Techniques for Accelerometer Reading Processing on Railway Transport Using Wavelet Transform ; Методы обработки сигналов акселерометров на железнодорожном транспорте с использованием вейвлет-преобразования

Συγγραφείς: A. M. Boronakhin, A. V. Bolshakova, D. M. Klionskiy, D. Yu. Larionov, R. V. Shalymov, А. М. Боронахин, А. В. Большакова, Д. М. Клионский, Д. Ю. Ларионов, Р. В. Шалымов

Συνεισφορές: The study was supported by the Russian Science Foundation grant No. 22-29-01428., Исследование выполнено за счет гранта Российского научного фонда № 22-29-01428.

Πηγή: Journal of the Russian Universities. Radioelectronics; Том 27, № 1 (2024); 6-16 ; Известия высших учебных заведений России. Радиоэлектроника; Том 27, № 1 (2024); 6-16 ; 2658-4794 ; 1993-8985

Θεματικοί όροι: вейвлет-скалограмма, continuous wavelet transform, discrete-time wavelet transform, vibro acceleration, vibrational movement, wavelet scalogram, непрерывное вейвлет-преобразование, дискретное вейвлетпреобразование, виброускорение, виброперемещение

Περιγραφή αρχείου: application/pdf

Relation: https://re.eltech.ru/jour/article/view/836/746; Inertial System for Railway Track Diagnostics / А. M. Boronahin, E. D. Bokhman, Yu.V. Filatov, D. Yu. Larionov, L. N. Podgornaya, R. V. Shalymov // Symp. Inertial Sensors and Systems. Karlsruhe, Germany, 18–19 Sept. 2012. German Institute of Navigation (DGON), 2012. P. 17.1–17.20.; Inertial Method of Railway Track Diagnostics Incorporating the Condition of Rolling Surfaces of the Railcar's Wheels / А. M. Boronahin, D. Yu. Larionov, L. N. Podgornaya, A. N. Tkachenko, R. V. Shalymov // 4th Intern. Conf. on Intelligent Transportation Engineering, ICITE 2019. Singapore, 05–07 Sept. 2019. IEEE, 2019. P. 49–53. doi:10.1109/ICITE.2019.8880194; Railway Track Diagnostics by Combined Kinematic and Vibroacoustic Analysis / A. V. Bolshakova, A. M. Boronakhin, D. M. Klionsky, D. Yu. Larionov, A. N. Tkachenko, R. V. Shalymov // Proc. of the 2022 Intern. Conf. on Quality Management, Transport and Information Security, Information Technologies (IT&QM&IS). Saint Petersburg, Russia, 26–30 Sept. 2022. IEEE, 2022. P. 188–192. doi:10.1109/ITQMIS56172.2022.9976711; Peculiarities of Vibration Signal Processing Techniques Application to Inertial Way Diagnostics / A. V. Bolshakova, A. M. Boronakhin, D. M. Klionsky, D. Yu. Larionov, A. N. Tkachenko, R. V. Shalymov // Proc. of the 2023 Intern. Conf. on Quality Management, Transport and Information Security, Information Technologies (IT&QM&IS). Petrozavodsk, 25–29 Sept. 2023. IEEE Russia North West Section (в печати).; Geppener V. V., Klionsky D. M., Oreshko N. I. Classification of telemetric signals and their spectral density estimation with the help of wavelets // Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications. 2012. Vol. 22, № 4. P. 576–582. doi:10.1134/S1054661812040098; Newland D. E. An Introduction to Random vibrations, spectral and wavelet analysis, 3rd ed. Harlow: Longman; New York: John Wiley, 1993. 477 p.; Percival D. B., Walden A. T. Wavelet methods for time series analysis. Cambridge: Cambridge University Press, 2000. 594 p.; Newland D. E. Harmonic and musical wavelets. Proc. of the Royal Society of London (Mathematical and Physical Sciences). 1994. Vol. 444, № 1922. P. 605–620. doi:10.1098/rspa.1994.0042; Daubechies I. Ten lectures of wavelets. Philadelphia: Society for Industrial and Applied Mathematics, 1992. 341 p.; Mallat S. A wavelet tour of signal cessing. San Diego: Academic Press, 1998. 577 p.; Декомпозиция на эмпирические моды в цифровой обработке сигналов / Н. И. Орешко, Д. М. Клионский, В. В. Геппенер, А. В. Экало // СПб.: Изд-во СПбГЭТУ "ЛЭТИ", 2013. 164 c.; Клионский Д. М., Геппенер В. В. Технология Гильберта–Хуанга и ее применение в цифровой обработке сигналов. СПб.: Изд-во СПбГЭТУ "ЛЭТИ", 2019. 150 c.; Chui C. K. An Introduction to Wavelets. Academic Press, 1992. 264 p.; Смоленцев Н. К. Вейвлет-анализ в MATLAB. 3-е изд. М.: ДМК Пресс, 2010. 448 c.; Donoho D. L., Johnstone J. M. Minimax estimation via wavelet shrinkage // Annals of Statistics. 1998. Vol. 26, № 3. P. 879–921. doi:10.1214/aos/1024691081; https://re.eltech.ru/jour/article/view/836

