Методы обработки биомедицинских сигналов как средства биометрической аутентификации | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 15 октября, печатный экземпляр отправим 19 октября.

Опубликовать статью в журнале

Автор:

Рубрика: Технические науки

Опубликовано в Молодой учёный №20 (258) май 2019 г.

Дата публикации: 20.05.2019

Статья просмотрена: 201 раз

Библиографическое описание:

Кондрашев, И. В. Методы обработки биомедицинских сигналов как средства биометрической аутентификации / И. В. Кондрашев. — Текст : непосредственный // Молодой ученый. — 2019. — № 20 (258). — С. 112-115. — URL: https://moluch.ru/archive/258/59255/ (дата обращения: 07.10.2022).



В век информационных технологий все больше становится актуальна проблема информационной безопасности. Из-за ежедневного увеличения актуальности угроз появилась необходимость совершенствования существующих мер защиты. Одним из таких механизмов защиты информации является аутентификация [1], которая представляет процедуру проверки подлинности, предъявляемого идентификатора. В качестве аутентификаторов могут выступать: личная информация, доступная только авторизованному пользователю (фраза или пароль), уникальный физический объект (ключ от замка, пластиковая карта) или биометрия (отпечаток пальца, сетчатка глаза). Все существующие методы имеют определенные недостатки и необходимо использовать новые подходы и средства аутентификации, которые бы сложно было сфальсифицировать или украсть.

Использование медицинской диагностической аппаратуры открывает возможность использования в качестве аутентификаторов физиологические показатели, характеризующие работу физиологических систем организма, таких как сердечно-сосудистая система, дыхательная система, нервная система и т. д. Определенный набор данных показателей позволяет сопоставить конкретному человеку некий эталон, который в дальнейшем может использоваться для аутентификации его личности.

Система идентификации на основе данных медицинской диагностики. Для создания такой системы необходимо оборудование, которое будет измерять физические проявления физиологических процессов организма, и представлять их в удобном виде для обработки с помощью электронных средств [2, 3]. В качестве такого оборудования могут выступать: электрокардиограф, магнитокардиограф, фонокардиограф, фотоплетизмограф, электроэнцефалограф, сфигмограф, реограф и т. д.

Рассмотрим в качестве примера систему идентификации на основе анализа электрокардиограмм (ЭКГ), представленную на рис. 1. Перед началом работы системы требуется этап регистрации, который служит для сбора отличительных признаков ЭКГ и хранения их в базе данных. На этом этапе также реализуется специальная предварительная обработка для устранения шумов и артефактов, а также извлечение и обработка различных персональных признаков. После сохранения характеристик субъектов появляется возможность проведения идентификации, когда соответствующий алгоритм классификации присваивает извлеченные характеристики наилучшим совпадающим данным объекта, хранящимся в базе данных.

Рис. 1. Система идентификации на примере ЭКГ

Персональные признаки ЭКГ. Существующие подходы для обработки ЭКГ — сигнала могут быть сгруппированы по двум основным категориям: с предварительной сегментацией и без предварительной сегментации. Каждая категория может быть дополнительно подразделена, как показано на рис. 2.

Рис. 2. Классификация методов обработки ЭКГ

Под сегментацией понимается определение характерных точек в процессе сердцебиения. Временны́е параметры [4, 5] включают в себя: длительность волны сердцебиения в целом и различных интервалов (рис. 3а) между фазами работы сердца (PQ, RS, ST и т. д.). Амплитудные характеристики [5, 6] представляют собой значения амплитуд (рис. 3б), относительных амплитуд между пиками ЭКГ волны, амплитуды пиков 1-й и 2-й производных и т. д. Морфологическими признаками являются форма волны ЭКГ в целом либо формы ее составляющих интервалов.

Рис. 3. Примеры параметров ЭКГ (а — временны́х, б — амплитудных)

Все вышеописанные параметры демонстрируют главный недостаток: сигнал ЭКГ может обладать значительной вариабельностью по времени. Это, в свою очередь, вызывает изменение во временны́х, амплитудных и морфологических параметрах между волнами во время физической активности сердца, например, за счет препаратов или сильных эмоций. Поэтому необходимо нормировать значения относительно изменений ЧСС [7]. Также в качестве параметров можно выбирать значения нормированной автокорреляции [8] или же параметры вейвлет — анализа [9].

Выводы. Существует большое количество методов обработки, но вместе с ними и становятся актуальны следующие проблемы относительно адекватности использования данных медицинской диагностики в качестве аутентификатора. Во-первых, пока неясно, каков наилучший набор параметров следует использовать. Необходимы многочисленные исследования разных наборов признаков для достижения наилучшего результата аутентификации.

Во-вторых, изменчивость физиологических процессов в течение жизненного цикла. Примером тому может являться изменчивость, вызванная работой, старением, спортивной активностью, возникшими болезнями и т. д.

В-третьих, тесты, встречающиеся в литературе, в основном проводились на малом количестве людей. Таким образом, применимость биометрического распознавания диагностических данных в больших масштабах еще не доказана.

Литература:

  1. Аутентификация. Теория и практика обеспечения безопасного доступа к информационным ресурсам: учебное пособие для вузов / А. А. Афанасьев, Л. Т. Веденьев, А. А. Воронцов и др.; под ред. А. А. Шелупанова, С. Л. Груздева, Ю. С. Нахаева. — 2-е изд., стер. — Москва: Горячая линия — Телеком, 2012. — 552 с.
  2. Федотов А. А., Акулов С. А. Математическое моделирование и анализ погрешностей измерительных преобразователей биомедицинских сигналов. — М.: ФИЗМАТЛИТ, 2013. — 282 с.
  3. Рангайян Р. М. Анализ биомедицинских сигналов. Практический подход / Пер. с англ под ред. А. П. Немирко. — М.: ФИЗМАТЛИТ, 2007. — 440 с.
  4. Biel L, Pettersson O, Philipson L, Wide P. ECG analysis: a new approach in human identification. IEEE Trans Instrum Meas. 2001;50(3):808–12 (IEEE).
  5. Israel SA, Scruggs WT, Worek WJ, Irvine JM. Fusing face and ECG for personal identification. In: Proceedings of the 32nd applied imagery pattern recognition workshop, 2003. IEEE. 2003. p. 226–31.
  6. Hoekema R, Uijen GJ, van Oosterom A. Geometrical aspects of the interindividual variability of multilead ECG recordings. IEEE Trans Biomed Eng. 2001;48(5):551–9.
  7. Israel SA, Irvine JM, Cheng A, Wiederhold MD, Wiederhold BK. ECG to identify individuals. Pattern Recognit. 2005;38(1):133–42.
  8. Plataniotis KN, Hatzinakos D, Lee JKM. ECG biometric recognition without fiducial detection. In: Biometrics symposium: special session on research at the biometric consortium conference, 2006. IEEE. 2006. p. 1–6.
  9. Chan ADC, Hamdy MM, Badre A, Badee V. Wavelet distance measure for person identification using electrocardiograms. IEEE Trans Instrum Meas. 2008;57(2):248–53.
Основные термины (генерируются автоматически): система идентификации, баз данных, качество, медицинская диагностика, параметр, предварительная сегментация.


Похожие статьи

Сравнительный анализ возможности использования технологий...

Биометрическая система — это система идентификации шаблонов, позволяющая осуществлять установления соответствий по

Шаблоны по каждому лицу хранятся в базах данных, относящихся к биометрической системе. В модуле идентификации происходит...

К вопросу биометрической идентификации | Статья в журнале...

Предварительная обработка исходных изображений биометрических параметров.

Шаблоны из базы данных сравниваются с представленным образцом один за другим.

Биометрические системы отрицательной идентификации отличаются от тех, что мы рассматривали выше.

Методы интеллектуального анализа данных в диагностировании...

Интеллектуальный анализ данных в медицине, применяемый для построения медицинских диагностических систем, предназначен для того, чтобы помочь врачу, в частности, малоопытному специалисту, свести к минимуму диагностические ошибки и ускорить процесс...

Маркетинговое сегментирование клиентской базы с помощью...

В статье подчеркивается важность применения RFM– анализа в сегментировании клиентской базы. Приводятся некоторые трактовки понятия сегмент рынка. Выделяются различные способы разбиения клиентов на группы при сегментации. Описывается стратегия...

