Сохрани и опубликуйсвоё исследование
О проекте | Cоглашение | Партнёры
Влияние ритмов музыкальных произведений на сердечные ритмы
Источник: Санкт-Петербургский государственный университет
Комментировать 0
Рецензировать 0
Скачать - 1284398 bytes
Enter the password to open this PDF file:
-
Санкт-Петербургский государственный университет Математико-механический факультет, кафедра Информационно-аналитических систем Брусинец Кирилл Игоревич Влияние ритмов музыкальных произведений на сердечные ритмы Бакалаврская работа Научный руководитель: кандидат физ-мат наук, доцент Графеева Наталья Генриховна Рецензент: ИТ эксперт Денисенко Александр Васильевич Санкт-Петербург 2016
SAINT-PETERSBURG STATE UNIVERSITY Mathematics and Mechanics Faculty, Sub-Department of Analytical Information Systems Brusinets Kirill The influence of different music rhythms on heart rhythm Graduation Thesis Scientific supervisor: PhD, associate professor Grafeeva Natalia Reviewer: IT expert Denisenko Aleksandr Saint-Petersburg 2016
Оглавление Введение 4 1. Постановка задачи 5 2. Входные данные 6 3. Существующие решения и подходы 7 4. Описание методики проведения экспериментов 4.1. Предварительная подготовка данных . . . . . . . . . . . . 4.2. Выделение особенностей . . . . . . . . . . . . . . . . . . . 8 8 10 5. Результаты эксперимента 15 6. Анализ полученных данных 6.1. Анализ средних значений . . . . . . . . . . . . . . . . . . 6.2. Анализ изменений по мере прослушивания . . . . . . . . 16 16 17 Заключение 19 Список литературы 20 Приложения 22 3
Введение Музыка имеет особое психологическое влияние на нас. Она в силах изменять настроение, помогать сконцентрироваться, в ней даже можно найти облегчение в периоды стресса. Религиозные обряды всех времен также использовали свою музыку. Музыка способна поменять наш образ жизни, наши привычки, взгляд на мир. С помощью своих произведений, музыканты выражают себя, передавая свои идеи и чувства слушателям так, как не смогли бы передать словами. Учитывая сказанное, ее психологическое влияние нельзя недооценивать. Но тогда возникает вопрос о существовании физиологического влияния и меняется ли оно в зависимости от музыки. Можем ли мы рассчитывать на помощь музыки не только на психологическом уровне, но и на физическом? Поиск ответа на данный вопрос будет производиться в данной работе. 4
1. Постановка задачи В этой работе будет исследоваться существование влияния различных музыкальных произведений на работу сердца. Для измерения работы сердца будет использоваться электрокардиографии. Электрокардиография — методика регистрации и исследования электрических полей, образующихся при работе сердца. Регистрация проводится с помощью датчиков, прикрепленных к конечностям пациента. Результатом процедуры является получения электрокардиограммы (ЭКГ) (Рис. 1) график электрической активности сердца, исследование которого позволяет получать информацию о его состоянии. Рис. 1: Пример ЭКГ На ЭКГ можно выделить 5 зубцов: P, Q, R, S, T.(Рис. 2) Каждый из них, а также интервалы между ними, отвечают за определенную фазу сердечного цикла. В целом, один набор этих особенностей описывает один сердечный цикл. Требуется распознать особенности ЭКГ, указанные на Рис. 2, а также высоту пиков P,Q,R,S,T, ширину P и T и частоту сердечных сокращений (ЧСС), которая выводится из расстояний между ближайшими сердечными циклами. Найти средние величины этих особенностей и замерить их изменение за время прослушивания произведения. Далее необходимо исследовать эти данные на изменения в зависимости от прослушиваемой музыки. 5
Рис. 2: Пример сердечного цикла на ЭКГ 2. Входные данные Данные представляют собой сигналы ЭКГ с частотой 2000Hz (1 деление по оси абсцисс - 0.5ms) и длиной 5 минут (Рис. 1) . Проводится 4 снятия ЭКГ на испытуемого, общее количество которых 11, с пятиминутной паузой между замерами: 1. В состоянии покоя 2. При прослушивании лунной сонаты Бетховена 3. При прослушивании имперского марша (OST Звездные войны) 4. При прослушивании Metallica - Some kind of monster Пример входных данных указан на Рис. 1. 6
