автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Алгоритмы и комплексы программ мониторно-компьютерных систем для анализа морфологии и ритма электрокардиограмм

На правах рукописи

КОРОБЕЙНИКОВ Александр Васильевич

УДК 531.391+681.327.18

АЛГОРИТМЫ И КОМПЛЕКСЫ ПРОГРАММ МОНИТОРНО-КОМПЬЮТЕРНЫХ СИСТЕМ ДЛЯ АНАЛИЗА МОРФОЛОГИИ И РИТМА ЭЛ ЕКТРОГК АРДИ ОГР АММ

Специальности:

05.13.18- Математическое моделирование, численные методы

и комплексы программ 05.11.16-Информационно-измерительные иуправляющие системы (промышленность, научные исследования)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Ижевск 2004

Работа выполнена в ГОУ ВПО «Ижевский государственный технический университет» (ИжГТУ).

Научный руководитель:

Заслуженный изобретатель Российской Федерации, доктор технических наук, профессор Лялин В.К

Официальные оппоненты:

заслуженный деятель науки Удмуртской Республики, доктор технических наук, профессор Алексее« В А. (ИжГТУ)

доктор физико-математических наук, профессор Летчиков А. В. (Удмуртский государственный университет)

Ведущее предприятие: ГОУ ВПО «Нижегородский государственный технический университет»

Защита состоится 21 января 2005 г. в 14 часов

на заседании диссертационного совета Д 212.065.04

в ИжГТУ по адресу: 426069, г. Ижевск, ул. Студенческая, 7, корп. 1

Отзыв на автореферат, заверенный гербовой печатью, просим выслать по указанному адресу.

С диссертацией можно ознакомиться в библиотеке ИжГТУ.

Автореферат разослан 20 декабря 2004 г.

Ученый секретарь диссертационного совета, доктор технических наук, профессор

Бендерский Б.Я.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одним из ведущих общепризнанных методов неинва-зивного (бескровного) исследования состояния сердечно-сосудистой системы организма человека в медицине является электрокардиография (ЭКГ)- ЭКГ отражает электрическую активность сердца. Снятие и интерпретация ЭКГ является стандартной процедурой в медицине. ЭКГ широко применяют в медицинских отделениях различного профиля на различных этапах сопровождения пациента.

В 1887 г. Уоллер впервые зарегистрировал электрическое поле сердца. В 1903 г. Эйнтховен записал первый сигнал ЭКГ (ЭКС) на бумаге. Развитие методик анализа прошло несколько этапов и к настоящему времени не завершилось.

Развитие вычислительной техники позволяет большую часть анализа сигнала ЭКГ выполнять автоматически. Повышается производительность, функциональность, уменьшаются вес и габариты аппаратуры анализа ЭКГ, появляется возможность реализации более сложной программно-алгоритмической части, появляются новые типы медтехники и новые методики анализа ЭКГ.

Основные общепринятые методики анализа ЭКГ: разбиение на кардиоциклы и подсчет частоты сердечных сокращений (ЧСС); анализ морфологии кардиоцик-лов; анализ ритма (распознавание аритмий и оценка вариабельности ритма).

Разбиение на циклы и подсчет ЧСС - основной этап анализа: накладываются повышенные требования к надежности обработки, и на нем строится весь последующий анализ Сложность анализа определяется работой алгоритма в условиях помех и артефактов на ЭКС. При ведении мониторинга безопасности пациента этап выполняют непрерывно и круглосуточно - текущий анализ ЭКГ.

Анализ морфологии выполняется для диагностики ряда заболеваний сердца. Производят распознавание характерных сегментов кардиоцикла. Сложность анализа определяется многообразием циклов ЭКГ.

Анализ аритмий выполняют при диагностике и при мониторинге безопасности состояния пациента. Сложность анализа определяется большим объемом данных, работой в условиях помех, артефактов и аритмий. Анализ вариабельности ритма (ритмография) начал развиваться в 1970-х годах. В ритмографии анализируют изменения длительности кардиоцикла. Различают анализ коротких (5 минут) и длинных (1 сутки) записей. Сложность анализа определяется большим объемом данных и наличием артефактов и аритмий.

Допустимая сложность алгоритмов анализа ЭКГ определяется вычислительными возможностями аппаратуры медицинской техники.

Алгоритмы анализа ЭКГ являются важной информацией для фирм разработчиков и производителей медтехники и, как правило, являются закрытыми.

Актуальность темы определяется: важностью разработки для медицинского приборостроения; сложностью организации мониторных компьютерных систем; наличием различных медицинских методик анализа ЭКГ, требующих применения различных математических методов и алгоритмов; высокими требованиями к надежности и скорости обработки; требованием ведения анализа в реальных условиях: многообразие типов ЭКГ в условиях различных помех и артефактов; требованием ведения анализа в реальном ¿гоявле" нием новых методик анализа ЭКГ с развитием вывислищдд^^^эдрки; требо-

I ¿rsftj? !

ванием пересмотра алгоритмов анализа по известным методикам с развитием средств вычислительной техники; закрытостью алгоритмов анализа ЭКГ используемых различными фирмами производителями средствах мониторной техники; требованием создания единого комплекса алгоритмов, ранние этапы которых будут формировать исходные данные для последующих этапов.

Объектом исследования являются: аппаратное и программное обеспечение мониторно-компьютерных систем, предназначенных для анализа ЭКС; характеристики цифровых фильтров; представление ЭКС в виде числовых рядов; представление сегментов кардиоцикла ЭКГ в многомерном пространстве параметров; спектральные и временные характеристики числовых рядов, представляющих ЭКС.

