• Nie Znaleziono Wyników

2 2

N/A
N/A
Protected

Academic year: 2021

Share "2 2"

Copied!
109
0
0

Pełen tekst

(1)
(2)
(3)
(4)
(5)

ANNOTATION

The theme of the thesis: ««Mathematical and software of computer system of human peripheral nervous system diagnosis» // Master thesis // Melnychuk Andriy // Ternopil Ivan Puluj National Technical University, Faculty of Computer Information Systems and Software Engineering, group SImz-61 // Ternopil, 2019 // p. – 108, fig. – 43, tab. – 11, Sheets A1 – 11, Add – 4, Ref. – 86.

Keywords: COMPUTER SYSTEM DIAGNOSIS, MECHANICAL PROPERTIES, STATES, MATHEMATICS, MATHEMATICS, MECHANICS

The Master thesis is devoted to the mathematical software based on the mathematical model and method of electromiographic signal processing, which are developed by the computer system software for diagnostics of the human peripheral nervous system.

As the structure of the mathematical model of the electromiographic signal, the model in the form of an additive mixture of periodically correlated random process and white noise, which makes it possible to develop an algorithm for computer system diagnostics of the human peripheral nervous system, is substantiated.

(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)

На рис.1.8 зображено реалізації експериментально зареєстрованих ЕМС в різних станах досліджуваних пацієнтів. а) б) Рис.1.8. Реалізації ЕМС: а) ПНСЛ в стані норми; б) стан ПНСЛ - невропатія Для реєстрації та діагностування ПНСЛ за ЕМС застосовують комп’ютерні діагностичні системи. 1.2. Відомі комп’ютерні системи діагностики стану периферичної нервової системи людини

(18)
(19)

нервів та м'язів. Забезпечує опис точок стимуляції і розташування електродів. За допомогою програмного інтерфейсу система забезпечує налаштування анатомічної бази даних. Основні можливості системи Nicolet EDX:  підсилювач має від 2 до 8-ми каналів;  електричний стимулятор може бути як одно- або двоканальний;  оцінювання швидкості проведення периферичних нервів за результатами аналізу параметрів М-відповідей і потенціалів невральних;  дослідження пізніх відгуків м'язів - H-рефлексів, F-хвиль, тест стимуляції нервів для діагностування порушень м'язового-нервово проведення;  кількісна обробка ПДЕ при стимуляції електричній;  обробка ЕМС;  дослідження активності спонтанної;  оцінювання фазо-частотних відхилень і густоти м'язових волокон;  надання довідникової інформації по ЕМГ;  аналіз тремтіння м’язів (не менше 4 вільних каналів) Повна комплектація системи Nicolet EDX:  Мобільний візок;  Портативний або стаціонарний комп'ютер;  Стимулятор;  Лазерний або струменевий принтер  База даних досліджуваних пацієнтів;  База даних анатомічна;  Програмне забезпечення VikingSelect;  ПЗ генерації результуючих звітів в офісі MS Word  Підключення до локальної мережі лікарні (HL7, DICOM)

(20)
(21)
(22)
(23)
(24)
(25)
(26)
(27)
(28)
(29)
(30)
(31)
(32)
(33)
(34)
(35)
(36)
(37)
(38)
(39)
(40)
(41)
(42)
(43)
(44)

Рис. 3.3. Діалогове вікно в модулі GUIDE

(45)

Із застосуванням елементів керування (графічна платформа, вікно виводу результатів, кнопка обробки, елементи виводу та вводу, контекстне меню. Розроблене ПЗ із графічним інтерфейсом зображено на рис. 3.5, яке складається з таких графічних елементів:: 1) uipanel1 – графічна платформа; 2) axes1 – елемент виводу результатів у вигляді графіку; 3) pushbutton1 – кнопка; 4) edit1-edit5 – елементи вводу інформації/параметрів; 5) text1-text6 – вивід текстової інформації. Елементи вводу цифрової (параметри ЕМС) інформації edit1-edit5, відображення текстової інформації text1-text5 розміщена в одній області (підформі) платформи uipanel1. Кнопку pushbutton1 розміщено також на uipanel1 з метою підтвердження введених параметрів, а pushbutton1 – оцінювання характеристик аналізу компонентним методом. Елемент axes1 необхідний для виводу результатів аналізу ЕГС, тобто візуальний аналіз.

(46)
(47)
(48)
(49)

grid on; % Вкл. сітки Запуск процедури Фур’є обробки активується натисканням кнопки з іункцією Untitled_5_Callback та обєктом handles. На початку функції відбувається перезапис даних ЕМС з глобальної змінної edit1,'string' в локальну х, а також запис часового діапазону обробки та даних частоти дискретизації: x=get(pushbutton1,'userdata'); % Реалізація ЕМС dt=1/str2num(get(handles.edit1,'string')) % крок дискретний tN1=get(handles.edit3,'value'); % Час першої межі tN2=get(handles.edit4,'value'); % Час кінцевої межі Значення початку та кінця часу обробки перетворюємо дискретний: N1=fix(t1*df+1); % Перша межа N2=fix(t2*df+1); % Кінцева межа Для Фур’є обробки ЕМС застосовано функцію [y,ff,y]=dft(x,dt,k), де x - ЕМС, k - кількість гармонік для відображення, dt - час дискретизації: [y f]=dft(x(tN1:tN2),dt,(tN2-tN1)/2); % Числення Фурє Для відображення результату Фур’є обробки застосовано команду bar(freque,spektr), де freque –значення частоти, spektr - значення амплітуд freque:

(50)

Кінцевим етапом і найважливішим розробки ПЗ є реалізація компонентної обробки згідно блок-схеми (рис.3.1). Процес компонентної обробки активується меню „Обробка” ”Компонентна обробка”  ”Кореляційні компоненти” запускається функція Untitled_9_Callback з обєктом eventdata, handles.

(51)
(52)
(53)

математичного сподівання кореляційних компонент Bˆ uk( ) відповідно виразу:

 

 

 

  Nu u k u k u B u N u B M 1 ˆ 1 ˆ , u N u1, , k1,Nk , (3.1) де k – номер компонент кореляційних ЕМС, u – часовий зсув, Nk – кількість компонент кореляційних. Для обчислення оцінок згідно виразу (3.1) розроблено меню „Обробка” ”Компонентна обробка” ” ”Усереднені кореляційні компоненти”, яке активовує функцію function Untitled_10_Callback(hObject, eventdata, handles),

(54)
(55)

Натиснення кнопки „Введіть параметри” забезпечує прийняття параметрів ЕМс та його візуалізацію на екрані монітора (рис.3.10-3.11).

Рис. 3.10. ЕМС в стані норми

(56)

Результати Фур’є обробки ЕМС зображено на рис.3.12-3.13.

Рис. 3.12. Фур’є обробка ЕМС(норма)

(57)
(58)
(59)
(60)
(61)
(62)
(63)
(64)
(65)
(66)
(67)
(68)
(69)
(70)
(71)
(72)
(73)
(74)
(75)
(76)
(77)
(78)
(79)
(80)
(81)
(82)
(83)
(84)

6.3. Висновки до розділу 6

(85)
(86)

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 1. Гехт Б.М. Теоретическая и клиническая электромиография. Ленинград, 1990. 229 с. 2. Четырехканальный миоскоп типа MG 440. Руководство по эксплуатации. ССВП Микромед, 1982. 59 с. 3. Васильева-Линецкая Л.Я. Роханский А.О., Галацан А.В. Автоматизированная система исследований электромиографических сигналов человека. Открытые информационные и компьютерные информационные технологии. Харьков,1998. Вып. 2. С.215-220. 4. Бабкин, Л.С., Гехт Б.М., Полуказаков С.Я. Автоматический анализ игольчатой ЭМГ в диффереци-альной диагностике нервно-мышечных заболеваний. Журн. невропатол. и психиатр. 1988. Т.86. Вып. ІІ. С. 12-17 5. Коуэн X.Л., Брумлик Дж. Руководство по электромиографии и электродиагностике: пер. с англ. Москва, 1975. 192 с.

