- •8.05080102 – Фізична та біомедична електроніка
- •Лекція №1 Основні поняття про біомедичні електронні системи
- •1.1. Призначення біомедичних електронних систем
- •1.2 . Класифікація бес
- •1.3. Математичне моделювання інформаційного процесу в бес
- •1.4. Загальне формулювання проблеми вибору рішення в бес
- •1.5. Оцінювання якості бес Необхідно визначити шляхи побудови оптимальних бес на основі вибору правил рішень, яким відповідають екстремуми (мінімуми) середніх втрат.
- •Лекція №2 Методичне, технічне та інформаційно-алгоритмічне забезпечення бес для реєстрації та обробки біопотенціалів. Електрокардіографія
- •2.1. Виникнення та дослідження біопотенціалів
- •2.2. Електроди для реєстрації біомедичних сигналів
- •2.3. Перешкоди і спотворення, що виникають під час реєстрації біомедичних сигналів
- •2.4. Підсилювачі біопотенціалів
- •2.5. Електрокардіографія
- •2.5.1. Електрична активность серця
- •2.5.2. Поняття про вектор (диполь) серця і вектор відведення
- •2.5.3. Електрокардіографічні відведення
- •2.5.4. Техніка реєстрації екг
- •2.5.5. Основні елементи стандартної екг
- •Лекція №3 Методичне, технічне та інформаційно-алгоритмічне забезпечення бес для реєстрації та обробки біопотенціалів. Електрокардіографія
- •3.1. Електрокардіограф 12-канальний “ ucard-200”
- •3.2. Реанімаційно-хірургічний монітор «um-300»
- •3.3. Векторкардіографія
- •3.4. Добове моніторування екг (за Холтером)
- •3.5. Діагностична система «Кардіовізор»
- •3.7. Система електрокардіографії високого розрізнення
- •3.8. Електрокардіографія плоду
- •3.9. Апаратні рішення в бес для обробки біопотенціалів
- •3.10. Приклад мобільної бес для реєстрації та обробки біопотенціалів серця
- •Лекція №4 Методичне, технічне та інформаційно-алгоритмічне забезпечення бес для реєстрації та обробки біопотенціалів. Електроенцефалографія
- •4.1. Визначення електроенцефалографії
- •4.2. Реєстрація еег
- •4.3. Основні характеристики еег
- •4.4. Артефакти при реєстрації еег
- •4.5. Основні методи аналізу еег
- •4.6. Застосування аналізу еег для прогнозування епілептичних нападів
- •Лекція №5 Методичне, технічне та інформаційно-алгоритмічне забезпечення біомедичних електронних систем для реєстрації та обробки даних про тиск крові
- •5.1. Методи вимірювання артеріального тиску
- •5.2. Бес для вимірювання артеріального тиску
- •Лекція №6 Методичне, технічне та інформаційно-алгоритмічне забезпечення біомедичних електронних систем для реєстрації та обробки даних про тони серця
- •6.1. Основи фонокардіографії
- •6.2. Бес для реєстрації та обробки звукових сигналів серця
- •6.3. Приклади мобільних бес для реєстрації та обробки звукових сигналів серця
- •Лекція №7 Методичне, технічне та інформаційно-алгоритмічне забезпечення бес для реєстрації та обробки даних про систему зовнішнього дихання
- •7.1. Дихальна система людини
- •7.2. Методи дослідження зовнішнього дихання у людини
- •7.3. Бес для дослідження функції зовнішнього дихання
- •7.3.2. Спіроаналізатори (спірометри)
- •Лекція №8 Методичне, технічне та інформаційно-алгоритмічне забезпечення бес для реєстрації та обробки даних про кровоток та об’єм крові
- •8.1. Ультразвукові вимірювачі швидкості кровотоку
- •8.1.1. Вплив кута α на значення доплерівської швидкості
- •8.1.2. Методи доплерографічних досліджень
- •8.1.3. Спектр швидкостей в перетині судини
- •8.1.4. Обчислення діагностичних параметрів
- •8.1.5. Формування кольорового доплерівського зображення
- •8.2. Фотоплетизмографія
- •8.15. Поглинання світла різними тканинами
- •8.16. Змінна складова сигналу фотоплетизмограми
- •8.18. Нормативні точки для кількісного оцінювання пульсової хвилі
- •8.3. Оклюзійна плетизмографія
- •8.4. Оксиметри і пульсоксиметри
- •8.4.1. Принцип дії оксиметрів
- •8.4.2. Принцип дії пульсоксиметрів
- •8.4.3. Пульсоксиметри в неонатальній медицині
- •Лекція №9 (16) Основні методи цифрової обробки та аналізу даних у бес функціональної діагностики
- •9.1. Попередня обробка сигналів
- •9.1.1. Фільтрація в часовій області
- •9.1.1.1. Синхронне усереднення
- •9.1.1.2. Фільтри усереднення зі зсувом (ковзаючого середнього)
- •9.1.2. Фільтрація сигналів в частотній області
- •9.2. Методи та приклади цифрової обробки і аналізу біомедичних сигналів
- •9.2.1. Спектральний аналіз
- •9.2.2. Вейвлет-перетворення
- •9.2.3. Аналіз біомедичних сигналів на основі методу власних векторів
- •Рекомендована література
8.4.3. Пульсоксиметри в неонатальній медицині
Рис. 8.27. Пульсоксиметри в неонатальній медицині
Пульсоксиметрія використовується в неонатальної медицині для визначення насичення киснем крові у новонароджених, у тому числі, у недоношених. Для дослідження застосовуються спеціальні датчики для немовлят, які кріпляться на ручці дитини або її ступні за допомогою м'яких фіксаторів, що оберігають шкіру від пошкодження (рис. 8.27). У 76% випадків даний метод обстеження дає можливість запідозрити вади розвитку серця відразу ж після народження. Прилад для новонароджених має сигнал тривоги на випадок виникнення значущого зниження рівня кисню крові.