Διαθεσιμότητα: https://re.eltech.ru/jour/article/view/836
https://doi.org/10.32603/1993-8985-2024-27-1-6-16

Ophthalmic Bioengineering. Review ; Биоинженерия в офтальмологии. Обзор

Συγγραφείς: V. O. Ponomarev, A. E. Zhdanov, P. V. Luzhnov, I. D. Davydova, E. N. Iomdina, A. V. Lizunov, A. Yu. Dolganov, S. A. Ivliev, M. A. Znamenskaya, V. N. Kazajkin, V. I. Borisov, E. O. Filatova, В. О. Пономарев, А. Е. Жданов, П. В. Лужнов, И. Д. Давыдова, Е. Н. Иомдина, А. В. Лизунов, А. Ю. Долганов, С. А. Ивлиев, М. А. Знаменская, В. Н. Казайкин, В. И. Борисов, Е. О. Филатова

Συνεισφορές: The work was carried out within the framework of a scientific topic reg. № REDTW АААА-А19- 119021190151-3, Работа выполнена в рамках научной темы рег. № НИОКТР АААА-А19- 119021190151-3

Πηγή: Ophthalmology in Russia; Том 20, № 1 (2023); 5-16 ; Офтальмология; Том 20, № 1 (2023); 5-16 ; 2500-0845 ; 1816-5095 ; 10.18008/1816-5095-2023-1

Θεματικοί όροι: машинное обучение, intraocular pressure, reoophthalmography, hemodynamics, choroid volume, ocular blood flow, retinotoxicity, electrophysiological studies, electroretinography, ERG, spectrogram, wavelet scalogram, Fourier analysis, Roland, Tomey, binary format files, data extraction, OCT, machine learning, внутриглазное давление, гемодинамика, реоофтальмография, объем сосудистой оболочки, кровоток глаза, ретинотоксичность, электрофизиологические исследования, электроретинография, ЭРГ, спектрограмма, вейвлет-скалограмма

