Інформаційні технології та комп'ютерна техніка

ІНТЕЛЕКТУАЛЬНА СИСТЕМА ВЕЙВЛЕТ-ВИЯВЛЕННЯ ЕКГ-СИГНАЛІВ ПЛОДУ НА ТЛІ ЗАВАД

Автор(и)

М. О. Хвостівський
Тернопільський національний технічний університет імені Івана Пулюя ROR
Г. І. Франчевська
Тернопільський національний технічний університет імені Івана Пулюя ROR
DOI https://doi.org/10.31649/1997-9266-2025-183-6-119-126

Ключові слова

завади математична модель алгоритм виявлення вейвлет-перетворення базис Морле MATLAB

Анотація

Розглянуто одну з актуальних проблем сучасної пренатальної діагностики — виявлення ЕКГ-сигналу плоду на фоні домінуючого ЕКГ-сигналу матері та численних завад. Складність задачі зумовлена суттєвою різницею амплітудних рівнів між сигналами (співвідношення понад 3:1 на користь матері), їхньою квазіперіодичною природою, а також присутністю різноманітних артефактів: міогенних шумів, рухових перешкод, електромагнітних завад. Для адекватного опису процесів запропоновано математичну модель абдомінального ЕКГ-запису, яка враховує багатокомпонентність суміші сигналів, періодичність серцевої активності та адитивність шумів.

На основі моделі створено інтелектуальну систему виявлення, у якій реалізовано алгоритм вейвлет-обробки в базисі Морле. Такий підхід дозволяє здійснювати багаторівневий часово-частотний аналіз, ефективно пригнічувати низькочастотні складові материнського сигналу, підсилювати високочастотні QRS-комплекси плоду та забезпечувати стійкість до шумів. Алгоритмічне забезпечення системи включає послідовність етапів: введення змішаного сигналу, параметризацію масштабів і зсувів, обчислення вейвлет-коефіцієнтів, побудову 3D- та 2D-проєкцій спектрального простору, а також статистичне прийняття рішення щодо наявності плодових компонент. Особливу увагу приділено детекції QRS-комплексів за амплітудно-часовими ознаками, що дозволяє виявляти регулярні ритмічні структури навіть у складних умовах.

Експериментальні дослідження, проведені у середовищі MATLAB, підтвердили ефективність методики: система здатна надійно виокремлювати ЕКГ-сигнал плоду в діапазоні частот 2—3 Гц (120—180 уд./хв) на фоні материнського сигналу із частотою 0,8—1,5 Гц (50—90 уд./хв). Запропонований підхід створює передумови для підвищення достовірності неінвазивного моніторингу серцевої діяльності плоду, зменшує ризики діагностичних помилок і може стати основою для систем інтелектуальної підтримки клінічних рішень у режимі реального часу.

157 80

Як цитувати

[1]
«ІНТЕЛЕКТУАЛЬНА СИСТЕМА ВЕЙВЛЕТ-ВИЯВЛЕННЯ ЕКГ-СИГНАЛІВ ПЛОДУ НА ТЛІ ЗАВАД», Вісник ВПІ, вип. 6, с. 119–126, Груд 2025, doi: 10.31649/1997-9266-2025-183-6-119-126.

Біографії авторів

автор М. О. Хвостівський, афіліація Тернопільський національний технічний університет імені Івана Пулюя

канд. техн. наук, доцент, доцент кафедри біотехнічних систем

автор Г. І. Франчевська, афіліація Тернопільський національний технічний університет імені Івана Пулюя

