Построение адаптированной вейвлет-функции для выявления поздних потенциалов предсердий
##plugins.themes.bootstrap3.article.main##
Аннотация
В статье рассматривается построение новых вейвлет-функций, адаптированных к проблеме идентификации поздних потенциалов предсердий (ППП) в сигнал-усреднённой ЭКГ при помощи непрерывного вейвлетпреобразования (НВП). Показаны преимущества применения новых вейвлет-функций в сравнении со стандартными вейвлетами при выявлении ППП.
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
E. Ivanko, N. Ivanushkina, and Y. Cinecope, “Multilevel analysis of electrocardiograms to identify late potentials atria”, Electronics and communications, no. 4-5, pp. 160–164, 2009.
N. Smolentsev, Fundamentals of wavelet theory. Wavelets in MATLAB, Moscow: DMK Press, 2008, p. 448.
M. Misiti, Y. Misiti, G. Oppenheim, and J. Poggi, Wavelets and their Applications, 1st ed. Wiley, 2007. DOI:10.1002/9780470612491
P. Addison, J. Walker, and R. Guido, “Time--frequency analysis of biosignals”, IEEE Engineering in Medicine and Biology Magazine, vol. 28, no. 5, pp. 14–29, Sep. 2009. DOI:10.1109/MEMB.2009.934244
H. Mesa, “Adapted Wavelets for Pattern Detection”, in Progress in Pattern Recognition, Image Analysis and Applications, Berlin, Heidelberg: Springer Berlin Heidelberg, 2005, pp. 933–944. DOI:10.1007/11578079_96
E. Sinyutin, “Selecting a wavelet function foroptimal representation of the ECG signal”, News of the Southern Federal University, no. 2, pp. 211–214, 2008.
E. Ivanko, N. Ivanushkina, and Y. Prokopenko, “Process Modelingoccurrence of excitation wave circulation in the myocardium”, Control systems andmachines, no. 3, pp. 36–41, 2009.
M. Akay, Time Frequency and Wavelets in Biomedical Signal Processing, IEEE, 1997. DOI:10.1109/9780470546697
