Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления

Сигнал мониторинга внутричерепного давления (ВЧД), полученный в отделениях нейрореанимации, часто содержит большое количество шумов и выбросов. Эти артефакты не только непосредственно приводят к ложным тревогам в автоматических аварийных системах мониторинго-диагностических комплексов для управля...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2013
Автори:	Дроботько, Д.В., Шевченко, А.И., Дроботько, В.Ф., Качур, И.В.
Формат:	Стаття
Мова:	Russian
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2013
Назва видання:	Искусственный интеллект
Теми:	Обучающие и экспертные системы
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/84981
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления / Д.В. Дроботько, А.И. Шевченко, В.Ф. Дроботько, И.В. Качур // Искусственный интеллект. — 2013. — № 3. — С. 495–506. — Бібліогр.: 16 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-84981
record_format	dspace
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Обучающие и экспертные системы Обучающие и экспертные системы
spellingShingle	Обучающие и экспертные системы Обучающие и экспертные системы Дроботько, Д.В. Шевченко, А.И. Дроботько, В.Ф. Качур, И.В. Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления Искусственный интеллект
description	Сигнал мониторинга внутричерепного давления (ВЧД), полученный в отделениях нейрореанимации, часто содержит большое количество шумов и выбросов. Эти артефакты не только непосредственно приводят к ложным тревогам в автоматических аварийных системах мониторинго-диагностических комплексов для управляемой терапии больных, но и сильно загрязняют особенности основного сигнала, что делает невозможным точное прогнозирование вторичных повреждений головного мозга, вызванных внутричерепной гипертензией. В статье предлагается эффективный онлайновый двухэтапный метод очистки физиологических сигналов, основанный на идентификаторе Хампеля и калмановской фильтрации. Вначале измеряемые ВЧД сигналы проходят предварительную обработку, в которой осуществляется идентификация структуры данных сигнала, оценивается уровень шума, и удаляются выбросы с помощью робастного фильтра Хампеля. Точки выбросов заменяются значением медианы в этих точках. Затем производится коррекция этих точек, удаление шума и оценка спектра сигнала на основе адаптивной авторегрессионной (AАR) модели с помощью фильтра Калмана и сопряженного с ним RTS (RauchTung-Striebel) сглаживающего фильтра. Настраиваемыми параметрами предлагаемого метода фильтрации являются полуширина скользящего окна, пороговая величина для обнаружения выбросов и порядок AАR модели.
format	Article
author	Дроботько, Д.В. Шевченко, А.И. Дроботько, В.Ф. Качур, И.В.
author_facet	Дроботько, Д.В. Шевченко, А.И. Дроботько, В.Ф. Качур, И.В.
author_sort	Дроботько, Д.В.
title	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления
title_short	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления
title_full	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления
title_fullStr	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления
title_full_unstemmed	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления
title_sort	неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2013
topic_facet	Обучающие и экспертные системы
url	http://dspace.nbuv.gov.ua/handle/123456789/84981
citation_txt	Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления / Д.В. Дроботько, А.И. Шевченко, В.Ф. Дроботько, И.В. Качур // Искусственный интеллект. — 2013. — № 3. — С. 495–506. — Бібліогр.: 16 назв. — рос.
series	Искусственный интеллект
work_keys_str_mv	AT drobotʹkodv neavtonomnoeobnaruženievybrosoviočistkasignalovmonitoringavnutričerepnogodavleniâ AT ševčenkoai neavtonomnoeobnaruženievybrosoviočistkasignalovmonitoringavnutričerepnogodavleniâ AT drobotʹkovf neavtonomnoeobnaruženievybrosoviočistkasignalovmonitoringavnutričerepnogodavleniâ AT kačuriv neavtonomnoeobnaruženievybrosoviočistkasignalovmonitoringavnutričerepnogodavleniâ
first_indexed	2023-10-18T19:30:06Z
last_indexed	2023-10-18T19:30:06Z
_version_	1796147133158522880
