350 руб
Журнал «Биомедицинская радиоэлектроника» №5 за 2023 г.
Статья в номере:
Система выделения паттерна дыхания из торакальных биоимпедансных сигналов
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j15604136-202305-07
УДК: 57.089.2
Авторы:

А. Хаммуд1, А.Н. Брико2, П.Е. Чибизов3, С.И. Щукин4

1–4 Московский государственный технический университет имени Н.Э. Баумана (Москва, Россия)

1 hammoud@bmstu.ru, 2 briko@bmstu.ru, 3 chibizovpe@student.bmstu.ru, 4 schookin@bmstu.ru

Аннотация:

Постановка проблемы. В мире стремительно растет потребность в новых техниках и методах мониторинга работы дыхательной системы, особенно в условиях развития пандемии COVID-19. Для мониторинга (определения частоты дыхания, паттерна дыхания и циклов вдоха и выдоха) можно использовать трансторакальные биоимпедансные сигналы. Такой метод показал высокую эффективность мониторинга, но в большинстве случаев получение сигнала требует большого числа электродов, которые должны быть размещены в неудобных для пациента местах в случае длительного мониторинга.

Цель. Изучить возможности регистрации сигнала для выделения частоты и паттерна дыхания из различных областей грудной клетки четырех биоимпедансных каналов, которые размещаются в удобных для длительного мониторинга местах.

Результаты. Сигнал из правого трансторакального канала показал стабильность и наилучшую корреляцию с дыхательным паттерном.

Практическая значимость. Применение правого трансторакального канала позволяет проводить длительный мониторинг функционирования дыхательной системы во время работы или сна. Наряду с важностью мониторинга дыхательной активности, знание фазы дыхания имеет большое значение в исследованиях, связанных с изучением сердечного выброса. Используя данный метод, можно определять циклы вдоха и выдоха при изучении сосудистого тонуса в конечностях.

Страницы: 68-74
Для цитирования

Хаммуд А., Брико А.Н., Чибизов П.Е., Щукин С.И. Система выделения паттерна дыхания из торакальных биоимпедансных сигналов // Биомедицинская радиоэлектроника. 2023. T. 26. № 5. С. 68-74. DOI: https://doi.org/10.18127/j15604136-202305-07

Список источников
  1. Islam S.M.S., Purnat T.D., Phuong N.T.A., Mwingira U., Schacht K., Fröschl G. Non‐Communicable Diseases (NCDs) in developing countries: a symposium report // Globalization and Health. 2014. V. 10. № 1. P. 1–8. DOI: 10.1186/s12992-014-0081-9
  2. Couser W.G., Remuzzi G., Mendis S., Tonelli M. The contribution of chronic kidney disease to the global burden of major noncommunicable diseases // Kidney Int. 2011. V. 80. № 12. P. 1258–1270. DOI: 10.1038/ki.2011.368
  3. Jones N. How COVID-19 is changing the cold and flu season // Nature. 2020. V. 588. № 7838. P. 388–390. DOI: 10.1038/d41586-020-03519-3
  4. Faust J.S., Del Rio C. Assessment of deaths from COVID-19 and from seasonal influenza // JAMA Internal Medicine. 2020.
    V. 180. № 8. P. 1045–1046. DOI: 10.1001/jamainternmed.2020.2306
  5. Малахов А.И., Тихомиров А.Н., Щукин С.И., Кудашов И.А., Кобелев А.В., Масленников М.А. Применение прекардиальной реографии при выявлении аритмий сердца // Биомедицинская радиоэлектроника. 2013. № 10. С. 25–28.
  6. Тихомиров А.Н., Малахов А.И., Щукин С.И., Кобелев А.В., Кудашов И.А., Масленников М.А., Петров В.И. Оценка влияния удельного электрического сопротивления ткани верхнего слоя на импедансные препардиальные измерения // Биомедицинская радиоэлектроника. 2013. № 10. С. 20–24.
  7. Малахов А.И., Тихомиров А.Н., Щукин С.И., Отставнов С.С., Николаев А.П. Исследования гемодинамики правого предсердия с помощью электроимпедансных методов для пациентов с фибрилляцией предсердий // Биомедицинская радиоэлектроника. 2015. № 7. С. 5–8.
  8. Yang F., Patterson R.P. The contribution of the lungs to thoracic impedance measurements: A simulation study based on a high resolution finite difference model // Physiol. Meas. 2007. V. 28. № 7. P. S153. DOI: 10.1088/0967-3334/28/7/S12
  9. Yang F., Patterson R.P. A simulation study on the effect of thoracic conductivity inhomogeneities on sensitivity distributions // Ann. Biomed. Eng. 2008. V. 36. № 5. P. 762–768. DOI: 10.1007/s10439-008-9469-0
  10. Blanco-Almazan D., Groenendaal W., Catthoor F., Jane R. Wearable bioimpedance measurement for respiratory monitoring during inspiratory loading // IEEE Access. 2019. V. 7. P. 89487–89496. DOI: 10.1109/ACCESS.2019.2926841
  11. Belyaev K.R., Kuzminykh N.Yu. Methods for isolating the respiratory pattern in systems for non-invasive monitoring of central hemodynamic parameters // Biomed. Radioelectronics. 1999. № 3. P. 33–46.
  12. Hammoud A., Tikhomirov A., Myasishcheva G., Shaheen Z., Volkov A., Briko A., Shchukin S. Multi-channel bioimpedance system for detecting vascular tone in human limbs: an approach // Sensors. 2022. V. 22. № 1. Article 138. DOI: 10.3390/s22010138
  13. Drozhzhennikova E., Kobelev A., Sergeev I. Development of an instrumentation amplifier for rheographic measurements // 2021 Ural Symp. on Biomed. Eng. Radioelectronics and Inf. Technol. (USBEREIT). 2021. P. 110–112. DOI: 10.1109/ USBEREIT51232.2021.9454966
  14. Kobelev A.V., Shchukin S.I., Leonhardt S. Application of tetrapolar electrode systems in electrical impedance measurements // Biomed. Eng. 2019. V. 52. № 6. P. 383–386. DOI: 10.1007/s10527-019-09852-w
  15. Mugeb A.-H., Larvushkin A. Model-based assessment of brachial artery diameter from electrical impedance measurement // 2021 Ural Symp. on Biomed. Eng., Radioelectronics and Inf. Technol. (USBEREIT). 2021. P. 98–101. DOI: 10.1109/ USBEREIT51232.2021.9455041
  16. Dawson M.F., Salerno A. Stroke volume variation // Atlas of Crit. Care Echocardiography. 2021. P. 85–87. DOI: 10.1007/978-3-030-74687-2_15
  17. Naidu S.M.M., Pandey P.C., Bagal U.R., Hardas S.P. Beat-to-beat estimation of stroke volume using impedance cardiography and artificial neural network // Med. and Biol. Eng. and Comput. 2018. V. 56. № 6. P. 1077–1089. DOI: 10.1007/s11517-017-1752-5
  18. Hammoud A., Tikhomirov A.N., Shaheen Z. Automatic Bio-impedance Signal Analysis: Smoothing Processes Efficacy Evaluation in Determining the Vascular Tone Type // 2021 Ural Symp. on Biomed. Eng. Radioelectronics and Inf. Technol. (USBEREIT). 2021. P. 113–116. DOI: 10.1109/USBEREIT51232.2021.9454965
  19. Strickert M., Schleif F.M., Seiffert U., Villmann T. Derivatives of Pearson correlation for gradient-based analysis of biomedical data. Inteligencia Artificial // Revista Iberoamericana de Inteligencia Artificial. 2008. V. 12. № 37. P. 37–44. DOI: 10.4114/ia.v12i37.956
Дата поступления: 25.08.2023
Одобрена после рецензирования: 20.09.2023
Принята к публикации: 02.10.2023