Оптимальные методы цифровой обработки биоэлектрических сигналов

Оптимальные методы цифровой обработки биоэлектрических сигналов

Автор: Эшмурадов Д.Э., Магрупова М.Т., Неъматова Д.Х.

Журнал: Теория и практика современной науки @modern-j

Рубрика: Математика, информатика и инженерия

Статья в выпуске: 1 (91), 2023 года.

Бесплатный доступ

В статье даны основные понятия в цифровой обработке биоэлектрических сигналов, рассмотрены современные подходы в общемировой практике, проведен сравнительный анализ научного опыта: выявлены главные достоинства и недостатки методов и средств цифровой обработки биоэлектрических сигналов, определены перспективы развития данного направления.

Цифровая обработка сигналов, биоэлектрические сигналы, методы обработки сигналов, средства цифровой обработки

Короткий адрес: https://sciup.org/140296975

IDR: 140296975

Текст научной статьи Оптимальные методы цифровой обработки биоэлектрических сигналов

Цифровая обработка биоэлектрических сигналов является стремительно развивающимся направлением в науке и технике. Она находит свое применение в диагностике заболеваний, в улучшении качества жизни людей с ограниченными возможностями, в спорте великих достижений. Данное направление тесно связано со здоровьем человека, поэтому предельно важны два аспекта, это безопасность человека в момент считывания биоэлектрических сигналов и точность передачи данных. Сложность регистрации биоэлектрических сигналов заключается в том, что такие сигналы являются слабыми, в то же самое время присутствует значительный уровень помех - шумов внутри организма человека, и артефактов – шумов от измерительных приборов, частотный диапазон которых мешает считывать биоэлектрические сигналы, иногда перекрывая их. [1; 219]

МАТЕРИАЛЫ И МЕТОДЫ

РЕЗУЛЬТАТЫ

Современная наука насчитывает очень большое количество исследований в области цифровой обработки биоэлектрических сигналов, так что не представляется возможным переработать и осмыслить весь массив данных, поэтому в статье предметом обсуждения будут только те методы и средства, которые являются наиболее распространенными и употребляемыми в общемировой практике на сегодня, представленные в таблице 1, таблице 2, таблице 3.

Таблица 1. Современные методы и средства цифровой обработки при исследованиях биоэлектрических сигналов сердца.

№

Методы исследования

Методы       цифровой

обработки

Средства      цифровой

обработки

1.

Электрокардиография (ЭКГ) - используется для регистрации электрической активности сердечной мышцы.

  • -    цифровая фильтрация (классическая);

  • -    вейвлет-преобразование;

  • -             адаптивное

шумоподавление;

  • -    эмпирическая модовая декомпозиция (ЭМД);

  • -  методы  на  основе

нейронных сетей;

  • -    кластеризация;

  • -    гибридные методы.

  • -  фильтр  верхних  и

нижних частот, полосовой и режекторный фильтр;

  • -    беспроводное мобильное приложение;

  • -    фильтр и адаптивный алгоритм;

  • -    алгоритм ЭМД: прямое и косвенное вычитание;

  • -    глубокая нейронная сеть;

  • -    алгоритм кластеризации;

  • -         искусственный

интеллект.

2.

Векторкардиография (ВКГ)      -      при

осуществлении   работы

сердца              дает

пространственное

  • -    цифровая фильтрация (классическая);

  • -    вейвлет-преобразование;

  • -  фильтр  скользящего

среднего;

  • -    фильтр Калмана;

  • -   фильтр   Чебышева,

фильтр Баттерворта;

  • -    вейвлет-фильтр;

  • -  фильтр  скользящего

среднего;

  • -    фильтр Калмана;

представление         о

напряжении в его клетках.

  • -    фильтр Савицкого-Голая;

  • -  регрессия  основного

компонента.

  • -    фильтр Савицкого-Голая;

  • -    комплекс QRS.