Лекція №9 (16) Основні методи цифрової обробки та аналізу даних у бес функціональної діагностики
Процеси обробки та аналізу даних у БЕС є складовими частинами процесу розпізнавання стану пацієнта. Розпізнавання можна розглядати як задачу перетворення вхідної інформації, в якості якої розглядаються деякі параметри, ознаки об'єктів, що підлягають розпізнаванню, у вихідну інформацію, що представляє собою висновок про те, до якого класу належить об'єкт розпізнавання. При цьому клас являє собою деяку сукупність (підмножину) об'єктів, що володіють близькими властивостями. В якості ознак при розпізнаванні у БЕС можуть виступати показники пацієнта, наприклад, лабораторні дані, дані інструментальних досліджень, скарги пацієнта і т.д. Прикладом класів можуть служити захворювання. Кінцевою метою аналізу біомедичних сигналів є класифікація даного сигналу з метою віднесення його до однієї з кількох відомих категорій та отримання діагностичного рішення, яке відноситься до стану пацієнта.
Загальному процесу обробки сигналів у БЕС функціональної діагностики притаманна наступна структурна схема (рис. 9.1).
Рис. 9.1. Структурна схема процесу обробки сигналів у БЕС
функціональної діагностики
Основними етапами процесу обробки сигналів у БЕС є:
- попередня обробка; - аналіз; - класифікація.
Вхідні дані, що в загальному випадку реєструються з пацієнта та підлягають подальшому аналізу, подаються на вхід системи і піддаються попередній обробці з метою їх перетворення в необхідний для наступного етапу вигляд. Метою попередньої обробки є придушення шумових складових досліджуваного біомедичного сигналу. При кодуванні інформації для передачі каналом зв'язку попередня обробка включає також стиснення-відновлення даних.
На етапі аналізу створюється формальний опис біомедичного сигналу пацієнта, який називається образом сигналу. Образ несе в собі інформацію, яка є найбільш істотною з точки зору якості прийняття рішення при класифікації. Крім того, створення формального опису пов'язано з процедурою подальшої редукції даних, яка на відміну від стиснення даних в процесі попередньої обробки грунтується не на надмірності інформації, а на оцінці корисності інформації для правильної класифікації. Це етап виділення з усієї множини ознак найбільш інформативних, характерних для певного захворювання ознак. При цьому, необхідно користуватися наступними правилами: 1) виконувати вибір величин з мінімальною дисперсією усередині класу для того, щоб їх розподіли не накладалися один на інший; 2) вибирати величини з максимальними відстанями між класами (навіть якщо їх дисперсії однакові, то класифікація не викличе труднощів).
Ознакові змінні або ознаки можуть описувати як кількісні так і якісні характеристики сигналів. Після того як були отримані інформативні ознаки, можна представити вектор ознак у формі
.
Коли величини xi є числами, вектор x є точкою в n-вимірному евклідовому просторі. Очікується, що вектори схожих об'єктів формують кластери. Для ефективної класифікації образів необхідні такі ознаки, які можуть дати такі набори або кластери, що не перетинаються у просторі ознак (рис. 9.2). Ця обставина підкреслює важливість правильного вибору процедур попередньої обробки і виділення ознак.
Далі на основі правила прийняття діагностичного рішення формується відповідь класифікатора, наприклад, системою видається назва хвороби. Крім описаних вище етапів розпізнавання образів у БЕС може передбачати етап навчання системи. Метою навчання системи є формування в її пам'яті набору відомостей, необхідних для розпізнавання класів вхідних даних.
Рис. 9.2. Два кластери, що відповідають класам C1 та C2 і не перетинаються у двовимірному просторі ознак. Множина образів, що належать одному класу, відповідає сукупності точок, розсіяних в деякій області. Для випадку двох класів (C1 та C2) вектори образів мають вигляд X=[x1, x2], а кожен вектор образу можна вважати точкою двовимірного простору
Під класифікацією розуміють процедуру віднесення сигналів до певних сукупностей, образи яких мають загальні властивості. Такі сукупності називаються класами, а пристрої (програми), за допомогою яких виконується віднесення сигналів до класів ─ класифікаторами (рис. 9.3). Класифікатор має n входів (для кожної ознаки свій вхід) і єдиний вихід, на якому за правилом рішення d(X) виникає сигнал ωj, рівень якого відповідає одному з K класів.
Рис. 9.3. Схема класифікатора
Проблема класифікації образів полягає у визначенні оптимальних границь або у розробці процедур прийняття рішення для віднесення даних до різних класів образів з використанням векторів ознак.
Розглянемо більш детально на прикладах етапи попередньої обробки, аналізу та класифікації сигналів у БЕС.
