Анализ дифракционных спектров периодических решеток, профиль которых описывается электрокардиограммами

  • Антон Сергеевич Мигель Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Сергей Владимирович Малый Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

Аннотация

Рассмотрено использование модельной задачи о взаимодействии плоской линейно-поляризованной электромагнитной волны с границей раздела двух сред, профиль которой описывается периодическим сигналом, для формирования вектора признаков (дифракционного дескриптора) в виде амплитуд распространяющихся пространственных гармоник рассеянного поля. Объектом исследования являются сигналы электрокардиограмм. Предложены алгоритмы предварительной обработки сигналов электрокардиограмм для выделения нормированных кардиоциклов, используемых для формирования моделей периодических решеток с заданными коэффициентами вертикального и горизонтального масштабирования по отношению к длине волны. Приведены результаты расчетов дифракционных дескрипторов для трех типов электрокардиограмм, соответствующих разным состояниям сердечнососудистой системы, при различных режимах масштабирования, фиксированных угле падения и поляризации электромагнитной волны. Установлено, что дифракционные дескрипторы обладают высокой чувствительностью к особенностям сигналов электрокардиограмм и при одинаковых коэффициентах масштабирования кардиоциклов могут использоваться в процессе построения автоматизированных диагностических систем.

Биографии авторов

Антон Сергеевич Мигель, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

аспирант кафедры радиофизики и цифровых медиатехнологий факультета радиофизики и компьютерных технологий. Научный руководитель – С. В. Малый

Сергей Владимирович Малый, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

кандидат физико-математических наук, доцент; заведующий научно-исследовательской лабораторией радиофизики и информационных технологий кафедры радиофизики и цифровых медиатехнологий факультета радиофизики и компьютерных технологий

Литература

  1. Berkaya SK, Uysal AK, Gunal ES, Ergin S, Gunal S, Gulmezoglu MB. A survey on ECG analysis. Biomedical Signal Processing and Control. 2018;43:216–235. DOI: 10.1016/j.bspc.2018.03.003.
  2. Rangayyan RM. Biomedical signal analysis. 2nd edition. Piscataway: IEEE Press; 2015. XLI, 672 p. (Akay M, editor. IEEE Press series in biomedical engineering). Co-published by the Wiley. DOI: 10.1002/9781119068129.
  3. Aqil M, Jbari A, Bourouhou A. ECG signal denoising by discrete wavelet transform. International Journal of Online and Biomedical Engineering. 2017;13(9):51–68. DOI: 10.3991/ijoe.v13i09.7159.
  4. FedotovAA. Analysis of parameters for smoothing electrocardiographic signals. Measurement Techniques. 2020;62(12):1079–1083. DOI: 10.1007/s11018-020-01737-9.
  5. Pan S-T, Hong T-P, Chen H-C. ECG signal analysis by using hidden Markov model. In: 2012 International conference on fuzzy theory and its applications; 2012 November 16–18; Taichung, Taiwan. [S. l.]: IEEE; 2012. p. 288–293. DOI: 10.1109/iFUZZY.2012.6409718.
  6. Venkatesan C, Karthigaikumar P, Paul A, Satheeskumaran S, Kumar R. ECG signal preprocessing and SVM classifier-based abnormality detection in remote healthcare applications. IEEE Access. 2018;6:9767–9773. DOI: 10.1109/ACCESS.2018.2794346.
  7. Martis RJ, Acharya UR, Mandana KM, Ray AK, Chakraborty C. Application of principal component analysis to ECG signals for automated diagnosis of cardiac health. Expert Systems with Applications. 2012;39(14):11792–11800. DOI: 10.1016/j.eswa.2012.04.072.
  8. Gupta V, Saxena NK, KanungoA, Kumar P, Diwania S. PCA as an effective tool for the detection of R-peaks in an ECG signal processing. International Journal of System Assurance Engineering and Management. 2022;13(5):2391–2403. DOI: 10.1007/s13198-022-01650-0.
  9. Huang J, Chen B, Yao B, He W. ECG arrhythmia classification using STFT-based spectrogram and convolutional neural network. IEEE Access. 2019;7:92871–92880. DOI: 10.1109/ACCESS.2019.2928017.
  10. Gliner V, Keidar N, Makarov V, Avetisyan AI, Schuster A, Yaniv Y. Automatic classification of healthy and disease conditions from images or digital standard 12-lead electrocardiograms. Scientific Reports. 2020;10:16331. DOI: 10.1038/s41598-020-73060-w.
  11. Cai W, Hu D. QRS complex detection using novel deep learning neural networks. IEEE Access. 2020;8:97082–97089. DOI: 10.1109/ACCESS.2020.2997473.
  12. Faust O, Shenfield A, Kareem M, San TR, Fujita H, Acharya UR. Automated detection of atrial fibrillation using long short-term memory network with RR interval signals. Computers in Biology and Medicine. 2018;102:327–335. DOI: 10.1016/j.compbiomed.2018.07.001.
  13. Alharbi NS, Jahanshahi H, Yao Q, Bekiros S, Moroz I. Enhanced classification of heartbeat electrocardiogram signals using a long short-term memory – convolutional neural network ensemble: paving the way for preventive healthcare. Mathematics. 2023;11(18):3942. DOI: 10.3390/math11183942.
  14. Maly SV, Liventseva MM. Diffraction analysis of ECG. In: Medicon and health telematics – 2004. Health in the information society. X Mediterranean conference on medical and biological engineering; 2004 July 31 – August 5; Ischia, Italy. [S. l.]: [s. n.]; 2004. p. 120 (IFMBE proceedings; volume 6).
  15. Palmer C. Diffraction grating handbook. 8th edition. [S. l.]: MKS Instruments; 2020. 251 p.
Опубликован
2025-01-20
Ключевые слова: обработка сигналов, периодическая решетка, дифракционный спектр, электрокардиограмма, ЭКГ, дескриптор ЭКГ-сигнала
Поддерживающие организации Работа выполнена при финансовой поддержке Белорусского республиканского фонда фундаментальных исследований (грант № Ф23М-043).
Как цитировать
Мигель, А. С., & Малый, С. В. (2025). Анализ дифракционных спектров периодических решеток, профиль которых описывается электрокардиограммами. Журнал Белорусского государственного университета. Физика, 1, 49-56. Доступно по https://journals.bsu.by/index.php/physics/article/view/6768
Выпуск
№ 1 (2025): Журнал Белорусского государственного университета. Физика
Раздел
Физика электромагнитных явлений

Copyright (c) 2025 Журнал Белорусского государственного университета. Физика

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).