Індекс рубрикатора НБУВ: В314.3

Рубрики:

Квантова механіка зіткнень і розсіювання

Шифр НБУВ: Ж26988 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: В379.2

Рубрики:

Фізика напівпровідників

Шифр НБУВ: Ж16425 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: В379.1

Рубрики:

Теорії напівпровідників і діелектриків

Шифр НБУВ: Ж16425 Пошук видання у каталогах НБУВ 

Самостійний моніторинг рівня глюкози у крові протягом довгого періоду є одним із засобів моніторингу стану здоров'я. Дані проведеного дослідження надають змогу корегувати лікування та спосіб життя людей, хворих на діабет. Тренди, мінливість і сезонність серій є базовими для запровадження таких рішень, для чого пропонується використовувати комбіновану обробку даних. Така обробка включає в себе сингулярно-спектральний аналіз (ССА) з використанням графіків Пуанкаре та дослідження статистичної автокореляційної функції (АКФ). Об'єкт дослідження - 67-річний чоловік з довгою історією хвороби на діабет другого типу (T2D). Тести проводились тричі на тиждень за схемою "понеділок - середа - п'ятниця". Загальний час виміру складає 176 тиж, тому часова серія має довжину в N = 528 семплів. У результаті автокореляційна функція спрогнозувала сезонність серії. Сума плавного тренду, найменші коливання та залишки (шуми) і є моделлю серії. Такий підхід є стандартним для ССА. Знайдено плавний тренд зі зміною. Найменший період (плюс сезонність) близький до шести місяців. Аналіз графіку Пуанкаре показує випадкову природу короткострокової варіабельності серій, тоді як довгострокова має сезонність як основне джерело. Тренд має випуклу форму. Виявлено затримку між початком лікування інсуліном та точкою зміни. Ця затримка близька до періоду найменших коливань (близько шести місяців). Результати сингулярно-спектрального аналізу, графіків Пуанкаре та досліджень автокореляційної функції узгоджуються між собою.

Самостійний моніторинг рівня глюкози у крові протягом довгого періоду є одним із засобів моніторингу стану здоров'я. Дані проведеного дослідження надають змогу корегувати лікування та спосіб життя людей, хворих на діабет. Тренди, мінливість і сезонність серій є базовими для запровадження таких рішень, для чого пропонується використовувати комбіновану обробку даних. Така обробка включає в себе сингулярно-спектральний аналіз (ССА) з використанням графіків Пуанкаре та дослідження статистичної автокореляційної функції (АКФ). Об'єкт дослідження - 67-річний чоловік з довгою історією хвороби на діабет другого типу (T2D). Тести проводились тричі на тиждень за схемою "понеділок - середа - п'ятниця". Загальний час виміру складає 176 тиж, тому часова серія має довжину в N = 528 семплів. У результаті автокореляційна функція спрогнозувала сезонність серії. Сума плавного тренду, найменші коливання та залишки (шуми) і є моделлю серії. Такий підхід є стандартним для ССА. Знайдено плавний тренд зі зміною. Найменший період (плюс сезонність) близький до шести місяців. Аналіз графіку Пуанкаре показує випадкову природу короткострокової варіабельності серій, тоді як довгострокова має сезонність як основне джерело. Тренд має випуклу форму. Виявлено затримку між початком лікування інсуліном та точкою зміни. Ця затримка близька до періоду найменших коливань (близько шести місяців). Результати сингулярно-спектрального аналізу, графіків Пуанкаре та досліджень автокореляційної функції узгоджуються між собою.

The main attention is paid to the analysis of electromyogram (EMG) signals using Poincare plots (PP). It was established that the shapes of the plots are related to the diagnoses of patients. To study the fractal dimensionality of the PP, the method of counting the coverage figures was used. The PP filtration was carried out with the help of Haar wavelets. The self-similarity of PP for the studied electromyograms was established, and the law of scaling was used in a fairly wide range of coverage figures. Thus, the entire PPP is statistically similar to its own parts. The fractal dimensionalities of the PP of the studied electromyograms belong to the range from 1,36 to 1,48. This, as well as the values of indicators of Hurst exponent of PP for electromyograms that exceed the critical value of 0,5, indicate the relative stability of sequences. The algorithm of the filtration method proposed in this research involves only two simple stages: 1. Conversion of the input data matrix for the PP using the Jacobi rotation. 2. Decimation of both columns of the resulting matrix (the so-called "lazy wavelet-transformation", or double downsampling). The algorithm is simple to program and requires less machine time than existing filters for the PP. Filtered PP have several advantages over unfiltered ones. They do not contain extra points, allow direct visualization of short-term and long-term variability of a signal. In addition, filtered PPs retain both the shape of their prototypes and their fractal dimensionality and variability descriptors. The detected features of electromyograms of healthy patients with characteristic low-frequency signal fluctuations can be used to make clinical decisions.