We report Lobachevsky University Database (LUDB) of ECG signals, an open tool for validating ECG delineation algorithms, that is superior to the existing publicly available data bases in several aspects. LUDB contains 200 recordings of 10-second 12-lead electrocardiograms (ECG) from different subjects, representative of a variety of signal morfologies. The boundaries and peaks of QRS complexes and P and T waves are manually annotated by cardiologists for all recordings and independently for each lead, and all records received an expert classification by abnormalities. We present a case study for the recently proposed wavelet-based algorithm and the broadly used ecg-kit tool, and demonstrate the advantage of multi-lead ECG data analysis. LUDB contributes to the diversity of public databases employed in developing and validating novel ECG analysis algorithms, including the most advanced based on deep learning neural networks.

No abstract

A new algorithm has been developed for delineation of significant points of various electrocardiographic signal (ECG) waves, taking into account information from all available leads and providing similar or higher accuracy in comparison with other modern technologies. The test results for the QT database show a sensitivity above 97% when detecting ECG wave peaks and 96% for their onsets and offsets, as well as better positive predictive value compared to the previously known algorithms. In contrast to the previously published algorithms, the proposed approach also allows one to determine the morphology of waves. The segmentation mean errors of all significant points are below the tolerances defined by the Committee of General Standards for Electrocardiography (CSE).

We propose a method for generating an electrocardiogram (ECG) signal for one cardiac cycle using a variational autoencoder. Our goal was to encode the original ECG signal using as few features as possible. Using this method we extracted a vector of new 25 features, which in many cases can be interpreted. The generated ECG has quite natural appearance. The low value of the Maximum Mean Discrepancy metric, 3.83 × 10−3, indicates good quality of ECG generation too. The extracted new features will help to improve the quality of automatic diagnostics of cardiovascular diseases. Generating new synthetic ECGs will allow us to solve the issue of the lack of labeled ECG for using them in supervised learning.

The aim of the study was to develop the Cyberheart-Diagnostics software module, an automated electrocardiogram analysis system being part of the Cyberheart software and hardware complex, and to select machine learning techniques for testing the system based on the comparative analysis of their capabilities. Materials and Methods. The software package was developed using various machine learning techniques working on a large sample of labeled data, i.e. ECG database with known diagnostic conclusions: support-vector machines, decision tree, artificial neural networks, linear and quadratic discriminant analysis, the random subspace method, AdaBoost, random forest, logistic regression (McCulloch-Pitts neuron model). For comparative analysis and evaluation of the obtained results, the Cyberheart-Diagnostics software was tested using open international ECG databases: Arrhythmia Data Set, PhysioNet PTBDB, PhysioNet Competition 2017 as well as our own database comprising 1652 records of a standard 12-lead resting ECG. The ECG records were interpreted by expert physicians who then formed structured medical conclusions considered as reference. Results. In different classes of attributes, the diagnostic accuracy of the Cyberheart-Diagnostics software appeared to be 83.8 to 94.5% as compared to the conclusions of expert doctors-66.3 to 95.1%. Thus, the developed software is comparable with the world analogues in quality of electrocardiogram analysis.

No abstract

No abstract

В соответствии с концептуальными подходами к разработке перспективных комплексов специальной техники их дальнейшее развитие должно осуществляться на основе создания универсально-модульных мастерских на типовых унифицированных шасси за счет конструктивного и функционального сопряжения специального технологического оборудования с элементами шасси без изменения компоновки и конструкции.В ходе анализа исследований в этой области выявлен ряд вариантов решения данной задачи, каждый из которых обладает своими достоинствами и недостатками: применение стремянок, прижимающих кузов к раме автомобиля посредством гаечного резьбового соединения через амортизационный узел и устройства крепления; перестановка автомобильного кузова-фургона с шасси одного на другое транспортное средство, автономный грузовой модуль с кузовом-фургоном, оснащенный системой самопогрузки-выгрузки, и др.Представлена конструкция устройства быстрого крепления функционального модуля на раме автомобиля, применение которого на специальной технике для обеспечения боеготовности бронетанкового вооружения обеспечивает быстрое и надежное крепление функционального модуля на раме базового шасси. Работоспособность конструкции подтверждена машинным экспериментом, проведенным по разработанным алгоритмам методик компоновочного расчета комплекса, реализованных в виде самостоятельных программ узкого назначения, каждая из которых может транслироваться, компилироваться и записываться на внешний носитель. Программы составлены с использованием стандартного математического обеспечения и могут быть в зависимости от запросов реализованы в виде пакета прикладных программ с различной последовательностью их выполнения. Построенные алгоритмы позволяют использовать для компоновочных расчетов вычислительные комплексы и значительно их упрощают. Жесткостные, инерционные и демпфирующие свойства системы определяются из характеристик отдельных элементов, подсистем и подконструкций путем одинаковых автоматических операций матричной алгебры.Реализация обеспечения взаимозаменяемости шасси транспортного средства с возможностью быстрой замены его функционального модуля позволит помимо решения задачи унификации по составным частям обеспечить полную взаимозаменяемость шасси для различных типов специальной техники, а также формировать ее оптимальный состав для обеспечения боеготовности современных объектов бронетанкового вооружения.