автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Теория и методы анализа сердечного ритма и распознавания аритмий в медицинских диагностических системах

На правах рукописи

Манило Людмила Алексеевна

ТЕОРИЯ И МЕТОДЫ АНАЛИЗА СЕРДЕЧНОГО РИТМА И РАСПОЗНАВАНИЯ АРИТМИЙ В МЕДИЦИНСКИХ ДИАГНОСТИЧЕСКИХ СИСТЕМАХ

Специальность 05 11 17-Приборы, системы-и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени доктора технических наук

Санкт-Петербург - 2007

003065946

Работа выполнена в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им В И Ульянова (Ленина)

Научный консультант -

доктор технических наук, профессор Немирко А П Официальные оппоненты

доктор технических наук, профессор Васин Ю Г доктор технических наук, профессор Зайченко К В доктор биологических наук, профессор Гуткин В И

Ведущая организация - ФГУ Всероссийский научно-исследовательский и испытательный институт медицинской техники Росздравнадзора

диссертационного совета Д 21 _ ________ , , _.. ,___________

электротехнического университета «ЛЭТИ» им В И Ульянова (Ленина) по адресу 197376, Санкт-Петербург, ул Проф Попова, 5

С диссертацией можно ознакомиться в библиотеке университета

Защита диссертации состоится

Ученый секретарь диссертационного совета

Юлдашев 3 М

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Развитие медицинских автоматизированных диагностических систем в значительной мере связано с появлением новых способов цифровой обработки данных, совершенствованием методов распознавания биосигналов и внедрением новых компьютерных технологий

В последнее время широкое распространение получили системы, обеспечивающие длительный и непрерывный контроль основных параметров сердечно-сосудистой системы человека (ССС) Показатели деятельности сердца отражают работу многих систем организма, а нарушения в его работе значительно увеличивают риск внезапной смерти Получение объективной оценки текущего состояния пациента повышает надежность распознавания патологий и часто предотвращает возникновение необратимых изменений миокарда за счет своевременного применения реанимационных мероприятий Расширяется парк диагностических систем, обеспечивающих автоматический анализ ЭКГ с целью обнаружения патологий и распознавания аритмий, что помогает врачам прогнозировать развитие заболевания и своевременно вырабатывать эффективную тактику лечения

Актуальность разработки новых методов автоматического анализа сердечного ритма (СР) и распознавания аритмий обусловлена появлением новых направлений и технологий кардиологических исследований, требующих совершенствования практических систем диагностики и наблюдения

Следует отметить, что сигналы, генерируемые биологическими объектами, по своим свойствам существенно отличаются от сигналов, рассматриваемых в технических системах В основном их отличает повышенная изменчивость, как во времени, так и по популяции Это влечет за собой трудность, а порой и невозможность построения аналитической, статистической или алгоритмической модели процесса Поэтому методологической основой автоматического анализа таких процессов должна быть не только теория обработки сигналов, но и теория распознавания образов и искусственного интеллекта Выбор методов обработки биосигналов в той области исследований, где известны феноменологические особенности изучаемых явлений, должен быть основан на анализе моделей процессов и комплексном подходе к решению задач автоматизации анализа ЭКГ

Наиболее важной задачей систем кардиологического наблюдения и диагностики является надежное распознавание опасных аритмий (желудочковая фибрилляция - ЖФ, трепетание желудочков сердца), что во многом определяет эффективность работы системы Совершенствование этих систем требует создания более мощных средств диагностики, позволяющих надежно распознавать критические состояния, как в момент проявления, так и в момент зарождения фибрилляции желудочков сердца

В Приоритетном национальном проекте «Здоровье» отмечается актуальность решения задач, направленных на укрепление здоровья населения России, снижение уровня заболеваемости, инвалидности, смертности, а также на удовлетворение потребности населения в высокотехнологичных видах медицинской помощи При

этом отмечается недостаточная оснащенность медицинских учреждений диагностическим оборудованием Все это требует разработки и внедрения высокоэффективных диагностических систем медицинского назначения, в том числе и систем автоматизации кардиологических исследований Создание современных методов и средств, направленных на повышение качества автоматического анализа ЭКГ и обеспечивающих надежную диагностику патологий сердца, в том числе и аритмий, способствует оптимизации лечения заболеваний ССС

Аналогичные выводы прозвучали в докладах и материалах VII Международного славянского конгресса по электростимуляции и клинической электрофизиологии сердца «Кардиостим» (С -Петербург, 9-11 февраля 2006 г) Отмечено, что в последнее время резко возросло число больных с мерцательной аритмией (МА) и только переход к автоматизации кардиологического наблюдения поможет решить ряд проблем предотвращение тромбоэмболических эпизодов, являющихся крайне опасными для жизни пациентов, оценивание электрофизиологических факторов риска в процессе развития этого нарушения, оптимизация врачебной тактики лечения, включая и решение о применении искусственной электрокардиостимуляции сердца

Таким образом, рассматриваемая работа, посвященная развитию теории, разработке методов анализа сердечного ритма и распознавания аритмий, относится к одному из актуальных направлений по созданию медицинской техники, методов и способов автоматической диагностики в кардиологии

Цель диссертационной работы: повышение качества и надежности компьютерных систем кардиологического наблюдения и диагностики за счет развития теории и разработки более эффективных методов анализа сердечного ритма и распознавания аритмий, а также создания соответствующего алгоритмического и программного обеспечения

Для достижения поставленной цели должны быть решены следующие задачи исследования

1 Модификация и исследование математической модели генерации ритма сердца, содержащей описание основных электрофизиологических механизмов управления водителем сердечного ритма

2 Разработка теории и методов преобразования последовательности кардиоциклов в непрерывный сигнал для задач анализа вариабельности сердечного ритма (ВСР) и диагностики физиологических состояний, отличающихся уровнем вегетативной регуляции

3 Разработка теории и методов распознавания опасных аритмий, обеспечивающих надежное и своевременное обнаружение и прогнозирование катастрофических состояний в системах непрерывного контроля ЭКГ

4 Развитие теории и методов распознавания мерцательной аритмии и классификации ее видов по признакам структурных отношений в последовательности кардиоциклов, что способствует повышению эффективности диагностики и лечения

5 Разработка методов коррекции низкочастотных искажений электрокардиосигнала (ЭКС), что определяется необходимостью проведения

исследований в реальных условиях и требованиями эффективного распознавания нарушений ритма

6 Создание новых компонентов алгоритмического и программного обеспечения компьютерных систем диагностики, позволяющих расширить класс распознаваемых нарушений сердечного ритма и осуществить прогноз развития патологий сердца

Методы исследования. Для решения поставленных задач в теоретической части диссертационной работы использовались методы математического моделирования, спектрального анализа, математической статистики, распознавания образов, математического аппарата детерминированного хаоса

Экспериментальная часть работы выполнена на реальных сигналах, записанных в клиниках С -Петербурга, а также выбранных из стандартной базы ЭКГ-данных MIT-BIH Массачусетского технологического института, США Для проведения экспериментов разработан комплекс алгоритмов и программ, реализованных в оболочках Lab VIEW и MATLAB

Научная новизна результатов заключается в разработке и исследовании

• математической модели управления водителем сердечного ритма, учитывающей влияние вегетативной нервной системы (ВНС) на работу водителя ритма, что позволило адекватно описать исследуемые состояния ССС,

• теории и методов частотно-интегрального преобразования сигнала сердечного ритма к равномерной временной шкале с использованием кубических сплайнов, что позволило осуществить эффективное распознавание спектральных составляющих функции вегетативного управления,

• методов и алгоритмов распознавания опасных аритмий, основанных на формировании упорядоченного набора спектральных признаков и использующих коррекцию линейных разделяющих функций, что позволило решить задачу надежного обнаружения желудочковой фибрилляции в системах непрерывного контроля ЭКГ,

• метода распознавания ранних форм опасных аритмий, основанного на введении весовых функций в дискриминантный критерий для многоклассовой задачи, что позволило автоматически обнаруживать начальные формы развития фибрилляции желудочков сердца,

• теории и методов линейного дискриминантного анализа с использованием параметров условной энтропии и приближенной оценки энтропии Колмогорова, позволяющих обнаруживать хаотические изменения в последовательности кардиоциклов, а именно, распознавать мерцательную аритмию на фоне других нарушений ритма,

• методов автоматической классификации мерцательной аритмии по признакам устойчивых связей между смежными кардиоциклами, что способствует повышению эффективности диагностики, лечения и оптимизации решений о применении искусственной кардиостимуляции,

• метода коррекции дрейфа изолинии на основе кубических сплайнов, отличающегося псевдолокальным способом построения интерполирующей

функции, что требует значительно меньших вычислительных затрат и позволяет организовать вычисления в режиме оперативной обработки электрокардиосигнала,

• методов повышения эффективности работы систем диагностики за счет расширения класса распознаваемых аритмий и оптимизации прогностических параметров динамики состояний на основе предложенных математических моделей

Достоверность научных положений и выводов подтверждается результатами использования математического анализа, общей теории распознавания образов, результатами модельных и натурных экспериментов, эффективностью предложенных методов и алгоритмов, а также результатами практического использования алгоритмических и программных средств

Практическую ценность работы представляют следующие полученные в диссертационной работе результаты

1 Методы и алгоритмы автоматического анализа ЭКГ, предназначенные для использования в составе программно-алгоритмического обеспечения различных компьютерных систем медицинского назначения

• алгоритм воспроизведения функции водителя сердечного ритма, включенный в процедуру спектрального анализа вариабельности сердечного ритма,

• методы распознавания опасных для жизни аритмий, позволяющие обнаруживать ранние формы желудочковой фибрилляции в системах непрерывного контроля ЭКГ,

• алгоритмы распознавания хаотических фрагментов ритмограммы на основе оценок условной энтропии, энтропии Колмогорова и параметров авторегрессионной модели, обеспечивающие возможность диагностики в процессе мониторирования ЭКГ с целью последующего восстановления нормального ритма сердца,

• решающие правила автоматического распознавания мерцательной аритмии на фоне других нарушений ритма, что расширяет диагностические и прогностические возможности систем непрерывного контроля ЭКГ,

• методы кубической сплайн-интерполяции данных, предназначенные для коррекции изолинии и других задач обработки ЭКГ в режиме реального времени

2 Программно-алгоритмические комплексы, реализующие предложенные методы анализа электрокардиосигнала и используемые для решения исследовательских и практических задач в кардиологии

Научные положения, выносимые на защиту.

1 Обработка электрокардиосигнала в автоматизированных системах диагностики, использующих спектральный анализ вариабельности сердечного ритма, должна включать процедуру воспроизведения функции управления водителем сердечного ритма, что обеспечивает адекватное распознавание состояний ССС, связанных с разным уровнем баланса вегетативных влияний на работу сердца

2 Распознавание электрокардиосигнала в частотной области, основанное на формировании упорядоченного набора спектральных признаков и коррекции линейных решающих правил в двухклассовой задаче с использованием дополнительных векторов, улучшает условия классификации и позволяет надежно обнаруживать желудочковую фибрилляцию на фоне других нарушений ритма

3 Задача распознавания ранних форм опасных аритмий в частотной области может быть решена методами многоклассового линейного дискриминантного анализа с использованием полученных в работе аналитических выражений для весовых функций, приближающих значение критерия Фишера к оценке ошибки классификации

4 Распознавание фрагментов мерцательной аритмии, представленных последовательностями кардиоинтервалов конечной длины, целесообразно проводить с использованием скорректированных оценок условной энтропии и приближенной оценки энтропии Колмогорова, что делает возможным анализ динамики хаотических свойств анализируемых процессов в режиме реального времени

5 Эффективное подавление низкочастотных искажений на этапе предварительной обработки электрокардиосигнала и воспроизведение функции управления водителем сердечного ритма можно осуществить на основе предложенного в работе метода интерполяции с помощью квазилокальных кубических сплайнов, что позволяет организовать вычисления в режиме оперативной обработки данных и обеспечивает высокое качество интерполяции

Реализация результатов работы. Результаты теоретических и прикладных исследований, полученные в диссертационной работе, использовались при выполнении НИР (более 20 проектов) В том числе по грантам РФФИ • 97-0100260 «Исследование методов распознавания образов для анализа биомедицинских сигналов» (1997-1999), • 00-01-00448 «Исследование методов обработки и распознавания биомедицинских сигналов» (2000-2002), • 02-01-08073-инно «Разработка и создание опытного образца компьютерного комплекса для функциональных исследований в кардиологии» (2002-2004), • 03-01-00216 «Исследование методов распознавания формы биомедицинских сигналов» (20032005), • 06-01-00546 «Разработка методов и алгоритмов распознавания биомедицинских сигналов» (2006-2008), • 07-01-00569 «Анализ нелинейных свойств и распознавание сигналов на базе теории детерминированного хаоса» (2007-2009)

В рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники гражданского назначения» выполнены проекты • 0201 05 251 «Разработка информационных технологий и инструментальных средств для создания и развития прикладных инструментальных систем в технике, образовании, медицине и в системах специального назначения» (1999-2001), • 01 37 03 01 05 «Методы распознавания образов, обработки сигналов и изображений для самоорганизующихся систем» (2002-2004)

Результаты работы использованы при разработке ритмокардиоанализаторов РКА-01, РКС-02, созданных на кафедре БМЭ и ОС СПбГЭТУ «ЛЭТИ» совместно с BMA им СМ Кирова и СПбГМУ им акад ИП Павлова, внедренных в

серийное производство в КБ завода «Измеритель» Результаты научных исследований внедрены в компьютерные системы мониторного контроля ЭКГ «RITMON-1», «RITMON-4» и диагностический комплекс «КардиоКит», разработанные в СПбГЭТУ «ЛЭТИ» совместно с предприятием ООО «БИОСИГНАЛ»

Результаты исследований внедрены в учебный процесс СПбГЭТУ «ЛЭТИ» по направлениям подготовки специалистов в области медицинского приборостроения «Биомедицинская техника» и «Биомедицинская инженерия» Они включены в разработанные автором учебно-методические комплексы по дисциплинам «Автоматизированные системы для медико-биологических исследований», «Автоматизация биомедицинских исследований», «Технические средства управляемого эксперимента» и др

Апробация работы Основные научные и практические результаты диссертационной работы докладывались и обсуждались в период 1980 - 2007 гг более чем на тридцати конференциях и симпозиумах по проблемам теории и практики обработки и распознавания биосигналов, медицинского приборостроения и автоматизации электрокардиографических исследований, в том числе на следующих Международных и Всероссийских конференциях и симпозиумах

• Всесоюзной научно-технической конференции «Проблемы создания технических средств для диагностики и лечения заболеваний сердечно-сосудистой системы» (1990, Львов), • 5й and 7- International Conference on Biomedical Engineering and Medical Informatics (SYMBIOSIS 1997, Brno, SYMBIOSIS 2003, St Petersburg), • International Workshop «Biomedical Engineering & Medical Informatics» - BEMI'97, (1997, Gliwice, Poland), • 3-й Международной конференции «Радиоэлектроника в медицинской диагностике» (1999, Москва), • Международной конференции по мягким вычислениям и измерениям - SCM'99 (1999, С -Петербург), • Международных конференциях «Распознавание образов и анализ изображений новые информационные технологии» (РОАИ-5-2000, Самара, РОАИ-6-2002, Великий Новгород, РОАИ-7-2004, С-Петербург), • II и VII Международных симпозиумах «Электроника в медицине Мониторинг, диагностика, терапия» (КАРДИОСТИМ-2000, С -Петербург, КАРДИОСТИМ-2006, С -Петербург), • 5-й и 7-й Международных конференциях «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» («Распознавание-2001», Курск, «Распознавание-2005», Курск), • 5- International Symposium on Test and Measurement (2003, Shenzhen, China), • The 3—European Medical and Biological Engineering Conference EMBEC 05 (2005, Prague, Czech Republic), • 12-ой Всероссийской конференции «Математические методы распознавания образов» (2005, Москва), • VII Международной научно-технической конференции «Физика и радиоэлектроника в медицине и экологии» - ФРЭМЭ (2006, Владимир), а также на ежегодных научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ» (1980-2007 гг )

Разработанные в процессе выполнения настоящей работы устройства и системы автоматического анализа ЭКС неоднократно демонстрировались на выставках медицинской техники и научных приборов

Публикации По теме диссертации опубликовано 55 научных работ, из них -1 монография, 34 статьи (опубликованных в ведущих рецензируемых журналах и изданиях, определенных ВАК Минобрнауки РФ - 25 статей), 14 работ - в материалах российских и международных научно-технических конференций, 2 авторских свидетельства на изобретения, выданные ГК СМ СССР по делам изобретений и открытий, 4 комплекса алгоритмов и программ, зарегистрированных ГФАП

Структура и объем диссертации Диссертация состоит из введения, шести глав, заключения, списка литературы, включающего 181 наименование, списка условных обозначений и аббревиатур Основная часть работы изложена на 242 страницах машинописного текста Работа содержит 92 рисунка и 24 таблицы Общий объем составляет 333 страницы

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, формулируется ее цель, кратко излагаются основные решаемые задачи и полученные результаты, включая научную новизну и практическую ценность, рассмотрены используемые методы исследования, освещены итоги реализации результатов работы, приведены научные положения, выносимые на защиту

В первой главе приводятся результаты анализа проблем, связанных с автоматизацией ЭКГ-исследований Рассмотрено два основных направления в развитии систем автоматического анализа ЭКГ

Первое направление включает задачи распознавания патологий сердца и диагностики аритмий в клинико-диагностических системах, осуществляющих кратковременный анализ ЭКГ пациента в состоянии покоя Развитие их в первую очередь направлено на поиск формальных диагностических критериев и решающих правил, позволяющих повысить эффективность диагностики

