Slidingan analysis of analytical signal of non-contact photoplethysmography for assessing heart rate

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The paper proposes a method for studying the variability of the subject’s heart rate based on the intellectual analysis of the pulse wave measured with remote photoplethysmography. The logically related stages of the formation of quadrature components based on the Hilbert transform of biomedical signals’ dynamics are presented. Within the framework of modern methods of intellectual analysis of non-stationary time series, realizations of adaptive estimates of instantaneous frequencies and periods of the heartbeat basic tone are obtained.

About the authors

L. V. Labunets

Bauman Moscow State Technical University; Российский новый университет

Author for correspondence.
Email: labunets@bmstu.ru
Russian Federation, 2-ya Baumanskaya st., 5, Moscow, 105005; Radio st., 22, Moscow, 105005

D. S. Lukin

Российский новый университет

Email: labunets@bmstu.ru
Russian Federation, Radio st., 22, Moscow, 105005

M. Y. Ryakhina

Bauman Moscow State Technical University

Email: labunets@bmstu.ru
Russian Federation, 2-ya Baumanskaya st., 5, Moscow, 105005

References

  1. Greenes R.A. Clinical Decision Support. The Road to Broad Adoption. 2nd ed. Amsterdam, Boston: Elsevier Acad. Press, 2014.
  2. Pandey S.C. // Intern.Conf. on Signal Processing, Communication, Power and Embedded System (SCOPES2016). Paralakhemundi, Odisha, India. 2016. 3–5 October. P. 972.
  3. Баранов А.А., Намазова-Баранова Л.С., Смирнов И.В. и др.// Вестник РАМН. 2016. Т. 71. № 2. С. 160. https://doi.org/10.15690/vramn663
  4. Реброва О.Ю. // Клиническая и экспериментальная тиреодология. 2019. Т. 15. № 4.С. 148. https://doi.org/10.14341/ket12377
  5. Sutton R.T., Pincock D., Baumgart D.C. et al. // Digital Medicine. 2020. V. 17. № 3. P. 2. https://doi.org/10.1038/s41746-020-0221-y
  6. Giordano C., Brennan M., Mohamed B. et al. // Frontiers in Digital Health. 2021. V. 3. № 6. P. 1. https://doi.org/10.3389/fdgth.2021.645232
  7. Akishin A.D., Nikolaev A.P., Pisareva A.V. // J. Phys.: Conf. Ser. 2021. V. 2096. № 1. P. 012187.
  8. Омпоков В.Д. Частотно-временной анализ пульсовых сигналов с помощью преобразования Гильберта-Хуанга.Дисс. канд. физ.-мат. наук. Улан-Уде: Ин-т физ. материаловедения СО РАН. 2019. 106 с.
  9. Анищенко Л.Н., Лобанова В.С., Давыдова И.А. и др. // Биомед. радиоэлектроника. 2021. Т. 24. № 5. С. 47. https://doi.org/10.18127/j15604136–202105–06
  10. Borzov A., Kasikin A., Labunets L., Ryakhina M. // Proc. Intern. Sci. Practical Conf. “Information Technologies and Intelligent Decision Making Systems” (ITIDMS2021). CEUR Workshop Proc. 2021. http://ceur-ws.org/Vol-2843
  11. Labunets L.V., Borzov A.B., Makarova N.Yu. // J. Commun. Technol. Electron. 2022. V. 67. № 2. P. 182. https://doi.org/10.1134/S1064226922020097
  12. Labunets L.V., Ryakhina M.Yu. // Biomedical Engineering. 2023. V. 57. № 4. P. 265. https://doi.org/10.1007/s10527-023-10312-9
  13. Unakafov A.M. // Biomed. Phys. Engineering Express. 2018. № 4. Р. 045001. https://doi.org/10.1088/2057-1976/aabd09
  14. Wang W., den Brinker A.C., Stuijk S., de Haan G. // IEEE Trans. 2016. V. BE-64. № 7. Р. 1479. https://doi.org/10.1109/TBME.2016.2609282
  15. Hoffman W.F.C., Lakens D. Public Benchmark Dataset for Testing rPPG Algorithm Performance. 4TU.Centre for Research Data.Dataset. https://doi.org/10.4121/uuid:2ac74fbd-2276-44ad-aff1-2f68972b7b51
  16. Thomson D.J. // Proc. IEEE. 1982. V. 70. № 9. P. 1055.
  17. Zhongzhe Ch., Baqiao L., Xiaogang Y., Hongquan Y. // Energies. 2019. V. 12. https://doi.org/10.3390/en12163077
  18. Golyandina N., Nekrutkin V., Zhigljavsky A. Analysis of Time Series Structure: SSA and Related Techniques. New York: Chapman and Hall/CRC. 2001.
  19. Zeiler A., Faltermeier R., Tom´e A. et al. // Neural Proc. Lett. 2013. V. 37. № 1. P. 21.
  20. Fontugne R., Borgnat P., Flandrin P. // Proc. IEEE Intern. Conf. Acoustics, Speech and Signal Processing (ICASSP). New Orleans, USA. 2017. P. 4306.
  21. Германович О., Лиференко В., Лебедев С. // Компоненты и технологии. 2012. № 2. С. 122.
  22. Marple S.L., Jr. // IEEE Trans. 1999. V. SP-47. № 9. P. 2600. https://doi.org/10.1109/78.782222
  23. Forsythe G.E., Malcolm M.A., Moler C.B. Computer Methods for Mathematical Computations. Englewood Cliffs: Prentice-Hall, 1977.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».