Предметом исследования являются: методы цифровой обработки ЭКС; методы цифровой фильтрации ЭКС; методы сжатия ЭКС; корреляционные методы в задаче классификации циклов ЭКГ; методы сегментирования и кодирования структуры числовых рядов, представляющих ЭКС; лингвистические методы распознавания участков ЭКС; анализ представления ЭКС в виде числовых рядов во временной области: статистические, геометрические, корреляционные методы; анализ представления ЭКС в виде числовых рядов в частотной области (спектральный анализу разложение в ряд Фурье, волновое преобразование; методы графического представления числовых рядов ритма ЭКГ; методы распознавания образов для анализа морфологии цикла ЭКГ; методы статистики для представления сегментов цикла ЭКГ в пространстве параметров при распознавании морфологии: геометрические методы для классификации сегментов цикла ЭКГ, использованные для обучения при распознавании морфологии; аппарат нечеткой логики, использованный в распознавании морфологии цикла ЭКГ

Цель работы - создание комплекса алгоритмов анализа ЭКГ и их программной реализации для различных аппаратных средств мониторно-компьютерных систем обработки ЭКГ, выполняющих разбиение на кардиоциклы, анализ ритма и морфологии, что позволит создать систему автоматизированного контроля состояния пациентов в кардиологических отделениях медицинских учреждений

Для достижения поставленной цели нужно решить следующие задачи:

- определить методики анализа ЭКГ необходимые для алгоритмической реализации в мониторно-компьютерных системах;

- для каждой методики (разбиение на кардиоциклы, анализ ритма и морфологии), определить методы обработки перспективные для программной реализации;

- предложить критерии, методы и алгоритмы этапа предварительной обработки ЭКГ (выбор параметров дискретизации, фильтрация, сжатие);

- разработать надежный и одновременно простой алгоритм для разбиения ЭКГ на кардиоциклы (базовый этап обработки): выделение £>Я5-комплексов, отбраковка ошибочно выделенных комплексов и их классификация;

- провести практическую апробацию алгоритма разбиения на циклы;

- рассмотреть методики анализа вариабельности согласно стандартов во временной (статистические, геометрические, корреляционные методы) и частотной (спектральные методы) областях;

- предложить методику кодирования структуры ЭКГ сигнала для выявления нарушений ритма (аритмий) и методику для их классификации;

У» ЗД *

А, -

- предложить методы графического представления данных ритмографии;

- провести практическую апробацию алгоритмов анализа ритма;

- разработать методику и алгоритм анализа морфологии ЭКГ;

- разработать методику распознавания сегментов кардиоцикла реальных сигналов различного типа и формы, снятых в различных отведениях;

- разработать методику формирования базы знаний морфологии;

- разработать методику использования полученной базы знаний морфологии кардиоциклов для распознавания сегментов;

- провести практическую апробацию алгоритма анализа и сделать выводы о его соответствии требованиям точности определения сегментов кардиоцикла;

- провести анализ существующих мониторно-компьютерных систем и определить их основные узлы систем с целью унификации программного обеспечения;

- разработать программы для основных узлов мониторных систем;

- провести практическую апробацию разработанных программ.

Методы исследования. В работе были использованы теоретические и экспериментальные методы исследования.

Теоретические методы. При выборе параметров дискретизации использована теория информации, методы цифровой обработки сигналов применялись при разработке цифровых фильтров; методы теории вероятности и математической статистики широко использованы для классификации комплексов при определении параметров сегментов в анализе морфологии, в анализе ритмограммы во временной области. Методы цифровой обработки сигналов положены в основу распознавания аритмий и анализа римтограммы во временной области, а методы лингвистического анализа - при распознавании аритмий. Спектральный анализ цифровой обработки сигналов применялся при анализе римтограммы в частотной области и для волнового преобразования цикла в анализе морфологии Для анализа морфологии использованы геометрические методы распознавания образов и теория нечеткой логики

Экспериментальные методы. Результаты статистического анализа экспериментальных данных учтены при выборе параметров дискретизации и для задания параметров настойки алгоритма разбиения на кардиоциклы и параметров нарушений ритма; проверка теоретических построений анализа морфологии на реальных данных использована в ходе вычислительного эксперимента.

Достоверность и обоснованность. Состоятельность модели сигнала ЭКГ основана на использовании справочников и стандартов по кардиологии. Соответствие методики анализа морфологии экспериментальным данным подтверждено в ходе вычислительного эксперимента. Достоверность вычислительного эксперимента обеспечена использованием аттестованных вычислительных средств и метрологического оборудования, большим объемом разнородных экспериментальных данных, участием в подготовке данных медицинских специалистов высокого класса и хорошей воспроизводимостью результатов

На защиту выносятся результаты разработки и исследований алгоритмов и методов анализа сигнала ЭКГ для мониторный систем в части разбиения на кардиоциклы, анализа ритма и анализа морфологии, в том числе:

- алгоритм разбиения ЭКГ на кардиоциклы, основанный на цифровой фильтрации сигнала ЭКГ, с последующим вычислением функции корреляции

между выделенными 0Л^-комплексами и использованием их классификации;

- алгоритм распознавания аритмий на основе лингвистического метода: кодирования структуры ЭКГ и последующего ее анализа;

- методы анализа вариабельности ритма (ритмографии);

- методы построения графиков данных ритмографии;

- методика анализа морфологии ЭКГ на основе методов распознавания образов, использующая результаты волнового преобразования усредненного кар-диоцикла и использующая аппарат нечеткой логики;

- получение волнового преобразования цикла при анализе морфологии;

- набор статистических параметров для описания свойств сегментов кар-диоцикла при анализе морфологии;

- метод получения базы знаний морфологии - гиперплоскостей, ограничивающих области классов с использованием аппарата нечеткой логики;

- метод распознавания сегментов кардиоциклов на основе базы знаний морфологии, использующий аппарат нечеткой логики;

- программное обеспечение, реализующее разработанные алгоритмы;

- конфигурация аналоговой и цифровой частей мониторной техники;

- конфигурация разработанного блока регистрации ЭКГ;

- разработанная общая структура мониторно-компыотерной системы.

Научная новизна полученных результатов определяется впервые проведенными комплексными исследованиями, направленными на разработку алгоритмов и программных средств для анализа сигнала ЭКГ, в ходе которых:

- разработан оригинальный алгоритм разбиения ЭКГ на кардиоциклы, совмещающий простоту реализации и надежность работы; алгоритм является комбинацией методов цифровой фильтрации (выделение £?&5-комплексов), корреляционных методов (отбраковка артефактов и классификация);

- предложены способы отображения данных ритмографии: круговая ритмограмма и 3-мерные диаграммы (ритмограмма, относительная ритмограмма, скатгерограмма);

- впервые разработана методика анализа морфологии ЭКГ на основе методов распознавания образов на основе комбинации различных методов анализа, таких как усреднение кардиоциклов, использование результатов волнового преобразования, использование расчета статистических параметров сегментов и аппарата нечеткой логики при реализации метода распознавания образов;

- предложено использование усредненного кардиоцикла, что улучшило условия дальнейшего анализа морфологии;

- использование волнового преобразования (wavelet) усредненного кардиоцикла позволило получить производный от формы кардиоцикла сигнал, что упростило дальнейший анализ за счет избавления от изолинии и выделения энергии формы кардиоцикла отдельно для различных частот;

- на основе использования метода распознавания образов для анализа морфологии осуществлена возможность учитывать свойства различных типов кардиоцикла и осуществлять дальнейшее обучение системы анализа морфологии;

- разработана методика расчета статистических параметров, что дает комплексную оценку сегментов кардиоцикла независимо от длительности и структуры, при этом возможно изменение набора параметров;

- использование аппарата нечеткой логики дало возможность простого способа задания поверхностей, разделяющих различные классы сегментов (базы знаний морфологии) и применение методов логического вывода.

Практическая ценность полученных результатов определяется проведенными исследованиями и разработкой алгоритмов и методов анализа сигнала ЭКГ, которые реализованы и апробированы на практике в разработанном программном обеспечении различных узлов мониторной системы. Предложена оригинальная структура мониторно-компьютерной системы. В результате получены решения различных практических задач:

- разработан и реализован оригинальный алгоритм разбиения ЭКГ на циклы, прошедший длительную эксплуатацию в клинических условиях;

- прошел апробацию алгоритм распознавания аритмий, созданный на основе лингвистического метода кодирования структуры ЭКГ и последующего ее анализа, выявляющий прогностические и опасные для жизни аритмии;

- реализованы методы ритмографии (статистический, геометрический, корреляционный и спектральный анализы) согласно общепринятых стандартов;

- программно реализован метод волнового преобразования ритмограммы;

- на основе клинических данных дана оценка впервые разработанной методики анализа морфологии кардиоцикла ЭКГ;

- разработан единый комплекс алгоритмов анализа ЭКГ в части разбиения на кардиоциклы, анализа морфологии, анализа аритмий и ритмографического анализа; комплекс алгоритмов решает все практические задачи анализа ЭКГ;

- разработан и практически опробован в клинических условиях комплекс программного обеспечения, реализующий разработанные автором диссертационной работы алгоритмы; данный комплекс программ охватывает основные узлы мониторных систем, а отдельные программы прошли длительную эксплуатацию в клинических условиях (стационарный монитор и станция наблюдения);

- предложено разделение аналоговой и цифровой частей мониторной техники, что позволяет реализовать различные узлы мониторной системы;

- разработан блок регистрации ЭКГ, который универсален и может быть использован в различных узлах мониторно-компьютерной системы;

- предложена структура и создан автономный монитор на основе блока регистрации ЭКГ и портативного компьютера; разработана программа монитора;

- предложена общая структура мониторно-компьютерной системы, позволяющая построить единый комплекс средств мониторной техники.

Реализация работы в производственных условиях. Различные программы, реализующие разработанные алгоритмы, прошли апробацию:

1) мониторные комплексы и система, снабженные алгоритмами разбиения на циклы и ритмографического анализа: мониторно-компьютерная система отделения неотложной кардиологии (МКС-ОНК), прикроватный кардиомонитор (ПКМ), станции наблюдения врача, медсестры и заведующего (СтВ, СтМ, СтЗ), монитор реанимационный компьютерный индивидуальный (МРКИ), монитор анестезиологический компьютерный (МАК), реографический комплекс компьютерный (РКК) прошли заводские испытания и приняты к серийному производству на ФГУП Ижевский электромеханический завод «Купол»;

2) алгоритм разбиения на кардиоциклы в составе МКС-ОНК используются с 1999 года в Республиканском клиническом кардиологическом диспансере (РККД) г. Ижевска, а также в районной больнице с. Завьялово (Удмуртия);

3) алгоритмы разбиения на кардиоциклы, анализа аритмий и ритмографи-ческого анализа в составе комплекса суточного монитора апробированы в отделение функциональной диагностики (ОФД) РККД г. Ижевска;

4) алгоритмы разбиения на кардиоциклы, анализа аритмий и ритмографи-ческого анализа в составе автономного монитора апробированы на кафедре Ижевской юсударственной медицинской академии (ИжГМА);

5) проведена оценка алгоритма анализа морфологии на выборке реальных сигналов объемом 1440 сигналов ЭКГ (120 пациентов по 12 отведений), полученных в ОФД РККД г. Ижевска.

Апробация работы. Основные научные положения и практические результаты диссертационной работы обсуждались на: Международной конференции «Молодежь, студенчество и наука XXI века» (Ижевск, 2001); Российской научно-технической конференции «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск, 2001); VI Всероссийской с участием стран СНГ конференции «Методы и средства обработки сложной графической информации» (Нижний Новгород, 2001), Научно-технических конференциях ИжГТУ (Ижевск, 2001-2003); IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2001, 2003); Международном симпозиуме «Надежность и качество» (Пенза, 2003), Российской научно-технической конференции «Высокопроизводительные вычисления и технологии (ВВТ-2003)» (Ижевск, 2003); 31 международной конференции «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004)

Публикации. Результаты работы отражены в 9 научных трудах, в том числе в: 4 статьях в научно-технических сборниках, 4 статьях в центральной печати, 1 статье в трудах российской научно-технической конференции.

Структура объем работы. Диссертация содержит введение, 5 глав и заключение, изложенные на 171 с. машинописного текста. В работу включены 78 рис., 2 табл., список литературы из 101 наименования и приложение, содержащее акты об использовании результатов работы.

СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности темы исследования, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.

В первой главе проведен обзор современного положения по предмету работы: раскрыта сущность метода электрокардиографии, проведен обзор аппаратных средств кардиологической техники различных типов, обзор стандартных и перспективных методик анализа сигнала ЭКГ, выбор для исследования наиболее важных методик обработки. Поставлены цели и задачи исследования.

Вторая глава содержит обоснование построения алгоритмов анализа ЭКГ. Глава содержит 5 частей: модель сигнала ЭКГ: предварительная обработка, разбиение на циклы; анализ морфологии, анализ аритмии и ритмография.

Рис. I. Пример сигнала ЭКГ

Рис. 2. Ритм сигнала ЭКГ

Модель сигнала адекватная множеству реальных ЭКС необходима д ля разработки алгоритмов анализа. Единичный период импульсов называют - кардиоцикл (рис. 3). Каждый кардиоцикл состоит из характерных участков, которые условно называют зубцами и сегмен-

тами. В кардиологии различают сегменты: Р и Т зубцы и £Ж>-комплекс. Спектр ЭКС лежит в диапазоне 0...50 Гц. Комплекс наиболее высокочастотный участок ЭКС, его спектр - 25...50 Гц. На реальных ЭКС зубцы могут иметь сложный вид. Периодичность следования кардиоциклов (рис. 2) характеризуется ритмом ЭКС и ЧСС. Длительность кардиоцикла измеряют как расстояние между (Э/?5-комплексами - вершинами зубцов Д (ЯЯ-интервал). ЧСС меняется на реальных сигналах в пределах 20...300 циклов в минуту. При нормальном ритме длительность соседних ЛЛ-интервалов отличается не более чем на 20%. На реальных ЭКС присутствуют шумы, сетевая наводка (50 Гц) и артефакты.

и Предварительная обработка включает: выбор параметров дискретизации, циф-г ровую фильтрацию и сжатие сигнала ЭКГ. , Выбор частоты дискретизации произволен \ на основе экспериментальных данных и ^- требований к точности измерения параметров (125...500 Гц, 10..14 бит). Произведен расчет цифровых фильтров: фильтр сете-

^.„^ вой наводки (50 Гц), фильтры высоких и Рис. 3. Кардиоцикл сигнала ЭКГ низких частот (ФВЧ и ФВЧ). Произведен

анализ возможности и методов сжатия сигнала ЭКГ и предложено использовать для этой цели адаптивное разностное кодирование.

Разбиение на кардиоциклы. На данном этапе производится обнаружение на ЭКС 0&5>-комплексов и представление ЭКС в виде последовательности циклов, классификация (Ж>-комплексов и подсчет ЧСС. Данный этап является основным при автоматической обработке ЭКС и достаточен для простых систем. Распознавание комплекса ведут в реальном времени (по приходу отчета) с подачей звукового сигнала по каждому комплексу и быстрым определением аритмий угрожающих жизни. Классификацию комплексов QRS и расчет ЧСС выполняют раз в 1...3 секунды. Основные методы распознавания комплексов: простейшие пороговые; структурные; корреляционные; распознавание образов; нейронные сети, на основе цифровых фильтров.

Использование цифровой фильтрации для распознавания £>Л5-комплекса,

Отфильтрованный сигнал

Распознавание QRS-комплексов

Массив форм кардиоцислов

Массив индексов QRS-коилпексов

Массив форм

QRS-КОМПЛвКСОв

может рассматриваться как синтез простейших поро-вых и корреляционных методов. Алгоритм состоит из 4 этапов: выделение комплекса; обнаружение комплекса; определение опорной точки комплекса; запись данных о разбиении сигнала.

Для выделения высокочастотных составляющих комплекса QRS в кардиологии часто используют цифровой фильтр (1) (рис. 5) (аналог дифференциатора). Фильтр рассчитан для частоты дискретизации 200 Гц.

Классификация QRS-(омллека»

h-

l;

_ JL.

Дальнейшая обработка

Параметр ЧСС

Массив классов QRS-комплексов

Расчет параметра ЧСС

Рис. 4. Разбиение на кардиоциклы

О)

где jc( , у, - отсчеты на входе и выходе (рис 6 а).

Затем производную ЭКС берут по модулю (рис. 6 6): yt -- \xt |, где х., yt - отсчеты на входе и выходе.

Обнаружение QRS-комплекса производят

пороговым обнаружителем зубца R. Выделение Риг 5 AUV _

J- участка с максимальной производной служит

дифференциатора для нахождения примерного расположения QRS-комплекса и предотвращения нескольких срабатываний на один 0Л5-комплекс.

Для каждой точки строится функция, значение которой является максимумом модуля производной ЭКС в окрестности i-0.1 с: у: =тах(х1(Ис..л^а 1с) (рис. 6 в). С помощью пороговых правил обнаруживают £)/?5-комплекс. Учитывая подобие всех нормальных 2Л5-комплексов, вводят адаптивный порог: а = 0.95а + 0.05(а, /2), где а - порог, а, - амплитуда производной текущего QRS-комплекса (рис 6 в) Предусмотрено плавное снижение порога по каждому отсчету для перенастройки при снижении амплитуды сигнала: а = a(N -1 ) / А', где а порог, N~ время снижения порога до минимума (число отсчетов) (15. ..30 с) Превышение порога - признак обнаружения комплекса QRS.

Определение опорной точки (Ж^-комплекса - вершина зубца R - максимум относительно изолинии. Изолиния вычисляется с помощью ФНЧ (рис. 6 г). Запись данных о разбиении: индекс точки /?; форма комплекса QRS - окрестность точки R ± 0.1 с; форма кардиоцикла, окрестность точки R -0.4... +0.6 с.

Классификация комплексов QRS. В норме на ЭКС присутствуют комплексы одного класса «норма».

При заболеваниях сердца ввд ЭКС меняется. Все ненормальные комплексы нужно выявлять. Классификацию производят сравнением форм комплексов ОИБ. При анализе очередного комплекса вычисляют функцию корреляции к (2) между его формой и формой комплекса каждого го классов. При превышении функции корреляции заданного порога (75%) комплекс относится к данному классу. Если комплекс не совпал ни с одним из классов, то создается новый класс. Классы, не набравшие определенного числа комплексов за опреде-«норма», следует при-

= ГгГТТГ' (2)

где случайные величины, М - математическое ожидание, £> - диспер-

сия, cov - ковариация, к - коэффициент корреляции.

При расчете ЧСС возможно несколько подходов. Предпочтительней вариант, когда в расчет берут только кардиоциклы с £?&5-комплексами класса «норма» и любыми Я/?-интервалами. Производится усреднение длительности между комплексами QRS с формой класса «норма» на 5...30 комплексов пришедших не позднее 30 секунд. Значение усредненной длительности переводят в значение ЧСС = (1000 / ТКР) 60, где ТИК - средняя длительность /?/?-интервала (мс).

Анализ морфологии На этапе анализа морфологии (формы) кардиоциклов требуется распознавать отдельные сегменты (Р, QRS, Т) и на основе этого рас-

—___—_.——,—А .■.'и^'. .V----. _____

. аыъ

6)

±1У

в)

г)

Рис 6. Ра*биение на кардиоциклы

ленное время, считаются артефактами. В качестве класса нять самый частый класс.

СОУ

считать временные и амплитудные параметры. Для анализа морфологии отбирают только кардиоциклы с нормальными 0К5-комплексами и ритмом.

Получение усредненной формы. Форма нормальных кардиоциклов ЭКС подобна и меняется по времени медленно, и анализ каждого цикла проводить нецелесообразно. Производится усреднение форм нескольких (5... 10) циклов, а затем анализ усредненной формы. За счет усреднения формы происходит компенсация помех. При выборе циклов вычисляют коэффициент корреляции форм кардиоциклов (-0.4.. .+0.6 с от точки R) и отбраковывают артефакты.

Основные методы анализа морфологии: структурhl е; распознавание образов; нейронные сети; корреляционные методы. Многие современные системы используют варианты структурных алгоритмов. В них производят сегментацию формы кардиоцикла, описание всех полученных элементов и лингвистический анализ структуры описания. Алгоритм имеет простую реализацию и показывает неплохие результаты в случае типовых сигналов. Недостатки на реальных сигналах: сложность формального описания всех возможных типов сегментов, один сегмент часто представлен несколькими зубцами, скачкообразное изменение результатов работы алгоритма при небольших изменениях сигнала, связанное с появлением или пропаданием несущественных зубцов сигнала. Недостаток нейронных сетей' закрытость критериев принятия решения, сеть выступает как «черный ящик». Предложено вести анализ морфологии циклов на основе распознавания образов.

Исключить амплитудный тренд (несущую) ЭКС и выразить (усилить) отличия участков сигнала соответствующих разным частотам (3) позволяет волновое преобразование (wavelet) формы кардиоцикла:

ш 1 v- i'1

i-T F

/)

= e

I =!/•=! T

/ ч ~g{l,FT)

•(1 -g(i,F,T))-e>S

g(i, F, T) =

g(<> F, T) =

«-rV

i-T

F

'J'

(3)

(4)

где - значение волнового преобразования по времени и частоте, х, - значение исходного сигнала, N - длительность сигнала по времени, размерность массива сигнала, ^((¡-Т)/Р) - волновая функция (вейвлет Морле), g(i, Т) - аргумент экспоненциальной функции, где Ртах - предел расчетов по частоте.

Результаты волнового преобразования (рис.8а) - массивы энергии сигнала - проекции массивов частот Р ~ 1...8 (яркость - мощность энергии). Имеем 8 одномерных массивов для различных частот. Для частоты дискретизации 200 Гц - 50. .6.25 Гц. Результаты обратного волнового преобразования (4) представлены на рис. 86.

Анализ морфологии ведут по результатам волнового преобразования цикла. Основная идея распознавания образов: представление образцов распознавания массивом параметров - координаты точки, представляющей образец в п-

Рис 7 Усредненная форма

лл-

мерном пространстве. Принцип распознавания в геометрическом разделении точек в п-мерном пространстве на классы (рис. 10). Для задания плоскостей разделяющих точки - допустимые значения параметров классов (границ облаков, гиперповерхностей) возможно использование аппарата нечеткой логики.

Обучение системы распознавания Разметка образцов нужна для получения данных об образцах. Разметка - определение для образца выборки координат положения сегментов: начала и конца (г„, Д), 5 = 1.. .3 (Л ()№, Т).

Вычисление параметров образцов. Зная

координаты начала и конца (/„, I ¿) сегментов по результатам волнового преобразования цикла вычисляют статистические параметры: по 8 массивам энергии в пределах ограни-

ченных отметками (/,

Л)

Учитывают квад-

Рис. 8. Волновое преобразование кардиоцикла

рат амплитуды (р, = а, ):

1) Суммарная энергия (мощность) Р (5);

2) Суммарная положительная энергия Р'

3) Суммарная отрицательная энергия Р; 4) Математическое ожидание энергии М (6); 5) Математическое ожидание положительной энергии М"\ 6) Математическое ожидание отрицательной энергии М"; 7) Дисперсия энергии О (7); 8) Дисперсия положительной энергии £>+; 9) Дисперсия отрицательной энергии О"; 10) Асимметрия энергии А (8); 11) Асимметрия положительной энергии А+; 12) Асимметрия отрицательной энергии А'; 13) Эксцесс энергии Е (9); 14) Эксцесс положительной энергии £"; 15) Эксцесс отрицательной энергии Е.

I '-Р,

М

Ър, ЫМ^гУ-р,

(6)

= £> = М2 =

(8)

Мл

(7)

(9)

' о2 ' * Ел

Разбиение на классы. Оценить степень близости 2 образцов можно, вычислив расстояние между ними в «-мерном пространстве (10).

(Ю)

где Д, - расстояние между сегментами образцов / и у, х,к и х]к - значения параметра сегментов образцов, хтахк и хттк - максимальное и минимальное значения параметра по выборке, п - количество параметров к - индекс параметра.

Вычисляют расстояния для всех образцов выборки друг между другом и производят объединение сегментов образцов с небольшим расстоянием.

Получение нечетких характеристик Для каждого класса получают гиперплос-

Массив форм кардиоциклов

Ручная раз мерка сегментов

кардиоциклов ♦ _

Координаты сегментов

волновое преобразование

Результат волнового преобразования

Обучение

Вычисление

статистических napawrpda

Статистические параметры

Разбиение

кардиоциклов

Maco» классов сегментов

Расчет параметров

| нечетких характеристик I параметров классов

Массив нечетких характеристик параметре« классов

Расчет статистических параметров всех образцов

Статистические параметры

Вычисление значений нечетких переменных

Значения нечетких переменных

классов и образцов ♦

кости «-мерного пространства. Вычисляют нечеткие характеристики по каждому из параметров - задают функции распределения значений параметров.

Определяют функцию принадлежности - область, вероятность попадания значения параметра в которою не равна нулю. Описывают график вероятности (рис. И) - П-функция принадлежности. Определяют параметры: 1) А/

- левая граница участка вероятности 1; 2) Аг

- правая граница участка вероятности 1; 3) В/ - длина левого склона между участками с вероятностями О и 1; 4) Вг - длина правого склона между участками с вероятно-

стями 0 и 1.

Применение системы распознавания. Рис 9 Анализ морфологии Вычисление парамет-

ров образцов. На вход поступает результат волнового преобразования формы усредненного кар-диоцикла нового неизвестного образца. Нужно рассчитать все статистические параметры, которые рассчитывались при обучении, но неизвестны координаты начала и конца (/„ и 1к) сегмента. Они являются результатом работы системы. Рассчитывают весь набор параметров для каждой возможной пары координат (г„ и - образца. Число образцов определяет площадь 8„к (рис. 12) (11). По осям отложены г„ и ¡¡¡. Соотношение (11) Рис 10 Разделение классов определяег допустимую область г„ и /к.

Расчет степени соотвествия классов и образцов

Степень соотвествия классов и образцов

Определение максимума степени соотвествия

Временные и амплитудные параметры

Расчет временных и амплитудных параметров

Номер класса и коорддиматы

(П)

Рис. 11. Функция принадлежности

h =>AAl)-h(Bl).-ikUr) + ik(B,),

d = d(A,)-d(Bl)...d(Ar) + d(Br), К <<f

Нечеткий вывод. Входной информацией служат: база знаний (нечеткие характеристик классов); конкретные значения параметров образцов распознавания. Рассмотрим алгоритм нечеткого вывода Ларсена:

1) Введение нечеткости. Находятся степени истинности образца для каждого правила предпосылок (класса): Ak(xJ, где х, -правила предпосылок, i = 1 .п. At- предпосылки классов, п -

I» число правил (размерность пространства).

2) Логический вывод. Находятся истинности (ак) каждой предпосылки с использованием операции mm: ак - Ак(х1) л Ак(х2) л... л Лк(х„).

3) Композиция. Находится итоговое нечеткое подмножество /¿у использованием операции max с функцией принадлежности (т — общее

Рис. 12. Диапазон образцов число классов): цг = a, v а2 v... v аш.

4) Приведение к четкости. В основном выполняют поиском предпосылки с максимальным значением.

В итоге оценивают максимальное соответствие образцов и классов (рис. 13). Результатом распознавания являются координаты образца (/„ и 4) и номер класса давшие максимальную степень соответствия. На основе получен-Р159 ных координат сегментов оце-Р166 нивают различные временные и амплигудные характеристики сегментов кардиоцикла.

Анализ ритма В этом разделе рассмотрены методики и алгоритмы анализа составляющей ЭКГ, связанной с изменениями ритма. В нор-Рис. 13 Степени соответствия ме у людей кардиоциклы сле-

образцов и класса

Гистограмма, параметры

Массив длительностей кардиоциклов

ритмография |

Построение гистограммы и расчет _ параметров _

Массив классов СЖв-иомгтексов

Накопление данных за 5 минут или за 24 часа

Построение риг мо граммы

Ритмограмма

Фильтрация ритмограммы

Построение скаттерограммы и расчет параметров

Получение спектрограммы и расчет параметров

Спектрограмма параметры

п^аметр<

Аритмии

Кодирование ритма

Анализ кода ритма

дуют с достаточной периодичностью в течение всей жизни. Необходимое изменение ритма связано с регуляцией организма. При физических упражнениях происходит учащение ритма. Изменение ритма происходит и в связи с дыханием. При таком изменении (нормальном) длительность соседних кардиоциклов отличается не более чем на 20%. Слишком стабильный ритм является симптомом серьезных нарушений работы сердца. Отличие соседних кардиоциклов отличается более чем на 20% - это нарушения ритма (аритмии). Методики анализа ритма разбивают на 2 группы: выявление всех отдельных патологических аритмий; общая оценка вариабельности сердечного ритма.

Анализ аритмий. Необходимо автоматически выявлять ограниченное число нарушений ритма, но требования непрерывности и надежности обработки делают автоматическое выявление аритмий сложным. В кардиографии разработаны методики анализа аритмий. Выделяют ряд характерных нарушений ритма. Алгоритмы анализа аритмий должны выявлять большинство аритмий. Разделяют на 2 группы: выявление аритмии опасных для жизни при текущем наблюдении; выявление всех аритмий за период с целью прогноза.

Классы аритмий и частота появления

[

Спектрограмма, параметры

Получение волнового преобразования и расчет параметров

Г

Волновое преобразование параметры

Рис. 14 Структура анализа аритмий

Рис 15 Кодирование аритмий

Кодирование ритма. На ЭКС аритмии, проявляются в основном в виде характерных изменений последовательности Л/?-интервалов и формы комплексов (ЗЯБ, поэтому эти признаки учитываются алгоритмом обработки. Для учета этих 2 факторов ЭКС записывается в виде последовательности номеров классов форм (ЖЬ'-комплексов и номеров классов ДЯ-интервалов. Для оценки класса текущего (ЯК,) интервала вычисляют отношение длительностей соседних ИЯ-интервалов: £>1( = Г(ДЯ()/Г(Я/?,+1), где Г(Ш), 7(7?/?,.,,1 длительности текущего и последующего циклов.

Отношение О], квантуется на несколько классов 21;.

= I, т, >= 1.2; 2\,=2, 1 2> £>1, >= 1 1; = 3, 1 1 > 01, >= 0.9; 2\,=4, 0.9 > £>1, >= 0.8; 2\ =5, 0.8 > £>1„ где XI, - номер класса в результате оценки ;-го ЛЯ-интервала.

Обозначают класс формы комплекса QRS по результатам классификации при разбиении на циклы. Комплексам приписан некоторый класс М, Значение М, = 1 соответствует норме, М, = 2- патологии и далее. По классам интервалов /?/? и классам формы 2/?5-комплекса записывают последовательность ЭКС:

... М,+1. (12)

Распознавание аритмий. Выявление характерных аритмичных событий и формирование диагностического заключения по всем событиям (тип аритмии и частота появления) за временной интервал, производят путем анализа кода ритма (12). По мере выполнения условий, выраженных в виде логических формул (13), фиксируют наличие соответствующих аритмий на участке ЭКС. Логические формулы описаний аритмий задают на основе данных из кардиологии. Одиночная наджелудочковая экстрасистола:

= (2, = 1 )апй{7.г = 5)апс1(М] = 1 )апс1{Мг = 1)агк1(М} = 1), (13)

Распознавание аритмий опасных для жизни производят аналогично - лингвистический анализ кода из классов /?/?-интервалов и £Ж"?-комплексов

Анализ вариабельности сердечного ритма (ВСР) (другие названия- кардио-интервалография (КИГ), ритмография) - это оценка изменчивости ритма следования кардиоциклов (/?/?-интервалов). Изучение ВСР основывается на анализе ритмограммы (статистический, корреляционный, спектральный анализы)

Различают анализ коротких (5 минут) и длинных (24 часа) участков ритма. Построение ритмограммы - графика вариационного ряда сердечных циклов: по оси У отложены значения длительности кардиоцикла Ш, а по оси X порядковые номера цикла г или время появления циклов Г, (предпочтительнее) (рис 16). По виду ритмограммы определяют изменения ритма и делают вывод о стационарности ритма на участке. Можно предложить взамен или дополнительно стандартной ритмограмме круговую ритмограмму. Строится по часовой стрелке, значение длительности /?/?, соответствует радиусу окружности (рис 17) *Статистический

анализ ритмограммы выполняют по 2 ме-

<-тодикам: по отечест-

венному стандарту (по Баевскому) и по Европейскому стан-Рис 16 Ритмограмма дарту.

По Баевскому анализируются только короткие участки ритма (5 минут). Строится гистограмма (рис. 18) - график сгруппированных значений интервалов ЯЯ, по одной оси откладывается их длительность, по другой - процент от общего числа. Анализ ведут геометрическими и статистическими методами

По гистограмме определяют- 1) М0 - мода (мс), самое частое значение интервала (пик); 2) АМо — амплитуда моды (мс); 3) АЛ' - вариационный размах, ши-

Рис 16 Ритмограмма

Рис 17. Круговая ритмограмма

ПАПР = AM 0 / М0, ИВР = АМ0/ АХ.

% 10 20 30 40 50 60 70 80 90

• 250

200

150

• • 100

50

с

Рис 18. Гистограмма

рина гистограммы (с). Для оценки адекватности процессов регуляции вычисляют индексы Баев-ского: 4) ИН - индекс напряжения регулятор-ных систем (14); 5) ВПР - вегетативный показатель ритма (15); 6) ПАПР - показатель адекватности процессов регуляции (16); 7) ИВР -индекс вегетативного равновесия (17).

