ЕКГ в цифровому форматі можна отримати з усе більшого числа пристроїв, які містять в собі біотрекери. Відповідно до зростання можливостей біотрекерів, починають розвиватися технології, які дозволяють аналізувати ці дані.
На даному етапі технології дозволяють визначати лише загальні властивості кардіограми, такі як зубці, інтервали та сегменти. Для повного дослідження ЕКГ необхідно аналізувати не тільки окремий серцевий удар, а й загальні періодичні характеристики. Так як параметри серцевого удару можуть змінюватися в залежності від фізичних навантажень, то для визначення ектопічних серцевих ударів необхідно розглядати електрокардіограму за більш широкий проміжок часу.
Аналіз за широкі проміжки часу являє собою нетривіальну задачу, так як об'єм інформації для аналізу, враховуючи частоту отримання даних, є досить значним. Дослідження, що проводиться, стосується визначення ектопічних серцевих ударів на ЕКГ в цифровому форматі саме за широкі проміжки часу.
Для цих цілей використовується базове програмне забезпечення, яке дозволить визначати зубці, інтервали та сегменти ЕКГ, а саме бібліотека Neurokit2.
Схема дослідження включає в себе декілька етапів:
1)очищення сигналу від шумів та нормалізація сигналу;
2)перевірка на якість сигналу;
3)пошук R зубців та RR інтервалів;
4)поділ сигналу на окремі хвилі, тобто окремі серцеві удари ;
5)перевірка на наявність достатньої кількості характеристик для аналізу;
6)обчислення ширини QRS комплексу;
7)перевірка набору даних на ектопічність.
Використання бібліотек Neurokit2 та Pandas дозволяє окреслити математичну модель як нормального серцевого ритму, так і його патологій. Серед широкої кількості умов, було визначено основні, які характеризують вентрикулярні та суправентрикулярні серцеві удари. В основному аналіз зводився до регулярності та частоти R зубців, широти QRS комплексу та наявності і форми P хвилі. Додатковими факторами при аналізі були довжина PR інтервалу та амплітуда зубця R.
Список використаних джерел:
1.Ecg Normal P Wave Qrs Complex St Segment T Wave J Point . Електронний ресурс – Режим доступу :
https://ecgwaves.com/topic/ecg-normal-p-wave-qrs-complex-st-segment-t-wave-j-point/
2.The Python Toolbox for Neurophysiological Signal Processing. Електронний ресурс – Режим доступу :
https://neurokit2.readthedocs.io/en/latest/resources/recording.html
3.Respiratory Sinus Arrhythmia (RSA). Електронний ресурс – Режим доступу:https://support.mindwaretech.com/2017/09/all-about-hrv-part-4-respiratory-sinus-arrhythmia/
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter