Оценка параметров дыхательной активности пациента на основе данных фотоплетизмографии
Автор: Зарецкий А.П., Митягин К.С., Тарасов В.С., Мороз Д.Н.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 3 (43) т.11, 2019 года.
Бесплатный доступ
Частота дыхательных движений является одним из основных индикаторов функционального состояния пациента и используется в качестве независимого предиктора внезапной остановки сердца. Метод фотоплетизмографии широко используется для неинвазивного мониторинга уровня сатурации гемоглобина крови кислородом путем измерения интенсивности поглощения света, проходящего через исследуемый участок ткани с пульсирующей кровью. В качестве клинически доказанного и эффективного метода фотоплетизмография используется для объективной оценки состояния сердечно-сосудистой и респираторной систем, а оценка параметров изменения пульсовой волны эффективно применяется для диагностики синдрома обструктивного апноэ сна. В данной работе предлагается метод расчета частоты дыхательной активности, основанный на гармоническом анализе данных фотоплетизмограммы при помощи параметрической оценки спектральной плотности функции коррентропии регистрируемого сигнала. Применение данного подхода обеспечивает улучшенное спектральное разрешение в сравнении с традиционными методами анализа Фурье и позволяет эффективно выявить модулированные паттерны фотоплетизмографического сигнала при наличии различного рода нестационарных помех.
Клинический мониторинг, физиологические показатели, частота дыхательного ритма, фотоплетизмография, пульсоксиметр, адаптивная фильтрация, коррентропия
Короткий адрес: https://sciup.org/142223077
IDR: 142223077
Список литературы Оценка параметров дыхательной активности пациента на основе данных фотоплетизмографии
- Калакутский Л.И., Манелис Э.С. Аппаратура и методы клинического мониторинга. Москва: Высшая школа, 2004.
- Elliott M., Coventry A. Critical care: the eight vital signs of patient monitoring // British Journal of Nursing. 2012. V. 21, N 10. P. 621-625.
- Garde A., Karlen W., Dehkordi P., Member S., Wensley D. Oxygen saturation in children with and without obstructive sleep apnea using the phone-oximeter // In: Conference Proceedings - IEEE Engineering in Medicine and Biology Society. 2013. P. 2531-2534.
- Leonard P.A. [et al.]. A fully automated algorithm for the determination of respiratory rate from the photoplethysmogram //Journal of clinical monitoring and computing. 2006. V. 20, N 1. P. 33-36.
- Chon K., Dash S., Ju K. Estimation of respiratory rate from photoplethysmogram data using time-frequency spectral estimation //IEEE Transactions on Biomedical Engineering. 2009. V.56, N 8. P. 2054-2063.
- Karlen W., Raman S., Ansermino J., Dumont G. Multi-parameter respiratory rate estimation from the photoplethysmogram // IEEE Transactions on Biomedical Engineering. 2013. N 60. P. 1946-1953.
- Галкин М., Змиевской Г., Ларюшин А., Новиков В. Кардиодиагностика на основе анализа фотоплетизмограмм // Фотоника. 2008. № 3. С. 30.
- L'Her E. [et al.]. Photoplethysmographic determination of the respiratory rate in acutely ill patients: validation of a new algorithm and implementation into a biomedical device // Annals of intensive care. 2019. V. 9, N 1. P. 11.
- Joseph G. [et al.]. Photoplethysmogram (PPG) signal analysis and wavelet de-noising // 2014 Annual International Conference on Emerging Research Areas: Magnetics, Machines and Drives (AICERA/iCMMD). 2014. P. 1-5.
- Gunduz A., Principe J. Correntropy as a novel measure for nonlinearity tests // Signal Processing. 2009. V. 89, N 1. P. 14-23.
- Silverman B. Density estimation for statistics and data analysis // Routledge, 2018.
- Karlen W. [et al.]. CapnoBase: Signal database and tools to collect, share and annotate respiratory signals // 2010 Annual Meeting of the Society for Technology in Anesthesia. Society for Technology in Anesthesia, 2010. P. 25.