Метод цифровой фильтрации имеет ряд преимуществ по сравнению с другими методами: он достаточно эффективный, у него низкие требования к техническим характеристикам, он может работать в режиме реального времени, его стоимость является доступной, однако, ему свойственна низкая производительность и его можно применять только в том случае, если помехи и биоэлектрические сигналы находятся в разных диапазонах частот, в обратной ситуации, считывание сигнала будет невозможным. Методы на основе нейронных сетей также имеют много достоинств: хорошую эффективность, они могут работать в режиме реального времени, у них высокое качество передачи сигналов, без помех, но эти методы пока не доступны для использования широкой аудиторией. Оптимальным методом ЭКГ можно назвать метод адаптивного шумоподавления, который имеет хорошую эффективность, работает в режиме реального времени, имеет хорошее качество обработки сигнала, доступен для реализации, но имеет высокие технические характеристики и требует определенных временных затрат для проведения исследования, связанных с настройкой оборудования. Для ВКГ наиболее соответствующий метод на сегодняшний день — это метод с применением фильтра Савицкого-Голая. [2]

Таблица 2. Современные методы и средства цифровой обработки при исследованиях биоэлектрических сигналов головного мозга.

№

Методы исследования

Методы       цифровой

обработки

Средства      цифровой

обработки

1.

Электроэнцефалография (ЭЭГ) - используется для регистрации электрической активности головного мозга.

  • -    методы фильтрации;

  • -    вейвлет-преобразование;

  • -  анализ  независимых

компонентов (АНК);

  • -    эмпирическая модовая декомпозиция (ЭМД);

  • -     частотно-временное

уменьшение размерности изображения;

  • -    нейронные сети;

  • -    адаптивная нейроннонечеткая         система

логического      вывода

(АНСЛВ);

  • -    гибридные методы.

  • -    фильтры нецелого порядка (дробные);

  • -    вейвлет-преобразование: непрерывное, дискретное, стационарное, синхронное с шагом;

  • -    алгоритм АНК;

  • -    алгоритм ЭМД;

  • -    частотно-временное уменьшение размерности изображения;

  • -    радиальная базисная функция и нейронная сеть функциональной связи;

  • -    адаптивная фильтрация с использованием АНСЛВ;

  • -    вейвлет-преобразование и анализ независимых компонентов.

2.

Вызванные потенциалы (ВП) - исследование реакции мозга на внешние раздражители (слуховые,

- вейвлет-преобразование;

-     анализ     главных

компонентов (АГК);

- вейвлет-фильтр;

  • -    алгоритм АГК;

  • -    алгоритм АНК;

зрительные,

соматосенсорные).

  • -  анализ  независимых

компонентов (АНК);

  • -    гибридные методы;

- вейвлет-преобразование, АНК;

3.

Электрокортикография (ЭКоГ)     -     метод,

используемый       для

обследования пациентов с эпилепсией,    болезнью

Паркенсона, отличающийся тем, что электроды накладываются непосредственно на кору головного мозга.

  • -    эмпирическое вейвлет-преобразование (ЭВП);

  • -    эмпирическая модовая декомпозиция (ЭМД);

  • -    динамическая модовая декомпозиция (ДМД);

-частотно-временное уменьшение размерности изображения.

  • -    преобразование Фурье, метод       масштабно

пространственного обнаружения, ЭВП;

  • -         преобразование

Гильберта-Хуанга, ЭМД;

  • -    ДМД;

-частотно-временное уменьшение размерности изображения.

Оптимальными методами цифровой обработки при ЭЭГ и ВП можно считать метод вейвлет-преобразования, анализ независимых компонентов; для ЭКоГ - метод эмпирической модовой декомпозиции, т.к. все эти методы имеют хорошее шумоподавление, хорошую эффективность, работают в режиме реального времени, хорошее качество обработки сигнала, недостатком этих методов являются высокие технические требования и как следствие удорожание проведения исследований. [4]

№

Методы исследования

Методы       цифровой

обработки

Средства      цифровой

обработки

1.

Электромиография (ЭМГ) -    используется    для

регистрации электрической активности скелетных мышц.

  • -    цифровая фильтрация (классическая);

  • -             адаптивное

шумоподавление;

  • -    вейвлет-преобразование;

  • -  анализ  независимых

компонентов (АНК);

  • -    эмпирическая модовая декомпозиция (ЭМД);

  • -    гибридные методы.

  • -    диапазонный полосовой фильтр;

  • -    адаптивный фильтр, алгоритм на основе метода наименьших квадратов;

  • -    вейвлет-фильтр;

  • -          многократное

вычисление    алгоритма

АНК;

  • -    алгоритм    ЭМД,

медианный фильтр;

  • -    вейвлет преобразование, АНК.

2.

Электронейрография (ЭНГ) - используется для регистрации

электрической активности нейронов в центральной нервной системе.

  • -    цифровая фильтрация (классическая);

  • -             адаптивное

шумоподавление;

  • -    вейвлет-преобразование;

  • -  анализ  независимых

компонентов (АНК);

  • -    цифровой фильтр;

  • -    адаптивный фильтр;

  • -    вейвлет-фильтр, фильтр Вайнера;

  • -    алгоритм АНК;

  • -    алгоритм (ЭМД).

Наиболее соответствующим методом цифровой обработки для проведения ЭМГ, ЭНГ, ЭРГ является адаптивное шумоподавление, данный метод имеет высокое качество обработки сигнала, хорошую производительность, работает в режиме реального времени, но предполагает высокие технические требования и является дорогостоящим. Для ЭГГ -это методы вейвлет-преобразование и адаптивное шумоподавления, методы имеют хорошее качество обработки сигнала, хорошую производительность, работают в режиме реального времени, но также предполагают высокие технические требования и являются дорогостоящими. Для ЭОГ оптимальным методом будет сглаживающий фильтр Савицкого-Голея, метод имеет высокое качество обработки сигнала, высокую производительность, работает в режиме реального времени, также необходимы высокие технические требования, вследствие чего он является дорогостоящим [5].

ЗАКЛЮЧЕНИЕ

Научное сообщество в свою очередь возлагает большие надежды на развитие методов цифровой обработки биоэлектрических сигналов. В настоящее время уже были предприняты попытки с их помощью осуществить контроль протезов посредством сигналов головного мозга у людей с ограниченными возможностями; печатать текст на компьютере с использованием движений глаз человека; в планах у исследователей реализация передачи информации от мозга человека компьютеру при помощи больших данных. Таким образом открытия в области цифровой обработки могут глобально повлиять на привычный образ жизни людей.

Список литературы Оптимальные методы цифровой обработки биоэлектрических сигналов

  • Филист С. А. Изготовление биотехнических и медицинских аппаратов и систем / С. А. Филист, О. В. Шаталова - Москва: Юрайт, 2023. - 309 с.
  • Martinek R. Advanced Bioelectrical Signal Processing Methods: Past, Present and Future Approach-Part I: Cardiac Signals / R. Martinek, M. Ladrova, M. Sidikova, R. Jaros, K. Behbehani, R. Kahankova, A. Kawala-Sterniuk // Multidisciplinary Digital Publishing Institute [сайт], 2021. - URL: https://www.mdpi.com/1424-8220/21/15/5186 (дата обращения: 13.12.2022).
  • Бакалов В. П. Медицинская электроника. Основы биотелеметрии / В. П. Бакалов - Москва: Юрайт, 2023. - 326 с.
  • Martinek R. Advanced Bioelectrical Signal Processing Methods: Past, Present and Future Approach-Part II: Brain Signals: Cardiac Signals / R. Martinek, M. Ladrova, M. Sidikova, R. Jaros, K. Behbehani, R. Kahankova, A. Kawala-Sterniuk // Multidisciplinary Digital Publishing Institute [сайт], 2021. - URL: https://www.mdpi.com/1424-8220/21/19/6343#B120-sensors-21-06343 (дата обращения: 14.12.2022).
  • Martinek R. Advanced Bioelectrical Signal Processing Methods: Past, Present, and Future Approach-Part III: Other Biosignals / R. Martinek, M. Ladrova, M. Sidikova, R. Jaros, K. Behbehani, R. Kahankova, A. Kawala-Sterniuk // Multidisciplinary Digital Publishing Institute [сайт], 2021. - URL: https://www.mdpi.com/1424-8220/21/18/6064 (дата обращения: 14.12.2022).
  • Биомедицинские сигналы и изображения в цифровом здравоохранении: хранение, обработка и анализ: учебное пособие / В.С. Кубланов, А.Ю. Долганов, В.Б. Костоусов [и др.], [под общ. ред. В. С. Кубланова], Мин-во науки и высш. образования РФ. - Екатеринбург: Изд-во Урал. ун-та, 2020.- 240 с.
  • Эшмурадов Д.Э. Конспект лекций по предмету «Компьютерные технологии в здравоохранении». Ташкентский университет информационных Технологий имени мухаммада ал-Хоразмий. 2022.
  • Эшмурадов Д. Э., Элмурадов Т. Д. Математическое моделирование авиационной среды //Научный вестник Московского государственного технического университета гражданской авиации. - 2020. - Т. 23. - №. 5. - С. 67-75.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp