Comparative study of spectral analysis methods for clinical for clinical electrocardiography
The spectral analysis of heart rate variability is a tool that gained more and more clinical importance in the latest years. It can be used in order to access autonomic function on the cardiovascular system through the evaluation of the different frequency bands of the HRV. So far different mathemat...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | English |
Έκδοση: |
2014
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/7843 |
id |
nemertes-10889-7843 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-78432022-09-05T20:43:34Z Comparative study of spectral analysis methods for clinical for clinical electrocardiography Συγκριτική μελέτη μεθόδων ανάλυσης σήματος στο πεδίο των συχνοτήτων για το κλινικό ηλεκτροκαρδιογράφημα Σταυρινού, Μαρία Σακελλαρόπουλος, Γεώργιος Σακελλαρόπουλος, Γεώργιος Νικηφορίδης, Γεώργιος Γκαγκάδης, Γεώργιος Stavrinou, Maria Electrocardiography Heart rate variability Epilepsy Fourier analysis Spectral analysis Autonomic nervous system Autoregressive modeling Power spectral density Ηλεκτροκαρδιογράφημα Μεταβλητότητα καρδιακής συχνότητας Φασματικό περιεχόμενο Αυτόνομο νευρικό σύστημα Επιληψία Fourier ανάλυση Μοντέλα αυτοπαλινδρόμησης Πυκνότητα φάσματος ισχύος 616.120 754 7 The spectral analysis of heart rate variability is a tool that gained more and more clinical importance in the latest years. It can be used in order to access autonomic function on the cardiovascular system through the evaluation of the different frequency bands of the HRV. So far different mathematical approaches have been used towards this aim, often with contradictory results. Therefore, the need for standardization of the methods seems more and more important. In this thesis 2 non-parametric, Fourier-based methods and two parametric based on autoregressive modeling were used in order to extract the power spectral density of patients with epilepsy. Their results were statistically compared to age matched controls. The analysis have shown that when a parametric method is used, a careful model order selection method must be used, and when this is accomplished, the power spectrum could more efficient highlight differences between controls and patients. The results between non-parametric and parametric methods were different, therefore these methods cannot be considered interchangeable. The analysis methodolgy established in this first part of the study has been used to analyse HRV signals from patients before and after deep brain stimulation. Η φασματική ανάλυση της Μεταβλητότητας της Καρδιακής Συχνότητας (ΜΚΣ) χρησιμοποείται όλο και περισσότερο σε κλινικές μελέτες τα τελευταία χρόνια. Και αυτό γιατί μπορεί να δώσει πληροφορίες σχετικά με την λειτουργία του αυτόνομου νευρικού συστήματος πάνω στην καρδιά αναλύοντας το συχνοτικό περιεχόμενο των ΜΚΣ σημάτων σε διακριτές ζώνες συχνοτήτων. Μέχρι τώρα διαφορετικές μαθηματικές μέθοδοι έδωσαν διαφορετικά, συχνα αντικρουόμενα αποτελέσματα. Έτσι η ανάγκη λεπτομερής περιγραφής των μεθόδων φαίνεται όλο και περισσοτερο επιτακτική. Σε αυτή τη διπλωματική εργασία, δυο μη παραμετρικές μέθοδοι και δύο παραμετρικές βασισμένες σε μοντέλα αυτοπαλινδρόμησης (autoregressive modeling) εφαρμόστηκαν προκειμένου να υπολογιστεί το φάσμα ασθενών με χρόνια επιληψία. Τα αποτελέσματα συγκρίθηκαν με υγιείς εθελοντές ίδιου ηλικιακού προφίλ. Η ανάλυση έδειξε ότι όταν χρησιμοποιουνται παραμετρικές μέθοδοι, η επιλογή της τάξης του μοντέλου πρέπει να γίνεται με προσοχή και όταν αυτό γίνει, το φάσμα μπορεί να αναδείξει πιο αποτελεσματικά διαφορές μεταξύ ασθενών και υγειών εθελοντών. Τα αποτελέσματα μεταξύ παραμετρικών και μη παραμετρικών μεθόδων αποδείχθηκαν διαφορετικα, και κατά συνέπεια οι δύο αυτές κατηγορίες ανάλυσης δεν μπορούν να θεωρηθούν ίδιες. Η μεθοδολογία που αναπτύχθηκε στο πρώτο αυτό μέρος της εργασίας χρησιμοποιήθηκε για να αναλύσει σήματα ΜΚΣ από ασθενείς με Πάρκινσον πριν και μετά εν τω βάθει ερεθισμό (Deep brain simulation). 2014-07-01T11:04:46Z 2014-07-01T11:04:46Z 2013-06-26 2014-07-01 Thesis http://hdl.handle.net/10889/7843 en Η ΒΚΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της. 12 application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