Второе направление объединяет задачи непрерывного анализа ЭКГ в системах кардиологического наблюдения, применяемых для клинического и амбулаторного (Холтеровского) мониторирования, электрофизиологических и нагрузочных исследований, электрокардиостимуляции и кардиосинхронизации, наблюдения за состоянием оператора в биотехнических системах Системы и устройства, относимые к этому направлению, предназначены для решения таких задач, как получение объективной оценки текущего состояния пациента, распознавание ситуаций, требующих медицинского вмешательства и др В этих системах применяют самые передовые технологии и, как следствие, они обеспечивают значительно более высокий уровень проводимых исследований В последнее время они превратились из инструментальных систем, в которых диагностика аритмий ограничивалась измерением частоты сердечных сокращений (ЧСС) и сигнализацией тревог, в полноценные вычислительные диагностические комплексы с широкими возможностями по оценке ЭКГ-данных Развитие этих систем требует создания высокотехнологичного программного обеспечения,

реализующего современные методы обработки сигналов, распознавания образов и искусственного интеллекта

Выделен класс систем, составляющих предмет исследования в настоящей диссертационной работе Рассмотрена обобщенная структура обработки ЭКГ, которая представляет собой полнофункциональный комплекс, предназначенный для решения следующих медицинских задач

• мониторный контроль ЭКГ в палатах интенсивной терапии,

• анализ ЭКГ при проведении нагрузочных проб,

• анализ ВСР с целью оценки текущего состояния и прогнозирования возможных исходов лечения

Показано, что методы автоматической обработки и анализа ЭКС, реализованные в программно-алгоритмических комплексах этих систем, удобно разделить на 3 группы

• обнаружение и классификация (ЗЛв-комплексов, диагностика аритмий (1),

• анализ 8Т-сегмента (2),

• анализ ВСР (3)

Выделено три направления автоматическго анализа ЭКС и рассмотрены особенности реализации каждого этапа обработки Установлено, что диагностика аритмий (группа методов 1) осуществляется в соответствии с классификацией по методам анализа и степени опасности патологий сердца для пациента При этом наибольшую трудность для реализации в диагностических системах представляет распознавание аритмий из групп нерегулярного ритма (МА) и опасных аритмий (ЖФ и трепетание желудочков сердца) Мерцательная аритмия отличается нерегулярным характером изменений длительностей Ш1-интервалов, наличием волн мерцаний предсердий и распознается в режиме непрерывного контроля ЭКГ, как правило, с использованием графических методов анализа ритма, включающих построение скаттерограммы и анализ гистограммы КЕ-интервалов Эти методы дают наглядную информацию о характеристиках ритма сердца, позволяют вычислять показатели разброса кардиоинтервалов и оценивать степень аритмичности желудочковых сокращений, но не могут быть отнесены к методам автоматической диагностики Следует отметить, что проблема автоматического распознавания эпизодов МА, в настоящее время привлекает большое внимание В последние годы резко возросло число больных с этой аритмией и, как показывают многочисленные исследования кардиологов, выработка тактики антиаритмического лечения, включая имплантацию электрокардиостимуляторов, во многом определяется результатами наблюдения за динамикой развития этого нарушения Трудность разработки методов автоматической диагностики МА связана с отсутствием состоятельных математических моделей, описывающих характер изменений мгновенного ритма, что обуславливает необходимость проведения специальных исследований, направленных на решение этой проблемы

Известно, что опасные аритмии, требующие немедленных реанимационных мероприятий, распознаются по признакам отсутствия Я-зубцов на выходе обнаружителя желудочкового комплекса при анализе достаточно коротких (несколько секунд) фрагментов ЭКС или в случае нестабильного их обнаружения

Это гарантирует надежное выявление катастрофических аритмий при появлении ЖФ или асистолии, однако не позволяет надежно обнаруживать ранние формы опасных аритмий (пируэтную форму пароксизмальной тахикардии) В современных работах по исследованию этиологии ЖФ нашли применение методы спектрального анализа ЭКС В них по ограниченному набору частотных признаков изучается волновая структура ЭКС, что позволяет строить концептуальную модель возникновения, развития и самопрекращения этого нарушения Однако отсутствуют методы автоматического распознавания опасных аритмий, которые обеспечивали бы надежную диагностику их ранних форм В связи с этим возникает необходимость исследования методов распознавания биосигналов сложной формы по их частотному описанию, что позволит решить эту задачу

Во вторую группу входят методы анализа нагрузочной ЭКГ, включающие коррекцию изолинии и анализ ишемических изменений БТ-сегмента В процессе функциональных исследований возникает необходимость подавления низкочастотных искажений, сопровождающих нагрузочные пробы, что трудно осуществить методами цифровой фильтрации Здесь требуется разработка эффективных методов оперативной коррекции ЭКС, основанных на аналитическом подходе (сплайн-аппроксимации), что решит задачу повышения достоверности нагрузочных исследований Отмечено, что создание достаточно простых и надежных методов сплайн-интерполяции позволит также применить процедуру коррекции на этапе обнаружения желудочкового комплекса Это повысит точность локализации Я-зубца, надежность анализа ВСР и эффективность распознавания аритмий в процессе мониторирования ЭКГ под нагрузкой

Отмечено, что третья группа методов, предназначенных для анализа ВСР, основана на использовании более сложных математических методов обработки и преобразования последовательностей 1Ш.-интервалов Проведен обзор современных методик анализа ВСР, к которым относятся методы временного и частотЕЮго анализа, нелинейные методы и вариационная пульсометрия по методике Р М Баевского Показано, что анализ ВСР целесообразно проводить временными и частотными методами, позволяющими оценить меру изменчивости ритма сердечных сокращений при разных условиях съема ЭКГ и состояниях организма в покое, при нагрузках, в случае наличия различных патологий

Рассмотрены этапы обработки сигнала для задач спектрального анализа ВСР, среди которых выделен этап «преобразование к равномерной временной шкале» Необходимость его обусловлена неравномерностью распределения значений интервалов во времени, что делает невозможным прямое применение алгоритмов БПФ для реализации спектрального анализа ВСР Отмечено, что изменение ритма сердца тесно связано с регуляторными механизмами ВНС, а вычисляемые параметры ВСР используются врачами для оценки баланса между симпатическим и парасимпатическим отделами ВНС и обладают очень важной диагностической и прогностической информацией Сделан вывод о необходимости создания методов спектрального анализа ВСР, основанных на современных представлениях о механизмах автономного управления СР На основе проведенного анализа проблем повышения качества диагностики и изучения существующих методов автоматической обработки ЭКС обоснованы основные задачи исследования

Вторая глава посвящена исследованиям электрофизиологических механизмов формирования сердечных сокращений и модели управления водителем CP, проведенным с целью определения зависимости между дискретной последовательностью кардиоинтервалов и непрерывной управляющей функцией водителя CP Предложен метод спектрального анализа CP на основе моделирования функции вегетативного управления

Известно, что регуляция CP является результатом ритмической активности синоатриального узла и модулирующего влияния ВНС, центральной нервной системы, ряда гуморальных факторов и рефлекторных воздействий В норме основное модулирующее влияние оказывает ВНС Многочисленные механизмы управления ритмом сердца мог ут быть интегрально представлены функцией управления водителем CP, переход к которой можно осуществить, используя модель интегрального частотно-импульсного модулятора (IPFM - Integral Pulse Frequency Modulator)

На основе детального анализа электрофизиологической модели управления и модификации IPFM-модели предложен метод воспроизведения функции ВСР Модель отражает диастолическую фазу изменения мембранного потенциала и описывает взаимосвязь управляющей функции mit) и последовательности сердечных сокращений, представленной потоком единичных импульсов

Моменты времени , определяющие два последовательных события в

(1), связаны друг с другом интегральным соотношением

где Т - постоянная интегрирования, соответствующая уровню порогового потенциала, xQ = const

При модификации IPFM-модели приняты следующие допущения

• единственным фактором, формирующим сигнал CP (1), является изменение крутизны диастолической деполяризации,

• рефрактерный период учтен в параметрах модели Т и х0,

• соотношения между автономной активностью симпатического и парасимпатического отделов ВНС и крутизной диастолической деполяризации, объединены в непрерывную управляющую функцию m(t) на входе модели

Метод воспроизведения функции m(t) основан на анализе эквивалентного (1) и (2) выражения для интегральной функции

/*0 = Х>(<-0.

г = 0,1,2, ,к (1)

(2)

о

Описаны методика и процедура реконструкции управляющей функции По результатам работы обнаружителя СЖв-комплексов ЭКГ формируется дискретная

последовательность ), г = 1,2, ,к, значения которой определены в

соответствии с (3) Используя интерполяцию на базе кубических или линейных сплайнов, воспроизводится непрерывная функция М(/) и далее, посредством операции дифференцирования, реконструируется управляющая функция т(г) Переход к ее равномерной дискретизации с заданной частотой (обычно 4 Гц) позволяет вычислить СПМ и оценить выраженность частотных компонент в диапазонах УЫ7 (0,003 - 0,04) Гц, и (0,04 - 0,15) Гц и ОТ (0,15 - 0,40) Гц

Даны рекомендации по выбору параметров преобразования на каждом этапе обработки Обоснована необходимость использования в составе разработанного метода алгоритма восстановления непрерывной кривой по отсчетам сигнала с применением кубических сплайнов Составлена схема классификации и проведен анализ методов, осуществляющих преобразование сигнала СР к равномерной временной шкале Определено место предложенного метода в общей схеме классификации

Отмечено, что предложенный подход принципиально отличается от существующих методов спектрального анализа ВСР, использующих следующие виды преобразования ритмограммы построение равномерной интервальной последовательности, интерполяция кусочно-полиномиальными функциями (нулевого, первого и третьего порядков) неравномерной последовательности кардиоинтервалов, анализ счетных событий и другие

В предложенном методе переход к воспроизведению и анализу функции т(1) позволяет получить полную информацию об уровнях функционирования симпатического и парасимпатического отделов ВНС, что имеет важное диагностическое значение Приведены результаты экспериментальных исследований методов преобразования сигнала СР к равномерной временной шкале на модельных и реальных сигналах Обосновывается выбор показателей для оценки эффективности распознавания спектральных составляющих

• интенсивность утечки, , (определяется как относительное значение суммарной мощности спектральных компонентов, находящихся за пределами изолирующих окон, центрированных относительно частот заданных гармонических функций),

• число ложных спектральных компонент па с амплитудами более чем а (1, 5 и 10) % от полной мощности сигнала

Модельные сигналы т,(?), т2(/) и т3{(), представленные с частотой дискретизации 250 Гц, включали одну, две и три гармонических компоненты с частотами /, = 0,10 Гц, /2 = 0,03 Гц и /3 = 0,25 Гц, соответствующими диапазонам Ц7, УЬР, и ОТ

Сравнительный анализ предложенного и используемых в практических разработках способов преобразования сигнала СР, показал, что метод спектрального анализа, основанный на реконструкции функции управления, обеспечивает более высокую эффективность распознавания частотных составляющих т(() в ОТ-, 1Лг-, областях Значения ^ при использовании предлагаемого метода составили 0,76 %, 0,69 % и 2,46 % для сигналов т^), т2(?)

и m^if), соответственно, а показатель па~6, 4, 3 для сигнала m3(t) Близкие результаты показал метод, основанный на кубической интерполяции неравномерной последовательности кардиоциклов, но значения SL оказались выше и составили, соответственно, 0,92 %, 1,15% и 4,63 %

В ходе экспериментов, выполненных на реальных записях ЭКГ, установлено, что переход от спектрального анализа функций, описывающих ритмограмму, к анализу функции управления ЧСС улучшает условия распознавания состояний, связанных с разным уровнем вегетативной регуляции В качестве характеристики баланса симпатических, соответствующих LF-диапазону, и парасимпатических, соответствующих HF-диапазону, влияний использовался показатель & = /lf//hf> где PhF и PHF - значения суммарной мощности в диапазоне низких LF и высоких HF частот Анализ более 100 реализаций ЭКГ длительностью 5 мин, представляющих два класса функциональных состояний ССС, включал оценку показателя к двумя способами с использованием традиционного метода построения интервальной последовательности и на основе предложенного метода воспроизведения функции m[t)

Установлено, что критерий Фишера J, принимающий максимальное значение в условиях наилучшей классификации двух состояний, увеличивает значение от 0,11 до 0,22 при переходе к анализу функции автономного управления

Синтезирован алгоритм воспроизведения функции автономного управления ритмом сердца, который вошел в состав биотехнической системы автоматического анализа ВСР Структура обработки и анализа ЭКС, представлена на рис 1

Рис 1 Структура обработки ЭКГ в исследовательском комплексе

Обработка включает этапы усиления, фильтрации и аналого-цифрового преобразования, процедуру подавления помех, выделение С^-комплексов и формирование последовательности Ы1-интервалов Далее осуществляется

воспроизведение функции автономного управления m(t) с последующей дискретизацией (отмечено серым тоном) Анализ ВСР производится во временной и частотной областях Результаты исследований отображаются на экране дисплея и документируются в базе данных с использованием методов сжатия ЭКГ На заключительном этапе врачом-специалистом (В) формируется заключение о состоянии ССС пациента (П) Полученные в этой главе результаты сравнительного анализа говорят в пользу разработанного метода

Третья глава посвящена теоретическому обоснованию и разработке спектральных методов распознавания опасных для жизни пациента аритмий Показано, что построение классификационного описания, опирающегося на рассмотрение полного ряда спектральных коэффициентов, как упорядоченного набора параметров, приводит к возможности построения в пространстве выбранных признаков эффективной разделяющей гиперплоскости

Известно, что при появлении опасных аритмий ЭКГ принимает вид нерегулярных волн переменной амплитуды и частоты, переходящих в хаотические колебания, что затрудняет их распознавание во временной области Эту задачу предлагается решить в частотной области, но в отличие от известных методов, ориентированных на анализ содержательных признаков, в работе исследуется теоретический подход, в основе которого лежит следующая процедура оптимизации классификационного описания ЭКС

Формируются два альтернативных класса сигналов щ - ЖФ и а>2 -фоновый ритм и аритмии, не представляющие прямую угрозу жизни пациента Для каждого фрагмента ЭКС, заданного на интервале TN последовательностью отсчетов хп, п = 0, ,{n-1) с частотой дискретизации fd = l/h , Гц вычисляется

2 h

выборочная оценка СПМ G(fk) = —

к TN Nh '

к = 0,1,2, ,N/2 Учитывая эффект смещения выборочного спектра, необходимо применить специальные взвешивающие функции

Используя критерий, основанный на анализе среднего межгруппового расстояния р^к\аиа2\ осуществляют ограничение анализируемой области частот, что уменьшает размерность исходного спектрального описания и упрощает процедуру распознавания сигналов Далее применяют одну из двух процедур группировки спектральных коэффициентов, целью которых является снижении размерности описания, а также повышение устойчивости спектральных оценок за счет анализа суммарной мощности сигнала в наиболее значимых для распознавания сигналов областях

Первый способ основан на использовании периодограммной оценки Даньелла и формирует новый ряд спектральных отсчетов путем усреднения (2Р +1) соседних частот

1 ¡+р

2Р + 1

-р

Учитывая возможное ухудшение разрешения соседних частот, можно использовать перекрывающиеся сегменты, что обеспечит более детальный анализ сигналов в частотной области

Второй способ предусматривает автоматическое формирование частотных областей путем нахождения оптимальных границ для группировки смежных спектральных коэффициентов В этом случае для заданного числа интервалов Ь оцениваются суммарные площади под кривой СПМ

/ % 1 тр+1 = — Ус(/к\ р = 1 ,Ь

р

(4)

Перебор вариантов расположения границ областей [тр, тр+]) в каждой из Ь частотных областей (4) позволяет получить достаточно большой набор векторов из которых наилучший вариант в =(6^, ,Сгр, Оь)Т определяется по

максимальному значению расстояния/^(о^.л^), где целочисленный аргумент г однозначно связан с переменным кодом, задающим положение границ

Процедуры формирования спектральных признаков применены при распознавании двух классов ЭКС су, и со2 , специально отобранных из ЭКГ-базы М1Т-ВШ На рис 2 приведены реализации ЭКС и соответствующие оценки СПМ для сох (рис 2, а и б) и а2 (рис 2, в и г) Длительность анализируемых фрагментов Ты= 2 с, а = 250 Гц

100 200 300 400

а)

/Ча, Л л

1

/к, Гц

/ь Гц

100 200 300 400 ■ 5 10

П _» ш

«) г)

Рис 2 ЭКС и соответствующие оценки СПМ для желудочковой фибрилляции (а, б) и фонового ритма (в, г)

В результате сформированы два вида описаний, включающих ¿=15 признаков при использовании оценки Даньелла (Д/" =0,976 Гц) и ¿=4 - при оптимизации границ частотных областей Экспериментально установлено, что в

обоих случаях объекты образуют достаточно компактные группы и классификацию ЭКС можно эффективно осуществить, используя один из предложенных способов построения пространства спектральных признаков

Показано, что задачу распознавания ЭКС в частотной области целесообразно решать с применением линейных функций й(С) = \УгС + и>0, \УГ = (и>,, м>2 , и>, ) на основе максимизации критерия Фишера ,/ В этом случае вектор \У = [0,5(£, +£2)]~'(М1 -М2), где Е,, Е2 и М,,М2 - ковариационные матрицы и векторы математического ожидания для классов <И] и со2, соответственно Однако, в ходе модельных экспериментов выявлен нежелательный эффект притяжения \У в исходном пространстве к тем направлениям, которые формируют признаки, отличающиеся малой величиной разброса между классами, но имеющие близкую к нулю дисперсию Кроме того, из определения вектора \У следует, что построение разделяющей гиперплоскости не зависит от особенностей каждой из двух ковариационных матриц Е,и Е2, что требует введения корректирующих правил

Предложена процедура коррекции положения разделяющей функции /г(с)=0 путем нахождения дополнительного вектора, определяемого с помощью критерия Фишера в пространстве меньшей размерности При этом объекты исходного множества проецируются на гиперплоскость £>х_] размерности {Ь -1),

расположенную ортогонально вектору \¥, (= ^¡Р), задающему

направление с наибольшим значением критерия 3 в исходном пространстве признаков 0£ Координаты любого объекта С1;С2, ,СЛ, в пространстве определяются в виде

г = 1>2> (5)

где С^Ср'"1' - векторы, задающие положение г-го объекта в исходном (I- мерном) и преобразованном (£—1- мерном) пространствах

Проекции объектов в пространстве двух новых координат будут определяться в виде набора скалярных величин, задаваемых выражениями

Л,=\¥,ГС„ У2,=\У2ГС,, г = 1,2, М, (6)

где векторы и \У2 должны быть приведены к нормализованному виду

Это позволяет перейти к построению дискриминантных функций на плоскости ()>\,У2) Именно этот подход был использован для решения задачи распознавания опасных нарушений ритма по частотному описанию ЭКС

Анализ полученных данных показал, что введение дополнительного вектора \¥2 в соответствии с (5), (6) позволяет скорректировать положение разделяющей гиперплоскости путем перехода от Щ к Н2 При этом удается более чем в два раза повысить значение межклассового расстояния, что создает более благоприятные условия для построения линейного классификатора с учетом критерия наилучшего взаимного расположения распознаваемых классов объектов (рис 3) В случае достаточно сложной картины группировки наблюдений появляется возможность

использовать и более сложные разделяющие поверхности, аппроксимируя последние кусочно-линейными функциями Этот подход может быть распространен на переход от ¿-мерного исходного пространства к /»-мерному описанию меньшей размерности

У\

0,055

0,053

ч ** н2 \ \ со2 /ч-о ОО

1 .. Ai .. Н,

| 0° о \

\®1 д2 ' \ /О \ \ \

0,051

0 008 0 010 0 012 0 014 уг Рис 3 Разделяющие функции Нь Н2 в пространстве координат .уi,y2 Решена задача распознавания трех классов ЭКС, представленных eot, а>2 и классом азъ - ранними формами опасных аритмий Предложено оптимизировать процедуру построения линейных решающих правил путем введения весовых коэффициентов аг в обобщенное выражение для множественного критерия J

J = Y f.n.n.a, , tr\ (W' S, W )'(WJ Si'^W)!, (7)

1=1 ,/=j+i

где в, - матрица рассеяния между классами со, и со /, 82 = , п, и nJ -

1=1

частота появления объектов классов а>1 и а>}, с — число классов, а1} задается в виде

8 4ях

х2 X4 3 2'5

где х, j =

2V2J'

(8)

Выражение (8) для весовых функций ач = ) получено исходя из

условия приближения критерия 3 (7), максимизирующего степень расхождения классов, к критерию минимизации средней ошибки классификации объектов

Это позволило в 1,8 раза, по сравнению с классическим подходом, основанном на использовании критерия оптимизации в виде 3 = в,),

уменьшить ошибку распознавания опасных аритмий

Получены решающие правила для распознавания двух (л»,, ty2) и тРех (й),,£У2,£Уз) классов ЭКС В первом случае использовано спектральное описание, полученное на основе оптимизации границ частотных областей (L=4), а во втором применена периодограммная оценка Даньелла (¿=15) Эффективность решающих правил оценивалась на контрольной выборке ЭКС, включающей более 250 реализаций Чувствительность и специфичность метода обнаружения ЖФ составили Se = 98% и Sp = 96%, соответственно, а средняя ошибка классификации

для случая с = 3 равна 4,6%, что является показателем высокой надежности распознавания аритмий в двухклассовой и трехклассовой задачах

Четвертая глава посвящена исследованию теоретических подходов и разработке методов автоматического анализа и распознавания МА В соответствии с модельными представлениями об особенностях организации временных рядов кардиоинтервалов при МА, а именно, наличию нерегулярных изменений длительностей кардиоциклов, рассмотрены три способа распознавания этого нарушения ритма на фоне других, менее опасных аритмий

Установлено, что минимальная длина анализируемых фрагментов ЭКС должна составлять 3 минуты, что гарантирует выявление особенностей структуры ритма при МА Альтернативный класс ЭКС составили реализации нормального синусового ритма (HP), синусовая аритмия (СА), частая желудочковая экстрасистолия (ЧЭ) Ритмограммы этой группы могут иметь достаточно большой разброс значений RR-интервалов, но в случайной картине изменений ритма обнаруживаются скрытые закономерности, имеющие разный характер В качестве математических моделей предложены следующие классы объектов

1 Случайный процесс, порождающий дискретный временной ряд со слабокоррелированными отсчетами, использование при этом параметрического описания последовательностей кардиоинтервалов позволяет оценить качество прогнозирования временных рядов с разным типом корреляционных зависимостей

2 Случайный процесс, представленный нерегулярным временным рядом (под регулярностью ряда, преобразованного посредством квантования и символьного кодирования его составляющих в последовательность состояний, понимается статистическая устойчивость структуры переходов во времени)

3 Сложный процесс с выраженной хаотической составляющей, используются методы анализа детерминированных хаотических процессов (под детерминированным хаосом понимается нерегулярное, т е хаотическое, движение, порожденное нелинейными системами)

Первый способ распознавания МА основан на построении фильтра линейного предсказания ошибки вперед и определения этой ошибки как индикатора наличия случайных изменений в анализируемой последовательности кардиоинтервалов Этот диагностический параметр определяется в виде

где а] - интегральная ошибка линейного предсказания, щ. - дисперсия КК-интервала в анализируемой последовательности

Коэффициенты линейного предсказания определялись как параметры модели авторегрессии, для вычисления которых использовался алгоритм Берга Оценка порядка модели р проводилась с применением критерия Акаике Исследование данного подхода на модельных и реальных сигналах показало, что только при МА параметр Р остается на довольно низком уровне (2,95 ± 0,53)%

Второй подход основан на оценке параметров условной энтропии Показано, что анализ изменения этого показателя во времени, т е удлинении цепочек символов, описывающих анализируемый процесс, может служить эффективной мерой нерегулярности поведения генерирующей его системы

Учитывая смещение оценки условной энтропии Е{Ь/Ь-1), которое возрастает при увеличении длины цепочек Ь и приводит к ложному представлению о регулярности анализируемого ряда, предложены следующие корректирующие правила, учитывающие конечность выборок кардиоинтервалов

( (0 4

1 +

V

(9)

дг(')

12(^-1)=£(1/1-1)+£(1) (10)

где АГ£- число анализируемых цепочек символов длины Ь, А^ - число лишь однажды встретившихся цепочек символов длины ¿-1, £(1) - величина безусловной энтропии для одиночных событий ¿=1

В выражении (9) «неизвестным» цепочкам придается среднее приращение энтропии, оцениваемое по числу информативных последовательностей событий, равному (лг£ - А^) В формуле (10) редким событиям присваиваются веса, равные £(1), благодаря чему «неизвестные» цепочки рассматриваются как случайные, а не как регулярные последовательности

Исследованы зависимости предложенных оценок условной энтропии (9), (10) от длины анализируемых цепочек Ь для трех видов модельных сигналов гармонического сигнала, шума, аддитивной смеси сигнала и шума, показавшие эффективность введения коррекции Предложен критерий обнаружения нерегулярных фрагментов ритмограммы, основанный на вычислении величины относительного минимума МЕ, задаваемого в виде

МЕ = Е{1) - тъо{Ё2(Ь/Ь-1)} (11)

Получены численные значения и доверительные интервалы показателя МЕ при уровне значимости а = 0,05 для МА и альтернативных групп ритма НР, СА и ЧЭ МЕ =(0,85 ± 0,09) для НР и С А, МЕ= (0,74 ±0,10) для ЧЭ, и МЕ=(0,17 ± 0,11) для МА Показано, что параметр Ай? можно использовать для идентификации фрагментов конечной длины с разной выраженностью детерминированных и случайных компонентов При попадании текущего окна обработки на область данных, соответствующих хаотическим изменениям ритмограммы, значение МЕ резко уменьшается, что является индикатором появления приступа аритмии

На рис. 4 приведены результаты анализа параметра МЕ для сложной последовательности ПК-интервалов, содержащей кратковременный приступ МА.

щг

МЕ ■

125 375 625 875 1125 1375 / б)

Рис. 4. Последовательность КК- интервалов с фрагментом МЛ (в) и результат анализа параметра МЕ (б)

Третий подход основал на использовании аппарата детерминированного хаоса. При этом вычисляется ряд параметров приближенной опенки энтропни Колмогорова (К-энтропии), что делает возможным анализ хаотических изменений сигнала но ограниченной Выборке данных. Оценка К-энтропии для последовательности КК-интервалов длины N определяется в виде:

АрЕп (м (» - ],

(12)

Г(г)=

(ЛГ-и+1)

где С™(() - число пар последовательностей кардиомнтервалов длины т,

максимально^ расстояние между которыми о1 [А (/), Л'(/)] < г, ( / - 1.....(Л' - т +1));

г - величина порога, задающего размер ячеек фазового пространства.

Основное отличие функции, задаваемой выражением (12), от условной энтропии заключено в способе формирования элементарных областей

фазового пространства. При расчете АрЕп(»¡,г,Л') работает адаптивный механизм построения элементарных гиперсфер радиусом г с центром, задаваемым каждой точкой, в которой находится объекг фазового пространства.

В ходе модельных экспериментов обоснован выбор значений ЛГ=300 и г = 0,2 а, где а - оценка среднеквадратического отклонения величины КК.-интервала, что позволило перейти к анализу функции АрЕп(т). На широком классе модельных сигналов покачано, что АрЕп (да) отражает степень сложности

дискретного процесса - чем выше его регулярность, тем меньше значение этой величины Для исключения влияния на оценки АрЕп{т), т = 1,2,3, одиночных цепочек, число которых резко возрастет с увеличением т, предложена скорректированная оценка АрЕпсог(т), что позволило найти относительный минимум МЕК =АрЕп(о)~ mm {ЛрЕпС0Г(т)\ Проведен анализ свойств

т=\ 6

исследуемых характеристик при разной длине выборки N, равной 150, 300, 600 и 1000 отсчетам Это позволило сделать вывод о надежности получаемых оценок хаотических свойств дискретных последовательностей даже при №=150

Приведены результаты модельных экспериментов, позволяющие исследовать свойства предложенных характеристик для идентификации детерминированных, случайных и хаотических компонентов дискретных процессов Показано, что задачу распознавания МА на фоне альтернативных групп аритмий можно эффективно решить, используя предложенный способ построения линейных дискриминантных функций в пространстве признаков МЕК, АрЕп(т), т. = 1,2,3

Сравнительный анализ исследуемых в диссертационной работе методов диагностики МА, проведенный на реальных записях ЭКС, показал, что метод, использующий приближенную оценку К-энтропии, является наиболее надежным В таблице приведены результаты обработки более 350 реализаций ЭКГ предложенными методами, обозначенными как AR-модель, ME и АрЕп, которые сравнивались с известными способами анализа МА, основанными на проверке гипотезы о нормальном законе распределения кардиоинтервалов (критерий у?) и оценке среднеквадратического отклонения (Dev)

Таблица

Метод Альтернативные классы ЭКГ Чувствительность метода, Se% Специфичность метода, Sp%

Критерий ^ HP, СА 74,5 97,4

Dev ЧЭ 98,8 64,7

AR-модель HP, СА и ЧЭ 93,3 91,4

ME HP, СА и ЧЭ 98,5 89,3

АрЕп HP, СА и ЧЭ 98,0 98,5

Как видно из таблицы, метод АрЕп отличается высоким уровнем чувствительности (Яе= 98 %) и специфичности (Яр=- 98,5 %), что позволило

использовать его в практических задачах Анализ параметра МЕ может быть применен в задаче оперативного анализа ритмограмм с целью распознавания фрагментов с нерегулярными свойствами

На основе анализа двумерных распределений кардиоинтервалов и преобразования ритмограммы в последовательность детерминированных образцов длины Ь=2 сформулированы решающие правила для автоматического распознавания видов МА (мономодальный симметричный, мономодальный асимметричный, амодальный, полимодальный, мономодальный инвертированный) На выборке реальных записей ЭКГ, включающей 240 фрагментов ЭКГ размером

.№=300 каждый, проведен анализ эффективности решающих правил минимальное значение 5е=94%, Б =99% - для всех видов МА

В пятой главе содержатся результаты теоретических и экспериментальных исследований методов воспроизведения непрерывных функций по набору экспериментальных точек с помощью сплайн-интерполяции

В качестве основных направлений использования кубических сплайнов при автоматизации ЭКГ-исследований рассмотрены задачи подавления низкочастотных искажений ЭКС и реконструкции функции управления водителем СР Показано, что на методы интерполяции ложится основная нагрузка по обеспечению надежности распознавания и прогнозирования сердечных патологий, особенно в ходе нагрузочных исследований

Предложена процедура восстановления кривых по набору точек у1,у2, Уы с помощью глобального интерполяционного сплайна, представленного по базису кубических 5-функций (мегод В) На основе кубических полиномиальных сплайнов ■У,,„= £3 ¡(У), (« = 3, \> = п-т), обеспечивающих непрерывность во внутренних узлах сетки двух производных (т = 2) порядка /=1,2, предложен метод построения кривых по точкам (метод К1), отличающийся от метода В более простым псевдолокальным способом формирования интерполирующей функции Этот способ интерполяции требует значительно меньших вычислительных затрат и позволяет организовать вычисления в режиме оперативной обработки данных

Использование описания локально заданных кубических сплайнов в виде полиномов Эрмита и введение интерполяционных и граничных условий позволило получить систему уравнений, для которой существует единственное решение ж,, г = 1,2, После определенных преобразований эту систему можно

представить в матричной форме

0 0 С

щ

0 0

«2 0

А,

О О О

0 а.

X, А

»2 Рг

х3 = 03

А.

(13)

где а, =2 + к,)--/ = 2,3, ,N-1, а„=-кы_1--

Р{=И> Д®, Д=(Д(»-Д«)-^-^ г = 2,3, ,N-1, , - -и2 Л® Ры-\

П,

= 2,3, г = 2,3, ,#-1

Значения неизвестных х, в (13) могут быть получены в виде

а,

При оперативной обработке ЭКГ, когда необходимо многократно вычислять значения сплайна, удобно пользоваться представлением его в виде многочлена

третьей степени 5,3;](0 = 4+с! (*-*,) + сг </-г,)2+сз и

хранить в памяти для каждого г-го сегмента значения с'к, к = О,1,2,3 Для перехода

к этому представлению коэффициенты рассчитываются следующим образом

Со=У„ (х,+1+2х,), (14)

К

с\ = Ъх1, г = 1,2, ,#-1 (15)

К

В задаче воспроизведения функции управления водителем СР интегральная кривая М(/) строится по узловым точкам, задаваемым массивом М(/1), 1 = 1,2, ,к В диссертации рассмотрена процедура реконструкции функции с помощью кубической интерполяции и эффективность такого преобразования для задач спектрального анализа ВСР

Процедура коррекции изоэлектрической линии, разработанная на основе изложенного метода, состоит из следующих основных этапов

• определение узлов для построения интерполирующего сплайна на текущем отрезке ЭКС (используются поисковые процедуры, определяющие опорные точки на изоэлектрическом участке РС}- сегмента),

• вычисление коэффициентов с'к по формулам (14), (15),

• расчет значений сплайна во всех точках обрабатываемого отрезка ЭКС,

• коррекция изолинии на данном участке сигнала путем вычитания значений сплайн-функции из исходного ЭКС

Считывание и обработка ЭКС организована по отрезкам сигнала конечной длины (4,6 с), разделенного на 9 блоков, с перекрытием соседних фрагментов Это необходимо для сглаживания перехода между сплайнами, строящимися независимо друг от друга на соседних участках Весь цикл вычислений выполняется параллельно с накоплением в буферную память очередного отрезка сигнала, что делает алгоритм пригодным для текущей обработки ЭКС Размер памяти, необходимой для хранения информации на каждом шаге обработки, определяется в основном длительностью обрабатываемого участка сигнала и числом узлов интерполяции

Проведены экспериментальные исследования эффективности коррекции методом К1 на модельных и реальных сигналах Результаты экспериментов сравнивались с известными способами подавления дрейфа изолинии на базе кубических сплайнов 53>2(0 (метод К2), линейных сплайнов (метод Ъ), а также основанном на использовании глобального кубического В-сплайна (метод В) Последний метод использовался в качестве эталонного для сравнительной оценки качества работы более простых быстродействующих алгоритмов обработки

В качестве основной характеристики эффективности коррекции рассматривался коэффициент Кп, определяемый как отношение максимального

значения остаточной амплитуды помехи к ее исходному значению А"сх

Аост р

Кп = ^ Получены зависимости этого показателя Кп - /(г/), г; = —, где Ру-

частота следования узлов, Рп - частота сигнала помехи Качество коррекции во всех исследуемых методах значительно возрастает с увеличением частоты Ру В

условиях функциональных исследований это свойство является особенно важным, поскольку повышение ЧСС приводит к увеличению Ру

Исследованы интегральные показатели качества коррекции Модельные и реальные эксперименты показали высокую эффективность предложенного метода интерполяции и надежность коррекции изолинии методом К1 на этапе предварительной обработки ЭКС Подавление низкочастотных искажений ЭКС на 90 % и более достигается при ЧСС=60 мин"1 для Рп < 0,32 Гц, а при ЧСС=158 мин'1 для Рп < 0,60 Гц, что гарантирует надежность анализа при нагрузочных пробах

В шестой главе рассмотрены вопросы применения разработанных методов автоматического анализа СР и распознавания аритмий в составе математического и программного обеспечения компьютерных систем диагностики и наблюдения Приведены структуры программных комплексов, методики кардиологических исследований, дано описание экспериментального материала, на основе которого оценивалась эффективность разработанных методов и алгоритмов

Исследования и разработки в области создания алгоритмического и программного обеспечения систем мониторного контроля ЭКГ выполнялись автором с 1977 г на кафедре Биомедицинской электроники и охраны среды СПбГЭТУ «ЛЭТИ» Одновременно с этим осуществлялось внедрение результатов работы в практические устройства и системы клинического назначения Технические характеристики этих систем показали полную работоспособность разработанных алгоритмов и высокое быстродействие Опыт практического применения подтвердил высокую эффективность автоматического анализа ЭКГ

Разработанные в процессе выполнения диссертационной работы алгоритмы анализа СР были интегрированы с алгоритмическим обеспечением и пакетом прикладных программ (ППП) "МТМОЫ-1", который составляет основу нескольких практических компьютерных систем кардиологического наблюдения В результате был создан исследовательский комплекс, реализующий автоматический анализ ВСР на базе моделирования функции управления водителем ритма

Алгоритмы распознавания опасных аритмий, обнаружения МА, а также решающие правила классификации видов МА были включены в диагностические комплексы, созданные на базе этого ППП Алгоритм коррекции изоэлектрической линии внедрен в основной ППП и используется в составе нескольких систем мониторного контроля ЭКГ Применение созданных программных комплексов в условиях клиник подтвердило состоятельность теоретических подходов и эффективность предложенных в работе методов автоматического анализа ЭКГ

Исследований методов спектрального анализа ВСР выполнено на реальных записях рйтмограмм, полученных во время хирургических операций и в ходе кардиологического наблюдения за больными в разных клиниках г. С.-Петербурга.

