Розробка нового методу фільтрації та докази самоподібності електроміограм

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2021.239165

Ключові слова:

Електроміограми, графік Пуанкаре, закон масштабування (скейлинг), фрактальна розмірність, варіабельність, вейвлети Хаара

Анотація

Основну увагу надано аналізу сигналів електроміограм (ЕМГ) з використанням графіків Пуанкаре (ГП). Встановлено, що форми графіків пов’язані з діагнозами пацієнтів. Для дослідження фрактальної розмірності ГП використано метод підрахунку фігур покриття. Фільтрацію ГП здійснено за допомогою вейвлетів Хаара. Встановлено самоподібність графіків Пуанкаре для досліджених електроміограм, причому закон масштабування (скейлінга) виконувався у достатньо широкому діапазоні розмірів фігур покриття. Отже, весь графік Пуанкаре статистично подібний власним частинам. Фрактальні розмірності ГП досліджуваних електроміограм належать діапазону 1.36‑1.48. Це, а також значення показників експоненти Херста графіків Пуанкаре для електроміограм, які перевищують критичне значення 0.5, вказують на відносну стабільність послідовностей.

Алгоритм методу фільтрації, запропонований в цій роботі, передбачає лише два простих етапи:

  1. Перетворення вихідної матриці даних для ГП за допомогою обертання Якобі.
  2. Децимація обох стовпчиків отриманої матриці (так зване «ліниве вейвлет-перетворення», або подвійний даунсамплінг).

Алгоритм просто програмується і потребує менше машинного часу, ніж існуючі фільтри для ГП.

Фільтровані графіки Пуанкаре мають ряд переваг щодо нефільтрованих. Вони не містять зайвих точок, дозволяють пряму візуалізацію короткочасної та довготривалої варіабельностей сигналу. Окрім того, фільтровані ГП зберігають як форму своїх прототипів, так і їх фрактальну розмірність та дескриптори варіабельності. Виявлені ознаки електроміограм здорових пацієнтів з характерними низькочастотними коливаннями сигналу можуть бути використані для прийняття клінічних рішень

Біографії авторів

Геннадій Петрович Чуйко, Чорноморський національний університет імені Петра Могили

Доктор фізико-математичних наук, професор

Кафедра комп’ютерної інженерії

Ольга Василівна Дворник, Чорноморський національний університет імені Петра Могили

