат көзі үшін 2 көзі, 1.8 В және 5.0 в ішкі жарық диодтары үшін қолданылады. Байланыс I2C интерфейсі арқылы жүзеге асырылады. MAX30102-бұл мобильді және тозуға болатын құрылғыларға арналған кешенді жүйелік шешім.
Модульдің негізгі артықшылықтары:
- биологиялық тіндердің бетінен шағылысқан жарықты талдайтын сенсор түрін қолданады;
- сенімді жұмыс істеу үшін кіріктірілген қауіпсіздік әйнегі бар шағын оптикалық модуль;
- мобильді құрылғылар үшін өте төмен қуатты пайдалану;
- деректерді шығарудың жоғары жылдамдығы;
- қозғалыс кезінде артефактілерге төзімділік;
- жоғары сигналшу қатынасы (SNR);
- жұмыс температурасының кең диапазоны, -40 °C-тан +85 °C-қа дейін.
1.4.1 Модульдің пайдалану сипаттамалары

Төменде қоршаған орта температурасында MAX30102 +25 °C-қа тең болатын пайдалану сипаттамалары қарастырылады, мысалы: вольтамперлік сипаттама (18-сурет), спектрлік сипаттама (19-сурет), фотодиодтың кванттық тиімділігінің толқын ұзындығына тәуелділік графигі (20-сурет). [7]

Сурет 18 - қызыл және ИҚ үшін Вольтамперлік сипаттама

Сурет 19 - қызыл және ИҚ жарық диодының спектрлік сипаттамасы

Сурет 20 - фотодиодтың кванттық тиімділігінің толқын ұзындығына

1.4.2 Аяқтың орналасуы MAX30102

Төмендегі 21-суретте MAX30102 корпусындағы pin орналасуы және одан әрі олардың сипаттамасы 2-кестеде келтірілген.

Сурет 21 - аяқтың орналасуы MAX30102 Кесте 2-Сипаттама PIN MAX30102

Кесте 2
Сипаттама PIN MAX30102
№
Аяқтары
Атауы
Функция
1, 7, 8 ,
14
N.С.
Қосылым жоқ, PCB тақтасына қосылу
2
SCL
I2C сағаттық кіріс
3
SDA
I2C деректері, екі бағытты (Open-Drain)
4
PGND
Жарықдиодты блоктарды жерге қосу
5
R_DRV
Қызыл жарық диодты Драйвер
6
IR_DRV
Инфрақызыл жарықдиодты Драйвер
9
𝑉𝐿𝐸𝐷+
Жарықдиодты қуат көзі (анодтық байланыс)

10
𝑉𝐿𝐸𝐷+

11
𝑉𝐷𝐷
Қуат көзінің аналогтық кірісі
12
GND
Аналогты жерге қосу
13
INT
Active-low interrupt

1.4.3 MAX30102 толық сипаттамасы

Бұл сенсор науқасты тұрақты немесе мерзімді тексеру үшін тозатын жүйелерге жақсы біріктірілген, осы жұмыста қолданылатын сигналдар осы MAX30102-ден алынған. Құрылғы оптикалық немесе электрлік сипаттамаларға нұқсан келтірместен өте кішкентай. Бағдарламалық регистрлерді қолдана отырып, толық конфигурациялауға болады, сандық деректерді 32 биттік FIFO арнасында сақтауға болады. FIFO сенсорға жалпы шинадағы микроконтроллерге немесе процессорға қосылуға мүмкіндік береді, онда деректер үздіксіз оқылмайды.
MAX30102 құрамында қанның оттегімен сатурация деңгейін анықтайтын ішкі жүйе бар, ол үшін қоршаған ортаны басу жүйесі бар
Жарық (ALC), үздіксіз уақыт сигма-дельта ADC және дискретті уақыт сүзгісі. ADC-де 2mka-дан 16mka-ға дейін бағдарламаланатын толық ауқым бар. ADC деректерді беру жылдамдығы секундына 50-ден 3200-ге дейін. ADC іріктеу жиілігі-10.24 МГц.
MAX30102 қызыл және инфрақызыл жарықдиодты драйверлерді сатурация деңгейі мен жүрек соғу жиілігін өлшеу үшін жарық импульстарын жасау үшін біріктіреді. Жарықдиодты Ток 0-ден 50 мА-ға дейін бағдарламаланады.
Жақындастыру функциясы энергияны үнемдеуге және пациенттің саусағы сенсорда болмаған кезде көрінетін жарықтың сәулеленуін азайтуға арналған. SaO2 және HR (импульсті тіркеу) режимін іске қосқан кезде, IR жарық диоды регистрде орнатылған жетек тогымен жақындату режимінде іске қосылады. Ir-ADC (регистрде көрсетілген) шотының шекті мәнінен асатын объект анықталған кезде детектор автоматты түрде әдеттегі SpO2 HR режиміне өтеді. Жуықтау режиміне қайта кіру үшін режим регистрін қайта жазу керек (мәні бірдей болса да). [7]

2 ӘДІСТЕМЕ

2.1 Сандық сүзу

ЭКГ сигналын адам денесінен шығару кезінде жүректің электрлік белсенділігі ғана емес, сонымен қатар электродтар арасында пайда болатын барлық электрлік процестер, мысалы, тыныс алу бұлшықеттерінің жұмысы, Қаңқа бұлшықеттерінің қозғалысы және жұмыс істейтін электр құрылғыларының потенциалы, яғни желінің бағыты жазылады. Барлық осы кедергілерді жою үшін сандық сүзу қолданылады.
Бұл жұмыста портативті ЭКГ тіркеу құрылғысынан алынған сигналдар және MAX30102 сенсорын қолданатын CardioQvark фотоплетизмограммасы қолданылады, сигналдар wav файл форматында алынады. "Patient ID.100 "ЭКГ сигналдары үшін және" patient ID.200 " фотоплетизмограмма сигналы үшін. Алынған сигналдар Шу мен желіні жою үшін сандық сүзуді қажет етеді. Сондай-ақ, ақпараттық бірінші туындыны пайдалану үшін сүзгілеуге ерекше көзқарас қажет.
2.1.1 Биологиялық сигналдар үшін пайдаланылатын сүзгілердің түрлері

ЭКГ және ФПГ сигналдарын сүзгілеу кезінде әртүрлі сүзгілер қолданылады. Олардың кейбірін қарастырайық:
- рекурсивті емес сүзгілер-соңғы импульстік сипаттамасы бар сүзгі (22-сурет);
- шексіз импульстік сипаттамасы бар рекурсивті сүзгі сүзгісі (23-сурет);
- адаптивті сүзгі.
Миографиялық шуылмен күресу үшін сигналды 60 Гц-ке дейін шектейтін FNH қолданылады. Сондай-ақ, ресейлік желілер үшін 50 Гц желілік дәлдікті жою үшін кесу сүзгісі қолданылады немесе шетелдік үшін 60 Гц. Биологиялық сигналдарды өңдеу кезінде сүзгінің фазалық жиілік сипаттамасы сызықты, ал мүмкін болса нөл болуы маңызды.

Сурет 22 - блок схемасы сүзгі

Z-1 сигнал кері санағын сақтайтын Регистр бола алатын кідіріс элементі. Үшбұрыш-арифметикалық көбейтуді орындайтын элемент. Шеңбер-арифметикалық қосуды орындайтын элемент.

Сурет 23 - мінез-құлық сүзгісінің схемасы

Егер шудың жиілік құрамы туралы ақпарат белгісіз болса, мұндай жағдайларда адаптивті сүзу қолданылады (24-сурет).