Περιγραφή αρχείου: application/pdf

Relation: https://www.ophthalmojournal.com/opht/article/view/2036/1065; Shetty D. K., Talasila A., Shanbhag S., et al. Current state of artificial intelligence applications in ophthalmology and their potential to influence clinical practice., Cogent Engineering. 2021;8(1):1920707. DOI:10.1080/23311916.2021.1920707; Гарри Д.Д., Саакян С.В., Хорошилова-Маслова И.П., Цыганков А.Ю., Никитин О.И., Тарасов Г.Ю. Методы машинного обучения в офтальмологии. Обзор литературы. Офтальмология. 2020;17(1):20–31 DOI:10.18008/1816-5095-2020-1-20-31; Solli E., Dosh H., Tobias E., et. al. Archetypal Analysis Reveals Quantifiable Patterns of Visual Field Loss in Optic Neuritis. Translational vision science & technology. 2022;11(1):27. DOI:10.1167/tvst.11.1.27; Li F., Wang Y., Xu, T., et al. Deep learning based automated detection for diabetic retinopathy and diabetic macular oedema in retinal fundus photographs. Eye. 2022;36:1433–1441. DOI:10.1038/s41433-021-01552-8; Bowd C., Belghith A., Zangwill L.M., et al. Deep Learning Image Analysis of Optical Coherence Tomography Angiography Measured Vessel Density Improves Classification of Healthy and Glaucoma Eyes. American Journal of Ophthalmology. 2022;236:298–308. DOI:10.1016/j.ajo.2021.11.008; Ran A.R., Tham C.C., Chan P.P., et al. Deep learning in glaucoma with optical coherence tomography: a review. Eye. 2021;35:188–201. DOI:10.1038/s41433-020-01191-5; Teo Z.L., Tham Yih-Chung, Yu Marco, et al. Global prevalence of diabetic retinopathy and projection of burden through 2045: systematic review and meta analysis. Ophthalmology. 2021;128(11):1580–1591. DOI:10.1016/j.ophtha.2021.04.027; Мунц И.В., Диреев А.О., Гусаревич О.Г. и др. Распространенность офтальмологических заболеваний в популяционной выборке старше 50 лет. Вестник офтальмологии. 2020;136(3):106–115. DOI:10.17116/oftalma2020136031106; Иомдина Е.Н., Бауэр С.М., Котляр К.Е. Биомеханика глаза: теоретические аспекты и клинические приложения. М.: Реал Тайм, 2015.; Национальное руководство по глаукоме: для практикующих врачей / Под ред. Егоров Е.А., Еричев В.П. М.: ГЭОТАР Медиа, 2019.; Shamaev D.M., Luzhnov P.V., Iomdina E.N. Mathematical modeling of ocular pulse blood filling in rheoophthalmography. World Congress on Medical Physics and Biomedical Engineering 2018. Springer, Singapore. 2019:495–498. DOI:10.1007/978-981-10-9035-6_91; Kadochkin Y.V., Luzhnov P.V., Iomdina E.N. Research of Motion Artefacts in Eye Blood Filling Diagnostics by Photoplethysmographic Method. In: Proc. of the 13th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC 2020). P. 288–291 DOI:10.5220/000917530288029; Kazakov S.B., Luzhnov P.V., Davydova I.D. Method for Quantitative Assessment of the Eyes Pulse Blood Flow with Linear Axisymmetric Model. BIODEVICES. 2021:239 242. https://www.scitepress.org/Papers/2021/103858/103858.pdf; Kiseleva A.A., Luzhnov P.V., Shamaev D.M. Verification of mathematical model for bioimpedance diagnostics of the blood flow in cerebral vessels. International Conference of Artificial Intelligence, Medical Engineering, Education. Springer, Cham. 2018:251–259. DOI:10.1007/978-3-030-12082-5_23; Лужнов П.В., Шамаев Д.М., Киселева А.А., Иомдина Е.Н., Хозиев Д.Д., Киселева О.А. Метод нелинейной динамики для анализа сигналов транспальпебральной реоофтальмографии. Современные технологии в медицине. 2018;10(3):160–166. DOI:10.17691/stm2018.10.3.20; Short B. Selected aspects of ocular toxicity studies with a focus on high quality pathology reports: a pathology/toxicology consultant’s perspective. Toxicologic Pathology. 2021;49(3):673–699. DOI:10.1177/0192623320946712; Зуева М.