3. Существующие решения и подходы Работы по нахождению физиологического влияния музыкальных произведений проводятся уже достаточно давно, но результаты их разнятся: в некоторых систематического влияния не обнаружилось [2], в других [5] [7] было зафиксировано увеличение ЧСС при прослушивании быстрых произведений, по сравнению с ЧСС при прослушивании медленных и успокаивающих. Было проведено исследование по сравнению результатов во время прослушивания дэт-метал произведения и Корана [13], которое показало увеличенный ЧСС в случае Корана, по отношению к ЧСС во время песни. В этих работах также были рассмотрены дополнительные факторы, такие как кровяное давление, ЭЭГ, но из ЭКГ бралась информация только о количестве ударов сердца в минуту. В данной работе будет рассмотрено влияние на большее количество особенностей ЭКГ. Также будет рассмотрено их изменение по мере прослушивания песни. В существующих работах, посвященных распознаванию ЭКГ приведены различные подходы, к примеру, нейронные сети [9] [1], синтаксический анализ [10], скрытые марковские модели [11]. В работах [4] [8] описан высокоточный алгоритм нахождения пиков ЭКГ, состоящий из двух этапов. На первом этапе производится предварительная обработка. Сначала проводится чистка данных от высокочастотных шумов. В работе [8] заодно описан алгоритм чистки от низкочастотных шумов. Далее, чтобы выделить пики относительно не интересующих данных, сигнал трансформируется при помощи первой производной и трансформации Гильберта. В дополнение к этому, в работе [4] к трансформации добавляется еще один шаг, в котором используется формула, позволяющая выделить пики еще сильнее. На втором этапе, с использованием обработанных данных, находятся пики ЭКГ. В работе [12] был использован похожий подход, и дополнительно в ней был описан алгоритм нахождения границ пиков. 7
4. Описание методики проведения экспериментов Основываясь на [4] [8], сначала будет проведена предварительная обработка данных, после которой произведется нахождение интересующих величин. Для обработки будет использован метод, описанный в работе [4]. На вход он получает данные, очищенные от высокочастотных шумов. Алгоритм чистки был выбран, используя результаты их сравнения в работе [3]. Для избавления от низкочастотных помех, используется метод из работы [8]. Далее, будет использован описанный в ней подход для нахождения R пиков. Остальные пики будут найдены по примеру описаному в [4]. Метод нахождения границ пиков, описанный в [12] будет модифицирован и применен. Далее, полученные данные будут статически обработаны. 4.1. Предварительная подготовка данных Для облегчения выделения особенностей, начальные данные необходимо предварительно подготовить. ЭКГ подвержена низкочастотным и высокочастотным помехам, которые осложняют задачу распознавания. Фильтрация позволяет подавить ненужные частоты в данных. Для начала, надо избавиться от высокочастотных помех. К исходным данным ЭКГ применяется low-pass фильтр. Это общее название фильтров, которые изменяют исходные данные, пропуская сигнал с частотой ниже установленной границы, и подавляя сигнал с частотой, превышающей эту границу. Исследования [3] показали, что для low-pass фильтра ЭКГ хорошо подходит фильтр Баттерворта. Он отсеивает ненужные частоты, меньше влияя на нужные, по сравнению с другими фильтрами. Полезные данные ЭКГ имеют частоту до 100 Hz.[6] С помощью функции MATLAB butter, строится фильтр Баттерворта, отсеивающий частоты выше 100 Hz. В результате исходные данные сглаживаются. После применения фильтра график немного сдвигается вдоль оси абсцисс, но внутренних изменений не происходит. 8