spelling	irk-123456789-849812015-07-18T03:01:49Z Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления Дроботько, Д.В. Шевченко, А.И. Дроботько, В.Ф. Качур, И.В. Обучающие и экспертные системы Сигнал мониторинга внутричерепного давления (ВЧД), полученный в отделениях нейрореанимации, часто содержит большое количество шумов и выбросов. Эти артефакты не только непосредственно приводят к ложным тревогам в автоматических аварийных системах мониторинго-диагностических комплексов для управляемой терапии больных, но и сильно загрязняют особенности основного сигнала, что делает невозможным точное прогнозирование вторичных повреждений головного мозга, вызванных внутричерепной гипертензией. В статье предлагается эффективный онлайновый двухэтапный метод очистки физиологических сигналов, основанный на идентификаторе Хампеля и калмановской фильтрации. Вначале измеряемые ВЧД сигналы проходят предварительную обработку, в которой осуществляется идентификация структуры данных сигнала, оценивается уровень шума, и удаляются выбросы с помощью робастного фильтра Хампеля. Точки выбросов заменяются значением медианы в этих точках. Затем производится коррекция этих точек, удаление шума и оценка спектра сигнала на основе адаптивной авторегрессионной (AАR) модели с помощью фильтра Калмана и сопряженного с ним RTS (RauchTung-Striebel) сглаживающего фильтра. Настраиваемыми параметрами предлагаемого метода фильтрации являются полуширина скользящего окна, пороговая величина для обнаружения выбросов и порядок AАR модели. Сигнал моніторингу внутрішньочерепного тиску (ВЧД), здобутий у відділеннях нейрореанімації, часто містить велику кількість шумів і викидів. Ці артефакти не лише безпосередньо викликають помилкові тривоги в автоматичних аварійних системах мониторинго-діагностичних комплексів для керованої терапії хворих, але й сильно забруднюють особливості основного сигналу, що унеможливлює точне прогнозування вторинного пошкодження головного мозку, викликаного внутрішньочерепною гіпертензією. У статті пропонується ефективний двоетапний метод онлайнового очищення фізіологічних сигналів, заснований на ідентифікаторі Хампеля і калмановської фільтрації. Спочатку вимірювані ВЧД сигнали проходять попереднє оброблення, під час якого здійснюється ідентифікація структури даних сигналу, оцінюється рівень шуму і усуваються викиди за допомогою робастного фільтра Хампеля. Точки викидів замінюються значенням медіани в цих точках. Потім відбувається корекція цих даних, усування шуму і оцінка спектра сигналу на основі адаптивної авторегресійної (AАR) моделі за допомогою фільтра Калмана і зв’язаного з ним RTS (Rauch-Tung-Striebel) згладжувального фільтру. Регульованими параметрами пропонованого методу фільтрації є півширина ковзного вікна, порогова величина для виявлення викидів і порядок AАR моделі. Intracranial pressure monitoring signal (ICP) obtained in Neuro Intensive Care Units, often contains a large amount of noise and outliers. These artifacts not only directly lead to false alarms in automatic alert systems of monitoring-diagnostic complex for controlled therapy patient, but they are also heavily pollute the main features of the signal, making it impossible to accurately predict the secondary damage to the brain caused by intracranial hypertension. This paper proposes an efficient on-line two-step purification method of physiological signals based on Hampel identifier and Kalman filtering. Initially, clinical measurement of ICP signal undergo pretreatment in which the identification signal data structure, and the estimated level of noise outliers are removed by the filter Hampel robust. Outlier points are replaced by the median of those points. Next, the correction of these points, noise removal and evaluation of the signal based on adaptive autoregressive (AAR) model using the Kalman filter and its associated RTS (Rauch-Tung-Striebel) smoothing filter are performed. Adjustable parameters of the proposed filtering method is the half-width moving window, the threshold for detecting outliers and order AAR model. 2013 Article Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления / Д.В. Дроботько, А.И. Шевченко, В.Ф. Дроботько, И.В. Качур // Искусственный интеллект. — 2013. — № 3. — С. 495–506. — Бібліогр.: 16 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/84981 004.8 ru Искусственный интеллект Інститут проблем штучного інтелекту МОН України та НАН України

Неавтономное обнаружение выбросов и очистка сигналов мониторинга внутричерепного давления

Репозитарії

Схожі ресурси