Обработка сигналов ЭКГ с помощью вейвлет-анализа: диагностические возможности

Abstract

Задача распознавания и классификации биомедицинских сигналов является комплексной задачей, относящейся к междисциплинарной области компьютерных наук и медицины. В рамках реализации проекта по разработке нового деффибрилляционного оборудования необходимо решить задачи анализа биомедицинских сигналов электрокардиограммы для получения диагностического решения с возможностью отнесения конкретного состояния к патологическому состоянию пациента. В настоящей статье представлен анализ сигналов электрокардиограммы, учитывающий технические аспекты анализа многокомпонентных сигналов, также описана диагностическая возможность вейвлет-анализа сигналов. Учитывая ограниченный инструментарий анализа сигнала электрокардиограммы с точки зрения набора параметрических данных, вейвлет-анализ позволяет значительно расширить анализ сигналов и перейти в частотно-временную область. Таким образом, использование различных базисных функций вейвлет-реобразования позволяет определить дополнительную диагностически значимую информацию, формализованную в параметрах, извлекаемых из вейвлет-скалограм.

The problem of recognition and classification of biomedical signals is a complex problem related to the interdisciplinary field of computer science and medicine. Within the framework of the project implementation of the development of the new defibrillation equipment, it is necessary to solve the problems of analyzing biomedical signals of the electrocardiogram to obtain a diagnostic solution with the possibility of assigning a specific condition to the pathological condition of the patient. This article presents the analysis of electrocardiogram signals, considering the technical aspects of the analysis of multicomponent signals, and describes the diagnostic possibility of wavelet analysis of ECG signals. The paper considers the limited tools of analyzing the electrocardiogram signal, in particular, limitation of parametric data. Wavelet analysis may significantly expand the analysis of signals and transfer them into the time-frequency domain. Thus, the use of various basic functions of the wavelet transform leads to the determination of the additional diagnostically significant information formalized in the parameters extracted from the wavelet scalogram.