Analysis of X-Electrocardiosignals for Single-Channel Device to Register Low-Amplitude Components of Electrical Heart Signals

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Introduction. Ventricular late potentials (VLPs) are low-amplitude potentials located at the terminal part of the QRS complex in electrocardiogram (ECG) signals. The presence of VLPs indicates a high probability of heart function deviations. Currently, no single-channel devices are available to detect VLPs. Therefore, designing devices and developing algorithms to detect VLPs is a topical task. The aim of this research is to analyze the feasibility of registering VLPs using single-lead ECG signals. Materials and methods. X-lead signals were selected for this study. A total of 271 signals were analyzed using MATLAB. Preliminary estimates to detect VLPs were performed using the standard Simson method, which analyzes X-, Y-, and Z-lead signals through coherent accumulation and averaging of heartbeat signals to increase the signal-to-noise ratio. This study proposes analyzing only X-lead signals using the same method. Results. According to the standard method, 46 signals had VLPs. Using the proposed algorithm, 61 signals were detected to have VLPs. The probability of a correct decision when testing the algorithm exceeded 80%. Conclusion. The proposed algorithm can detect VLPs in X-lead signals. The results of this study will be useful in designing single-channel ECG analyzers with enhanced functionality.

Толық мәтін

Рұқсат жабық

Авторлар туралы

Óscar Mukhametzyanov

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

Хат алмасуға жауапты Автор.
Email: OAMukhametzyanov@kai.ru
ORCID iD: 0009-0009-8186-4663
SPIN-код: 6062-4483

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

Ресей, 10, K. Marx St., Kazan, 420111

Әдебиет тізімі

  1. Okubo K. et al. Long-term outcome after ventricular tachycardia ablation in nonischemic cardiomyopathy: late potential abolition and VT noninducibility. Circulation. 2020;13(8):730–741.
  2. Roca-Luque I. et al. Accuracy of standard bipolar amplitude voltage thresholds to identify late potential channels in ventricular tachycardia ablation. Journal of Interventional Cardiac Electrophysiology. 2023;66(1):15–25.
  3. Santangeli P. et al. Performance of a novel automatic late potential annotation algorithm in patients with scar-related ventricular tachycardia. Heart Rhythm. 2023;20(5):510–511.
  4. Frank E. An accurate, clinically practical system for spatial vectorcardiography. Circulation. 1956;13(5):737–749.
  5. Drew B. J. et al. AHA scientific statement: practice standards for electrocardiographic monitoring in hospital settings: an American Heart Association Scientific Statement from the Councils on Cardiovascular Nursing, Clinical Cardiology, and Cardiovascular Disease in the Young: endorsed by the International Society of Computerized electrocardiology and the American Association of Critical-Care Nurses. Journal of Cardiovascular Nursing. 2005;20(2);76–106.
  6. Simson M.B. Use of Signals in the Terminal QRS-Complex to Identify Patients with Ventricular Tachycar-dia after Myocardial Infarction. Circulation. 1981;64(2):235–242.
  7. Breithardt G. et al. Standards for analysis of ventricular late potentials using high-resolution or signal-averaged electrocardiography. Circulation. 1991;83(4):1481–1488.
  8. Takahashi H. et al. Analysis of site-specific late potentials using a novel Holter signal-averaged electrocar-diography in patients with Brugada syndrome. Heart Rhythm. 2022;19(10):1650–1658.
  9. Mukhametzyanov O.A. et al. Analysis of Electrocardiosignals by Z Lead on Presence of Low-Amplitude High-Frequency Components. 2023 Systems of Signals Generating and Processing in the Field of on Board Communications. 2023:1–5. doi: 10.1109/IEEECONF56737.2023.10092101
  10. Lastre-Domínguez C. et al. ECG signal denoising and features extraction using unbiased FIR smoothing. BioMed research international. 2019:1–17. doi: 10.1155/2019/2608547
  11. Roonizi A. K. A new approach to Gaussian signal smoothing: Application to ECG components separation. IEEE Signal Processing Letters. 2020;27:1924-1928.
  12. Lander P. et al. Critical analysis of the signal-averaged electrocardiogram. Improved identification of late potentials. Circulation. 1993;87(1):105-117.
  13. Sedov S.S., Shcherbakova T.F., Galimzyanov E.R. Analysis of late potentials of heart ventricles with use of portable cardio analyzers. International Research Journal. 2017;12-5(66):127-129. (In Russ.)

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
2. Fig. 1. X-signal

Жүктеу (229KB)
3. Fig. 2. Heartbeat signals

Жүктеу (201KB)
4. Fig. 3. Averaging of signals

Жүктеу (183KB)
5. Fig. 4. Parameters for VLPs estimation

Жүктеу (242KB)

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».