Використання інструментів статистичного аналізу для обробки ЕКГ

Abstract

Мета статті – дослідження алгоритмів статистичного та інтелектуального аналізу даних та їхнього використання для обробки і аналізу електрокардіограм (ЕКГ). Розглянуто методи та алгоритми, які є основою статистичної обробки і аналізу даних. Методи дослідження ґрунтуються на застосуванні статистичних методів та алгоритмів для аналізу та попередньої обробки медичних даних. Вона є необхідним кроком в обробці даних, що дає можливість більш ефективно аналізувати, будувати більш точні моделі та зменшити їхню розмірність. Наукова новизна. У статті проаналізовано класичні статистичні методи, що використовують на першому етапі обробки даних. Доведена їхня ефективність та необхідність під час аналізу медичних даних. Результати роботи продемонстровані на обробці реальних даних, а саме електрокардіограм. Висновки. Застосування методів статистичного аналізу для попередньої обробки медичних даних розглянуто на прикладі обробки і аналізу ЕКГ. Були обчислені основні статистичні характеристики: середнє, дисперсія, середнє квадратичне відхилення, мода, медіана, коефіцієнт асиметрії, коефіцієнт ексцесу та коефіцієнт варіації. Отримані дані використовують для оцінки закону розподілу даних, перевірки гіпотез про закони розподілу, нормалізації даних. Для спостережень ЕКГ побудовано кореляційну матрицю, обчислені власні числа та власні вектори, на їхній основі визначено головні компоненти. Використання головних компонент дає можливість зменшити розмірність даних для більш глибокого аналізу. У цьому дослідженні об’єм даних було зменшено в чотири рази. Виконано дискретне перетворення Фур’є. Аналіз його результатів дав можливість виокремити високочастотні електромагнітні перешкоди, що передаються по кабелю від мережі електроживлення до приладу, визначена частота перешкоди. Були виявлені артефакти руху, пов’язані з диханням хворого. Частота таких перешкод перебуває у діапазоні від 1 до 4 Гц. Була проведена класифікація точок ЕКГ, побудований модуль ЕКГ для подальшого аналізу. Результати класифікації дали змогу виокремити множину точок, що містяться в околі R-піків. Це дає можливість, не використовуючи складний математичний апарат, локалізувати QRS комплекси. Результати попередньої обробки медичних даних дають змогу зменшити їх розмірність, виявити наявність або відсутність лінійних зв’язків, оцінити частотні характеристики даних. На основі попередньої обробки можливо планувати подальші дослідження і більш якісно будувати моделі для інтелектуального аналізу даних.

Keywords

• електрокардіограма
• статистичний аналіз
• кореляційний аналіз
• головні компоненти
• класифікація