Рис. 3: После применения фильтра Baseline wandering это низкочастотные помехи, возникающие в большинстве своем либо из-за дыхания, либо вследствие плохо закрепленных датчиков. Избавиться от этих помех можно будет после нахождения положений R пиков. Самый длинный горизонтальный промежуток на ЭКГ находится между T и P. Поэтому после того, когда будут найдены положения R пиков, в каждом сердечном цикле определяем опорную точку чуть правее T пика, это приблизительно Rpeak+320ms. Применяем формулу 1, в которой Xi - внутренний цикл от 0 до (x2−x1). Ее действие показано на Рис. 4. Результат показан на Рис. 5. y2 − y1 Xi − y1 (1) x2 − x1 Чтобы сильнее выделить интересующие нас пики относительно остальных значений, проводим следующую подготовку. Обработанные данные дифференцируются. Можно сказать, производная выступает как high-pass фильтр, акцентируя высокочастотный QRS комплекс, но в то же время уменьшая амплитуду более низко частотных P и T. Пики дифференцированных данных находятся в нулях производной. Чтобы вернуться обратно к пикам, применяется преобразование Гильберта (2). CorrectedBaseLine = data − 1 y(t) = π ∫ +∞ −∞ 9 x′ (a) da t−a (2)
Рис. 4: Избавление от Baseline wandering с помощью формулы 1 Рис. 5: Синий - исходные данные, оранжевый - после избавления от Baseline wandering Далее, чтобы еще сильнее выделить пики, применяется формула (3). Это действие не изменяет значений на вершине, но увеличивает уклон его боковых сторон, что поможет при распознавании. f (i) = f (i) 1 + (f (i)′ )2 (3) 4.2. Выделение особенностей Для каждой из искомых величин из каждой ЭКГ необходимо получить массив значений этой величины в каждом из сердечных циклов. Поиск пиков производится на данных, подготовленных в предыдущем разделе. R. Первыми определяются координаты R пиков. Находятся все локальные максимумы. Из них R пиками являются все локальные мак10
Рис. 6: 1) Исходный сигнал ЭКГ; 2) После применения фильтра; 3) Производная; 4) Преобразование Гильберта; 5) Применение формулы 3 11
симумы, амплитуда которых больше 50% от максимальной амплитуды среди локальных максимумов.[8] ЧСС Значение ЧСС выводится из расстояния между соседними сердечными циклами. Расстояние между соседними сердечными циклами можно измерить как расстояние между их R пиками. Пусть R-R это массив разностей между координатами соседних R. Так как ЧСС измеряется, как количество ударов в минуту, находим массив ЧСС, разделив поэлементно 120000 на массив R-R. 120000 получилось как 1 минута, деленная на частоту снятия ЭКГ - 0.5 ms. Q, S, P, T. Для каждого из найденных R пиков, ищется минимум в области (R-50ms:R). Таким образом определяются Q пики. S пики находятся аналогично в области (R:R+50ms). P являются максимумом в области (Q-170ms:Q). T - максимум в области (S:S+260ms). Значения ширины области поиска взяты из [4]. После нахождения всех пиков, уточняется их точное расположение на обработанной ЭКГ, то есть на данных, полученных в разделе ”Предварительная подготовка данных” после применения фильтра и избавления от baseline wandering. Поиск точных расположений пиков проводится в области ±4 деления от расположения найденных. Далее, все поиски будут вестись на этой обработанной ЭКГ. Края пиков. Используется модифицированный алгоритм из [12]. Приведен пример использования для P, в случае остальных пиков поиск ведется аналогично, но с другими параметрами, которые для Q,S,T были взяты из [12], а для P подобраны опытным путем. Для определения левого края P вычисляется средний уклон на x±12 для каждого x, принадлежащего (P-100ms:P-25ms). Следуя указанному в [12] методу, край пика находится в точке, где средний уклон принимает минимальное значение. Но возникает проблема существования точек, где уклон наименьший , но эта точка не является краем 7. Значит, надо учитывать еще и амплитуду. Поэтому для каждой из точек в области вычисляется модуль разности между значением в ней и значением в вершине пика. Далее, массив разностей сортируется в порядке увеличения среднего уклона, и в нем фиксируется крайняя ле12