аспірантка кафедри біотехнічних систем

Посилання

World Health Organization, Newborn mortality. [Online]. Updated Mar. 14, 2024. Available: https://www.who.int. Accessed: Sep. 5, 2025.
B. Widrow, and S. D. Stearns, “Adaptive Signal Processing. Englewood Cliffs,” NJ: Prentice-Hall, p. 491, 1985.
A. Cichocki, and S. Amari, Adaptive Blind Signal and Image Processing: Learning Algorithms and Applications. New York, NY: Wiley, 2002, p. 565. https://doi.org/10.1002/0470845899 .
T.-W. Lee, Independent Component Analysis: Theory and Applications. Boston, MA: Kluwer Academic Publishers, 1998, p. 250. https://doi.org/10.1007/978-1-4757-2851-4 .
В. І. Шульгін, і В. В. Федотенко, «Виділення електрокардіограми плода з багатоканального абдомінального сигналу в реальному масштабі часу,» ІV Міжнародна науково-практична конференція «Інформаційні системи та технології в медицині» (ICM–2021): зб. наук. пр., Харків: Нац. аерокосм. ун-т ім. М. Є. Жуковського «Харків. авіац. ін-т», 2021, с. 122-123. ISBN 978-966-662-842-1.
A. Hyvärinen, Independent Component Analysis. New York, NY: Springer, 2001, p. 495.
P. Comon, “Independent component analysis – a new concept?” Signal Processing, vol. 36, no. 3, pp. 287-314, 1994, https://doi.org/10.1016/0165-1684(94)90029-9 .
J.-F. Cardoso, “Blind signal separation: statistical principles,” Proc. IEEE, vol. 86, no. 10, pp. 2009-2025, 1999.
Т. О. Білобородова, і І. С. Скарга-Бандурова, «Розділення джерел даних і вилучення цільових компонентів електрофізіологічних часових рядів на прикладі ЕКГ плода,» Реєстрація, зберігання і обробка даних, т. 25, с. 43-53, 2023. https://doi.org/10.35681/1560-9189.2023.25.1.287017 .
R. Martinek, et all., “Comparative effectiveness of ICA and PCA in extraction of fetal ECG from abdominal signals: Toward non-invasive fetal monitoring,” Frontiers in Physiology, vol. 9, p. 648, May 30, 2018, https://doi.org/0.3389/fphys.2018.00648.
V. Zarzoso, and A. K. Nandi, “Noninvasive fetal electrocardiogram extraction: Blind separation versus adaptive noise cancellation,” IEEE Trans. Biomed. Eng., vol. 48, no. 1, pp. 12-18, 2001, https://doi.org/10.1109/10.900244 .
R. Sameni, and G. D. Clifford, “A review of fetal ECG signal processing; issues and promising directions,” Open Pacing Electrophysiol. Ther. J., vol. 3, pp. 4-20, 2010, https://doi.org/10.2174/1876536X01003010004 .
М. О. Хвостівський, і Є. Б. Яворська, «Метод виявлення електрокардіосигналу плоду в утробі матері у суміші із завадами,» Вісник Хмельницького національного технологічного університету, № 3, с. 179-184, 2011.
M. Wahbah, et all., “A deep learning framework for noninvasive fetal ECG signal extraction,” Frontiers in Physiology, vol. 15, Apr. 2024, Art. no. 1329313, https://doi.org/10.3389/fphys.2024.1329313 .
L. Chen, S. Wu, and Z. Zhou, “Fetal ECG signal extraction from maternal abdominal ECG signals using Attention R2W-Net,” Sensors, vol. 25, no. 3, p. 601, Jan. 2025, https://doi.org/0.3390/s25030601 .
S. Redif, “Fetal electrocardiogram estimation using polynomial eigenvalue decomposition,” Turkish Journal of Electrical Engineering and Computer Sciences, vol. 24, no. 4, pp. 2483-2497, 2016, https://doi.org/10.3906/elk-1401-19 .
I. V. Yavorskyi, S. V. Uniyat, R. A. Tkachuk, and M. O. Khvostivskyi, “Algorithmic support of wavelet processing of pulse signals in the Morlet basis,” in Mathematics and Mathematical Simulation in a Modern Technical University: Proc. II Int. Sci. Pract. Conf. for Students and Young Scientists, Lutsk, Ukraine, Apr. 30, 2024, pp. 51-53. ISBN 978-966-377-250-9.