Analysis of correlating processing’s influence on the evaluation of informative low-amplitude components in z-electrocardiosignals

Cover Page

Cite item

Full Text

Abstract

Introduction. The development of devices capable of effectively analyzing electrocardiosignals (ECS) is a relevant and significant task, particularly in enhancing their functionality. Currently, there are no single-channel devices that can evaluate ventricular late potentials (VLPs)—low-amplitude components with predictive value. The aim of this study is to assess the feasibility of detecting VLPs in ECS recorded using a single lead. Materials and methods. For this study, Z-lead ECS signals were selected. A total of 271 signals were analyzed using two approaches: the standard method for detecting VLPs (Simson’s method) and a modified version of this method adapted for Z-lead ECS (the proposed algorithm). To improve analysis accuracy, smoothing techniques and an additional correlation-based processing algorithm were applied. Results. The standard approach detected VLPs in 46 cases, whereas the proposed algorithm identified 80 cases. This may indicate a potential advantage of the proposed algorithm, particularly since the analyzed signals exhibited characteristics associated with myocardial infarction. The probability of a correct decision when testing the algorithm exceeded 73%. Conclusion. The proposed algorithm effectively detects VLPs in Z-lead ECS. These findings may contribute to the development of single-channel ECS analyzers.

Full Text

Restricted Access

About the authors

Оscar A. Mukhametzyanov

Kazan National Research Technical University named after A.N. Tupolev–KAI

Author for correspondence.
Email: OAMukhametzyanov@kai.ru
ORCID iD: 0009-0009-8186-4663
SPIN-code: 6062-4483

PhD student, Senior Lecturer at the Institute for Radio-Electronics and Telecommunications

Russian Federation, Kazan

References

  1. Raj S. A real-time ECG-processing platform for telemedicine applications. In: Advances in Telemedicine for Health Monitoring: Technol-ogies, Design and Applications. Rashid T. A., Chakraborty Ch. A., Fraser K. A. (ed.). Ste-venage, UK: The Institution of Engineering and Technology; 2020:77–127. doi: 10.1049/PBHE023E_ch5
  2. Romagnoli S., Ripanti F., Morettini M. et al. Wearable and portable devices for acquisition of cardiac signals while practicing sport: a scoping review. Sensors. 2023;23(6):3350. doi: 10.3390/s23063350
  3. Arefnezhad S., Eichberger A., Frühwirth M. et al. Driver monitoring of automated vehicles by classification of driver drowsiness using a deep convolutional neural network trained by scalograms of ECG signals. Energies. 2022;15(2):480. doi: 10.3390/en15020480
  4. Lemay M. Data Processing Techniques for the characterization of Atrial Fibrillation. Doctoral thesis. Lausanne, Switzerland: EPFL; 2007. 154 p. doi: 10.5075/epfl-thesis-3982
  5. Frank E. An accurate, clinically practical sys-tem for spatial vectorcardiography. Circula-tion. 1956;13(5):737–749. doi: 10.1161/01.CIR.13.5.737
  6. Banluesombatkul N., Rakthanmanon T., Wila iprasitporn T. Single channel ECG for obstruc-tive sleep apnea severity detection using a deep learning approach. TENCON 2018 – 2018 IEEE Region 10 Conference, Jeju, Korea (South), 28–31 Oct. 2018. IEEE; 2018:2011–2016. doi: 10.1109/TENCON.2018.8650429
  7. Simson M. B. Use of Signals in the Terminal QRS-Complex to Identify Patients with Ven-tricular Tachycardia after Myocardial Infarc-tion. Circulation. 1981;64(2):235–242. doi: 10.1161/01.CIR.64.2.235
  8. Breithardt G., Cain M. E., el-Sherif N. et al. Standards for analysis of ventricular late po-tentials using high-resolution or signal-averaged electro cardiography. A statement by a Task Force Committee of the European So-ciety of Cardiology, the American Heart Asso-ciation, and the American College of Cardiol-ogy. Circulation. 1991;83(4):1481–1488. doi: 10.1161/01.CIR.83.4.1481
  9. Mukhametzyanov O. A., Shcherbakova T. F., Libina D. V. et al. Analysis of Electrocardi-osignals by Z Lead on Presence of Low-Amplitude High-Frequency Components. 2023 Systems of Signals Generating and Pro-cessing in the Field of on Board Communica-tions, Moscow, Russian Federation, 14–16 March 2023. IEEE; 2023:1–5, doi: 10.1109/ieeeconf56737.2023.10092101
  10. Chui K. T., Kim F. T., Hao R. C. et al. An Accurate ECG-Based Transportation Safety Drowsiness Detection Scheme. IEEE Transac-tions on Industrial Informatics. 2016;12(4):1438–1452. doi: 10.1109/TII.2016.2573259
  11. Nayak S. K., Bit A., Dey A. et al. A review on the nonlinear dynamical system analysis of electrocardiogram signal. Journal of healthcare engineering. 2018;2018(1):6920420. doi: 10.1155/2018/6920420
  12. Wang J., Wang P., Wang S. Automated detec-tion of atrial fibrillation in ECG signals based on wavelet packet transform and correlation function of random process. Biomedical Sig-nal Processing and Control. 2020;55:101662. doi: 10.1016/j.bspc.2019.101662
  13. Lander P., Berbari E. J., Rajagopalan C. V. et al. Critical analysis of the signal-averaged electrocardiogram. Improved identification of late potentials. Circulation. 1993;87(1):105–117. doi: 10.1161/01.CIR.87.1.105

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Ventricular Late Potentials (VLPs) Area

Download (104KB)
Indexing metadata
3. Fig. 2. Signal smoothing for noise reduction

Download (124KB)
Indexing metadata
4. Fig. 3. Voltage changes (reduced correlation) at the beginning of ECS

Download (171KB)
Indexing metadata
5. Fig. 4. Parameters of VLPs

Download (139KB)
Indexing metadata
6. Fig. 5. Presence of VLPs

Download (171KB)
Indexing metadata

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».