6. Dimitrios Moshou, Ivo Hostens, George Papaioannou, Herman Ramon. Wavelets and self- organising maps in electromyogram (EMG) analysis. Katholieke Universiteit Leuven, Heverlee. Belgium, 2000.

7. Christodoulou C.I. Pattichis C.S. Combining neural classifiers in EMG diagnosis. Proceedings EUFIT’98. Aachen, Germany, 1998

8. Daubechies I. Orthonormal bases of compactly supported wavelets. Commun. Pure Applied Mathematics 41, 1988. pp. 909-996.

9. Engelhart, K. Signal representation for Classification of the Transient Myoelectric Signal. Ph.D. Dissertation. University of New Brunswick, Fredericton, New Brunswick, Canada, 1998.

10. Hudgins, B.S. A New Approach to Multifunction Myoelectric Control. Ph.D. Dissertation. University of New Brunswick, Fredericton, New Brunswick, Canada,1991.

(87)

12. Meyer Y. Combes J. M., Grossman A., Tchamitchian P. Orthonormal Wavelets, Wavelets, time-frequency methods and phase-space”. Springer-Verlag, 1989. pp. 21-37.

(88)

24. Рубин Л.Р. Электродиагностика. Многотомное руководство по неврологии. Семиотика и диагностика нервных заболеваний. Москва. 1962. Т. 2. С. 355-385. 25. Водолазский Л.А. Основы техники клинической электрографии. Москва, 1966. 272 с. 26. Гехт Б.М., Касаткина Л.Ф., Кевиш А.В. Электромиграфия с использованием игольчатых электродов в анализе структуры и функционального состояния двигательных единиц при нервно-мышечных заболеваниях. Журн. невро-патол. и психиатр. 1980. Т. 80. № 6. С. 822-829.

27. An introduction to electromyography. Kobenhavn: Gyldendals, 1957.43 p. 28. Васильев В.Н. Вопросы патогенеза, диагностики и лечения миастении (Обзор зарубежной литературы). Журн. невропатол. и психиатр. 1980. Т. 80, № 11. С. 1729-1734.

29. Agripopoulos С. J. Panajofopopoulos С.Р., Scarpalezos S., Nastas Р.Е. F-wave and M-response conduction velocity in diabetes mellitus. Electromyography. 1979. Vol. 19, № 5. P. 443-457. 30. Байкушев С.Т. , Манович 3.X. , Новикова В.П. . Стимуляционная электромиография и электронейрографня в клинике нервных болезней. Москва, 1974. 144 с. 31. Баскаков С.И. Радиотехнические цепи и сигналы. Москва, 1983. 536 с. 32. Персон Р.С. Теоретические основы трактовки ЭМГ. Физиология человека. 1987 .Т.13. №4. С. 65-67. 33. Сергиенко А.Б. Цифровая обработка сигналов. Санкт-Петербург, 2002. 608 с. 34. Бондарев В.Н. Трёстер Г., Чернега В.С. Цифровая обработка сигналов: методы и средства. Севастополь, 1999. 398с.

35. Jackson, L.B. Digital Filters and Signal Processing. Third Ed. Boston: Kluwer Academic Publishers, 1989.

(89)

37. Куприянов М.С. Матюшкин Б.Д. Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования. Санкт-Петербург, 1999. 592 с.

38. Percival D.B., Walden A.T. Spectral Analysis for Physical Applications: Multitaper and Conventional Univariate Techniques. Cambridge. Cambridge University Press, 1993.

39. Welch P.D. The Use of Fast Fourier Transform for the Estimation of Power Spectra: A Method Based on Time Averaging Over Short, Modified Periodograms. IEEE Trans. Audio Electroacoust. Vol. AU-15 (June 1967). pp. 70-73.