(a) Пример 1 (b) Пример 2 Рис. 7: Зеленая точка - вершина пика, синяя - точка с минимальным уклоном, красная - точка левого края. вая точка максимума. Таким образом, вычисляется точка одновременно и с минимальным уклоном и с максимальной разностью в значениях с вершиной пика. Эта точка и принимается за край пика. Остальные границы находятся аналогично, но используя другие параметры. Левый край Q находится в области (Q-30ms:Q-5ms), средний уклон вычисляется на x±10. Правый край S находится в области (S+5ms:S+30ms), средний уклон вычисляется на x±10. Правый край P находится в области (P+15ms:P+50ms), средний уклон вычисляется на x±12. Левый край T находится в области (Tpeak-150ms:Tpeak-50ms), правый край в области (Tpeak+25ms:Tpeak+100ms). В обоих случаях окно для нахождения уклона x±14. Далее, после нахождения этих опорных точек, находятся оставшиеся величины. Высоты Q, R, S, P, T. Высоты P считаются как разность значений в P и в левом краю P. Высоты Q считаются как разность значений в Q и в левом краю Q. Высоты R считаются как разность значений в R и S. Высоты S равны разности значений в S и правом краю S. Высоты T равны разности значений в T и правом краю T. PRInterval, PRSegment, QRSComples, QTInterval, STSegment, 13
ширина T, ширина P. Интервалы и сегменты находятся как разность координат их краев. 14
5. Результаты эксперимента Для каждой величины получен массив ее значений для каждого из сердечных циклов на ЭКГ. Длина массива для каждой из величин составляет от 300 до 500 значений, что не позволяет привести эти данные в тексте работы. 15
6. Анализ полученных данных Необходимо исследовать полученные данные на предмет зависимости от прослушиваемой музыки. В качестве среднего значения величины берется медиана массива ее значений. Для исследования изменения по мере прослушивания произведения, строится линейная аппроксимация графика значений величины, и в качестве меры изменения берется угол наклона аппроксимирующей прямой. В разделе ”Приложения” в Таблице 3 приведены полученные средние значения величин. Углы наклона изменения этих величин за время снятия ЭКГ приведены в Таблице 4. Также приведены столбчатые диаграммы для средних значений 9 и для угловых изменений 10. 6.1. Анализ средних значений На основе полученных данных для каждой величины были вычислены разности между средними значениями при прослушивании каждого из музыкальных произведений и при тишине для каждого человека. После, разности были разделены на значения величины в тишине, чтобы получить процентное изменение. Далее рассматривалось математическое ожидание для каждого из изменений. Также для каждой пары музыка-тишина были построены распределения Гаусса. Рис.11 Рис.12 Рис.13 Таблица 1: Процентное изменение среднего значения величины во время прослушивания музыкальных произведений по сравнению со средним значением при измерении в тишине ЧСС Тишина ->Классика -0.57% Тишина ->Марш -0.02% Тишина ->Металлика -0.54% Ширина Р Тишина ->Классика 2.81% Тишина ->Марш 2.43% Тишина ->Металлика 2.90% Высота R Тишина ->Классика -2.10% Тишина ->Марш -0.90% Тишина ->Металлика -1.45% Высота Р PR Interval -0.21% 1.02% -0.28% 1.54% -0.24% 1.32% Высота Q QRS -0.34% -0.51% -0.18% -0.65% -0.23% -0.24% Высота S ST Segment 0.46% 0.58% 0.53% -0.39% 0.64% 0.02% 16 PR Segment -1.75% -0.85% -1.51% QT Interval 2.90% 1.28% 2.31% Высота Т 0.43% -0.11% 0.50% Ширина Т 2.85% 2.33% 2.56%
Рис. 8: Средние значения для величин, подвергнувшихся максимальному влиянию Опираясь на таблицу 1 можно сделать вывод о том, что изменение сердечной деятельности зависит не столько от жанра музыки, как от самого факта прослушивания. Наибольшие изменения произошли с шириной Т ( увеличение на 2.6%), c шириной Р ( увеличение на 2.5 %) и с QT Interval (увеличение на 2%) (Рис. 8). Об устойчивости влияния можно судить, анализируя полученные распределения Гаусса. Можно сделать вывод, что классическая музыка устойчивее всего влияет/не влияет на высоту Р (σ 2 = 0.58), высоту Т (σ 2 = 1.20) и высоту Q (σ 2 = 1.54). Марш устойчивее всего влияет/не влияет на ЧСС (σ 2 = 0.069), на высоту Т (σ 2 = 0.62) и на высоту Р (σ 2 = 0.84). Марш устойчивее всего влияет/не влияет на ST Segment (σ 2 = 0.11), на QRS (σ 2 = 0.75) и на высоту Р (σ 2 = 0.68). 6.2. Анализ изменений по мере прослушивания В таблице 2 приведены значения углов изменения величин по мере снятия ЭКГ. Можно выделить наибольшие изменения в QT Interval ( 17