Обзор программ для визуализации медицинских данных

Для создания системы, использующей при своей работе облачные вычисления, необходимо провести анализ существующих программ по обработке и визуализации медицинских данных и выбрать наиболее подходящую для дальнейшей работы.

Сегментация микроскопических изображений эпителиальных клеток

В данной статье рассмотрены различные методы сегментации микроскопических изображений эпителиальных клеток, предназначенных для упрощения дальнейших задач классификации и распознавания гистологических объектов.

Основные стандарты и модели интеграции медицинских...

В данной статье рассмотрено понятие медицинской информационной системы, приведена актуальность проблемы интеграции медицинских информационных систем. Рассмотрены основные стандарты интеграции медицинских информационных систем...

Голосовая аутентификация | Статья в журнале «Молодой ученый»

База данных системы распознавания содержит образцы голосов легальных пользователей в виде моделей.

Например, система распознавания, результат идентификации которой основывается на использовании ИНС и дополнительном статистическом подходе.

Исследование и сравнительный анализ методов аутентификации

В настоящее время передача данных по незащищенным каналам связи создаёт потенциальную возможность для действий злоумышленников. В информационных системах хранится, обрабатывается, циркулирует различная информация...

Преимущества и недостатки применения биометрических систем...

Основные термины (генерируются автоматически): баз данных, система, биометрическая идентификация, ошибка, биометрическая

Далее система сравнивает биометрические параметры полученного изображения и идеального, хранящегося в базе данных (далее БД) в...

Похожие статьи

Сравнительный анализ возможности использования технологий...

Биометрическая система — это система идентификации шаблонов, позволяющая осуществлять установления соответствий по

Шаблоны по каждому лицу хранятся в базах данных, относящихся к биометрической системе. В модуле идентификации происходит...

К вопросу биометрической идентификации | Статья в журнале...

Предварительная обработка исходных изображений биометрических параметров.

Шаблоны из базы данных сравниваются с представленным образцом один за другим.

Биометрические системы отрицательной идентификации отличаются от тех, что мы рассматривали выше.

Методы интеллектуального анализа данных в диагностировании...

Интеллектуальный анализ данных в медицине, применяемый для построения медицинских диагностических систем, предназначен для того, чтобы помочь врачу, в частности, малоопытному специалисту, свести к минимуму диагностические ошибки и ускорить процесс...

Маркетинговое сегментирование клиентской базы с помощью...

В статье подчеркивается важность применения RFM– анализа в сегментировании клиентской базы. Приводятся некоторые трактовки понятия сегмент рынка. Выделяются различные способы разбиения клиентов на группы при сегментации. Описывается стратегия...

Обзор программ для визуализации медицинских данных

Для создания системы, использующей при своей работе облачные вычисления, необходимо провести анализ существующих программ по обработке и визуализации медицинских данных и выбрать наиболее подходящую для дальнейшей работы.

Сегментация микроскопических изображений эпителиальных клеток

В данной статье рассмотрены различные методы сегментации микроскопических изображений эпителиальных клеток, предназначенных для упрощения дальнейших задач классификации и распознавания гистологических объектов.

Основные стандарты и модели интеграции медицинских...

В данной статье рассмотрено понятие медицинской информационной системы, приведена актуальность проблемы интеграции медицинских информационных систем. Рассмотрены основные стандарты интеграции медицинских информационных систем...

Голосовая аутентификация | Статья в журнале «Молодой ученый»

База данных системы распознавания содержит образцы голосов легальных пользователей в виде моделей.

Например, система распознавания, результат идентификации которой основывается на использовании ИНС и дополнительном статистическом подходе.

Исследование и сравнительный анализ методов аутентификации

В настоящее время передача данных по незащищенным каналам связи создаёт потенциальную возможность для действий злоумышленников. В информационных системах хранится, обрабатывается, циркулирует различная информация...

Преимущества и недостатки применения биометрических систем...

Основные термины (генерируются автоматически): баз данных, система, биометрическая идентификация, ошибка, биометрическая

Далее система сравнивает биометрические параметры полученного изображения и идеального, хранящегося в базе данных (далее БД) в...

Задать вопрос