'Эксперименты по распознаванию опасных нарушений ритма проведены на реальных записях ЭКС, полученных из автоматизированной базы М1Т-ВШ. Выбор этой базы данных, обусловлен, в первую очередь, полнотой представленных в ней классов нарушении ритма. Эта база ЭКГ-данных стала международным стандартом для тестирования алгоритмов анализа ЭКГ. Достоинство этой базы данных состоит в воз мо ж г гости сопоставления результатов, полученных в разных исследованиях.

Эксперимены но обнаружению МЛ были выполнены с использованием специально созданной базы данных, в которую вошли архивные записи ЭКГ иапиекток 4-го кардиологического отделения СПб ГУЗ «Городская больница №31», полученные в ходе эксплуатации кард и «монитор ной системы «RJTM0N-1». Все реализации были предварительно верифицированы и разделены на 3 класса: ИР (с выраженной дыхательной аритмией), МЛ, ЧЭ. Кроме того, в режиме скоростного сканирования ритма сердца гщ скатгерограмме были выбраны фрагменты ЭКС для пяти основных видов МА. Методы коррекции иЗфлектрической линии исследовались на записях ЭКГ из специализированной базы данных, созданной в ходе проведения фармакологический и нагрузочных проб и отделении функциональной диагностики СПбГМУ им, акад И.П. I [авлова. В качестве примера на рис. 5 показан режим отображения результатов анализа ВСР й 1ТПП «RITMON-1».

Рис, 5. Спектральный анализ вариабельности сердечного ритма

13 правой Части экрана воспроизводится Iрафик спектральной оценки выбранного фрагмента ритмограммы, выше индицируется значение суммарной мощности по всему диапазону частот, в центральной части экрана графически и численно отображается распределение мощностей по частотным диапазонам: УЬР(0.003 - 0.040) Гц; 1Д0.04 - 0.15) Гц; НК(0.15 - 0.40) Гц. Результаты проведенных исследований позволили рекомендовать предложенные методы и алгоритмы анализа ритма сердца н распознавания аритмий для внедрения в

основной ППП

ПГП1 «КГГМСЖ-1» входит в состав компьютерного кардиоанализатора «КАРДИО-8», который может использоваться в учреждениях лечебного и санаторно-курортного профиля Он разработан специалистами СПбГЭТУ «ЛЭТИ», СПбГМУ им акад ИП Павлова и ООО «БИОСИГНАЛ» ППП «ШТМОЫ-1» имеет рекомендацию МЗ РФ, а также зарегистрирован в РосАПО Компьютерный кардиоанализатор «КАРДИО-8», выпускается фирмой "АДИТОН" (С -Петербург), имеет сертификат Госстандарта РФ и рекомендацию МЗ РФ Основные медико-технические характеристики и методика работы с ППП приведены в диссертации

Система «ШТМОМ-4» представляет собой аппаратно-программный комплекс, который включает компьютерную станцию центрального наблюдения, а также аппаратуру съема ЭКГ, выпускаемую фирмой «АДИТОН» (С -Петербург) Кардиоанализаторы "КАРДИО-3", составляющие основу этой аппаратуры, имеют сертификат Госстандарта РФ и рекомендацию МЗ РФ Система предназначена для круглосуточной регистрации и автоматического наблюдения ЭКГ пациентов в условиях клиники

ППП «КардиоКит» предназначен для автоматизации функциональных исследований при непрерывном контроле ЭКГ Он рассчитан на использование в составе компьютерного кардиоанализатора «КАРДИОМЕТР-МТ», выпускаемого фирмой «МИКАРД» (С -Петербург) Кардиоанализатор «КАРДИОМЕТР-МТ» имеет сертификат Госстандарта РФ и сертификат МЗ РФ ППП «КардиоКит» разработан специалистами СПбГЭТУ «ЛЭТИ» и ООО «БИОСИГНАЛ»

Наряду с созданием новых компонентов математического и программного обеспечения компьютерных диагностических систем результаты работы нашли внедрение в учебный процесс по направлению подготовки специалистов в области медицинского приборостроения Автором разработаны учебные комплексы по дисциплинам «Автоматизированные системы для медико-биологических исследований», «Автоматизация биомедицинских исследований», «Технические средства управляемого эксперимента» и др

В заключении излагаются основные результаты теоретических исследований и практических разработок, представленных в диссертационной работе

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертации решен ряд теоретических проблем и разработан комплекс методов цифровой обработки и распознавания биосигналов в применении к плохо формализуемым задачам автоматического анализа ЭКГ, что привело к расширению класса распознаваемых нарушений сердечного ритма и повышению качества и надежности систем диагностики за счет создания соответствующего алгоритмического и программного обеспечения

1 Модифицирована математическая модель генерации ритма сердца, устанавливающая соотношение между функцией автономного управления и сигналом сердечного ритма, что позволило предложить процедуру реконструкции входной функции

2 Разработан метод преобразования сигнала сердечного ритма в непрерывный сигнал для задач спектрального анализа ВСР, который основан на воспроизведении функции вегетативного управления Результаты экспериментов на модельных сигналах и реальных записях ЭКГ показали, что предложенный метод позволяет 1,8 раза уменьшить ошибку оценки основных частотных составляющих функции управления и в 2 раза увеличить значение функции критерия Фишера, используемого при распознавании физиологических состояний сердечно-сосудистой системы по спектральным признакам

3 Предложены методы формирования спектральных признаков для задач классификации сигналов в частотной области Они основаны на использовании сглаженных оценок СПМ и оптимизации границ частотных областей для группировки смежных спектральных коэффициентов Применение этих методов для задачи обнаружения желудочковой фибрилляции позволило более чем в 5 раз по сравнению с традиционными способами описания СПМ увеличить значение функции критерия Фишера, оценивающего степень расхождения распознаваемых классов

4 Разработан математический аппарат и предложена процедура коррекции положения разделяющей функции путем нахождения дополнительных векторов в пространстве меньшей размерности На примере задачи обнаружения желудочковой фибрилляции показано, что введение дополнительного вектора позволяет в 2,4 раза увеличить межклассовое расстояние, а это в свою очередь облегчает условия построения линейного классификатора

5 Предложены весовые функции для вычисления критерия оптимизации в задачах распознавания многих классов сигналов, что усиливает влияние на выбор решающих функций близко расположенных кластеров Получено аналитическое выражение для вычисления весовых коэффициентов Показано, что использование весовых функций при распознавании опасных аритмий уменьшает среднюю ошибку классификации в 1,8 раза

6 Получены решающие правила для распознавания опасных нарушений ритма по спектральным признакам в двухклассовой и трехклассовой задачах и проведен анализ их эффективности Чувствительность и специфичность метода обнаружения желудочковой фибрилляции составили 98% и 96%, соответственно Средняя ошибка классификации равна 4,6 % Это позволяет решить проблему обнаружения ранних форм опасных аритмий

7 Предложено и исследовано три модели описания хаотических изменений, наблюдаемых в ритмограмме и, соответственно, три метода обнаружения фрагментов мерцательной аритмии, использующих следующие теоретические подходы

• оценку точности предсказания значений временного ряда авторегрессионной моделью,

• анализ параметров условной энтропии с использованием коррекции ее значений по числу одиночных событий,

• линейный дискриминантный анализ на базе параметров приближенной оценки энтропии Колмогорова

Экспериментально показано, что последний подход, позволяет надежно обнаруживать хаотические изменения, порождаемые нелинейными моделями, а также обеспечивает наименьшую ошибку распознавания мерцательной аритмии на фоне нормального ритма и частой экстрасистолии, равную 2,5%

8 Предложен метод и сформулированы решающие правила автоматического распознавания типов мерцательной аритмии, что расширяет диагностические возможности систем непрерывного контроля состояния кардиологических больных

9 На основе кубических полиномиальных сплайнов Эрмита предложен метод интерполяции (К1), отличающийся от метода, основанного на В-сплайнах (В), более простым псевдолокальным способом построения интерполирующей функции Этот способ интерполяции требует значительно меньших вычислительных затрат и позволяет организовать вычисления в режиме оперативной обработки данных

10 На базе методов В и К1 предложены алгоритмы коррекции изолинии ЭКГ Исследование их эффективности показало, что подавление низкочастотной помехи на 90% достигается при значениях отношения частоты взятия узлов к частоте помехи r¡ > 3,1 - для метода В и г/ > 4,1 - для метода К1 Это означает, что метод К1 надежно подавляет дрейф изолинии с частотами ниже 0,32 Гц и может быть эффективно использован в системах автоматической обработки ЭКГ на этапе предварительной обработки сигнала

11 Созданы новые компоненты компьютерных систем наблюдения и диагностики и исследовательские комплексы, позволяющие решать задачи классификации функциональных состояний организма по спектральным признакам ВСР, а также расширяющие класс распознаваемых нарушений CP, что способствует повышению эффективности применения средств автоматизации в процессе диагностики и лечения Методы коррекции дрейфа изоэлектрической линии внедрены в практические системы «RITMON-1», «RITMON-4», «КардиоКит», которые имеют рекомендации МЗ РФ, а также сертификат Госстандарта РФ и рекомендацию МЗ РФ для аппаратных средств и выпускаются несколькими предприятиями г С -Петербурга

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Кардиомониторы Аппаратура непрерывного контроля ЭКГ / АЛ Барановский, А Н Калиниченко, Л А Манило и др, под ред А Л Барановского и АП Немирко -М Радио и связь, 1993 -248 с

2 Манило, Л А Матричные операторы связи дискретных спектров Фурье и Уолша / Л А Манило, В А Пономарев, Е П Попечителев // Автометрия - 1977 -№1 -С 41-45

3 Автоматизированная система наблюдения за состоянием кардиологических больных /АЛ Барановский, А Н Калиниченко, Л А Манило и др //Электронная промышленность - 1978 -Вып 5(65) - С 80-81

4 Суханова, H В Ритм сердечных сокращений в различных стадиях сна и при бодрствовании / H В Суханова, Л А Манило//Физиология человека - 1978 -Т 4, № 3 - С 419-425

5 Сжатие электрокардиосигнала в реальном масштабе времени / А П Немирко, А Л Барановский, Л А Манило и др // Техника средств связи Сер ОТ - 1978 -Вып 3(11) -С 11-14

6 Устройство адаптивного сжатия электрокардиосигнала / А П Немирко, ЛА Манилоидр //Техника средств связи Сер ОТ -1978 -Вып 3(11) -С 15-18

7 Применение микро-ЭВМ в электронной аппаратуре анализа электрокардиосигнала в реальном масштабе времени / А П Немирко, А Л Барановский, А Г Предтеченский, А H Калиниченко, Л А Манило // Техника средств связи Сер ОТ -1978 -Вып 3(11) -С 84-86

8 Немирко, А П Сжатие электрокардиограмм с последовательной двухпарамегрической адаптацией / А П Немирко, Л А Манило // Медицинская кибернетика сб науч тр /ИКАНУССР - Киев, 1978 - С 86- 106 -Реф РЖ «Бионика, биокибернетика, биоинженерия» - 1979 - С 24, реф 9 68 191

9 Манило, Л А Спектральный анализ фибрилляций желудочков / Л А Манило, АП Немирко, AM Черныш // Известия Ленинградского электротехнического института - 1978 -Вып 244 -С 13-17

10 Комплекс алгоритмов спектрального анализа случайных сигналов ГФАП СССР, roc per № П003357 /МО Букина, Л А Манило, А П Немирко, заявитель Ленинградский электротехнический институт им В И Ульянова (Ленина) Опубл Алгоритмы и программы, 1979 - № 1 (27) - С 39-40

11 Манило, Л А Влияние вида аппроксимации на эффективность адаптивного сжатия электрокардиосигнала / Л А Манило // Известия Ленинградского электротехнического института -1979 -Вып 260 -С 24-29

12 Устройство диагностики фибрилляций желудочков сердца ас 718088 СССР M Кл2 А 61В 5/02 / A M Черныш, Л А Манило и др, заявитель 1-й Московский мед институт им ИМ Сеченова -№ 2646643/28-13, заявл 19 07 78, опубл 28 02 80, Бюл № 8 - 2 с

13 Динамика спектральных характеристик ЭКГ при развитии фибрилляции желудочков сердца / В Я Табак, A M Черныш, АП Немирко, Л А Манило // Анестезиология и реаниматология - 1980 -№ 1 -С 71-74

14 Комплекс алгоритмов адаптивного сжатия ЭКГ-сигналов ГФАП СССР, roc per № П004547 / Л А Манило, А П Немирко, заявитель Ленинградский электротехнический институт им В И Ульянова (Ленина) Опубл Алгоритмы и программы, 1980 - № б (38) - С 45-46

15 Алгоритмы обнаружения характерных точек желудочкового комплекса ЭКГ по структурному описанию сигналов ГФАП СССР, roc per № П004555 / Л А Манило, А П Немирко, заявитель Ленинградский электротехнический институт им В И Ульянова (Ленина) Опубл Алгоритмы и программы, 1980 -№ 6 (38) - С 54

16 Akhutin, VM ECG Data Processing for Clinical Arrhythmia Monitoring Systems (Обработка ЭКГ-данных в клинических системах контроля аритмий) / VM Akhutm, VA Almazov, АР Nemirko, LA Manilo // Proceedings of 8th

International Congress on Electrocardiology, Budapest, Sept 1-4, 1981,, Z Antaloczy, I Preda (Eds) -Budapest PH of the Hungarian Acad of Sciences -1981 -P 509-513

17 Смирнов, А В Алгоритм предварительной обработки ЭКС в реальном масштабе времени / А В Смирнов, А П Немирко, JIА Манило // Техника средств связи Сер ОТ - 1981 -Вып 3(12) - С 32-40

18 Манило, JIA Синтез формальной грамматики для обнаружения желудочкового комплекса электрокардиограммы / Jï А Манило // Исследование сердечно-сосудистой системы сб науч тр -JI Наука, 1981 -С 174-176

19 Немирко, А П Алгоритм оперативного распознавания опасных аритмий / А П Немирко, Jï А Манило, А H Калиниченко // Известия Ленинградского электротехнического института -1981 -Вып 283 -С 71-75

20 Немирко, А П Динамический кластерный анализ формы желудочкового комплекса электрокардиограммы / А П Немирко, JIА Манило, И С Терентьева // Известия Ленинградского электротехнического института - 1982 -Вып 318 - С 50 - 53

21 Ритмокардиоанализатор ас 1047464 СССР А 61 В 5/02 / АП Немирко, А Г Предтеченский, Л А Манило, заявитель Ленинградский электротехнический институт им В И Ульянова (Ленина) - № 3439279/28-13, заявл 17 05 82, опубл 15 10 83, Бюл № 38 - 4 с

22 Калиниченко, АН Разработка автоматизированного архива электрокардиограмм для исследований мониторных систем /АН Калиниченко, Л А Манило, И С Терентьева // Известия Ленинградского электротехнического института - 1986 -Вып 367 - С 48-53

23 Обработка электрокардиограмм для диагностики аритмий ГФАП СССР, roc per № 5086-00531 / Л А Манило и др, заявитель Ленинградский электротехнический институт им В И Ульянова (Ленина) Опубл Алгоритмы и программы, 1987 -№4 - С 25

24 Немирко, А П Компьютерный анализ ЭКГ при нагрузочных пробах / А П Немирко, Л А Манило, К H Милева // Известия Ленинградского электротехнического института -1988 -Вып 405 -С 19-25

25 Манило, Л А Оценка допустимого уровня остаточных помех при анализе нагрузочной ЭКГ / Л А Манило, К H Милева // Известия Ленинградского электротехнического института Сер Биотехнические и медицинские системы -1990 -Вып 428 - С 45-50

26 Немирко, А П Алгоритмы измерения и анализа параметров ST- сегмента ЭКГ для систем автоматического наблюдения за состоянием человека/ А П Немирко, ЛА Манило,КН Милева // Вопросы кибернетики -1991 -Вып 164 -С 127-141

27 Борин, В П Автоматический вывод грамматики для распознавания структурных элементов биомедицинских сигналов / В П Борин, Л А Манило, А П Немирко // Известия Ленинградского электротехнического института - 1994 -Вып 468 - С 12-17

28 Nemirko, АР Waveform Classification for Dynamic Analysis of ECG (Классификация сигналов в задачах непрерывного анализа ЭКГ) /АР Nemirko, L A Manilo, А N Kalimchenko // Pattern Recognition and Image Analysis - 1995 -Vol 5 -No 1 -P 131 - 134

29 Nemirko, A P Reconstruction of cardiac rhythm control function for the spectral estimation of heart rate variability (Восстановление функции управления для получения спектральных оценок вариабельности сердечного ритма) /АР Nemirko, L A Mamlo, А N Kalmichenko // Proceedings of 5th International Symposium SYMBIOSIS'97, Jin Holcik, Peter Fedra, Jan Slezak (Eds ), Brno, Sept 10 - 12 1997 Brno Techn Umv Brno -P 40-44

30 Troyanovskaya, О Personal Medical Information Classification m Compliance with Dynamic Formed Classes (Классификация персональных медицинских данных при динамическом формировании классов) / О Troyanovskaya, L Manilo // Proceedings of the International Workshop «Biomedical Engineering & Medical Informatics», BEMI'97, Gliwice, Poland, Sept 2 - 5 1997 Ghwice Techn Umv Ghwice -P 154-158

31 Калиниченко, АН Автоматическая диагностика фибрилляции предсердий / АН Калиниченко, JIA Манило, А А Саяпина // Материалы 3-й Международной конференции «Радиоэлектроника в медицинской диагностике», Москва, 29 сент - 1 окт 1999 -М, 1999 - С 96 - 99

32 Манило, JIA Исследование модели управления водителем сердечного ритма для спектрального анализа ритмограммы / JIА Манило, Н И Родина // Труды 5-ой Международной конф «Распознавание образов и анализ изображений новые информационные технологии», РОАИ-5, Самара, 16-22 окт 2000, в 4-х т Самара ИСОИРАН -Т 3 -С 550-554

33 Немирко, А П Распознавание желудочковой фибрилляции сердца на основе анализа электрокардиограммы в частотной области / А П Немирко, Л А Манило, И Н Дегтярева // Труды 5-ой Международной конф «Распознавание образов и анализ изображений новые информационные технологии», РОАИ-5, Самара, 16-22 окт 2000, в 4-хт Самара ИСОИРАН -Т 3 - С 566-570

34 Манило, Л А Методы интерполяции функции управления водителем сердечного ритма / Л А Манило, Н И Родина // Вестник аритмологии - 2000 -№15 - С 158

35 Mamlo, LA Investigation of a Model of the Cardiac Rhythm Pacemaker Control for the Spectral Analysis of a Rhythm ogram (Исследование модели управления синусовым узлом при спектральном анализе ритмограммы) / L A Mamlo, N1 Rodina // Pattern Recognition and Image Analysis -2001 - Vol 11, No 2 -P 342344

36 Манило, JIA Спектральный анализ сердечного ритма в задачах распознавания патологий / Л А Манило, НИ Родина // Сб материалов 5-й Международной конф «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации», Распознавание-2001,Курск,2001 -Курск Гос Техн Ун-т -2001 -С 250-252

37 Nemirko, А Р Recognition of Heart Ventricular Fibrillation on the Basis of Analysis of the Electrocardiogram m the Frequency Domain (Распознавание фибрилляции желудочков сердца на основе анализа ЭКГ в частотной области) / А Р Nemirko, L A Mamlo, IN Degtyareva // Pattern Recognition and Image Analysis -2001 -Vol 11, No 2 -P 353 -355

38 Манило, JIА Оценка частотных свойств ритмограмм в задачах распознавания физиологических состояний / Л А Манило, Н И Родина // Сборник трудов 6-й Международной конф «Распознавание образов и анализ изображений новые информационные технологии», РОАИ-6, Великий Новгород, 2002, в 2-х т Великий Новгород Нов ГУ -2002 -Т 2 -С 358-363

39 Манило, Л А Автоматический анализ электрокардиосигнала в задачах распознавания нарушений сердечного ритма / Л А Манило // Биотехнические системы в медицине и биологии / Под общ ред проф Е П Попечителева - СПб Изд-во Политехника, - 2002 - С 61-68

40 Maniio, L A Estimation of the Frequency Properties of Rhythmograms m Problems of Recognition of Physiological States (Анализ ритмограмм в частотной области при распознавании физиологических состояний) / L A Mamlo, NI Rodina //Pattern Recognition and Image Analysis -2003 - Vol 13, No 2 -P 298-301

41 Манило, Л А Новый подход к спектральному анализу вариабельности сердечного ритма / Л А Манило, НИ Родина // Известия СПбГЭГУ «ЛЭТИ» (Известия Государственного электротехнического университета) Сер Биотехнические системы в медицине и экологии - 2003 - Вып 1 - С 16 - 20

42 Maniio, LA Measurement and Computerized Analysis of Signals m Biomedical Systems (Измерение и анализ параметров сигналов в биомедицинских системах) / L A Mamlo // Proceedings of 5L International Symposium on Test and Measurement, June 1-5, Shenzhen, China, 2003, ed T d Wen - Shenzhen Intern Academic Publishers / Word Publishing Coiporation -2003 -Voll -P 867-870

43 Maniio, L A Automatic Analysis of Heart Rate Control Function m Computer-based Medical Systems (Автоматический анализ функции сердечного ритма в медицинских компьютерных системах) / L A Maniio, NI Rodina // Proceedings of VII International Conference on Biomedical Engineering and Medical Informatics, SYMBIOSIS, Sept 10 - 12, 2003, St Petersburg, Russia 2003 St Petersburg ElectrotechnicalUniversity «LETI» -2003 -P 4-7

44 Манило, Л А Авторегрессионные модели случайных процессов в задачах распознавания нарушений сердечного ритма /АЛ Манило // Известия СПбГЭТУ «ЛЭТИ» (Известия Государственного электротехнического университета) Сер Биотехнические системы в медицине и экологии - 2004 - Вып 2 - С 1-8

45 Maniio, L A Forming the spectral signs when classifying the electrocardiosignals withm the frequency range (Формирование спектральных оценок при классификации электрокардиосигналов в частотной области) / L A Mamlo, А Р Nemirko // Conference Proceedings 7- International Conference «Pattern Recognition and Image Analysis New Information Technologies», PRIA - 7, St Petersburg, 2004 St Petersburg Electrotechnical University «LETI» - 2004 - V III -P 775-779

46 Манило, Л А Идентификация биосигналов методами оценки условной энтропии / Л А Манило // Известия СПбГЭТУ «ЛЭТИ» (Известия Государственного электротехнического университета) Сер Биотехнические системы в медицине и экологии - 2005 - Вып 2 - С 53-59

47 Maniio, LA Forming the Spectral Signs When Classifying the Electrocardiosignals within the Frequency Range (Формирование спектральных

оценок при классификации электрокардиосигналов в частотной области) /LA Manilo, А Р Nemirko // Pattern Recognition and Image Analysis - 2005 - Vol 15 -№ 4 - С 668-671

48 Манило, Л А Моделирование процедур классификации биосигналов с использованием оценок условной энтропии / Л А Манило // Сб материалов 7-й Международной конф «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации», Распознавание - 2005, Курск, 2005 -Курск Гос Техн Ун-т -2005 -С 188-190

49 Манило, Л А Линейный дискриминант Фишера в задачах распознавания биосигналов по частотным свойствам / Л А Манило // Доклады XII Всероссийской конф «Математические методы распознавания образов» - ММРО-12, Москва, 20 -26 ноября 2005 -М МАКС Пресс, 2005 - С 371-374

50 Манило, Л А Автоматическое обнаружение фибрилляции предсердий с использованием информационных характеристик сердечного ритма / Л А Манило, О В Гаевская // Доклады VII Международной научно-технической конф «Физика и радиоэлектроника в медицине и экологии», ФРЭМЭ - 2006 - Владимир изд Собор -С 74-76

51 Манило, Л А Динамический анализ сердечного ритма при автоматическом распознавании мерцательной аритмии / Л А Манило, Е П Зозуля //Вестникаритмологии, прил А -2006 -С 195

52 Манило, Л А Автоматическое распознавание мерцательной аритмии с использованием оценок аппроксимированной энтропии /Л А Манило, Е П Зозуля // Информационно-управляющие системы -2006 -№1(20) - С 21-27

53 Манило, Л А Построение решающих функций в пространстве спектральных признаков для систем кардиологического наблюдения / Л А Манило // Известия СПбГЭТУ «ЛЭТИ» (Известия Государственного электротехнического университета) Сер Биотехнические системы в медицине и экологии -2006 -Вып 1 -С 13-21

54 Манило, Л А Упорядочение спектральных признаков по эмпирическим оценкам межгруппового расстояния в задачах классификации биосигналов / Л А Манило // Известия вузов России Радиоэлектроника - 2006 - Вып 3 - С 20-29

55 Манило, Л А Преобразование пространства спектральных признаков с использованием весовых функций в задачах распознавания сигналов / Л А Манило // Известия вузов России Радиоэлектроника - 2007 - Вып 2 - С 37-42 (статья поступила в редакцию 14 ноября 2006 г )

Подписано в печать 10 07 07 Формат 60*84 1/16 Бумага офсетная Печать офсетная Печ л 2,0 Тираж 100 экз Заказ 78

Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ "ЛЭТИ"

Издательство СПбГЭТУ "ЛЭТИ" 197376, С -Петербург, ул Проф Попова, 5

Введение.

Глава 1. Автоматизация анализа сердечного ритма и распознавания аритмий.

1.1. Системы автоматизации электрокардиографических исследований.

1.2. Методы обработки электрокардиосигнала и диагностики сердечных аритмий.

1.3. Анализ вариабельности сердечного ритма во временной области.

1.4. Спектральный анализ вариабельности сердечного ритма.

1.5. Постановка задач исследования.

Глава 2. Спектральный анализ сердечного ритма на базе моделирования функции вегетативного управления.

2.1. Основные электрофизиологические механизмы управления водителем ритма.

2.2. Математическая модель управления водителем сердечного ритма.

2.3. Классификация методов описания последовательности сердечных сокращений.

2.4. Методы преобразования дискретной последовательности кардиоциклов в непрерывный сигнал.

2.5. Воспроизведение функции водителя сердечного ритма.

2.6. Исследования методов обработки последовательности сердечных сокращений на модельных сигналах.

2.6.1. Оценка эффективности спектральных описаний.

2.6.2. Алгоритмическое обеспечение исследований.

2.6.3. Спектральный анализ модельных сигналов.

2.7. Экспериментальные исследования методов воспроизведения функции водителя сердечного ритма на реальных сигналах.

2.7.1. Постановка эксперимента.

2.7.2. Анализ частотных свойств функции водителя сердечного ритма.

Выводы.

Глава 3. Методы автоматического распознавания опасных аритмий.

3.1. Опасные аритмии и методы их распознавания.

3.2. Формирование спектральных признаков при классификации сигналов в частотной области.

3.3. Классификация сигналов с использованием линейных решающих функций.

3.4. Преобразование пространства спектральных признаков с использованием весовых функций.

3.5. Эффективность методов автоматического распознавания опасных аритмий.

Выводы.

Глава 4. Методы автоматической диагностики мерцательной аритмии.

4.1. Физиологические особенности фибрилляции предсердий и методы ее анализа.

4.2. Параметры авторегрессионной модели случайных процессов в задаче распознавания мерцательной аритмии.

4.3. Идентификация биосигналов с использованием оценок условной энтропии.

4.4. Аппроксимация энтропии Колмогорова при анализе хаотических процессов на конечных выборках.

4.5. Построение и исследование эффективности решающих функций.

4.6. Автоматическая классификация типов мерцательной аритмии.

Выводы.

Глава 5. Кусочно-полиномиальная интерполяция при автоматическом анализе электрокардиосигнала.

5.1. Обработка электрокардиографических данных на основе интерполяции.

5.2. Способы построения непрерывной кривой по точкам с помощью сплайн-функций.

5.3. Построение корректирующей функции по базису из В- сплайнов.

5.4. Интерполяция на базе кубических сплайнов дефекта 1.

5.5. Исследование качества интерполяции кубическими сплайнами в задаче коррекции дрейфа изолинии электрокардиосигнала.

5.5.1. Методика проведения экспериментов.

5.5.2. Коррекция дрейфа изолинии на базе кубических сплайнов дефекта 2.

5.5.3. Исследование методов коррекции на модели низкочастотной помехи.

5.5.4. Результаты экспериментов с использованием модельных и реальных электрокардиосигналов.

Выводы.

Глава 6. Создание новых компонентов программно-алгоритмического обеспечения компьютерных систем диагностики и наблюдения.

6.1. Практическая реализация программно-алгоритмических комплексов автоматического анализа ЭКГ.

6.2. Пакет прикладных программ «RITMON».

6.3. Методика работы с пакетом программ анализа сердечного ритма.

6.4. Система мониторного контроля ЭКГ «RITMON-4».

6.5. Пакет прикладных программ «КардиоКит».

Выводы.

Актуальность работы. Развитие систем автоматизации биомедицинских исследований в первую очередь связано с появлением новых способов цифровой обработки данных и совершенствованием методов распознавания биосигналов, что позволяет решить ряд важнейших для практической медицины задач.

В последнее время широкое распространение получили системы, обеспечивающие длительный и непрерывный контроль параметров жизнедеятельности организма. Среди них можно выделить и отнести к важнейшим устройства и системы, осуществляющие контроль состояния сердечно-сосудистой системы (ССС). Показатели деятельности сердца отражают работу многих систем организма, а, как известно, нарушения в его работе значительно увеличивают риск внезапной смерти. Получение объективной оценки текущего состояния пациента связано с использованием систем кардиологического наблюдения, что повышает надежность распознавания патологий и часто предотвращает возникновение необратимых изменений миокарда за счет своевременного применения реанимационных мероприятий. Кроме этого расширяется парк диагностических систем, обеспечивающих автоматический анализ ЭКГ с целью обнаружения патологий и распознавания аритмий, что помогает врачам прогнозировать развитие заболевания и своевременно вырабатывать эффективную тактику лечения.

Актуальность разработки новых методов автоматического анализа сердечного ритма (СР) и распознавания аритмий обусловлена тем, что во многих ситуациях для достоверного анализа ЭКГ недостаточно эффективными оказываются диагностические алгоритмы, используемые в большинстве практических систем диагностики и наблюдения. Несмотря на обилие простых алгоритмов, реализованных в коммерческих устройствах, в целом качество автоматического обнаружения изменений, происходящих в биомедицинских сигналах, значительно хуже, чем при визуальном анализе и ручной обработке регистрируемых записей ЭКГ.

Сложность разработки новых методов обработки и распознавания биосигналов в большинстве случаев заключена в отсутствии моделей, описывающих свойства анализируемых процессов. Сигналы, генерируемые биологическими объектами, по своим свойствам существенно отличаются от сигналов, рассматриваемых в технических системах. В основном их отличает повышенная изменчивость, как во времени, так и по популяции. Это влечет за собой трудность, а порой и невозможность построения аналитической, статистической или алгоритмической модели процесса. Поэтому методологической основой автоматического анализа таких процессов должна быть не только теория обработки сигналов, но и теория распознавания образов и искусственного интеллекта. Выбор методов обработки биосигналов в той области исследований, где известны феноменологические особенности изучаемых явлений, должен быть основан на анализе моделей анализируемых процессов и комплексном подходе к решению задач автоматизации анализа ЭКГ.

В компьютерных медицинских системах, предназначенных для оценки текущего состояния пациента, все большее внимание уделяется анализу вариабельности сердечного ритма (ВСР). Предложен целый ряд спектральных показателей, по которым оценивается степень напряжения регуляторных систем и осуществляется диагностика функциональных состояний. Существует много подходов к преобразованию последовательности кардиоинтервалов в непрерывную функцию, которая после этапа дискретизации может быть представлена в частотной области в виде спектральной плотности мощности. Все они направлены на более точное воспроизведение частотных свойств управляющих ритмом сердца процессов, которые и лежат в основе диагностики состояний. Однако вопросам адекватности используемых методов преобразования известным электрофизиологическим моделям не уделено достаточного внимания, что сказывается на результатах проводимых исследований.

Наиболее важной задачей автоматического анализа ЭКГ в системах кардиологического наблюдения и диагностики аритмий является надежное распознавание опасных аритмий (желудочковая фибрилляция - ЖФ, трепетание желудочков), что во многом определяет эффективность работы системы автоматизации. При этом наиболыпе внимание уделяется вопросам обнаружения этих нарушений в момент появления первых признаков ЖФ. Спектральный анализ электрокардиосигнала (ЭКС) является основным методом решения этой первостепенной задачи, однако использование его в системах диагностики ограничивается упрощенным, а порой и неэффективным формированием набора классификационных признаков. Вопрос выбора частотного описания сигнала и оптимизации решающих правил, обеспечивающих надежное распознавание катастрофических нарушений ритма, является чрезвычайно важным для совершенствования систем наблюдения за состоянием кардиологических больных и требует создания более эффективных методов обработки ЭКС.

В Приоритетном национальном проекте «Здоровье» отмечается актуальность решения задач, направленных на укрепление здоровья населения России, снижение уровня заболеваемости, инвалидности, смертности, а также на удовлетворение потребности населения в высокотехнологичных видах медицинской помощи. При этом отмечается недостаточная оснащенность медицинских учреждений диагностическим оборудованием. Все это требует разработки и внедрения высокоэффективных диагностических систем медицинского назначения, в том числе и систем автоматизации кардиологических исследований. Создание современных методов и средств, направленных на повышение качества автоматического анализа ЭКГ и обеспечивающих надежную диагностику патологий сердца, в том числе и аритмий, способствует оптимизации лечения заболеваний ССС.

В настоящее время к числу наиболее важных проблем автоматизации кардиологических исследований, требующих практических решений, относится распознавание аритмий, отличающихся беспорядочным (хаотическим) изменением длительностей кардиоциклов (мерцательная аритмия - МА). По данным, опубликованным в материалах УУП Международного славянского конгресса по электростимуляции и клинической электрофизиологии сердца «Кардиостим» (С.-Петербург, 9-11 февраля 2006 г.), в последнее время резко возросло число больных с МА и лишь переход к автоматизации кардиологического наблюдения за пациентами с МА поможет решить ряд проблем: предотвращение тромбоэмболических эпизодов, являющихся крайне опасными для жизни пациентов, оценивание электрофизиологических факторов риска в процессе развития данного нарушения, оптимизация врачебной тактики лечения, включая и решение о применении искусственной электрокардиостимуляции сердца. Разработка теории и методов анализа и распознавания нарушений ритма с хаотическими свойствами последовательности кардиоинтервалов является основой для решения этих важнейших задач практической медицины.

Особое внимание в системах автоматической обработки ЭКС должно быть уделено вопросам подавления помех, что сказывается на результатах анализа ЭКС и распознавания нарушений ритма. Решение этой проблемы обеспечивается значительными вычислительными ресурсами современных технических средств, что позволяет перейти к более сложным и эффективным процедурам предобработки.

Важность теоретических исследований в рассматриваемых областях, необходимость решения прикладных задач по автоматическому мониторингу состояния человека в норме и патологии в медицине и ряде оборонных отраслей очевидны. Вместе с этим, стремительное развитие средств вычислительной техники и телекоммуникаций открывает новые возможности для реализации эффективных систем распознавания биомедицинских сигналов.

Таким образом, рассматриваемая работа, посвященная развитию теории, разработке методов анализа сердечного ритма и распознавания аритмий, относится к одному из актуальных направлений по созданию медицинской техники, методов и способов автоматической диагностики в кардиологии.

Цель диссертационной работы: повышение качества и надежности компьютерных систем кардиологического наблюдения и диагностики за счет развития теории и разработки более эффективных методов анализа сердечного ритма и распознавания аритмий, а также создания соответствующего алгоритмического и программного обеспечения.

Для достижения поставленной цели должны быть решены следующие задачи исследования.

1. Модификация и исследование математической модели генерации ритма сердца, содержащей описание основных электрофизиологических механизмов управления водителем сердечного ритма.

2. Разработка теории и методов преобразования последовательности кардиоциклов в непрерывный сигнал для задач анализа вариабельности сердечного ритма и диагностики физиологических состояний, отличающихся уровнем вегетативной регуляции.

3. Разработка теории и методов распознавания опасных аритмий, обеспечивающих надежное и своевременное обнаружение и прогнозирование катастрофических состояний в системах непрерывного контроля ЭКГ.

4. Развитие теории и методов распознавания мерцательной аритмии и классификации ее видов по признакам структурных отношений в последовательности кардиоциклов, что способствует повышению эффективности диагностики и лечения.

5. Разработка методов коррекции низкочастотных искажений электрокардиосигнала, что определяется необходимостью проведения исследований в реальных условиях и требованиями эффективного распознавания нарушений ритма.

6. Создание новых компонентов алгоритмического и программного обеспечения компьютерных систем диагностики, позволяющих расширить класс распознаваемых нарушений сердечного ритма и осуществить прогноз развития патологий сердца.

Методы исследования. Для решения поставленных задач в теоретической части диссертационной работы использовались методы математического моделирования, спектрального анализа, математической статистики, распознавания образов, математического аппарата детерминированного хаоса.

Экспериментальная часть работы выполнена на реальных сигналах, записанных в клиниках С.-Петербурга, а также выбранных из стандартной базы ЭКГ-данных MIT-BIH Массачусетского технологического института, США. Для проведения экспериментов разработан комплекс алгоритмов и программ, реализованных в оболочках Lab VIEW и MATLAB.

Научная новизна результатов заключается в разработке и исследовании:

• математической модели управления водителем сердечного ритма, учитывающей влияние вегетативной нервной системы (ВНС) на работу водителя ритма, что позволило адекватно описать исследуемые состояния ССС;

• теории и методов частотно-интегрального преобразования сигнала сердечного ритма к равномерной временной шкале с использованием кубических сплайнов, что позволило осуществить эффективное распознавание спектральных составляющих функции вегетативного управления;

• методов и алгоритмов распознавания опасных аритмий, основанных на формировании упорядоченного набора спектральных признаков и использующих коррекцию линейных разделяющих функций, что позволило решить задачу надежного обнаружения желудочковой фибрилляции в системах непрерывного контроля ЭКГ;

• метода распознавания ранних форм опасных аритмий, основанного на введении весовых функций в дискриминантный критерий для многоклассовой задачи, что позволило автоматически обнаруживать начальные формы развития фибрилляции желудочков сердца;

• теории и методов линейного дискриминантного анализа с использованием параметров условной энтропии и приближенной оценки энтропии Колмогорова, позволяющих обнаруживать хаотические изменения в последовательности кардиоциклов, а именно, распознавать мерцательную аритмию на фоне других нарушений ритма;

• методов автоматической классификации мерцательной аритмии по признакам устойчивых связей между смежными кардиоциклами, что способствует повышению эффективности диагностики, лечения и оптимизации решений о применении искусственной кардиостимуляции;

• метода коррекции дрейфа изолинии на основе кубических сплайнов, отличающегося псевдолокальным способом построения интерполирующей функции, что требует значительно меньших вычислительных затрат и позволяет организовать вычисления в режиме оперативной обработки электрокардиосигнала;

• методов повышения эффективности работы систем диагностики за счет расширения класса распознаваемых аритмий и оптимизации прогностических параметров динамики состояний на основе предложенных математических моделей.

Достоверность научных положений и выводов подтверждается результатами использования математического анализа, общей теории распознавания образов, результатами модельных и натурных экспериментов, эффективностью предложенных методов и алгоритмов, а также результатами практического использования алгоритмических и программных средств.

Практическую ценность работы представляют следующие результаты, полученные в диссертационной работе.

1. Методы и алгоритмы автоматического анализа ЭКГ, предназначенные для использования в составе программно-алгоритмического обеспечения различных компьютерных систем медицинского назначения:

• алгоритм воспроизведения функции водителя сердечного ритма, включенный в процедуру спектрального анализа вариабельности сердечного ритма;

• методы распознавания опасных для жизни аритмий, позволяющие обнаруживать ранние формы желудочковой фибрилляции в системах непрерывного контроля ЭКГ;

• алгоритмы распознавания хаотических фрагментов ритмограммы на основе оценок условной энтропии, энтропии Колмогорова и параметров авторегрессионной модели, обеспечивающие возможность диагностики в процессе мониторирования ЭКГ с целью последующего восстановления нормального ритма сердца;

• решающие правила автоматического распознавания мерцательной аритмии на фоне других нарушений ритма, что расширяет диагностические и прогностические возможности систем непрерывного контроля ЭКГ;

• методы кубической сплайн-интерполяции данных, предназначенные для коррекции изолинии и других задач обработки ЭКГ в режиме реального времени.

2. Программно-алгоритмические комплексы, реализующие предложенные методы анализа электрокардиосигнала и используемые для решения исследовательских и практических задач в кардиологии.

3. Методы коррекции изоэлектрической линии ЭКС, внедренные в практические системы «МТМ(Ж-1», «МТМСЖ-4», «КардиоКит», которые имеют рекомендации МЗ РФ, а также сертификат Госстандарта РФ для аппаратных средств и выпускаются несколькими предприятиями г. С.-Петербурга.

Научные положения, выносимые на защиту:

1. Обработка ЭКС в автоматизированных системах диагностики, использующих спектральный анализ вариабельности сердечного ритма, должна включать процедуру воспроизведения функции управления водителем сердечного ритма, что обеспечивает адекватное распознавание состояний ССС, связанных с разным уровнем баланса вегетативных влияний на работу сердца.

2. Распознавание ЭКС в частотной области, основанное на формировании упорядоченного набора спектральных признаков и коррекции линейных решающих правил в двухклассовой задаче с использованием дополнительных векторов, улучшает условия их классификации и позволяет надежно обнаруживать желудочковую фибрилляцию на фоне других нарушений ритма.

3. Задача распознавания ранних форм опасных аритмий в частотной области может быть решена методами многоклассового линейного дискриминантного анализа с использованием полученных в работе аналитических выражений для весовых функций, приближающих значение критерия Фишера к оценке ошибки классификации.

4. Распознавание фрагментов мерцательной аритмии, представленных последовательностями кардиоинтервалов конечной длины, целесообразно проводить с использованием скорректированных оценок условной энтропии и приближенной оценки энтропии Колмогорова, что делает возможным анализ динамики хаотических свойств анализируемых процессов в режиме реального времени.

5. Эффективное подавление низкочастотных искажений на этапе предварительной обработки электрокардиосигнала и воспроизведение функции управления водителем сердечного ритма можно осуществить на основе предложенного в работе метода интерполяции с помощью квазилокальных кубических сплайнов, что позволяет организовать вычисления в режиме оперативной обработки данных и обеспечивает высокое качество интерполяции.

Реализация результатов работы. Результаты теоретических и прикладных исследований, полученные в диссертационной работе, использовались при выполнении НИР (более 20 проектов). В том числе по грантам РФФИ: • 97-01-00260 «Исследование методов распознавания образов для анализа биомедицинских сигналов» (1997-1999); • 00-01-00448 «Исследование методов обработки и распознавания биомедицинских сигналов» (2000-2002); • 02-01-08073-инно «Разработка и создание опытного образца компьютерного комплекса для функциональных исследований в кардиологии» (2002-2004); • 03-01-00216

Исследование методов распознавания формы биомедицинских сигналов» (20032005); * 06-01-00546 «Разработка методов и алгоритмов распознавания биомедицинских сигналов» (2006-2008); • 07-01-00569 «Анализ нелинейных свойств и распознавание сигналов на базе теории детерминированного хаоса» (2007-2009).

В рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники гражданского назначений» выполнены проекты: • 0201.05.251 «Разработка информационных технологий и инструментальных средств для создания и развития прикладных инструментальных систем в технике, образовании, медицине и в системах специального назначения» (1999-2001); • 01.37.03.01.05 «Методы распознавания образов, обработки сигналов и изображений для самоорганизующихся систем» (2002-2004).

Результаты работы использованы при разработке ритмокардиоанализаторов РКА-01, РКС-02, созданных на кафедре БМЭ и ОС СПбГЭТУ «ЛЭТИ» совместно с BMA им. С.М. Кирова и СПбГМУ им. акад. И.П. Павлова, внедренных в серийное производство в КБ завода «Измеритель». Результаты научных исследований внедрены в компьютерные системы мониторного контроля ЭКГ «RITMON-1», «RITMON-4» и диагностический комплекс «КардиоКит», разработанные в СПбГЭТУ «ЛЭТИ» совместно с предприятием ООО «БИОСИГНАЛ».

Результаты исследований внедрены в учебный процесс СПбГЭТУ «ЛЭТИ» по направлениям подготовки специалистов в области медицинского приборостроения: «Биомедицинская техника» и «Биомедицинская инженерия». Они включены в разработанные автором учебно-методические комплексы по дисциплинам: «Автоматизированные системы для медико-биологических исследований», «Автоматизация биомедицинских исследований», «Технические средства управляемого эксперимента» и др.

Апробация работы. Основные научные и практические результаты диссертационной работы докладывались и обсуждались в период 1980 - 2007 гг. более чем на тридцати конференциях и симпозиумах по проблемам теории и практики обработки и распознавания биосигналов, медицинского приборостроения и автоматизации электрокардиографических исследований, в том числе на следующих Международных и Всероссийских конференциях и симпозиумах:

• Всесоюзной научно-технической конференции «Проблемы создания технических средств для диагностики и лечения заболеваний сердечно-сосудистой системы» (1990, Львов); • 5~ and 7- International Conference on Biomedical Engineering and Medical Informatics (SYMBIOSIS 1997, Brno; SYMBIOSIS 2003, St. Petersburg); • International Workshop «Biomedical Engineering & Medical Informatics» - BEMI'97, (1997, Gliwice, Poland); • 3-й Международной конференции «Радиоэлектроника в медицинской диагностике» (1999, Москва); • Международной конференции по мягким вычислениям и измерениям - SCM'99 (1999, С.-Петербург); • Международных конференциях «Распознавание образов и анализ изображений: новые информационные технологии» (РОАИ-5-2000, Самара; РОАИ-6-2002, Великий Новгород; РОАИ-7-2004, С.-Петербург.); • II и VII Международных симпозиумах «Электроника в медицине. Мониторинг, диагностика, терапия» (КАРДИОСТИМ-2000, С.-Петербург; КАРДИОСТИМ-2006, С.-Петербург); • 5-й и 7-й Международных конференциях «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» («Распознавание-2001», Курск; «Распознавание-2005», Курск); • 5~ International Symposium on Test and Measurement (2003, Shenzhen, China); • The 3- European Medical and Biological Engineering Conference EMBEC'05 (2005, Prague, Czech Republic); • 12-ой Всероссийской конференции «Математические методы распознавания образов» (2005, Москва); • VII Международной научно-технической конференции «Физика и радиоэлектроника в медицине и экологии» - ФРЭМЭ (2006, Владимир); а также на ежегодных научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ» (1980-2007 гг.).

Разработанные в процессе выполнения настоящей работы устройства и системы автоматического анализа ЭКС неоднократно демонстрировались на выставках медицинской техники и научных приборов.

Публикации. По теме диссертации опубликовано 55 научных работ, из них - 1 монография, 34 статьи (опубликованных в ведущих рецензируемых журналах и изданиях, определенных ВАК Минобрнауки РФ - 25 статей), 14 работ - в материалах российских и международных научно-технических конференций, 2 авторских свидетельства на изобретения, выданные ГК СМ СССР по делам изобретений и открытий, 4 комплекса алгоритмов и программ, зарегистрированных ГФАП.

Структура и объем диссертации. Диссертация состоит из введения, шести глав, заключения, списка литературы, включающего 181 наименование, списка условных обозначений и аббревиатур. Основная часть работы изложена на 242 страницах машинописного текста. Работа содержит 92 рисунка и 24 таблицы. Общий объем составляет 333 страницы.

Выводы

1. Созданы новые компоненты компьютерных систем наблюдения и диагностики, позволяющие адекватно физиологическим представлениям о вегетативной регуляции сердечного ритма решать задачу классификации функциональных состояний организма по спектральным признакам ВСР, а также расширить класс распознаваемых нарушений сердечного ритма, что способствует повышению эффективности применения средств автоматизации в процессе диагностики и лечения.

2. Созданы исследовательские комплексы, расширяющие возможности основного пакета прикладных программ «МТМСЖ», предназначенного для непрерывного контроля ЭКС, за счет использования разработанных в диссертационной работе новых компонентов математического и программного обеспечения компьютерных медицинских систем кардиологического профиля. Применение программных средств в условиях клиник подтвердило возможность решения ряда диагностических задач: распознавания видов мерцательной аритмии и оценки уровня регуляции сердечного ритма.

3. Методы коррекции дрейфа изоэлектрической линии внедрены в практические системы «МТМСЖ-1», «МТМСЖ-4», «КардиоКит», которые имеют рекомендации МЗ РФ, а также сертификат Госстандарта РФ для аппаратных средств и выпускаются несколькими предприятиями г. Санкт-Петербурга.

ЗАКЛЮЧЕНИЕ

В диссертации решен ряд теоретических проблем и разработаны новые методы анализа, связанные с повышением эффективности спектральной оценки сердечного ритма и распознавания аритмий, создано соответствующее алгоритмическое и программное обеспечение, что привело к повышению надежности и расширению класса распознаваемых нарушений сердечного ритма в системах кардиологического наблюдения и диагностики.

1. Модифицирована математическая модель водителя сердечного ритма, устанавливающая соотношение между функцией автономного управления и сигналом сердечного ритма, что позволило реализовать моделирование процесса управления частотой сердечных сокращений и процедуру реконструкции входной функции.

2. Разработан новый метод преобразования сигнала сердечного ритма в непрерывный сигнал, воспроизводящий управляющую функцию водителя сердечного ритма и используемый для задач спектрального анализа вариабельности сердечного ритма.

3. Результаты модельных экспериментов показали, что предложенный метод реконструкции функции управления позволяет в 1,8 - 2,0 раза уменьшить ошибку оценки ее основных частотных компонентов по сравнению с наилучшим известным методом преобразования ритмограммы. Эксперименты на выборке реальных записей ЭКГ, основанные на анализе критерия Фишера, используемого при распознавании физиологических состояний по спектральным признакам, показали, что его значение в этом случае может быть увеличено в 2 раза.

4. Предложены методы формирования спектральных признаков для задач классификации сигналов в частотной области. Они основаны на использовании сглаженных оценок спектральной плотности мощности и оптимизации границ частотных областей для группировки смежных спектральных коэффициентов. Применение этих методов для задачи обнаружения желудочковой фибрилляции позволило более чем в 5 раз (от 0,22 до 1,26) по сравнению с традиционными способами описания СПМ увеличить значение критерия Фишера, оценивающего степень расхождения распознаваемых классов.

5. Разработан математический аппарат и предложена процедура коррекции положения разделяющей функции путем нахождения дополнительных векторов в пространстве меньшей размерности. На примере задачи обнаружения желудочковой фибрилляции показано, что введение дополнительного вектора позволяет в 2,4 раза увеличить межклассовое расстояние, а это в свою очередь облегчает условия построения линейного классификатора.

6. Предложены весовые функции, для вычисления критерия оптимизации в задачах распознавания многих классов сигналов, что усиливает влияние на выбор решающих функций близко расположенных кластеров. Получено аналитическое выражение для вычисления весовых коэффициентов. Показано, что использование весовых функций при распознавании опасных аритмий уменьшает среднюю ошибку классификации в 1,8 раза.

7. Получены решающие правила для распознавания опасных нарушений ритма по спектральным признакам в двухклассовой и трехклассовой задачах и проведен анализ их эффективности. Показано, что формирование упорядоченного набора спектральных коэффициентов в задаче распознавания опасных аритмий обеспечивает высокую надежность обнаружения желудочковой фибрилляции: чувствительность метода составляет 98%, специфичность 0,96%. Средняя ошибка классификации равна 4,6 %. Это позволяет решить проблему обнаружения ранних форм опасных аритмий.

8. Предложено и исследовано три модели описания хаотических процессов, наблюдаемых в ритмограмме и, соответственно, три метода обнаружения фрагментов мерцательной аритмии, использующих следующие подходы:

• оценку точности предсказания значений временного ряда авторегрессионной моделью;

• анализ параметров условной энтропии с использованием коррекции ее значений по числу одиночных событий;

• линейный дискриминантный анализ на базе параметров приближенной оценки энтропии Колмогорова.

9. Экспериментально показано, что метод, использующий параметры приближенной оценки энтропии Колмогорова, позволяет надежно обнаруживать хаотические изменения, порождаемые нелинейными моделями, а также обеспечивает наименьшую ошибку распознавания мерцательной аритмии на фоне нормального ритма и частой экстрасистолии, равную 2,5%.

10. Предложен метод и сформулированы решающие правила автоматического распознавания типов мерцательной аритмии, что расширяет диагностические возможности систем непрерывного контроля состояния кардиологических больных.

11. На основе кубических полиномиальных сплайнов Эрмита предложен метод интерполяции (К1), отличающийся от метода, основанного на 5-сплайнах (В), более простым псевдолокальным способом построения интерполирующей функции. Этот способ интерполяции требует значительно меньших вычислительных затрат и позволяет организовать вычисления в режиме оперативной обработки данных.

12. На основе изучения методов сплайн-интерполяции показано, что получение высокого качества интерполяции в задачах автоматической обработки ЭКС может быть достигнуто за счет адекватного выбора способа задания и формы математического описания сплайн-функции.

