Математическая модель фотоплетизмограммы для тестирования методов анализа сигналов биологической природы

Обложка

Цитировать

Полный текст

Аннотация

Цель настоящей работы — разработка математической модели сигнала фотоплетизмограммы, предназначенной для тестирования методов введения мгновенных фаз сигналов модуляции. Модель должна воспроизводить статистические и спектральные свойства реального сигнала, а также включать мгновенные фазы сигналов модуляции в явном виде, чтобы обеспечить возможность их использования в качестве эталона. Методы. Характерные анакротические и катакротические подъемы пульсовой волны фотоплетизмограммы моделировались суммой двух функций, описывающих плотности асимметричных нормальных распределений. Сигналы модуляции фотоплетизмограммы задавались как гармонические функции от мгновенных фаз, введенных для колебаний очень низкочастотных, низкочастотных и высокочастотных диапазонов реальных фотоплетизмограмм. При сопоставлении спектров мощности модельных и экспериментальных сигналов рассчитывалась плотность мощности в соответствующих частотных диапазонах. Результаты. Модель качественно воспроизвела форму колебаний реального сигнала и обеспечила количественное соответствие его спектральным характеристикам с погрешностью менее 1%. Заключение. Предложенная математическая модель может быть использована для апробации методов введения мгновенных фаз сигналов модуляции фотоплетизмограммы.

Об авторах

Анна Михайловна Вахлаева

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)

410012, Россия, Саратов, ул. Астраханская, 83

Юрий Максимович Ишбулатов

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)

ORCID iD: 0000-0003-2871-5465
Scopus Author ID: 57160264200
ResearcherId: I-1506-2016
410012, Россия, Саратов, ул. Астраханская, 83

Анатолий Сергеевич Караваев

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ) ; Саратовский филиал Института радиотехники и электроники имени В.А. Котельникова РАН (СФ ИРЭ); Саратовский государственный медицинский университет имени В.И. Разумовского (СГМУ)

ORCID iD: 0000-0003-4678-3648
SPIN-код: 10808548
Scopus Author ID: 7003666161
ResearcherId: D-8137-2013
410012, Россия, Саратов, ул. Астраханская, 83

Владимир Иванович Пономаренко

Саратовский филиал Института радиотехники и электроники имени В.А. Котельникова РАН (СФ ИРЭ)

ORCID iD: 0000-0002-1579-6465
Scopus Author ID: 35613865300
ResearcherId: H-2602-2012
410019 Саратов, ул. Зеленая, 38 Телефон: (8452) 24-58-23

Михаил Дмитриевич Прохоров

Саратовский филиал Института радиотехники и электроники имени В.А. Котельникова РАН (СФ ИРЭ)

ORCID iD: 0000-0003-4069-9410
410019 Саратов, ул. Зеленая, 38 Телефон: (8452) 24-58-23

