Детектирование желудочковых аритмий (в частности, желудочковых фибрилляций) представляет собой важную задачу для любой системы непрерывного мониторинга сердечной функции, поскольку именно желудочковые аритмии являются основной причиной внезапных сердечных приступов с летальным исходом. Особенное значение имеет своевременное обнаружение желудочковой тахикардии, которая может прогрессировать в желудочковую фибрилляцию.

Разработанные методы автоматического детектирования желудочковых аритмий предназначены преимущественно для использования в искусственных дефибрилляторах, однако могут быть внедрены и в мобильные системы мониторинга. В частности, функциональность обнаружения желудочковой тахикардии и фибрилляции запланирована для реализации в детекторе аритмий для мобильных устройств, разрабатываемом в лаборатории FRUCT в Петрозаводском государственном университете. Далее приведен обзор двух подходов, выбранных для реализации.

1. В серии работ сотрудников Инсбрукского медицинского университета (Цюрих, Австрия) Антона Аманна, Роберта Тратнига и Карла Унтеркофлера "A New Ventricular Fibrillation Detection Algorithm for Automated External Defibrillators", "Detecting Ventricular Fibrillation by Time-Delay Methods" предложен метод, основанный на применении преобразования Гильберта исходного сигнала. Суть метода заключается в построении графика на плоскости, на котором по оси абсцисс откладываются значения исходного сигнала, а по оси ординат — значения его преобразования Гильберта, и последующей растеризации по сетке с специально подобранным размером элемента растра. В случае, если запись кардиограммы демонстрирует фибрилляцию или близкое поведение, доля закрашенных элементов оказывается достаточно высокой, при этом для нормальной кардиограммы, отношение числа закрашенных элементов к общему количество невелико.
2. Второй метод предложен исследователями из института биоинформатики Наньянского технологического университета (Сингапур) Сун Яном и его коллегами в статье "Life-threatening ventricular arrhythmia recognition by nonlinear descriptor". Суть метода заключается в применении вейвлет-преобразования и кратномасштабного анализа. При этом фильтры конструируются с использованием параметра Хёрста, характиризующего броуновское движение.

Оба подхода допускают достаточно эффективную реализацию, не нагружающую процессор мобильного устройства сверхтяжелыми вычислениями. С другой стороны оба метода демонстрируют высокую точность детектирования на тестовых данных из архива аннотированных электрокардиограмм MIT-BIH.