Сурет 24 - адаптивті сүзгі блок-схемасы

Бұл жағдайда DT сигналы пайдалы S(t) және n(t) Шу сигналының қосындысын білдіреді, ал u(t) - шуылға байланысты сигнал. Бұл сүзгі шуылмен байланысты және кіріс сигналына негізделген параметрлерін бейімдейтін сигнал компоненттерін іздейді. Сүзгінің шығуында шуылмен корреляцияны сипаттайтын y(t) мәні алынады, содан кейін 𝑠1 = 𝑑(𝑡) −
𝑦 ( 𝑡 ) бұл шуылмен байланысты емес сигналды бағалау. Мінез-құлық және КИХ сүзгілермен салыстырғанда, бейімделгіш үлкен тиімділік пен икемділікке ие.
Сүзгілеу кезінде биологиялық сигналдар өзгереді, нәтижесінде дұрыс емес диагноз қойылуы мүмкін немесе сигнал өзінің ақпараттық бөлігін жоғалтуы мүмкін. Осылайша, сүзу R - тістің амплитудасына әсер етуі мүмкін, st-t сегментінің өзгеруіне әкелуі мүмкін, бұл оны ишемиялық етеді. ФПГ сигналында сүзуден кейін диастолалық шың жоғалуы мүмкін, бұл импульстік толқындарды талдауда маңызды.
2.1.2 Жұмыста қолданылған сандық сүзгілеу

Бұл зерттеу сандық сүзгіні жасау үшін MATLAB бағдарламалық ортасын және оның кіріктірілген Filter Designer қосымшасын қолданды. 18 Гц кесу жиілігімен 2 ретті БАТТЕРВОРТ мінез-құлық сүзгісі жасалды. 25-суретте амплитудалық-жиіліктік сүзгінің сипаттамасы, 26-суретте оның фазалық жиілігі көрсетілген.

Сурет 25 - Құрылған сүзгінің АЖС

Сурет 26 - Құрылған сүзгінің ФЖС

Сүзу кезінде енгізілген фазалық ығысуды өтеу үшін filtfilt функциясы қолданылды. Бұл функция екі бағытты сүзу үшін қолданылады, бірінші сүзу әдетте жүзеге асырылады, содан кейін алынған сигнал екінші рет, енді соңынан басына дейін сүзіледі. Бұл тәсіл фазалық ауысуларды жоюға мүмкіндік береді, ал алынған тәртіп 2 есе артады.
Желінің кедергісін жою үшін сигнал 50 Гц-ке дейін жұқарды, осылайша мен желінің ұшын алып тастаймын. Ол үшін downsample функциясы қолданылды, ол сигналды іріктеу жиілігін n есе азайтады.
2.2 Туындыны жұмыста биологиялық сигналдарды талдау үшін пайдалану
2.2.1 Электрокардиограмма сигналының алғашқы туындысын алу

Туынды-функцияның өзгеру жылдамдығы. ЭКГ сигналының алғашқы туындысын қолдану бірінші туындының максималды амплитудасының нүктесіне сәйкес келетін ену нүктелерін анықтауға көмектеседі, бұл нүктелерді туындысыз анықтау мүмкін емес. Иілу нүктелері-бұлшықет жиырылуының энергетикалық өзгеруін сипаттайтын Өлшем. ЭКГ үшін тек бірінші туынды алу жеткілікті, өйткені оның максимумы мен минимумы бұлшықеттің жиырылу энергиясының өзгеруі туралы ақпарат береді. 27-суретте бастапқы сигнал және ЭКГ сигналының алғашқы туындысы көрсетілген.

Сурет 27 - ЭКГ бастапқы сигналы (жоғарғы график) және оның бірінші туындысы (төменгі график)

Сондай-ақ, бірінші туынды Пан және Томпкинс алгоритмімен QRS комплекс детекторында қолданылады, ол комплекстерді анықтау үшін шекті мәнді және басқа анықтау әдістерін қолданады.

2.2.2 Импульстік толқындарды талдау үшін туындыларды пайдалану

Фотоплетизмограмманы талдау кезінде оның алғашқы туындысы ғана емес, сигналды одан әрі саралау импульстік толқын туралы ақпарат береді. Негізінен, бірінші туынды толқынның диастолалық шыңын табу үшін қолданылады, бірақ алгоритм дикротикалық тіс бастапқы сигналда жақсы көрінетін толқындарға ғана жарамды. Екінші туындыны қолдану тірек нүктелерін береді, соның арқасында сіз тамырлы жасты анықтай аласыз (28-сурет). [5]

Сурет 28 - импульстік толқынның графигі және оның екінші туындысы, онда көрсетілген репер нүктелері бар

Толқындарды талдау және келесі нүктелерді таңдау ... жалғасы

Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.