В. Фундаментальная офтальмология: роль электрофизиологических исследований. Вестник офтальмологии. 2014;130(6):28–36.; Казайкин В.Н., Пономарев В.О., Лизунов А.В., Жданов А.Е., Долганов А.Ю., Борисов В.И. Современная роль и перспективы электрофизиологических методов исследования в офтальмологии. Обзор литературы. Офтальмология. 2020;17(4):669–675. DOI:10.18008/1816-5095-2020-4-669-675; Vincent A., Robson A.G., Holder G.E. Pathognomonic (Diagnostic) ERGs a Review and Update. Retina. 2013 Jan;33(1):5–12. DOI:10.1097/IAE.0b013e31827e2306; Santos I.S., Linares Alba M.A., Rodríguez Reyes A.A., et al. Intravitreal bromfenac with liposomes. A toxicology study in rabbit eyes. A safety study in rabbit eyes. Exp Eye Res. 2020 May;194:108020. DOI:10.1016/j.exer.2020.108020; Куликов А.Н., Николаенко Е.Н., Волков В.В., Даниличев В.Ф. Электрогенез сетчатки и зрительного нерва после витрэктомии по поводу первичного полного макулярного разрыва. Офтальмология. 2019;16(1):46–55. DOI:10.18008/1816-5095-2019-1-46-55; Leocani L., Guerrieri S., Comi G. Visual evoked potentials as a biomarker in multiple sclerosis and associated optic neuritis. Journal of Neuro-Ophthalmology. 2018;38(3):350–357. DOI:10.1097/wno.0000000000000704милан; Allam H.K., Soliman S., Wasfy T., et al. The neuro ophthalmological effects related to long term occupational exposure to organic solvents in painters. Toxicology and Industrial Health. 2018;34(2):91–98. DOI:10.1177/0748233717736598; Gauvin M., Lina J.M., Lachapelle P. Advance in ERG analysis: from peak time and amplitude to frequency, power, and energy. BioMed research international. 2014;2014:246096. DOI:10.1155/2014/246096; Johnson M.A. ISCEV extended protocol for the stimulus–response series for the dark adapted full field ERG b wave. Documenta Ophthalmologica. 2019;138(3):217–227. DOI:10.1007/s10633-019-09687-6; Кириллова М.О., Зуева М.В., Цапенко И.В., Журавлева А.Н. Электрофизиологические маркеры доклинической диагностики глаукомной оптической нейропатии. Российский офтальмологический журнал. 2021;14(1):35–41. DOI:10.21516/2072-0076-2021-14-1-35-41; Gubin D., Neroev V., Malishevskaya T., et al. Melatonin mitigates disrupted circadian rhythms, lowers intraocular pressure, and improves retinal ganglion cells function in glaucoma. Journal of Pineal Research. 2021;70(4):e12730. DOI:10.1111/jpi.12730; Dewar J., Gray J. VII. On the Physiological Action of Light. Earth and Environmental Science Transactions of The Royal Society of Edinburgh. 1873;27(1):141–166.; Verdon W.A., Schneck M.E., Haegerstrom Portnoy G. A comparison of three techniques to estimate the human dark adapted cone electroretinogram. Vision research. 2003;43(19):2089–2099. DOI:10.1016/S0042-6989(03)00330-4; Суетов А.А., Алекперов С.И., Одинокая М.А., Костина А.А., Петрова Е.А. Мультифокальная электроретинография как метод функциональной оценки лазерного повреждения сетчатки в экспериментальных исследованиях. Офтальмология. 2021;18(1):110–116. DOI:10.18008/1816-5095-2021-1-110-116; Hoffmann M.B., Bach M., Kondo M. et al. ISCEV standard for clinical multifocal electroretinography (mfERG) (2021 update). Documenta Ophthalmologica. 2021;142(1):5–16. DOI:10.1007/s10633-020-09812-w; Schröder P., Martínez Cañada P., Amorim A., et al. A Minimal Model Approach to Analyze Neuronal Circuit Dynamics from multifocal ERG (mERG). 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE. 2019:2955–2958. DOI:10.1109/embc.2019.8856840; Eremeev A.P., Ivliev S.A. Data Collection and Preparation of Training Samples for Problem Diagnosis of Vision Pathologies. Russian Conference on Artificial Intelligence. Springer, Cham. 2019:271–282. DOI:10.1007/978-3-030-30763-9_23; https://www.ophthalmojournal.com/opht/article/view/2036