40. IEEE. Programs for Digital Signal Processing. IEEE Press. New York: John Wiley & Sons, 1979.

41. Kay, S.M. Modern Spectral Estimation. Englewood Cliffs, NJ: Prentice Hall, 1988.

42. Oppenheim, A.V., Schafer R.W.. Discrete-Time Signal Processing. Englewood Cliffs, NJ: Prentice Hall, 1989.

43. Crochiere, R.E., Rabiner L.R. Multi-Rate Signal Processing. Englewood Cliffs, NJ: Prentice Hall, 1983. Pgs. 88-91.

44. Proakis, J.G., Manolakis D.G.. Digital Signal Processing: Principles, Algorithms, and Applications. Upper Saddle River, NJ: Prentice Hall, 1996.

45. Rabiner, L.R., Gold B.. Theory and Application of Digital Signal Processing. Englewood Cliffs, NJ: Prentice Hall, 1975.

(90)

51. Дьяконов В.П. Абраменкова И.В. MATLAB 5.0/5.3. Система символьной математики. Москва, 1999. 633 с. 52. Говорухин В.Н. Цибулин В.Г. Компьютер в математическом исследовании: Учебный курс. Санкт-Петербург, 2001. 619 с. 53. Дьяконов В.П. Современные математические системы в образовании. Информационные технологии. 1997. №4. с.40. 54. Дьяконов В.П. Расширяемые системы для численных расчетов MatLab. Монитор-Аспект, 1993. №2. с.26. 55. Потемкин В.Г. Система инженерных и научных расчетов MatLab 5.х. В 2-х т. – Москва, 1999. 366 с.(т.1), 304 с.(т.2).

56. Automatic Decomposition EMG Software Package. Nicolet Biomedical. 1993. 57. Михайличенко, А.А. Клинический практикум по неврологии. Санкт-Петербург: Фолиант, 2001. 305 с. 58. Попелянский, Л.Ю. Вертерброгенные заболевания нервной системы. Казань, 1974. Т.1. 432 с. 59. Комарова Л.А. Влияние синусоидальных модулированных токов на динамику клинико-электромиографических показателей. Вопросы курортологии, физиотерапии и ЛФК. 1985. №1. С. 37-39. 60. Гехт, Б.М. Синдромы патологической мышечной утомляемости. Москва, 1974. 200 с.

61. Borenstein S., Desmedt J. Е. New diagnostic procedures in my asthenia gravis// New developments in electromyography and clinical neurophysioIogv. Basel, 1973. Vol. 1 pp. 350-374.

62. Desmedt J.E., Ann. N.Y. Presynaptic mechanisms in myasthenia graves. Acad.Sci. 1966. Vol. 135. art I. pp. 209-246.

(91)

64. Fuglsang-Frederiksen А., Dahl H., Lo Monaco М. Electrical muscle activity during a gradual increase in force in patients with neuromuscular diseases. Eleeiroenceph. din. Neurophysiol. 1984. Vol. 57, № 4. pp. 320-329.

65. Harvey, A.М., Meslend R.L. The electromyogram in myasthenia gravis. Bull. Johns Hopkins Hosp,1941. Vol. 69. pp. 1-3.

66. Дубенко, Е.Г., Захарьев Ю.М. Нервно-мышечные нарушения при гипотиреозе. Журн. невропатол. и психиатр. 1979. Т. 79, № 3. С. 283-286. 67. Зенков, Л.Р. Гольдин Ю.М. Электромиографические исследования регуляции мочеиспускания в норме и при некоторых спинальных поражениях. Вопр. нейрохир. 1970. № 3. С. 42-47. 68. Тарасова В.В. Екологічна статистика (з блочно-модульною формою контролю знань) : підручник; Держ. агроекол. ун-т. Київ, 2008. 392 c. 69. Ильина, Н.А. Аверьянова Ю.Н.,.Бирюков В.Б. Синдром постоянной активности мышечных волокон (синдром Исаакса). Журн. невропатол. и психиатр. 1979. Т. 79, № 3. С. 261-266. 70. Йохна М.А., Стадник В.В. Економіка і організація інноваційної діяльності: Навч. посіб. Київ, 2005. 400с.

71. Buchthal F. Spontaneous electrical activity of human muscle. Electroenceph. din. Neurophysiol. 1966. Vol. 2. P. 321-336.

(92)

76. Зименко К.А., Боргуль А.С., Маргун А.А., Анализ и обработка сигналов электромиограммы, Научно-технический вестник информационных технологий, механики и оптики, 2013, № 1 (83).

77. Nicolet EDX. URL: https://neuro.natus.com/products-services/nicolet-edx-emg-ncs-ep-iom-system (дата звернення: 19.09.2019).

78. Trigno™ LabН. URL: https://tekscan.ru/p68631527-besprovodnoj-elektromiograf-trigno.html (дата звернення: 19.09.2019).

79. Skybox. URL: https://neurosoft.com/files/catalog/

(93)

Додаток А

(94)
(95)
(96)
(97)

ДОДАТОК Б

(98)
(99)
(100)

Додаток В Текст програмного забезпечення Фур’є обробки function [spektr,freque]=dft(x,dt,k); % Дискретне перетворення Фур'є % [spektr,freque]=dft(x,dt,k); % x - вхідний сигнал % dt - час дискретизації % k - кількість точок на частотній шкалі % spektr - значення амплітуд на частотах freque

if nargin<2, error('Необхідно ввести не менше 2-ох аргументів'); end; if nargin<3, k=length(x); end;

(101)

Додаток Г

Текст програмного забезпечення комп’ютерної системи діагностики стану переферичної нервової системи людини

function varargout = Intarface_EMG(varargin)

% INTARFACE_EMG M-file for Intarface_EMG.fig

% INTARFACE_EMG, by itself, creates a new INTARFACE_EMG or raises the existing % singleton*.

%

% H = INTARFACE_EMG returns the handle to a new INTARFACE_EMG or the handle to % the existing singleton*.

%

% INTARFACE_EMG('CALLBACK',hObject,eventData,handles,...) calls the local

% function named CALLBACK in INTARFACE_EMG.M with the given input arguments. %

% INTARFACE_EMG('Property','Value',...) creates a new INTARFACE_EMG or raises the % existing singleton*. Starting from the left, property value pairs are

% applied to the GUI before Intarface_EMG_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to Intarface_EMG_OpeningFcn via varargin. %

% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES

% Copyright 2002-2003 The MathWorks, Inc.

% Edit the above text to modify the response to help Intarface_EMG

% Last Modified by GUIDE v2.5 23-Nov-2019 00:04:28

% Begin initialization code - DO NOT EDIT gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ...

'gui_OpeningFcn', @Intarface_EMG_OpeningFcn, ... 'gui_OutputFcn', @Intarface_EMG_OutputFcn, ... 'gui_LayoutFcn', [] , ...

'gui_Callback', []); if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1}); end

if nargout

(102)

else

gui_mainfcn(gui_State, varargin{:}); end

% End initialization code - DO NOT EDIT

% --- Executes just before Intarface_EMG is made visible.

function Intarface_EMG_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.

% hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% varargin command line arguments to Intarface_EMG (see VARARGIN)

% Choose default command line output for Intarface_EMG handles.output = hObject;

% Update handles structure guidata(hObject, handles);

% UIWAIT makes Intarface_EMG wait for user response (see UIRESUME) % uiwait(handles.figure1);

set(handles.text8,'string','Завантажте дані електроміосигналу'); set(handles.pushbutton1,'string', 'Введіть параметри');

% --- Outputs from this function are returned to the command line.

function varargout = Intarface_EMG_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT);

% hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure varargout{1} = handles.output;

% ---Load data of EMS--- function Untitled_3_Callback(hObject, eventdata, handles) % hObject handle to Untitled_3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

[namefile, namepath] = uigetfile('*.txt;*.dat;', 'Завантажити дані ЕМС'); if length(namefile)>=1

dir=[namepath namefile]; data=load(dir);

(103)

set(handles.text8,'string','Введіть параметри електроміосигналу'); end;

% ---Save of DATA--- function Untitled_4_Callback(hObject, eventdata, handles)

% hObject handle to Untitled_4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [namefile, namepath] = uiputfile({'*.txt';'*.dat'}, 'Зберегти дані ЕМС'); if length(namefile)>=1 dir=[namepath namefile]; x=get(handles.pushbutton1,'userdata'); tN1=get(handles.edit3,'value'); tN2=get(handles.edit4,'value'); data=x(tN1:tN2); dlmwrite(dir,data,' '); end; rotate3d off; % ---DFT--- function Untitled_5_Callback(hObject, eventdata, handles) % hObject handle to Untitled_5 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) set(handles.text8,'visible','off'); x=get(handles.pushbutton1,'userdata'); dt=1/str2num(get(handles.edit1,'string')) tN1=get(handles.edit3,'value'); tN2=get(handles.edit4,'value'); [y f]=dft(x(tN1:tN2),dt,(tN2-tN1)/2); set(handles.pushbutton1,'string', 'Змінити параметри сигналу'); axes(handles.axes1); bar(f,y); axis tight; grid on; xlabel('Амплітуда, мВ'); ylabel('Частота, Гц'); rotate3d off; % ---Sinfaze--- function Untitled_7_Callback(hObject, eventdata, handles) % hObject handle to Untitled_7 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

(104)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- function Untitled_2_Callback(hObject, eventdata, handles) % hObject handle to Untitled_2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit1 as text

% str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

end

% ---натиснена кнопка--- % --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO)

(105)

tN1=fix(t1/dt)+1; tN2=fix(t2/dt)+1; if tN2>length(x) tN2=length(x); end; set(handles.edit3,'string',num2str((tN1-1)*dt)); set(handles.edit4,'string',num2str((tN2-1)*dt)); set(handles.edit3,'value',tN1); set(handles.edit4,'value',tN2); axes(handles.axes1); t=(0:length(x)-1)*dt; plot(t(tN1:tN2),x(tN1:tN2)); axis tight; grid on; ylabel('Амплітуда, В'); xlabel('Час, сек'); rotate3d off;

function edit2_Callback(hObject, eventdata, handles) % hObject handle to edit2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit2 as text

% str2double(get(hObject,'String')) returns contents of edit2 as a double

% --- Executes during object creation, after setting all properties. function edit2_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

end

function edit3_Callback(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO)

(106)

% handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit3 as text

% str2double(get(hObject,'String')) returns contents of edit3 as a double

% --- Executes during object creation, after setting all properties. function edit3_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

end

function edit4_Callback(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit4 as text

% str2double(get(hObject,'String')) returns contents of edit4 as a double

% --- Executes during object creation, after setting all properties. function edit4_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

% --- Executes during object creation, after setting all properties. function uipanel1_CreateFcn(hObject, eventdata, handles)

% hObject handle to uipanel1 (see GCBO)

(107)

% handles empty - handles not created until after all CreateFcns called

% --- function Untitled_9_Callback(hObject, eventdata, handles) % hObject handle to Untitled_9 (see GCBO)

(108)

shading interp; axis tight; grid on; rotate3d on; xlabel('Номер компоненти, k'); ylabel('Зсув, u'); zlabel('Потужність, В ^2'); % --- function Untitled_10_Callback(hObject, eventdata, handles) % hObject handle to Untitled_10 (see GCBO)

(109)

Cytaty

Powiązane dokumenty

Розроблено метод та алгоритм опрацювання реографічного сигналу на основі математичної моделі у вигляді періодично корельованого випадкового процесу

- Вперше на основі моделі періодично корельованого випадкового процесу (у вигляді сигналу релаксаційного мультипульсатора), як моделі для опису й аналізу

Метою дослідження є розроблення методу аналізу електроміосигналу на базі моделі у вигляді періодично корельованого випадкового процесу

На базі обґрунтованої математичної моделі у вигляді періодично корельованого випадкового процесу застосовано компонентний метод

Методи дослідження побудовано на базі енергетичної теорії стохастичних сигналів (ЕТСС), зокрема подання періодично корельованого

На базі нової математичної моделі суміші електрокардіосигналів матері та плода й засобів моніторингу серцевих сигналів матері та внутріутробного

В результаті аналізу добового електрокардіосиґналу та описаних властивостей періодично корельованих випадкових процесів встановлено, що

У другому розділі «Математична модель електроретиносигналу» розроблено математичну модель електроретиносигналу для задач виявлення у вигляді адитивної