Список литературы

  1. Gorshkov O, Ombao H. Multi-chaotic analysis of inter-beat (R-R) intervals in cardiac signals for discrimination between normal and pathological classes. Entropy (Basel). 2021;23(1):112. doi: 10.3390/e23010112.
  2. Fagard RH, Stolarz K, Kuznetsova T, Seidlerova J, Tikhonoff V, Grodzicki T, Nikitin Y, Filipovsky J, Peleska J, Casiglia E, Thijs L, Staessen JA, Kawecka-Jaszcz K. Sympathetic activity, assessed by power spectral analysis of heart rate variability, in white-coat, masked and sustained hypertension versus true normotension. J. Hypertens. 2007;25(11):2280–2285. doi: 10.1097/HJH.0b013e3282efc1fe.
  3. Borovkova EI, Prokhorov MD, Kiselev AR, Hramkov AN, Mironov SA, Agaltsov MV, Ponomarenko VI, Karavaev AS, Drapkina OM, Penzel T. Directional couplings between the respiration and parasympathetic control of the heart rate during sleep and wakefulness in healthy subjects at different ages. Front. Netw. Physiol. 2022;2:942700. doi: 10.3389/fnetp.2022.942700.
  4. Ponomarenko VI, Prokhorov MD, Karavaev AS, Kiselev AR, Gridnev VI, Bezruchko BP. Synchronization of low-frequency oscillations in the cardiovascular system: Application to medical diagnostics and treatment. The European Physical Journal Special Topics. 2013;222(10): 2687–2696. doi: 10.1140/epjst/e2013-02048-1.
  5. Lefrandt JD, Smit AJ, Zeebregts CJ, Gans ROB, Hoogenberg KH. Autonomic dysfunction in diabetes: a consequence of cardiovascular damage. Current Diabetes Reviews. 2010;6(6):348–358. doi: 10.2174/157339910793499128.
  6. Dimitriev DA, Saperova EV, Dimitriev AD. State anxiety and nonlinear dynamics of heart rate variability in students. PLoS ONE. 2016;11(1):e0146131. doi: 10.1371/journal.pone.0146131.
  7. Deka B, Deka D. Nonlinear analysis of heart rate variability signals in meditative state: a review and perspective. BioMedical Engineering OnLine. 2023;22(1):35. doi: 10.1186/s12938-023- 01100-3.
  8. de Abreu RM, Porta A, Rehder-Santos P, Cairo B, Sakaguchi CA, da Silva CD, Signini EF, Milan-Mattos JC, Catai AM. Cardiorespiratory coupling strength in athletes and non-athletes. Respiratory Physiology & Neurobiology. 2022;305:103943. doi: 10.1016/j.resp.2022.103943.
  9. Delliaux S, Ichinose M, Watanabe K, Fujii N, Nishiyasu T. Muscle metaboreflex activation during hypercapnia modifies nonlinear heart rhythm dynamics, increasing the complexity of the sinus node autonomic regulation in humans. Pflugers Archiv - European Journal of Physiology. 2023;475(4):527–539. doi: 10.1007/s00424-022-02780-x.
  10. Karavaev AS, Skazkina VV, Borovkova EI, Prokhorov MD, Hramkov AN, Ponomarenko VI, Runnova AE, Gridnev VI, Kiselev AR, Kuznetsov NV, Chechurin LS, Penzel T. Synchronization of the processes of autonomic control of blood circulation in humans is different in the awake state and in sleep stages. Front. Neurosci. 2022;15:791510. doi: 10.3389/fnins.2021.791510.
  11. Goldstein DS, Bentho O, Park MY, Sharabi Y. Low-frequency power of heart rate variability is not a measure of cardiac sympathetic tone but may be a measure of modulation of cardiac autonomic outflows by baroreflexes. Exp. Physiol. 2011;96(12):1255–1261. doi: 10.1113/expphysiol. 2010.056259.
  12. Natarajan A, Pantelopoulos A, Emir-Farinas H, Natarajan P. Heart rate variability with photoplethys-mography in 8 million individuals: a cross-sectional study. The Lancet Digital Health. 2020;2(12): E650–E657. doi: 10.1016/S2589-7500(20)30246-6.
  13. Ringwood JV, Malpas SC. Slow oscillations in blood pressure via a nonlinear feedback model. American Journal of Physiology-Regulatory, Integrative and Comparative Physiology. 2001;280(4): R1105–R1115. doi: 10.1152/ajpregu.2001.280.4.R1105.
  14. Tang Q, Chen Z, Ward R, Elgendi M. Synthetic photoplethysmogram generation using two Gaussian functions. Sci. Rep. 2020;10(1):13883. doi: 10.1038/s41598-020-69076-x.
  15. McSharry PE, Clifford GD, Tarassenko L, Smith LA. A dynamical model for generating synthetic electrocardiogram signals. IEEE Transactions on Biomedical Engineering. 2003;50(3):289–294. doi: 10.1109/TBME.2003.808805.
  16. Cheng L, Khoo MCK. Modeling the autonomic and metabolic effects of obstructive sleep apnea: a simulation study. Front. Physiol. 2012;2:111. doi: 10.3389/fphys.2011.00111.
  17. Mejıa-Mejıa E, May JM, Torres R, Kyriacou PA. Pulse rate variability in cardiovascular health: a review on its applications and relationship with heart rate variability. Physiol. Meas. 2020;41(7):07TR01. doi: 10.1088/1361-6579/ab998c.
  18. Kotani K, Struzik ZR, Takamasu K, Stanley HE, Yamamoto Y. Model for complex heart rate dynamics in health and diseases. Phys. Rev. E. 2005;72(4):041904. doi: 10.1103/PhysRevE. 72.041904.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах