Техніка та методи аналізу біосигналів для моніторингу глибини анестезії

Скорочена інформація про документ
dc.contributor.authorФедорчук, М. М.
dc.contributor.authorПопов, Антон Олександрович
dc.date.accessioned2020-04-30T15:50:14Z
dc.date.available2020-04-30T15:50:14Z
dc.date.issued2018
dc.description.abstractenIn this paper present the main existing methods and means of determining the depth of anesthesia. Among the methods considered, the following groups were distinguished: analysis of electroencephalograms (EEG), analysis of electrocardiograms (ECG), and complex analysis of biosignals. The results obtained in previous studies are systematized and prospective directions for further research are determined, in particular the use of machine learning tools for the analysis of electrocardiograms and their characteristics and training of deep neural networks. In order to study the capabilities of neural networks as systems for classifying biosignals, a deep convolution neural network was constructed to classify ECG signals with the presence or absence of arrhythmias. Input data for those network were 30-second ECG signals without preliminary processing, and the classification accuracy was 68.3%. The results of such a classification system indicate the advisability of using deep training to determine arrhythmias, and the need for preprocessing ECG and pre-identified characteristics, among which can be the magnitude of the signal energy in different frequency ranges, the signal after the removal of the trend and the signal parameters in the time domain. Current studies in the field of determining the depth of anesthesia by analyzing EEG and ECG signals make not only the technical limitations of currently used technologies, but also the fact that the number of anesthetics having a unique effect on the brain and its signals is constantly increasing. Among the technical constraints, the sensitivity of sedimentation depth to noise is the most important and the unequal response to anesthetics of different types. In this direction, many studies are devoted to improving the accuracy of determining the depth of the nerve system, by analyzing the EEG, EEG and ECG signals, only the ECG, and through the comprehensive analysis of the signals that can be obtained from the patient. In many studies, the authors conclude that alternative methods for determining the depth of a patient's sedation have better results, but at the same time they are insufficiently tested or have other technical limitations. A promising technology for determining the depth of nerve sedation via ECG analysis may also be the use of neural networks, since such systems are capable of training on labeled data, they can classify data in conditions of unknown patterns and are resistant to noise in incoming signals. Simultaneously with the use of neural networks perspective, one can use the methods of their analysis, as classification systems, in order to identify the best configurations of their parameters. Systems for the analysis of classification systems can serve both for selecting the best of them and for their adaptive combination in order to improve the classification result.uk
dc.description.abstractruВ работе представлены основные существующие методы и средства определения глубины анестезии. Среди рассмотренных методов выделены следующие группы: анализ электроэнцефалограмм (ЭЭГ), анализ электрокардиограмм (ЭКГ) и комплексный анализ биосигналов. Систематизированы полученные в предыдущих работах результаты и определены перспективные направления дальнейших исследований, в частности, использование средств машинного обучения для анализа электрокардиограмм и их характеристик и глубокое обучения нейронных сетей. С целью изучения возможностей нейронных сетей как систем классификации биосигналов была построена глубокая свёрточная нейронная сеть для классификации сигналов ЭКГ с наличием или отсутствием аритмий. Входными данными для такой сети были 30-секундные сигналы ЭКГ без предварительной обработки, и точность классификации составила 68,3%. Результаты работы такой системы классификации свидетельствуют о целесообразности применения глубокого обучения для определения аритмий и о необходимости использования предварительной обработки ЭКГ и предварительно выделенных характерных признаков, среди которых могут быть величина энергии сигнала в различных частотных диапазонах, сигнал после удаления тренда и параметры сигнала во временном домене.uk
dc.description.abstractukУ роботі представлено основні існуючі методи та засоби визначення глибини анестезії. Серед розглянутих методів виділено такі групи: аналіз електроенцефалограм, аналіз електрокардіограм (ЕКГ) та комплексний аналіз біосигналів. Систематизовано отримані у попередніх роботах результати та визначені перспективні напрямки подальших досліджень, зокрема використання засобів машинного навчання для аналізу електрокардіограм та їх характеристик та глибоке навчання нейронних мереж. З метою вивчення можливостей нейронних мереж як систем класифікації біосигналів було побудовано глибоку згорткову нейронну мережу для класифікації сигналів ЕКГ з наявністю або відсутністю аритмій. Вхідними даними для такої мережі були 30-секундні сигнали ЕКГ без попередньої обробки, і точність класифікації склала 68,3%. Результати роботи такої системи класифікації свідчать про доцільність застосування глибокого навчання для визначення аритмій та про необхідність використання попередньої обробки ЕКГ та попередньо виділених характерних ознак, серед яких можуть бути величина енергії сигналу у різних частотних діапазонах, параметри сигналу після видалення тренду та параметри сигналу у часовому домені.uk
dc.format.pagerangeС. 12-21uk
dc.identifier.citationФедорчук, М. М. Техніка та методи аналізу біосигналів для моніторингу глибини анестезії / Федорчук М. М., Попов А. О. // Мікросистеми, Електроніка та Акустика : науково-технічний журнал. – 2018. – Т. 23, № 4(105). – С. 12–21. – Бібліогр.: 54 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2523-4455.2018.23.3.125236
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/33149
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/uk
dc.sourceМікросистеми, Електроніка та Акустика : науково-технічний журнал, 2018, Т. 23, № 4(105)uk
dc.subjectаналіз біосигналівuk
dc.subjectглибина анестезіїuk
dc.subjectелектроенцефалограмаuk
dc.subjectваріабельність серцевого ритмуuk
dc.subjectхарактерні ознаки електрокардіограмuk
dc.subjectнейронні мережіuk
dc.subjectbiosignal analysisuk
dc.subjectdepth of anesthesiauk
dc.subjectelectroencephalogramuk
dc.subjectheart rate variabilityuk
dc.subjectelectrocardiogram featuresuk
dc.subjectneural networksuk
dc.subjectанализ биосигналовuk
dc.subjectглубина анестезииuk
dc.subjectэлектроэнцефалограммаuk
dc.subjectвариабельность сердечного ритмаuk
dc.subjectхарактерные признаки электрокардиограммuk
dc.subjectнейронные сетиuk
dc.subject.udc621.391:519.6uk
dc.titleТехніка та методи аналізу біосигналів для моніторингу глибини анестезіїuk
dc.title.alternativeTechniques and Methods for Biosignal Analysis for Monitoring the Depth of Anesthesiauk
dc.title.alternativeТехника и методы анализа биосигналов для мониторинга глубины анестезииuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
MEA2018_23-4_p12-21.pdf
Розмір:
345.63 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Мікросистеми, Електроніка та Акустика: науково-технічний журнал, Т. 23, № 4(105)