EKG signalų analizė treniruočių proceso modeliavimui ir nuovargio vertinimo metodikos sudarymui
| Autor: | Butkevičiūtė, Eglė |
|---|---|
| Přispěvatelé: | Bikulčienė, Liepa |
| Jazyk: | litevština |
| Rok vydání: | 2021 |
| Předmět: | |
| Popis: | Norint įvertinti žmogaus organizmo skirtingų sistemų tarpusavio sąveiką reikalinga biologinius signalus registruoti fizinės ar protinės veiklos pratimų metu, nes tada veikia kelios sistemos, tarp kurių yra ir širdies bei kraujagyslių, raumeninė, nervų sistemos. Priklausomai nuo judesio intensyvumo triukšmai tampa nestacionarūs ir standartiniai filtravimo algoritmai nebesugeba signalų apdoroti tinkamai. Disertacijoje pasiūlyti elektrinių signalų filtravimo algoritmai geba prisitaikyti prie triukšmo lygio esant skirtingai širdies apkrovai bei išsaugo pagrindines elektrokardiogramos signalo parametrų reikšmes, kurios reikalingos žmogaus funkcinės būklės įvertinimui ir darbo ar treniruočių procesų valdymui. Lyginant su kitais alternatyviais algoritmais, disertacijoje aprašomi metodai geba geriau prisitaikyti prie elektrokardiogramos signalo nepažeidžiant jo skaitinių charakteristikų. Pagrindiniai tyrimai šiame darbe atliekami naudojant elektrokardiogramos signalus, tačiau taip pat parodyta, kad naudoti triukšmų filtravimo algoritmai yra efektyvūs ir kitiems biologiniams signalams, tokiems kaip encefalogramos. Disertacijoje taip pat pasiūlyta nauja fiziologinio nuovargio vertinimo metodika naudojant tiesinius ir netiesinius širdies ritmo variabilumo analizės metodus bei mašininio mokymo algoritmus skirtingų fiziologinių būsenų klasifikavimo procese. Būtent EKG signalų klasifikavimo dalyje tampa itin svarbu ne tik apdoroti (filtruoti) EKG signalus, bet ir rasti šio signalo parametrų reikšmes. Tam buvo pasirinktas modifikuotas ir papildytas k-TEO algoritmas. Biological signals recorded in movement allow to evaluate interactions between different human organism systems and dynamic changes in daily activities. If a person performs physical or mental exercises, multiple systems work in parallel: cardiovascular, muscular, neural and others. ECG signals recorded in movement are contaminated with various noises. The obtained noise is non-stationary and depends on the intensity of a particular exercise. That is why ordinary filtering methods fail in signal processing without damage to basic signal characteristics. The proposed filtering algorithm is able to adapt to the level of appearing noise in different workloads and maintain the most important ECG parameter values that are essential for the health evaluation and monitoring. Also, in this research a new physiological fatigue evaluation and recognition methodology is proposed that uses linear and non-linear heart rate variability analysis and machine learning techniques. In the classification part the accurate ECG signal parameter estimation algorithms becomes very important. For these parameters search the modified and supplemented k-TEO algorithm was selected and implemented. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|