Διαθεσιμότητα: https://www.ophthalmojournal.com/opht/article/view/2036
https://doi.org/10.18008/1816-5095-2023-1-5-16

ECG Signals Processing by Using Wavelet Analysis: Diagnostic Capabilities ; Обработка сигналов ЭКГ с помощью вейвлет-анализа: диагностические возможности

Συγγραφείς: Chupov, A. A., Zhdanov, A. E., Knyazev, S. T., Rakhmatullov, F. K., Rakhmatullov, R. F., Dolganov, A. Yu.

Πηγή: URAL RADIO ENGINEERING JOURNAL; Том 5, № 4 (2021): URAL RADIO ENGINEERING JOURNAL ; 2588-0462 ; 2588-0454

Θεματικοί όροι: electrocardiogram, ECG analysis, wavelet analysis, frequency methods, time-frequency methods, defibrillation, diagnostically significant parameters, wavelet scalogram, электрокардиограмма, анализ ЭКГ, вейвлет-анализ, частотные методы, частотно-временные методы, дефибрилляция, диагностически значимые параметры, вейвлет-скалограмма

Relation: https://journals.urfu.ru/index.php/urj/article/view/5727/4313; https://journals.urfu.ru/index.php/urj/article/view/5727

Διαθεσιμότητα: https://journals.urfu.ru/index.php/urj/article/view/5727

Обработка сигналов ЭКГ с помощью вейвлет-анализа: диагностические возможности

Συγγραφείς: Chupov, A. A., Zhdanov, A. E., Knyazev, S. T., Rakhmatullov, F. K., Rakhmatullov, R. F., Dolganov, A. Yu.

Θεματικοί όροι: АНАЛИЗ ЭКГ, FREQUENCY METHODS, DIAGNOSTICALLY SIGNIFICANT PARAMETERS, ЭЛЕКТРОКАРДИОГРАММА, ДИАГНОСТИЧЕСКИ ЗНАЧИМЫЕ ПАРАМЕТРЫ, DEFIBRILLATION, ЧАСТОТНЫЕ МЕТОДЫ, ELECTROCARDIOGRAM, WAVELET SCALOGRAM, WAVELET ANALYSIS, ECG ANALYSIS, ЧАСТОТНО-ВРЕМЕННЫЕ МЕТОДЫ, ВЕЙВЛЕТ-АНАЛИЗ, ДЕФИБРИЛЛЯЦИЯ, ВЕЙВЛЕТ-СКАЛОГРАММА, TIME-FREQUENCY METHODS

Σύνδεσμος πρόσβασης: http://elar.urfu.ru/handle/10995/109137

Оценка эффективности алгоритма поддержки принятия решения врачом при дистрофии сетчатки с использованием методов машинного обучения ; Evaluation of the effectiveness of the decision support algorithm for physicians in retinal dystrophy using machine learning methods

Συγγραφείς: Жданов, А.Е., Долганов, А.Ю., Занка, Д., Борисов, В.И., Лучиан, Е., Доросинский, Л.Г.

Θεματικοί όροι: электроретинография, электроретинограмма, ЭРГ, электрофизиологическое исследование, ЭФИ, дистрофия сетчатки, вейвлет-анализ, вейвлет-скалограмма, деревья решений, алгоритм поддержки принятия решения

Relation: 47;2; Dspace\SGAU\20230222\102126

Διαθεσιμότητα: http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Ocenka-effektivnosti-algoritma-podderzhki-prinyatiya-resheniya-vrachom-pri-distrofii-setchatki-s-ispolzovaniem-metodov-mashinnogo-obucheniya-102126
https://doi.org/10.18287/2412-6179-CO-1124