English |
topic |
Electrocardiography Heart rate variability Epilepsy Fourier analysis Spectral analysis Autonomic nervous system Autoregressive modeling Power spectral density Ηλεκτροκαρδιογράφημα Μεταβλητότητα καρδιακής συχνότητας Φασματικό περιεχόμενο Αυτόνομο νευρικό σύστημα Επιληψία Fourier ανάλυση Μοντέλα αυτοπαλινδρόμησης Πυκνότητα φάσματος ισχύος 616.120 754 7 |
spellingShingle |
Electrocardiography Heart rate variability Epilepsy Fourier analysis Spectral analysis Autonomic nervous system Autoregressive modeling Power spectral density Ηλεκτροκαρδιογράφημα Μεταβλητότητα καρδιακής συχνότητας Φασματικό περιεχόμενο Αυτόνομο νευρικό σύστημα Επιληψία Fourier ανάλυση Μοντέλα αυτοπαλινδρόμησης Πυκνότητα φάσματος ισχύος 616.120 754 7 Σταυρινού, Μαρία Comparative study of spectral analysis methods for clinical for clinical electrocardiography |
description |
The spectral analysis of heart rate variability is a tool that gained more and more clinical importance in the latest years. It can be used in order to access autonomic function on the cardiovascular system through the evaluation of the different frequency bands of the HRV. So far different mathematical approaches have been used towards this aim, often with contradictory results. Therefore, the need for standardization of the methods seems more and more important. In this thesis 2 non-parametric, Fourier-based methods and two parametric based on autoregressive modeling were used in order to extract the power spectral density of patients with epilepsy. Their results were statistically compared to age matched controls. The analysis have shown that when a parametric method is used, a careful model order selection method must be used, and when this is accomplished, the power spectrum could more efficient highlight differences between controls and patients. The results between non-parametric and parametric methods were different, therefore these methods cannot be considered interchangeable. The analysis methodolgy established in this first part of the study has been used to analyse HRV signals from patients before and after deep brain stimulation. |
author2 |
Σακελλαρόπουλος, Γεώργιος |
author_facet |
Σακελλαρόπουλος, Γεώργιος Σταυρινού, Μαρία |
format |
Thesis |
author |
Σταυρινού, Μαρία |
author_sort |
Σταυρινού, Μαρία |
title |
Comparative study of spectral analysis methods for clinical for clinical electrocardiography |
title_short |
Comparative study of spectral analysis methods for clinical for clinical electrocardiography |
title_full |
Comparative study of spectral analysis methods for clinical for clinical electrocardiography |
title_fullStr |
Comparative study of spectral analysis methods for clinical for clinical electrocardiography |
title_full_unstemmed |
Comparative study of spectral analysis methods for clinical for clinical electrocardiography |
title_sort |
comparative study of spectral analysis methods for clinical for clinical electrocardiography |
publishDate |
2014 |
url |
http://hdl.handle.net/10889/7843 |
work_keys_str_mv |
AT staurinoumaria comparativestudyofspectralanalysismethodsforclinicalforclinicalelectrocardiography AT staurinoumaria synkritikēmeletēmethodōnanalysēssēmatosstopediotōnsychnotētōngiatoklinikoēlektrokardiographēma |
_version_ |
1771297281686896640 |