Таблица 2: Угол изменения величин по мере снятия ЭКГ ЧСС -0.0052° -0.0055° 0.0039° -0.0011° Ширина Р Тишина 0.0084° Классика -0.0099° Марш 0.0110° Металлика -0.0038° Высота R Тишина -0.0365° Классика -0.0131° Марш -0.0064° Металлика -0.0131° Тишина Классика Марш Металлика Высота Р -0.0053° -0.0019° 0.0004° -0.0057° Высота Q 0.0028° 0.0002° 0.0007° -0.0004° Высота S -0.0003° -0.0007° 0.0007° 0.0001° PR Interval 0.0219° 0.0026° 0.0172° 0.0018° QRS -0.0080° -0.0005° 0.0005° -0.0087° ST Segment 0.0138° -0.0068° 0.0009° 0.0124° PR Segment 0.0136° 0.0124° 0.0061° 0.0059° QT Interval 0.0488° 0.0006° 0.0127° -0.0009° Высота Т 0.0331° 0.0058° 0.0070° 0.0032° Ширина Т 0.0362° 0.0098° 0.0130° -0.0080° 0.0488°), в ширине Т ( 0.0362°) и в высоте Т (0.0331°). Все они произошли в замерах во время тишины. Систематической зависимости не видно. 18
Заключение Был написан скрипт на Matlab, получающий на вход данные ЭКГ. Используя подход, описанный в разделе 4, скрипт обрабатывает полученные данные, трансформирует их, и находит значения величин, указанных на Рис. 2, среди которых присутствуют величины, поиск которых не производился в предыдущих работах. На выходе, для каждой из величин, скрипт создает текстовый файл с массивом ее значений в каждом из сердечных циклов, обнаруженных в исходных данных. Также предоставляется возможность представить полученные данные в графическом виде. Далее, полученные данные были проанализированы на зависимость от прослушиваемой музыки. Получена зависимость средних значений этих особенностей от самого факта прослушивания. Наибольшие изменения произошли с шириной Т, шириной Р и c QT Interval. Максимальная устойчивость влияния/не влияния у классики - высота Р, у марша - ЧСС, у Металлики - ST Segment. 19
Список литературы [1] Behrad Alireza, Faez Karim. New method for QRS-wave recognition in ECG using MART neural network // Intelligent Information Systems Conference, The Seventh Australian and New Zealand 2001 / IEEE. –– 2001. –– P. 291–296. [2] George H. Zimny Edward W. Weidenfeller. Effects of Music upon GSR and Heart-Rate // The American Journal of Psychology. –– 1963. –– Vol. 76, no. 2. –– P. 311–314. –– URL: http://www.jstor.org/stable/ 1419170. [3] Gupta Ankit, Bhandari Sulata. ECG Noise Reduction by Different Filters: A Comparative Analysis // IJRCCT. –– 2015. –– Vol. 4, no. 7. –– P. 424–431. [4] Islam Md Saiful, Alajlan Naif. Augmented-Hilbert transform for detecting peaks of a Finger-ECG signal // Biomedical Engineering and Sciences (IECBES), 2014 IEEE Conference on / IEEE. –– 2014. –– P. 864–867. [5] Iwanaga Makoto, Moroki Youko. Subjective and physiological responses to music stimuli controlled over activity and preference // Journal of Music Therapy. –– 1999. –– Vol. 36, no. 1. –– P. 26–38. [6] Jagtap Sonal K, Uplane MD. The impact of digital filtering to ECG analysis: Butterworth filter application // Communication, Information & Computing Technology (ICCICT), 2012 International Conference on / IEEE. –– 2012. –– P. 1–6. [7] Krumhansl Carol L. An exploratory study of musical emotions and psychophysiology. // Canadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentale. –– 1997. –– Vol. 51, no. 4. –– P. 336. [8] Mukhopadhyay SK, Mitra M, Mitra S. Time plane ECG feature extraction using Hilbert transform, variable threshold and slope 20
reversal approach // Communication and Industrial Application (ICCIA), 2011 International Conference on / IEEE. –– 2011. –– P. 1–4. [9] Tarmizi Izzah Amani, Hassan Syed Sahal Nazli Alhady Syed, Ibrahim Wan Pauzi Wan. A journal of real peak recognition of electrocardiogram (ECG) signals using neural network // Digital Information and Communication Technology and it’s Applications (DICTAP), 2012 Second International Conference on / IEEE. –– 2012. –– P. 504–509. [10] Trahanias Panagiotis, Skordalakis Emmanuel. Syntactic pattern recognition of the ECG // Pattern Analysis and Machine Intelligence, IEEE Transactions on. –– 1990. –– Vol. 12, no. 7. –– P. 648–657. [11] An approach to cardiac arrhythmia analysis using hidden Markov models / Douglas A Coast, Richard M Stern, Gerald G Cano, Stanley A Briller // Biomedical Engineering, IEEE Transactions on. –– 1990. –– Vol. 37, no. 9. –– P. 826–836. [12] A derivative-based approach for QT-segment feature extraction in digitized ECG record / R Gupta, M Mitra, K Mondal, S Bhowmick // Emerging Applications of Information Technology (EAIT), 2011 Second International Conference on / IEEE. –– 2011. –– P. 63–66. [13] A study on the effects of EEG and ECG signals while listening to Qur’an recitation / Taha Al-Shaikhli, Imad Fakhri, Sabaa Ahmed Yahya et al. // Information and Communication Technology for The Muslim World (ICT4M), 2014 The 5th International Conference on / IEEE. –– 2014. –– P. 1–6. 21
Приложения 22
23 ЧСС 66.983 60.759 66.778 60.976 50.167 51.881 51.173 54.201 58.594 56.114 55.504 60.729 89.787 86.207 86.518 87.336 56.325 55.594 55.723 55.607 91.533 91.603 89.219 92.025 73.126 73.801 76.531 75.472 59.318 58.795 60.12 61.038 70.922 69.808 71.727 66.28 58.824 61.038 61.209 61.224 74.166 72.508 71.856 71.217 Высота P PR Interval 21.04 372.67 19.097 383.54 18.224 389.22 18.791 386.8 20.87 427.23 21.995 434.08 21.307 439.43 22.299 441.28 35.333 383.52 34.522 396.16 33.108 390.06 35.324 391.4 39.573 274.96 37.453 275.65 38.198 281.19 38.766 280.81 42.922 285.38 43.563 294.92 47.663 302.13 47.444 303.32 61.419 312.14 56.699 317.8 55.841 315.75 54.915 315.94 40.697 296.47 47.155 328.85 46.478 322.66 50.112 326.66 51.396 345.84 48.394 352.67 45.69 347.53 48.291 348.96 38.015 348.92 25.404 364.86 33.636 366.76 22.344 373.87 55.616 331.62 55.062 343.88 54.567 345.52 53.557 350.06 38.728 377.2 36.314 386.88 34.009 396.22 33.606 391.76 PR Segment 153.25 133.22 143.06 135.48 203.81 207.27 209.39 211.36 150.32 159.27 153.98 150.2 32.244 30.268 33.889 33.306 42.898 45.068 46.928 48.67 75.439 81.728 81.365 78.583 73.636 78.857 81.682 86.493 88.972 92.842 92.349 90.626 107.32 134.47 117.89 146.6 79.017 88.966 93.835 94.264 122.63 134.7 137.03 137.32 Ширина P Высота Q 219.61 10.867 250.32 11.979 246.16 12.36 251.32 12.312 223.42 -5.2834 226.8 -5.28 230.03 -5.682 229.92 -5.8586 233.2 -7.802 236.88 -7.3089 236.08 -6.9532 241.21 -7.8987 242.91 -26.242 245.78 -25.477 247.43 -26.219 247.63 -25.911 242.48 -27.692 249.86 -27.319 255.2 -26.219 254.65 -26.208 236.7 -3.5718 236.08 -3.2735 234.39 -4.1996 237.36 -4.918 222.83 -2.8056 249.99 -3.6029 240.98 -4.1946 240.31 -5.0396 256.87 -24.333 259.83 -23.712 255.18 -23.013 258.34 -23.424 241.6 -0.31803 230.38 1.2318 248.88 0.89529 227.27 1.29 252.6 -26.973 254.92 -25.711 251.69 -26.484 255.8 -27.391 254.56 -5.1178 252.18 -4.855 259.19 -4.5237 254.44 -4.4845 QRS 243.36 237.86 236.28 240.84 189.21 188.44 188.26 185.22 195.25 192.42 189.86 193.05 223.94 223.19 218.69 217.7 187.7 186.77 186.76 186.77 229.43 232.26 237.74 236.01 226.94 228.33 229.23 228.4 203.94 201.61 202.29 201.32 284.23 275.65 276.89 261.33 212.63 208.9 207.14 207.81 257.07 256.32 257.67 258.3 QT Interval 766.26 798.12 780.27 791.65 862.88 862.13 864.24 854.66 824.89 826.79 828.13 812.8 750.75 767.19 754.52 760.1 868 879.58 881.9 882.72 676.09 678.92 688.08 682.48 773.98 779.72 768.5 772.75 818.15 819.51 813.5 812.11 798.61 810.08 801.6 809.79 875.99 879.84 878.35 880.69 763.19 773.47 776.6 782.96 Высота R Высота S ST Segment 261.69 -11.891 97.168 238.78 -6.3419 103.29 252.16 -5.5042 92.794 246.07 -5.4518 97.047 294.01 -42.482 204.76 295.91 -42.331 205.07 296.54 -42.725 206.88 308.72 -43.745 203.93 410.12 -24.045 151.59 401.64 -24.129 155.19 392.41 -24.626 152.34 401.94 -25.66 149.19 