Кандидат фізико-математичних наук, доцент

Кафедра комп’ютерної інженерії

Євген Сергійович Дарнапук, Petro Mohyla Black Sea National University

Аспірант

Кафедра комп’ютерної інженерії

Євген Олександрович Баганов, Херсонський національний технічний університет

Кандидат технічних наук, доцент, завідувач кафедри

Кафедра енергетики, електротехніки і фізики

Посилання

  1. Goldberger, A. L., Amaral, L. A. N., Glass, L., Hausdorff, J. M., Ivanov, P. C., Mark, R. G. et. al. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation, 101 (23), e215–e220. doi: http://doi.org/10.1161/01.cir.101.23.e215
  2. Reaz, M. B. I., Hussain, M. S., Mohd-Yasin, F. (2006). Techniques of EMG signal analysis: detection, processing, classification and applications. Biological Procedures Online, 8 (1), 11–35. doi: http://doi.org/10.1251/bpo115
  3. Chuiko, G. P., Shyian, I. A. (2015). Processing and analysis of electroneuromyograms with Maple tools. Biomedical Engineering and Electronics, 10. Available at: http://biofbe.esrae.ru/pdf/2015/3/1006.pdf Last accessed: 06.02.2020
  4. Kantz, H., Schreiber, T. (2010). Nonlinear Time Series Analysis. Cambridge: Cambridge University Press. doi: http://doi.org/10.1017/cbo9780511755798
  5. Burykin, A., Costa, M. D., Citi, L., Goldberger, A. L. (2014). Dynamical density delay maps: simple, new method for visualising the behaviour of complex systems. BMC Medical Informatics and Decision Making, 14 (1). doi: http://doi.org/10.1186/1472-6947-14-6
  6. Karmakar, C. K., Khandoker, A. H., Gubbi, J., Palaniswami, M. (2009). Complex Correlation Measure: a novel descriptor for Poincaré plot. BioMedical Engineering OnLine, 8 (1). doi: http://doi.org/10.1186/1475-925x-8-17
  7. Golińska, A. K. (2013). Poincaré Plots in Analysis of Selected Biomedical Signals. Studies in Logic, Grammar and Rhetoric, 35 (1), 117–127. doi: http://doi.org/10.2478/slgr-2013-0031
  8. Tulppo, M. P., Makikallio, T. H., Takala, T. E., Seppanen, T., Huikuri, H. V. (1996). Quantitative beat-to-beat analysis of heart rate dynamics during exercise. American Journal of Physiology-Heart and Circulatory Physiology, 271 (1), H244–H252. doi: http://doi.org/10.1152/ajpheart.1996.271.1.h244
  9. Piskorski, J., Guzik, P. (2005). Filtering Poincaré plots. Computational Methods in Science and Technology, 11 (1), 39–48. doi: http://doi.org/10.12921/cmst.2005.11.01.39-48
  10. Hansen, P. C., Jensen, S. H. (1998). FIR filter representations of reduced-rank noise reduction. IEEE Transactions on Signal Processing, 46 (6), 1737–1741. doi: http://doi.org/10.1109/78.678511
  11. Figueiredo, N., Georgieva, P., Lang, E. W., Santos, I. M., Teixeira, A. R., Tomé, A. M. (2010). SSA of biomedical signals: A linear invariant systems approach. Statistics and Its Interface, 3 (3), 345–355. doi: http://doi.org/10.4310/sii.2010.v3.n3.a8
  12. Harris, T. J., Yuan, H. (2010). Filtering and frequency interpretations of Singular Spectrum Analysis. Physica D: Nonlinear Phenomena, 239 (20-22), 1958–1967. doi: http://doi.org/10.1016/j.physd.2010.07.005
  13. Review of New Features in Maple 18. Available at: https://www.wolfram.com/mathematica/compare-mathematica/files/ReviewOfMaple18.pdf Last accessed: 06.02.2020
  14. Chuiko, G. P., Shyian, I. O., Galyak, D. A. (2015). Interface elements of scientific web-resource physionet and import data to computer mathematics system Maple 17. Medical Informatics and Engineering, (3), 84–88. doi: http://doi.org/10.11603/mie.1996-1960.2015.3.5008
  15. Gorban, A. N., Zinovyev, A. Y. (2008). Principal Graphs and Manifolds. Handbook of Research on Machine Learning Applications and Trends, 28–59. doi: http://doi.org/10.4018/978-1-60566-766-9.ch002
  16. Press, W. H., Teukolsky, S. A., Vetterling, W. T., Flannery, B. P. (2007). Numerical Recipes: The Art of Scientific Computing. Cambridge University Press, 1256.
  17. Haar, A. (1910). Zur Theorie der orthogonalen Funktionensysteme. Mathematische Annalen, 69 (3), 331–371. doi: http://doi.org/10.1007/bf01456326
  18. Dastourian, B., Dastourian, E., Dastourian, S., Mahnaie, O. (2014). Discrete Wavelet Transforms Of Haar’s Wavelet. International Journal of Scientific & Technology Research, 3 (9), 247–251. Available at: http://www.ijstr.org/final-print/sep2014/Discrete-Wavelet-Transforms-Of-Haars-Wavelet-.pdf Last accessed: 06.02.2020
  19. Mandelbrot, B. (1967). How Long Is the Coast of Britain? Statistical Self-Similarity and Fractional Dimension. Science, 156 (3775), 636–638. doi: http://doi.org/10.1126/science.156.3775.636
  20. Bourke, P. (2014). Box counting fractal dimension of volumetric data. Available at: http://paulbourke.net/fractals/cubecount/ Last accessed: 06.02.2020
  21. Gneiting, T., Schlather, M. (2004). Stochastic Models That Separate Fractal Dimension and the Hurst Effect. SIAM Review, 46 (2), 269–282. doi: http://doi.org/10.1137/s0036144501394387
  22. Mäkikallio, T. (1998). Analysis of heart rate dynamics by methods derived from nonlinear mathematics. Clinical applicability and prognostic significance. Oulu: University of Oulu. Available at: http://jultika.oulu.fi/files/isbn9514250133.pdf Last accessed: 06.02.2020
  23. Huikuri, H. V., Mäkikallio, T. H., Peng, C.-K., Goldberger, A. L., Hintze, U., Møller, M. (2000). Fractal Correlation Properties of R-R Interval Dynamics and Mortality in Patients With Depressed Left Ventricular Function After an Acute Myocardial Infarction. Circulation, 101 (1), 47–53. doi: http://doi.org/10.1161/01.cir.101.1.47
  24. Voss, A., Schulz, S., Schroeder, R., Baumert, M., Caminal, P. (2008). Methods derived from nonlinear dynamics for analysing heart rate variability. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 367 (1887), 277–296. doi: http://doi.org/10.1098/rsta.2008.0232
  25. Carvalho, T. D., Pastre, C. M., Moacir Fernandes de Godoy, Pitta, F. O., de Abreu, L. C., Ercy Mara Cipulo Ramos et. al. (2011). Fractal correlation property of heart rate variability in chronic obstructive pulmonary disease. International Journal of Chronic Obstructive Pulmonary Disease, 6, 23–28. doi: http://doi.org/10.2147/copd.s15099
  26. Gomes, R. L., Vanderlei, L. C. M., Garner, D. M., Vanderlei, F. M., Valenti, V. E. (2017). Higuchi Fractal Analysis of Heart Rate Variability is Sensitive during Recovery from Exercise in Physically Active Men. Medical Express, 4 (2). doi: http://doi.org/10.5935/medicalexpress.2017.02.03
  27. Antônio, A. M. S., Cardoso, M. A., Carlos de Abreu, L., Raimundo, R. D., Fontes, A. M. G. G., Garcia da Silva A. et. al. (2014). Fractal Dynamics of Heart Rate Variability: A Study in Healthy Subjects. Journal of Cardiovascular Development and Disease, 2 (3), 2330–460.
  28. Chuiko, G. P., Dvornik, O. V., Darnapuk, Y. S. (2018). Shape Evolutions of Poincaré Plots for Electromyograms in Data Acquisition Dynamics. 2018 IEEE Second International Conference on Data Stream Mining & Processing (DSMP), 119–122. doi: http://doi.org/10.1109/dsmp.2018.8478516

##submission.downloads##

Опубліковано

2021-08-31

Як цитувати

Чуйко, Г. П., Дворник, О. В., Дарнапук, Є. С., & Баганов, Є. О. (2021). Розробка нового методу фільтрації та докази самоподібності електроміограм. Eastern-European Journal of Enterprise Technologies, 4(9(112), 15–22. https://doi.org/10.15587/1729-4061.2021.239165

Номер

Том 4 № 9(112) (2021): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2021 Gennady Chuiko, Olga Dvornik, Yevhen Darnapuk, Yevgen Baganov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.