Проаналізовано можливості уніфікації структури комп’ютерної вимірювальної системи, орієнтованої на вирішення поширених завдань біоінформатики, на основі застосування обчислювальних потужностей сучасних комп’ютерних засобів, методів цифрового оброблення сигналів і алгоритмів машинного навчання. Виділено три групи методів формування біосигналів і наведено їх класифікацію. Охарактеризовано фактори, які ускладнюють опрацювання біосигналів, і показано перспективність застосування методів машинного навчання для визначення біомедичних показників.
[1] R. Rangayyan. Biomedical Signal Analysis. A Case-Study Approach. John Willey and Sons Inc. 2002.
[2] R. Singh, S. Conjeti, R. Banerjee, “Comparative evaluation of neural network classifiers for stress level analysis of automotive drivers using physiological signals”, Biomed. Signal Processing and Control, vol. 8, p. 740–744, 2013.
[3] D. Jenkins, S. Gerred, ECGs by Example, 2011. [Online]. Available: https://www.elsevier.com/books/ecgs-by-example/jenkins/978-0-7020-4228-7
[4] K. Najarian, R. Splinter, Biomedical Signal and Image Processing. CRC Press Taylor & Francis Group, 2012.
[5] Advanced Biosignal Processing. Ed. A. Nait-Ali, 2009. [Online]. Available: https://www.springer.com/la/book/ 9783540895053.
[6] С. Оглоблин, А. Молчанов, Инструментальная «детекция лжи». Ярославль, РФ: Нюанс. 2004.
[7] Я. Жевандрова, А. Сыропятов, В. Буряк, «Комплексная биометрическая аутентификация личности», Системи обробки інформації, вип. 4 (141), с. 104–107, 2016.
[8] J. Cunha, B. Cunha, W. Xavier, N. Ferreira, A. Pereira, “Vital-Jacket: a wearable wireless vital signs monitor for patients’ mobility”, in Proc. the Avantex Symposium, 2010, s. 1–2. [Online]. Available: https://www.researchgate.net/profile/ Nuno_Ferreira11/publication/224144496_Vital-JacketR_A_wearable_ wireless_ vital_signs_monitor_for_patients'_mobility_in_cardiology _and_sports/links/0deec5268d9e86b08e000000/Vital-JacketR-A-wearable-wireless-vital-signs-monitor-for-patients-mobility-in-cardiology-and-sports.pdf
[9] С. Мещанінов, В. Співак, А. Орлов, Електронні методи і засоби біомедичних вимірювань. Київ, Україна: КПІ, 2015.
[10] В. Хома, Ю. Хома, В. Герасименко, Д. Сабодашко, «ЕКГ-ідентифікація з використанням глибинних нейронних мереж», вісник Нац. ун-ту «Львівська політехніка», Автоматика, вимірювання та керування, ном. 880, с. 67–72, 2017.
[11] J. Allen, “Photoplethysmography and its application in clinical physiological measurement”, Physiological Measurement, vol. 28, p. 1–39, 2007.
[12] Д. Николаев, Биоимпедансный анализ состава тела человека. Москва, РФ: Наука, 2009.
[13] М. Дорожовець, Опрацювання результатів вимірювань. Львів, Україна: Вид-во Нацю ун-ту «Львів. політехніка», 2007.
[14] А. Федотов, С. Акулов, Измерительные преобразователи биомедицинских сигналов систем клинического мониторинга. Москва, РФ: Радио и связь, 2013.
[15] V. Khoma, M. Pelc, Y. Khoma, D. Sabodashko, “Outlier Correction in ECG-Based Human Identification”, in Biomedical Engineering and Neuroscience. BCI 2018. Advances in Intelligent Systems and Computing, Springer: vol. 720. p. 11–22, 2018.
[16] W. Lukasz, Yu. Khoma, P. Falat, D. Sabodashko, V. Herasymenko, “Biometric Identification From Raw ECG Signal Using Deep Learning Techniques”, in Proc. 9th IEEE Internat. Conf. on Intel. Data Acquis. and Adv. Comp. Systems: Technology and Applications, Bucharest, Romania, Sept. 21–23, 2017, p. 129–133.
[17] B. Stadnyk, T. Fröhlich, Yu. Khoma, V. Herasymenko, O. Chaban, “Impedance analyser error correction using artificial neural networks”, in Proc. 59th Ilm. Sc. Col., TU-Ilmenau, Germany, Sept. 11–15, 2017, p. 18.
[18] V. Khoma, V. Ivanyuk, “High Sensitive Wiretap Detector: Design and Modeling”, Przegląd Elektrotechniczny, vol. 93, no. 2, p. 250-254, 2017.
[19] М. Дорожовець, pозд. “Кондиціювання сигналів сенсорів”. У кн. “Сенсори”. Львів, Україна: Бескид Біт, 2014, c. 124–152.
[20] Scikit-Learn Machine Learning in Python. [Online]. Available: http://scikit-learn.org/stable/modules/model _evaluation. html#accuracy-score. Acc. Apr. 21, 2017.