13. Предложены методы коррекции изолинии на базе методов В и К1. Исследование их эффективности показало, что подавление низкочастотной помехи на 90% достигается при значениях отношения частоты взятия узлов к частоте помехи т]> 3,1 - для метода В и г] > 4,1 - для метода К1. Это означает, что метод К1 надежно подавляет дрейф изолинии с частотами ниже 0,32 Гц и может быть эффективно использован в системах автоматической обработки ЭКГ на этапе предварительной обработки ЭКС.

14. Созданы новые компоненты компьютерных систем наблюдения и диагностики и исследовательские комплексы, позволяющие решать задачу классификации функциональных состояний организма по спектральным признакам ВСР, а также расширяющие класс распознаваемых нарушений сердечного ритма, что способствует повышению эффективности применения средств автоматизации в процессе диагностики и лечения. Методы коррекции дрейфа изоэлектрической линии внедрены в практические системы «МТМ(Ж-1», «МТМОЫ-4», «КардиоКит», которые имеют рекомендации МЗ РФ, а также сертификат Госстандарта РФ и рекомендацию МЗ РФ для аппаратных средств и выпускаются несколькими предприятиями г. Санкт-Петербурга.

1. Алберг, Дж. Теория сплайнов и ее приложения / Дж. Алберг, Э.Нильсон, Дж.Уолш; пер с англ. М.: Мир, 1972. - 320 с.

2. Анализ сердечного ритма / Под ред. Д. Жемайтите, Л. Тельксниса. Вильнюс: Мокслас. - 1982. - 130 с.

3. Анищенко, B.C. Сравнительный анализ методов классификации состояния сердечно-сосудистой системы при стрессе /B.C. Анищенко и др. // Биомедицинская электроника. 2000. - № 2. С. - 24 - 37.

4. Аппаратура и методы исследования деятельности оператора: сб. научн. трудов, отв. редактор A.A. Фролов. М.: Наука, 1989. - 112 с.

5. Ахутин В.М. Оптимизация принятия решений в АСУ здравоохранения: учеб. пособие / В.М. Ахутин, А.П. Немирко, Л.А. Манило; Л.: ЛЭТИ. 1989.- 64 с.

6. Баевский, P.M. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем (методические рекомендации) / P.M. Баевский и др. // Вестник аритмологии. 2001. - № 24. - С. 65-87.

7. Баевский, P.M. Вариабельность сердечного ритма: теоретические аспекты и возможности клинического применения / P.M. Баевский, Г.Г. Иванов // Ультразвуковая и функциональная диагностика. 2001. - № 3. - С. 106 -127.

8. Баевский, P.M. К проблеме прогнозирования функционального состояния человека в условиях длительного космического полета / P.M. Баевский // Физиол. Журн. СССР. 1972. -№ 6. - С.819-827.

9. Баевский, P.M. Кибернетический анализ процессов управления сердечным ритмом / P.M. Баевский // Актуальные проблемы физиологии и патологии кровообращения М.: Медицина, 1976. С. 161 - 175.

10. Баевский, P.M. Математический анализ изменений сердечного ритма при стрессе / P.M. Баевский, О.И. Кириллов, С.З. Клецкин. М.: Наука, 1984. - 220 с.

11. Баевский, P.M. Прогнозирование состояний на грани нормы и патологии. -М.: Медицина, 1979.-205 с.

12. Баевский, Р.М.Оценка адаптационных возможностей организма и риск развития заболеваний / P.M. Баевский, А.П. Берсенева. М.: Медицина, 1997. - 265 с.

13. Бендат, Дж. Прикладной анализ случайных данных / Дж. Бендат, А. Пирсол; пер. с англ. М.: Мир, 1989. - 540 с.

14. Березный, Е.А. Динамика сердечного ритма и его вариабельность при велоэргометрии у больных ИБС / Е.А. Березный, Б.М. Липовецкий // Кардиология. 1997.-№7.-С. 29-32.

15. Березный, Е.А. Корреляционная ритмография при исследовании и лечении больных с мерцательной аритмией // Кардиология. 1981. - Т. 21, № 5. - С. 94 -96.

16. Биотехнические системы: теория и проектировании / В.М. Ахутин и др.; под ред. В.М. Ахутина. Л.: Изд-во ЛГУ, 1981. - 220 с.

17. Блудов, A.A. Информационные возможности анализа трёхмерной скаттерограммы для оценки функциональной активности синусового узла / A.A. Блудов, В.А. Воронцов // Кардиология. 1999. - № 6. - С. 54 - 57.

18. Борин, В.П. Автоматический вывод грамматики для распознавания структурных элементов биомедицинских сигналов / В.П. Борин, Л.А. Манило, А.П. Немирко // Изв. ЛЭТИ. 1994. - Вып. 468, - С. 12-17.

19. Вальденберг, A.B. Мониторный контроль ЭКГ в иетенсивной терапии / A.B. Вальденберг, А.Н. Калиниченко // Мир медицины. 1999. - № 1-2. с. 42-45.

20. Вапник, В.Н. Теория распознавания образов (статистические проблемы обучения /В.Н. Вапник, А.Я. Червоненкис. М.: Наука, Главная редакция физико-математической литературы, 1974. - 416 с.

21. Вариабельность сердечного ритма. Теоретические аспекты и практическое применение. Тезисы Международного симпозиума 12-14 сентября 1996 г., Ижевск: 1996. С.225.

22. Василенко, В.А. Сплайн функции: теория, алгоритмы, программы / В.А. Василенко / Отв. ред. Г.И. Марчук. Новосибирск: Наука, СОАН СССР, 1983. -214 с.

23. Вериго, В.В. Системные методы в космической биологии и медицине: Проблемы космической биологии, том 55 / В.В. Вериго // М.: Наука, 1987. 216 с.

24. Вили, К. Биология / К. Вили: пер. с англ. М.: Мир, 1968. - 808 с.

25. Власов, Ю.А. Метод последовательного парного анализа ритма сердца по интервалам RR /Ю.А. Власов и др. // Радиоэлектроника, физика и математика в биологии и медицине. Новосибирск: 1971. С. 9-14.

26. Воскресенский, А.Д. Статистический анализ сердечного ритма и показателей гемодинамики в физиологических исследованиях / А.Д. Воскресенский, М.Д. Вентцель. М.: Наука, 1974 -221 с.

27. Танеев, P.M. Математические модели в задачах обработки сигналов. М.: Горячая линия-Телеком, 2002. - 83 с.

28. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс; пер. с англ. М.: Техносфера, 2005. - 1072 с.

29. Гончаров, Д.В. Программа для проведения нагрузочных проб / Д.В. Гончаров // Вестник аритмологии. 2006. Приложение А. ISSN 1561-8641. - С. 195.

30. Гофман, Б. Электрофизиология сердца / Б. Гофман, П. Крейнфилд; пер. с англ. Т.С.Цузмер; под ред. Е.Б. Бабского. М.: Изд-во иностр. лит., 1968. - 390 с.

31. Де Бор, К. Практическое руководство по сплайнам / К. Де Бор; пер. с англ. М.: Радио и связь, 1985. - 320 с.

32. Дженкинс, Г. Спектральный анализ и его приложения / Г. Дженкинс, Д. Ватте; пер. с англ. М.: Мир, 1971. - 316 с.

33. Дроздов, Д.В. Автоматический анализ ЭКГ: проблемы и перспективы / Д.В. Дроздов, В.М. Леванов // Здравоохранение и медицинская техника. 2004. - №1.

34. Дуда, 3. Распознавание образов и анализ сцен / 3. Дуда, П. Харт; пер. с англ. -М.: Мир, 1976.-511 с.

35. Дядькин, В.М. Методические указания к лабораторным работам по дисциплине «Теория, расчет и проектирование электронно-медицинской аппаратуры»/ В.М. Дядькин, Л.А. Манило, А.П. Немирко; Л.: ЛЭТИ, 1988. 31 с.

36. Завьялов, Ю.С. Сплайны в инженерной геометрии / Ю.С. Завьялов, В.А. Леус, В.А. Скороспелое. М.: Машиностроение, 1985. - 224 с.

37. Заславская, О.М. Система анализа вариабельности сердечного ритма человека / О.М. Заславская и др. // Международная научно-техническая конф. по мягким измерениям и вычислениям: тез. докл., Санкт-Петербург, 22-26 июня, 1998. СПб.: СПбГЭТУ. С.246-248.

38. Злочевский, М.С. Обработка электрокардиограмм методой сплайн-функций // Новости мед. техники. 1983. - Вып. 1. - С.18-20.

39. Кавасма, P.A. Автоматизированный анализ и обработка электрокардиографических сигналов. Методы и система. / P.A. Кавасма, A.A. Кузнецов, Л.Т. Сушкова: под ред проф. Л.Т. Сушковой. М.: Сайнс-пресс. - 2006. - 144 с.

40. Калиниченко, А.Н. Разработка автоматизированного архива электрокардиограмм для исследований мониторных систем / А.Н. Калиниченко, Л.А. Манило, И.С. Терентьева // Известия ЛЭТИ. 1986. - Вып. 367. - С. 48 - 53.

41. Кардиомониторная система RITMON для отделений интенсивной терапии и реанимации / А.П. Немирко и др. // Научное приборостроение (РАН). 1996. - Т. 6.-С. 115-116.

42. Кардиомониторы. Аппаратура непрерывного контроля ЭКГ / А.Л. Барановский, А.Н. Калиниченко, Л.А. Манило и др.; под ред. А.Л. Барановского и А.П. Немирко. М.: Радио и связь, 1993. - 248 с.

43. Классификация и кластер / Ред. Дж. Вэн Райзин; пер. с англ. П.П. Кольцова под редакцией Ю.И. Журавлева. М.: Мир, 1980. 389 с.

44. Корнейчук, Н.П. Сплайны в теории приближения. М.: Наука, 1984. - 352 с.

45. Кушаковский, М.С. Аритмии сердца. 2-е изд. СПб.: Фолиант. - 1998. - 633 с.

46. Кушаковский, М.С. Фибрилляция предсердий (причины, механизмы, клинические формы, лечение и профилактика). СПб.: Фолиант. - 1999. - 176 с.

47. Манило, JI.A. Матричные операторы связи дискретных спектров Фурье и Уолша / JI.A. Манило, В.А. Пономарев, Е.П. Попечителев // Автометрия. 1977. - №1. -С. 41-45.

48. Манило, JI.A. Преобразование пространства спектральных признаков с использованием весовых функций в задачах распознавания сигналов / Л.А. Манило // Известия вузов России. Радиоэлектроника. 2007. - Вып.2. - С. 38 - 44.

49. Манило, Л.А. Автоматическое распознавание мерцательной аритмии с использованием оценок аппроксимированной энтропии / Л.А. Манило, Е.П.Зозуля // Информационно-управляющие системы.- 2006. №1 (20). - С. 21-27.

50. Манило, Л.А. Авторегрессионные модели случайных процессов в задачах распознавания нарушений сердечного ритма / А.Л.Манило // Известия СПбГЭТУ "ЛЭТИ". Сер. Биотехнические системы в медицине и экологии. 2004- Вып. 2. -С. 1-8.

51. Манило, Л.А. Динамический анализ сердечного ритма при автоматическом распознавании мерцательной аритмии. / Л.А. Манило, Е.П. Зозуля // Вестник аритмологии; прил. А. 2006. - С. 195.

52. Манило, Л.А. Идентификация биосигналов методами оценки условной энтропии / Л.А. Манило // Известия СПбГЭТУ "ЛЭТИ". Сер. Биотехнические системы в медицине и экологии. 2005. - Вып. 2. - С. 53-59.

53. Манило, Л.А. Методы интерполяции функции управления водителем сердечного ритма / Л.А. Манило, Н.И. Родина // Вестник аритмологии. 2000. № 15. - С. 158.

54. Манило, Л.А. Новый подход к спектральному анализу вариабельности сердечного ритма / Л.А. Манило, Н.И. Родина // Известия СПбГЭТУ "ЛЭТИ", сер. Биотехнические системы в медицине и экологии. 2003. - Вып. 1. С. 16-20.

55. Манило, Л.А. Оценка допустимого уровня остаточных помех при анализе нагрузочной ЭКГ / Л.А. Манило, К.Н. Милева // Изв. ЛЭТИ, сер. Биотехнические и медицинские системы. 1990. - Вып. 428. - С. 45 - 50.

56. Манило, Л.А. Построение решающих функций в пространстве спектральных признаков для систем кардиологического наблюдения / Л.А. Манило// Известия СПбГЭТУ "ЛЭТИ". Сер. Биотехнические системы в медицине и экологии 2006. -Вып. 1.-С. 13-21.

57. Манило, Л.А. Системы гибкого программного управления на базе микро-ЭВМ.Методические указания к лабораторным работам по курсу "Регулирование в биосистемах и АСУ здравоохранения" / Л.А. Манило, А.П., Немирко Г.С. Подклетнов; Л.: ЛЭТИ, 1986. 28 с.

58. Манило, JI.A. Спектральный анализ фибрилляций желудочков / JI.A. Манило, А.П. Немирко, А.М. Черныш // Изв. ЛЭТИ. 1978. - Вып. 244. - С. 13 - 17.

59. Манило, JI.A. Упорядочение спектральных признаков по эмпирическим оценкам межгруппового расстояния в задачах классификации биосигналов / JI.A. Манило // Известия вузов России. Радиоэлектроника. 2006. - Вып.З. - С. 20 -29.

60. Марпл—мл., С. JI. Цифровой спектральный анализ и его приложения; пер. с англ. -М.: Мир. 1990. -584 с.

61. Мерцательная аритмия: стратегия и тактика лечения на пороге XXI века / Д.Ф. Егоров и др. Ижевск: Алфавит, 1998. - 413 с.

62. Месарович, М. Общая теория систем: математические основы / М. Месарович, Я. Такахара; пер. с англ. под ред. C.B. Емельянова. М.: Мир. - 1978. - 311 с.

63. Микрокомпьютерные медицинские системы: Проектирование и применение / Под ред. У.Томпкинса, Дж. Уэбстера: Пер. с англ. М.: Мир. - 1983. - 544 с.

64. Миронова, Т.Ф. Вариабельность сердечного ритма при ишемической болезни сердца / Т.Ф. Миронова, В.А. Миронов. Челябинск: Рекпол. - 2006. - 136 с.

65. Миронова, Т.Ф. Клинический анализ волновой структуры синусового ритма сердца (Введение в ритмокардиографию и атлас ритмокардиограмм) / Миронова Т.Ф., Миронов В.А. Челябинск: Челябинский Дом печати - 1998. - 162 с.

66. Михайлов, В.М. Вариабельность ритма сердца. Опыт практического применения. Иваново: НейроСофт. - 2000. - 200 с.

67. Мониторный контроль ЭКГ пациентов с имплантированными электрокардиостимуляторами / А.Н. Калиниченко и др. // Вестник аритмологии, -2000-No 15.-С. 155.

68. Мун, Ф. Хаотические колебания: Вводный курс для научных работников и инженеров: пер. с англ.- М.: Мир. 1990. - 312 с.

69. Немирко А.П. Автоматизированные системы для медико-биологических исследований: учеб. пособие / А.П. Немирко, JI.A. Манило, В.Я. Гельман; JL: ЛЭТИ.- 1991.-72 с.

70. Немирко, А.П. Алгоритм оперативного распознавания опасных аритмий / А.П Немирко., Л.А. Манило, А.Н. Калиниченко // Изв. ЛЭТИ. 1981. - Вып. 283. - С. 71-75.

71. Немирко, А.П. Алгоритмы измерения и анализа параметров 8Т- сегмента ЭКГ для систем автоматического наблюдения за состоянием человека / А.П. Немирко, Л.А. Манило, К.Н. Милева// Вопросы кибернетики. 1991. Вып. 164. С. 127 - 141.

72. Немирко, А.П. Компьютерный анализ ЭКГ при нагрузочных пробах / А.П. Немирко, Л.А. Манило, К.Н. Милева // Изв. ЛЭТИ. 1988. - Вып. 405. - С.19-25.

73. Немирко, А.П. Обработка и автоматический анализ электрокардиосигналов / А.П. Немирко // Изв. СПбГЭТУ. 2002. - Вып.1. - С.34-36.

74. Немирко, А.П. Распознавание волн ЭКГ при кардиостимуляции / А.П. Немирко, М.М. Гасанов, Д.Ф. Егоров // Изв. ЛЭТИ. 1986. - Вып. 367. - С. 53-58.

75. Немирко, А.П. Цифровая обработка биологических сигналов. М.: Наука, 1984. -145 с.

76. Нидеккер, И.Г. Проблема математического анализа сердечного ритма / И.Г. Нидеккер, Б.М. Федоров // Физиология человека. 1993. - Т. 19, № 3, вып. 6. - С. 80-87.

77. Обработка биомедицинских сигналов с использованием программного пакета Lab VIEW: Методические указания к выполнению лабораторных и практических работ / Сост.: JI.A. Манило, С.Ю. Левашов, А.Н. Калиниченко; СПб.,: СПбГЭТУ. -1998.-38 с.

78. Обработка электрокардиограмм для диагностики аритмий / Л.А. Манило и др.// ГФАП № 5086-00531. Алгоритмы и программы, 1987, №4.

79. Основы цифровой обработки сигналов. Курс лекций / А.И. Солонина и др. // СПб.: БХВ-Петербург, 2003. 608 с.

80. Павлидис, Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь - 1986. - 400 с.

81. Патрик, Э.А. Основы теории распознавания образов; пер. с англ. В.М. Баронкина, Б.А. Смиренина, Ю.С. Шинакова под редакцией Б.Р. Левина. М.: Советское радио, 1980. 408 с.

82. Попечителев, Е.П. Системный анализ медико-биологических исследований. СПб.: Изд-во СПбГЭТУ «ЛЭТИ». 2006. - 300 с.

83. Пригожин, И. Время, хаос, квант. К решению парадокса времени: Пер. с англ. Изд. 5-е, исправл. М.: Едиториал УРСС, 2003. - 240 с.

84. Ритмокардиоанализатор: а.с. 1047464 СССР: А 61 В 5/02 / А.П. Немирко, А.Г. Предтеченский, Л.А. Манило; заявитель Ленинградский электротехническийинститут им. В.И. Ульянова (Ленина). № 3439279/28-13; заявл. 17.05.82; опубл. 15.10.83, Бюл. № 38. -4 с.

85. Роженко, А.И. Теория и алгоритмы вариационной сплайн-аппроксимации. -Новосибирск: Сиб. отделение, ин-т вычисл. математики и мат. геофизики СО РАН, 2005.-243 с.

86. Руксин, В.В. Стандартизация и мониторирование спектральных показателей вариабельности сердечного ритма. / Руксин В.В., Пивоваров В.В., Кудашев В.Х., Федченко Е.И. // Terra Medica. 1998. - № 1. - С. 2 - 8.

87. Рябыкина, Г.В. Анализ вариабельности ритма сердца / Г.В. Рябыкина, A.B. Соболев //Кардиология 1996. 10. С. 87-97.

88. Рябыкина, Г.В. Вариабельность ритма сердца. / Рябыкина Г.В., Соболев A.B. -М.: СтарКо, 1998. 200 с.

89. Сергиенко, А.Б. Цифровая обработка сигналов. СПб.: Питер, 2003. 604 с.

90. Смирнов, A.B. Алгоритм предварительной обработки электрокардиосигнала в реальном масштабе времени / A.B. Смирнов, А.П. Немирко, Л.А. Манило // Техника средств связи, сер. ОТ. 1981. - Вып. 3(12). - С. 32 - 40.

91. Сплайн-функции и их приложения: сб. науч. тр. / Ин т математики им. С.Л. Соболева; СО РАН. - Новосибирск: Ин-т математики СО РАН. - 1997. - 159 с.

92. Стечкин, C.B. Сплайны в вычислительной математике. / Стечкин C.B., Субботин Ю.И. М.: Наука, 1976. - 248 с.

93. Суханова, Н.В. Ритм сердечных сокращений в различных стадиях сна и при бодрствовании / Н.В. Суханова, Л.А. Манило // Физиология человека. 1978. - Т. 4. -№3,- С. 419-425.

94. Табак, В.Я. Динамика спектральных характеристик ЭКГ при развитии фибрилляции желудочков сердца / В.Я.Табак, А.М.Черныш, А.П.Немирко, Л.А.Манило // Анестезиология и реаниматология. 1980. - № 1. - С. 71-74.

95. Теория и проектирование диагностической электронно-медицинской аппаратуры / В.М. Ахутин и др. Л.: Изд-во ленингр. ун-та, - 1980. -147 с.

96. Трояновская, О.В. Система перевода медицинских документов с естественного на формализованный язык / О.В. Трояновская, Л.А. Манило // Международная конференция по мягким вычислениям и измерениям: сб. докладов Межд.

97. Конференции, г. Санкт-Петербург, 25 28 мая 1999. - СПб., 1999. - Том 2. - С. 173- 176.

98. Ту, Дж Принципы распознавания образов / Дж. Ту, Р. Гонсалес; пер. с англ. И.Б. Гуревича под редакцией Ю.И. Журавлева. М.: Мир, 1978. 411 с.

99. Устройство диагностики фибрилляций желудочков сердца: а.с. 718088 СССР: М. Кл.2 А 61В 5/02 / А М. Черныш, Л.А. Манило и др.; заявитель 1-й Московский мед. институт им. И.М. Сеченова. № 2646643/28-13; заявл. 19.07.78; опубл. 28.02.80, Бюл. №8.-2 с.

100. Физиология и патофизиология сердца: В 2 т. / Под ред. Сперелакиса. М.: Медицина, 1990. - 2 т.

101. Флейшман, А.Н. Медленные колебания гемодинамики. Новосибирск, 1999. -264 с.

102. Форсайт, Дж. Машинные методы математических вычислений / Дж. Форсайт, М. Малькольм, К. Моулер. М.: Мир, 1980. - 279 с.

103. Фукунага, К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. - 308 с.

104. Хан, М.Г. Быстрый анализ ЭКГ. Пер. с англ. СПб.: «Невский диалект» -«Издат. БИНОМ», 1999. - 286 с.

105. Шакин, В.В. Вычислительная электрокардиография. М.: Наука, 1981. - 167 с.

106. Шальдах, М. Элекгрокардиотерапия: Пер. с. англ. и ред. В.Н. Хирманова. -СПб.,-1992.-256 с.

107. Шеннон, К. Работы по теории информации и кибернетике: пер. с англ. М.: 1965.-438 с.

108. Шустер, Г. Детерминированный хаос: Введение. М.: Мир, 1988. - 240 с.

109. Экстремальные свойства сплайнов и задача сглаживания / В.В.Вершинин, Ю.С. Завьялов, H.H. Павлов, В.Л. Мирошниченко; отв. ред. В.Л. Мирошниченко. -Новосибирск: Наука, СО АН СССР, 1988.- 102 с.

110. Akselrod, S. Power spectrum analysis of heart rate fluctuation: a quantitative probe of beat cardiovascular control / S. Akselrod and oth. // Science. 1981. - Vol. 213. - P. 220 - 222.

111. An Efficient Algorithm for Spectral Analysis of Heart Rate Variability / R.D.Berger, S.Akselrod, D.Gordon, R.J.Cohen // IEEE Transaction on Biomedical Engineering. -1986. Vol. BME-33, No 9. - P. 900-904.

112. Anan, T. Arrhythmia analysis by successive RR plotting / T. Anan, K. Sunagawa, H. Araki, M. J. Nakamura // Elektrocardiol. 1990. -Vol. 23, No3. - P.244-248.

113. Anderson, M. Innervation and synaptic transmission. Electrical Phenomena in the Heart (Ed. W.C. de Mello) / M.Anderson, Del Castillo J. New York: Academic Press, 1972.-247 p.

114. Barro, S. Algorithmic sequential decision-making in the frequency domain for life threatening ventricular arrhythmias and imitative artefacts: a diagnostic system / S. Barro, R. Ruiz, D. Cabello, J. Mira // J. Biomed. Eng. 1989. - 11(4):320-8.

115. Boyarkin, M.V. Heart Rate Variability as an Index of Autonomic Heart Regulation in Acute Miocardial Infarction Patients / M.V, Boyarkin, A.N. Kalinichenko, A.P. Nemirko // IEEE. Computers in Cardiology. 1997. - Vol. 24. - P.45 - 48.

116. Bronhet, C. Automated ECG Diagnosis of Atrial Flatter by Means of Wavelet Transform / C. Bronhet, C. Dervael, R. Fesler // Proceedings of Computers in Cardiology. IEEE Computer Society. 1994. P.773-76.

117. Cerutti, S. Analysis of the Dynamics of RR Interval Series for the Detection of Atril Fibrillation Episodes / S. Cerutti, L. T. Mainardy, A. Porta, A. M. Binanchi // Proceedings of Computers in Cardiology. IEEE Computer Society. -1997. P. 77-80.

118. Chen, S. Ventricular fibrillation detection by a regression test on the autocorrelation function / S. Chen, N. Thakor, M. Mower // Med. Biol. Eng. Comput. 1987. -25(3):241-9.

119. Ciarlini, P. Recursive computation of low-frequency baseline drifts in body surface potential mapping / P. Ciarlini, P. Barone, A. Guspini // Computers in Cardiology. -1985. -P. 427-430.

120. Clayton, R. H. Comparison of techniques for time-frequency analysis of the ECG during human ventricular fibrillation / R. H. Clayton, A. Murray // IEEE Proceedings on Science, Measurement and Technology. 1998 -No. 145. - P. 301-306.

121. Clayton, R.H. Frequency Analysis of Self-Terminating Ventricular Fibrillation / R.H. Clayton, A. Murray, R.W.F. Campbell // IEEE Computer Society Press. 1994. -P. 705 - 708.

122. Clayton, R.H. Time-Frequency Analysis of Human Polymorphic Ventricular Tachycardia / R.H. Clayton., R.W.F. Campbell, A. Murray // Computers in Cardiology. 1997, vol 24.-P. 97-100

123. Cohen, L. Time-frequency distributions. A review // Proc. IEEE. - 1989. - V. 77. -P. 941-981.

124. DeBoer, R.W. Comparing spectra of a series of point events particularly for heart rate variability data / R.W.DeBoer, J.M.Karemaker, J.Strackee // IEEE Transaction on Biomedical Engineering. 1984. - Vol. BME-31, No 4. - P. 384-387.

125. Detection of Complex Atrial Arrhythmias in Resting ECG / B.R.S. Reddy, P.P. Elko, D.W. Christenson, G.I. Rowlanson //Proceedings of Computers in Cardiology, IEEE Computer Society. 1994. - P .777-780.

126. Giraldo, B.F. Automatic Detection of Atrial Fibrillation and Flutter using the Differentiated ECG Signal. / B.F. Giraldo, P. Laguna, R. Jane, P. Caminal // Proceedings of Computers in Cardiology, pp.369-372. IEEE Computer Society, 1994.

127. Goldberger, A. Is the normal heartbeat chaotic or homeostatic? / A. Goldberger // News in Physiological Sciences. 1991:6:87-91.

128. Guimaraes, H.N. A comparative analysis of preprocessing techniques of cardiac event series for the study of heart rhythm variability using simulated signals / H.N. Guimaraes, R.A.S. Santos //Braz. J. Biol. Res. 1998. - 31(1). - P. 421-^-30.

129. Hayano, J. Diurnal variations in vagal and sympathetic cardiac control / J. Hayano, Y. Sakakibara, M. Yamada // Am. J. Physiol. 1990. - Vol. 258. - P. H642.

130. Heart rate variability. Standards of Measurements, Physiological Interpretation, and Clinical Use // Circulation. 1996. 93 (5). - P. 1043 - 1065.

131. Hirsh, J.A. Respiratory sinus arrhythmia in humans: how breathing pattern modulates heart rate / Hirsh J.A., Bishop B. // Am. J. Physiol. 1981. - Vol. 241. - P. H620-H629.

132. Hon, E.H. Electronic evaluation of the fetal heart rate patterns preceding fetal death: further observations / E.H. Hon, S.T. Lee // Am. J. Obstet. Gynecol. 1965. - Vol. 87. -P. 814-826.

133. Hyndman, B.W. A model of the cardiac pacemaker and its use in decoding the information content of cardiac intervals / B.W. Hyndman, R.K. Mohn // Automedica. 1975. -Vol. 1,- P. 239-252.

134. Hyndman, B.W. A pulse modulator model of pacemaker activity / B.W.Hyndman, R.K.Mohn // Digest of the 10th International Conference on Medical and Biological Engineering. Dresden, 1973. P. 223.

135. Lateloga, M.T. Lyne Assessment of ST- segment Distortions by Direct-writing Electrocardiographic Recorders / M.T. Lateloga, D.E Busby // Diomed. Technik. 1977. -Vol. 22, N 5.-P 115-121.

136. Li, C. Detection of ECG characteristic points using wavelet transforms / C Li, C. Zheng, C. Tai // IEEE Trans Biomed Eng. 1995. - Vol. 42. - P. 21-28.

137. Loog, M. Multiclass Linear Dimension Reduction by Weighted Pairwise Fisher Criteria / M. Loog, R.P.W. Duin, R. Haeb-Umbach // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2001. - Vol.23. - No. 7. - P. 762-766.

138. Manilo, L.A. Estimation of the Frequency Properties of Rhythm ograms in Problems of Recognition of Physiological States / L.A. Manilo, N.I. Rodina // Pattern Recognition and Image Analysis. 2003. - Vol. 13. No 2. - P. 298 - 301.

139. Manilo, L.A. Investigation of a Model of the Cardiac Rhythm Pacemaker Control for the Spectral Analysis of a Rhythmogram / L.A. Manilo, N.I. Rodina // Pattern Recognition and Image Analysis. 2001. - Vol. 11, No 2. - P. 342 - 344.

140. Manilo, L.A. Forming the Spectral Signs When Classifying the Electrocardiosignals within the Frequency Range / L.A. Manilo, A.P. Nemirko // Pattern Recognition and Image Analysis. 2005. - Vol. 15. - № 4. - C. 668-671.

141. Markad, V. Power spectral analysis of heart rate variability: a noninvasive signature of cardiac autonomic function / V. Markad, M. Kamath, L. Ernest, E. Fallen // Critical Reviews in Biomedical Engineering. 1993. - Vol. 21(3). - P. 245-311.

142. Measuring regularity by means of a corrected conditional entropy in sympathetic outflow / A. Porta, G. Baselli, D. Liberati, N. Montano, C. Cogliati, T. Gnecchi-Ruscone, A. Malliani, S. Cerutti // Biological Cybernetics. 1998. - V.78. - P.71-78.

143. Meyer, C.R. Electrocardiogram Baseline Noise Estimation and Removal Using Cubic Splines and State-Space Computation Techniques / C.R. Meyer, H.N. Keiser // Comput. Biomd. Res. -1977. Vol. 10. - P. 459-470.

144. MIT-BIH Arrhythmia Database. Available from MIT-BIH Database Distribution. Massachusetts Institute of Technology. 77 Massachusetts Avenue, Room E25-505. Cambridge, MA 02139 USA. http://www.physionet.org/physiobank/database/mitdb. [http://ecg.mit.edu].

145. Murashov, P.V. Fast Wavelet Transform Application for the QRS Complex Detection / P.V. Murashov // Pattern Recognition and Image Analysis. 2005, Vol. 15. -No 4.-P. 706-708.

146. Nemirko, A.P. Grammatical Inference in Syntactic Pattern Recognition / A.P. Nemirko, V.P. Borin // Pattern Recognition and Image Analysis. !991. - Vol. 1, № 4. -C.357-374.

147. Nemirko, A.P. Software Complex for the Recognition of Diagnostically Significant ECG Changes. / A.P. Nemirko and oth. // Pattern Recognition and Image Analysis. -2006, Vol. 16.-No l.-P. 9-11.

148. Nemirko, A.P. Waveform Classification for Dynamic Analysis of ECG / A.P. Nemirko, L.A. Manilo, A.N. Kalinichenko // Pattern Recognition and Image Analysis. -1995.-Vol. 5.-No 1. -P.131-134.

149. Nobel, D. The kinetic and rectifier properties of the slow potassium current in cardiac Purkinje fibres / D. Nobel, R. Tsein // J. Physiol. (Lond.). 1968. - Vol. 195. - P. 185— 214331

150. Nonlinear Biomedical Signal Processing / Edited by Metin Akay. Volume 2, Dynamic Analysis and Modelling. New York: IEEE . 2001. - 341 p.

151. Phase correction for accurate ST segments reproduction in ambulatory ECG recording / M.E.Nygards, T. Ahren, I. Ringqvist, T. Ahren et al.// Computers in Cardiology. 1984. - p.33 - 38.

152. Pincus S.M. Approximate entropy as a measure of sytem complexity. Proc. Natl. Acad. Sci. USA 88: 1991. pp. 2297-2301.

153. Rangayyan, R.M. Bimedical signal analisys. IEEE / Wiley, 2002. 516 p.

154. Sayers, B. McA. Analysis of heart rate variability / B.McA. Sayers // Ergonomics. -1973.-Vol. 16.-P. 17-32.

155. Shepoval'nikov, R.A. Investigation of Time, Amplitude, and Frequency Parameters of a Direct Fetal ECG Signal during Labor and Delivery / R.A. Shepoval'nikov and oth // Pattern Recognition and Image Analysis. 2006, Vol. 16. - No 1. - P. 74-76.

156. Thakor, N. Ventricular tachycardia and fibrillation detection by a sequential hypothesis testing algorithm / N. Thakor, Y. Zhu, K. Pan // IEEE Trans. Biomed. Eng. -1990.-37(9):837^3.

157. СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ И АББРЕВИАТУР1

158. АВ атриовентрикулярный (узел);

159. АЦП аналого-цифровой преобразователь;1. БД база даных;1. БО биообъект;

160. БПФ быстрое преобразование Фурье;

161. БТС биотехническая система;

162. ВНС вегетативная нервная система;

163. ВСР вариабельность сердечного ритма;1. ДА дыхательная аритмия;

164. ЖТ желудочковая тахикардия;

165. ЖФ желудочковая фибрилляция;

166. ИБС ишемическая болезнь сердца;1. КМ кардиомонитор;

167. КМС кардиомониторная система;

168. КРГ корреляционная ритмограмма;

169. К-энтропия энтропия Колмогорова;1. МА мерцательная аритмия;1. НР нормальный ритм;

170. НЧП низкочастотная помеха;1. ПД потенциал действия;

171. ПО программное обеспечение;1. ПП потенциал покоя;111111 пакет прикладных программ

172. ПСС последовательность сердечных сокращений;

173. ПТ пароксизмальная тахикардия;

174. ПФТ пируэтная форма тахикардии;1. СА синоатриальный (узел);

175. СБД специализированная база данных;

176. Аббревиатуры методов непрерывно представления ПСС приведены в табл. 2.3 (стр. 80)

177. СПМ спектральная плотность мощности;1. СР сердечный ритм;

178. ССС сердечно-сосудистая система;

179. ТЖ трепетание желудочков (сердца);1. ФНЧ фильтр нижних частот;1. ФР фоновый ритм;

180. ЦНС центральная нервная система;

181. ЧСС частота сердечных сокращений;1. ЧЭ частая эксрасистолия;1. ЭКГ электрокардиограмма;1. ЭКС электрокардиосигнал;

182. АрЕп приближенная оценка К-энтропии; ESC - Европейское кардиологическое общество; HF - высокие частоты;

183. FM интегральный частотно-импульсный модулятор; LF - низкие частоты;

184. MIT-BIH Arrhythmia Database, Massachusetts Institute of Technology; NASPE - Американское общество электростимуляции иэлектрофизиологии; NN-интервал интервал норма-норма;

185. RR-интервал интервал между смежными R-зубцами ЭКГ; ULF - ультранизкие частоты; VLF - сверхнизкие частоты.

186. Примечание: методы сплайн-интерполяции, основанные на использовании кубических 5-функций. кубических функций дефекта 1, 'дефекта 2 и линейных функций обозначены В, Kl, К2, L, соответственно.