470 -54.285 90.384 463.41 -51.308 91.789 469.81 -51.169 87.739 467.96 -50.223 95.313 253.72 -15.15 223.64 234.52 -14.932 221.86 223.21 -15.176 220.62 219.69 -14.771 221.57 373.88 -5.4348 25.347 374.62 -5.7399 27.647 381.04 -6.3789 29.455 375.73 -7.7423 29.005 288.03 -21.497 113.1 270.33 -10.366 113.23 272.11 -9.439 104.02 269.76 -9.268 113.64 444.4 -55.881 150.89 438.76 -53.065 151.66 424.32 -51.173 146.09 427.2 -53.238 137.73 229.33 -12.014 57.354 232.22 -14.355 62.643 226.57 -13.615 58.479 233 -24.181 73.822 245.4 -25.503 201.45 237.93 -24.34 204.28 229.81 -24.326 207.34 228.06 -23.913 206.43 271.7 -9.9799 77.254 270.62 -9.4426 80.482 266.47 -9.0435 75.535 264.7 -8.8085 71.938 Высота T Ширина T № испытуемого 118.68 425.74 1 122.73 456.96 1 116.71 451.19 1 123.41 453.76 1 77.291 468.9 2 75.579 468.63 2 75.091 469.1 2 76.565 465.51 2 125.54 478.05 3 126.56 479.18 3 125.05 485.94 3 117.37 470.55 3 69.791 437.44 4 83.162 452.21 4 90.811 448.08 4 97.899 447.09 4 72.887 456.67 5 88.054 470.96 5 85.703 474.52 5 84.577 474.37 5 124.97 461.27 6 131.59 468.23 6 136.1 476.23 6 132.65 469.64 6 136.05 434.21 7 135.25 438.16 7 132.11 435.26 7 133.6 430.71 7 122.65 463.32 8 119.26 466.23 8 116.69 465.12 8 116.89 473.06 8 103.09 457.03 9 109.4 471.79 9 107.4 466.23 9 107.57 474.63 9 86.565 461.91 10 96.195 466.67 10 99.424 463.87 10 97.856 466.45 10 81.679 428.86 11 90.991 436.69 11 90.967 443.39 11 93.428 452.73 11 Таблица 3: Средние значения искомых величин Прослушиваемая музыка Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика
24 ЧСС -0.001515 0.001632 0.011925 -0.041707 0.017701 -0.005935 0.024567 -0.012649 -0.008405 -0.064671 -0.006289 -0.008692 -0.01445 -0.005861 -0.014198 0.009813 -0.002213 -0.019468 0.000188 0.004205 -0.016352 -0.010755 -0.00356 0.008713 -0.003793 -0.000671 0.011904 0.004485 -0.002438 0.004896 -0.010684 0.04117 0.002408 0.007989 0.005482 0.003207 0.002803 0.013793 0.007659 -0.016746 -0.031387 0.018313 0.015504 -0.003912 P_val 0.004353 -0.001211 0.00127 -0.005473 0.000484 0.002062 0.007999 -0.000577 -0.002618 -0.008752 -0.027081 -0.003641 -0.001309 -0.00208 0.004308 0.002626 -0.010906 0.000295 -0.007597 -0.020128 -0.006074 -0.00601 -0.001033 -0.006054 -0.017549 0.010933 0.006148 0.004626 -0.007102 -0.010515 0.012392 -0.001828 -0.025116 -0.001817 0.011775 -0.02821 0.004908 -0.001387 -0.000478 -0.003522 0.002509 -0.002422 -0.00352 -0.000197 PR Interval -0.010442 -0.032973 0.002917 -0.004602 0.025556 0.021233 0.050086 -0.053433 0.027473 0.054497 0.045504 0.022494 -0.007057 0.000211 0.007111 0.001071 0.026897 0.002984 0.004748 0.009749 0.02174 -0.017652 0.016691 -0.012231 -0.051776 -0.016378 0.040207 -0.001971 0.017579 -0.014241 -0.007865 0.021735 0.073449 0.009594 -0.020818 0.03821 0.07178 0.025156 0.019089 0.020603 0.045896 -0.004291 0.031486 -0.02145 PR Segment -0.018416 -0.003327 0.039121 -0.028565 0.013342 -0.011664 -0.016225 -0.029932 0.012946 0.066029 0.069189 0.002824 -0.023363 0.003321 -0.000155 -0.004569 -0.001533 -0.005952 -0.002343 0.004748 0.02322 0.007104 0.002772 0.007203 0.011942 0.022217 -0.018393 0.040197 0.024228 0.003909 -0.009693 0.002098 0.028077 0.019069 -0.020859 0.06716 0.044659 0.025781 0.004132 0.012368 0.034847 0.009611 0.020077 -0.008919 Ширина P 0.009698 -0.029649 -0.036208 0.023966 0.012218 0.032888 0.066257 -0.023538 0.014532 -0.011574 -0.023759 0.019671 0.015907 -0.003615 0.006991 0.006589 0.028428 0.008936 0.007091 0.005001 -0.001482 -0.024753 0.01392 -0.019432 -0.063679 -0.038581 0.058557 -0.039842 -0.006652 -0.018149 0.001828 0.019638 0.045466 -0.009477 4.1e-05 -0.029024 0.027208 -0.000625 0.014958 0.008237 0.011067 -0.013902 0.011416 -0.012533 Высота Q -0.001214 0.00215 0.001318 -0.002746 -0.00097 -0.000279 -0.001636 0.000937 0.004416 0.00191 0.003599 0.003206 0.001147 0.000193 0.000136 -0.000401 0.005477 0.004329 0.001626 0.004239 0.007267 0.001186 0.000938 0.00045 -0.00381 -0.008907 0.005756 -0.006923 0.004169 0.001151 0.001651 0.000782 0.002414 0.000685 -0.002851 -9.1e-05 0.008982 -0.000521 -0.002776 -0.003893 0.002497 -0.000226 -7.5e-05 -0.000294 QRS 0.011825 0.013175 0.031647 -0.046146 0.001875 -0.004997 -0.016253 0.004774 -0.015345 -0.009713 -0.010061 -0.004916 -0.002703 0.000666 -0.003162 -0.005771 -0.004943 0.000769 -0.002177 0.004168 -0.034344 0.003433 0.007768 -0.021945 -0.02183 0.014159 0.002464 -0.012324 -0.020036 -0.005634 -0.017118 -0.008846 0.018647 -0.002255 0.008389 -0.013065 -0.016029 -0.01208 0.006549 -0.003815 -0.005284 -0.002761 -0.002097 0.012523 QT Interval -0.024009 -0.006353 -0.049515 0.079146 -0.002628 0.01543 0.001745 -0.01103 0.10209 0.011442 0.058838 -0.031038 0.026224 0.028361 0.058 -0.031785 0.18927 0.031853 0.006142 -0.010583 0.030166 0.009974 0.002306 0.009621 -0.031003 -0.037103 0.032137 -0.053324 0.024021 -0.003341 0.014474 -0.004541 0.13496 -0.021248 -0.021847 0.058405 0.070221 -0.01343 -0.004723 -0.017594 0.01783 -0.009257 0.042061 0.002674 Высота R 0.004952 -0.007556 0.021944 -0.034343 -0.018897 -0.011452 0.019717 -0.012004 -0.075501 -0.027547 -0.047868 -0.001554 -0.02338 -7.5e-05 0.017432 0.004543 -0.27077 -0.03282 -0.044086 -0.012002 0.018404 -0.014803 -0.035203 -0.020033 0.061176 0.014352 0.000409 0.014514 -0.019966 -0.04039 0.015255 -0.042813 -0.014531 -0.004737 0.004876 -0.026929 -0.055438 -0.014083 -0.012582 -0.007921 -0.007873 -0.004709 -0.010264 -0.005261 Высота S 0.001395 0.001747 -0.001939 0.004766 -0.004307 -0.002883 0.004114 7.9e-05 0.004843 0.000802 0.006257 -0.00638 0.00243 0.001683 0.00331 -1e-05 0.008121 -0.004972 0.006271 -0.002513 0.007029 0.000609 -0.000991 -0.004116 -0.042032 -0.01309 -0.004767 -0.005619 0.007901 0.007258 -0.006689 0.010087 0.00859 -0.004345 -0.001559 0.003905 0.007905 0.002321 0.002278 0.001693 -0.005187 0.003698 0.001511 -0.000345 ST Segment -0.041483 -0.0081 -0.087188 0.097586 0.013864 -0.028294 0.012451 0.023115 0.072402 0.019657 0.060213 -0.024808 0.011134 0.00959 0.040904 -0.003869 0.029335 -0.032843 -0.007474 0.009916 -0.018144 0.004328 0.009915 -0.012443 0.034787 0.023713 -0.032211 0.010959 -0.004626 -0.043308 0.03627 -0.016302 -0.021785 0.006693 -0.023425 0.04189 0.042124 -0.00045 0.00382 0.018153 0.033694 -0.026019 -0.002827 -0.00727 Высота T 0.000851 -0.011962 -0.003843 0.000785 0.004721 0.013673 -0.009444 0.006229 0.044251 0.019263 0.045111 -0.012763 0.042535 0.012642 0.023642 0.00684 0.073892 0.005262 -0.003673 0.003572 0.041946 0.033678 -0.003657 0.011356 -0.000347 -0.011639 0.00836 0.017938 0.001185 -0.004312 0.008 -0.00053 0.057278 -0.008311 0.005478 0.001954 0.059571 0.011823 -0.008646 -0.002073 0.03842 0.003492 0.015722 0.002283 Ширина T 0.005668 -0.011428 0.006197 0.027587 -0.018366 0.048691 0.005548 -0.038904 0.045233 0.001497 0.008681 -0.001318 0.007749 0.018111 0.020297 -0.022153 0.16563 0.063863 0.015792 -0.024663 0.019392 0.0237 0.004447 0.008146 -0.047828 -0.074858 0.061827 -0.051962 0.048652 0.045597 -0.004691 0.020605 0.13804 -0.025683 -0.00681 0.029614 0.04419 -0.000901 -0.015092 -0.031925 -0.010591 0.019734 0.046975 -0.002579 № испытуемого 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 10 10 10 10 11 11 11 11 Прослушиваемая музыка Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Тишина Классика Марш Металлика Таблица 4: Угловые изменения величин за время снятия ЭКГ(в градусах)
Рис. 9: Средние значения величин 25
Рис. 10: Угловые изменения величин 26
27 Рис. 11: Распределение Гаусса для изменение среднего значения величины во время прослушивания классической музыки по сравнению со средним значением при измерении в тишине
28 Рис. 12: Распределение Гаусса для изменение среднего значения величины во время прослушивания марша по сравнению со средним значением при измерении в тишине
29 Рис. 13: Распределение Гаусса для изменение среднего значения величины во время прослушивания Металлики по сравнению со средним значением при измерении в тишине
Отзывы:
Авторизуйтесь, чтобы оставить отзыв