ИН = АМ0 !{2М0АХ), (14)

ВПР = \/(MqAX) , (15)

(16) (17)

Статистический анализ ритмограммы по Европейскому стандарту. Анализ производится во временной области. Определяют статистические и геометрические параметры. Вводится параметр WV-интервал (normal to normal), который определяется как RR-интервал между соседними нормальными комплексами QRS, Анализ ведут на основе массива AW-интервалов; всего 20 параметров.

Основные параметры: 1) SDNN (для оценки общей ВСР) - стандартное отклонение всех AW-интервалов (18), где NN,— значение

интервала г, ЛWav^; - среднее по ИЫ, всей записи, N - число интервалов; 2) ЗБАММ (для оценки НЧ компонент) - стандартное отклонение средних А7У-интервалов за каждые 5 минут непрерывной записи (мс) (19), где М, - среднее N14, по 5-минутному сегменту, - среднее по М, всей записи, число 5-ти минутных сегментов; 4) RMSSD (для оценки ВЧ компонент) - квадратный корень среднего значения квадратов разностей длительностей последовательных .МУ-интервалов (мс) (20), где А'ЛГ, - значение /-го интервала, N - число интервалов; 4) ТШМ (для оценки общей ВСР) - треугольная интерполяция гистограммы ^-интервалов (индекс «Святого Георга») (мс) Ъ = 2 • А1Ъ, где И -амплитуда моды, А - площадь гистограммы.

1Е(щ

SDNN -1

N

Z(M,-Mols)2

SDANN ='

RMSSD =1

N

Рис 19 Скаттерограмма

)£(ЩИ -NN,)2 NN-1

(18)

(19)

(20)

19

Корреляционный анализ ритмограммы - графический метод анализа во временной области. Отображают соотношения интервалов ЛЛ и оценивают характер ритма и нарушения. Скатгеро-грамма (рис. 19) - графическое отображение соответствия (корреляции) соседних ЯЛ на 2-мерной координатной плоскости по осям временные значения ¡) и Каждый тип аритмии составляет характерный рисунок. Применяют отношение ЛЛ-интервалов - относительная ритмограмма (рис. 20) У, =Г(/?/?,)/7'(Л^ч). При равенстве интервалов график имеет значение 1.

Для развития графических методов корреляционного анализа можно строить 3-мерные (объемные) графики (рис. 21): а) скатгерограмма Т(КЯ,), Т(ЯЯ,.]), Т(КЯ,.2) б); относительная ритмограммы Г„ в)

ритмограмма Г(/?/?,), ДЛЯ,./). Метод усиливает визуальное разделение интер-

j ! П 1 1 \ 1 i 1 « 1 I

Рис 20 Относительная ритмограмма

а) 6) в)

Рис 21 Объемные графики

Спектральный анализ ритмограммы применяется для выявления и оценки периодических составляющих ритма. Чаще используют быстрое преобразование Фурье (БПФ) (непараметрический метод) из-за простоты и быстроты вычисления (21) (рис.22). Частотные параметры для записей 5 минут: 1) Total power - общая спектральная мощность (мс2) (0...0.4 Гц); 2) VLF {very low frequency) (ОНЧ) - мощность очень

низких частот (0.. 0.04 Гц) (мс2); 3) LF {low freq.)

Рис 22. Спектрограмма (нч) мощность низких частот (0,04.. .0.15 Гц)

(мс2); 4) HF (high freq) (ВЧ) - спектральная мощность высоких частот

а)

Рис

Рис 22. Спектрограмма

(0.15...0.4 Гц) (мс ); 5) ЬР/НР (НЧ/ВЧ) - отношение низких и высоких частот. Для суточных записей ритма параметры спектра аналогичные. С развитием вычислительных ресурсов стали использовать волновое преобразование для частотного анализа ритма (рис. 23).

1

Гп>

л\е

,Ц2*//п)к

где г - комплексное число, п — размер вектора V, причем п = 2'

Рис 23 Волновое преобразование ритмограммы

Рис 24. Автономный монитор

20:09 4 t

HR 66

Vlo 0 88 PAPR999 9$ LF 999.99 IX 0« VPR 99999 HF 6254 VR 99999 IN 2.37 LFHF 1.67

±

Puc 25. Экраны автономного монитора (PalmOS)

(21)

Третья глава

содержит описание раз-личных аппаратных средств мони-торно-компьютерной системы: предлагаемой структуры и ее узлов, практически реализованные и опробованные или планируемые к реализации. Система, состоит из мониторных средств различно! о типа. Описано взаимодействие элементов системы между собой — функционирование мониторной системы. Описаны узлы: 1) регистратор ЭКГ, 2) портативный компьютер; 3) автономный монитор (рис.24); 4) стационарный монитор; 5) станция наблюдения.

Четвертая глава содержит описание программных средств мониторной системы практически реализованных и опробованных. Описание содержит экранные формы и краткое описание функционирования.

Были реализованы программы: 1) автономный монитор {PalmOS) (рис.25); 2) стационарный монитор (DOS); 3) станция наблюдения (DOS); 4) стационарный монитор и станция наблюдения (Windows) (рис.26); 5) суточный монитор (Windows); 6) база данных (Windows,); 7) тестирование алгоритмов (Windows); 8) синтез сигнала ЭКГ (DOS).

Рис. 26 Экран «Ритм 5 минут» стационарного монитора

В пятой главе приводятся практические результаты эксплуатации, апробации и оценки разработанных в диссертации алгоритмов и программных средств в клинических условиях на реальных сигналах ЭКГ.

Для оценки алгоритма анализа морфологии использовалась выборка образцов реальных сигналов ЭКГ. Формирование выборки сигналов осуществлялось в Отделении Функциональной Диагностики (ОФД) РККД г. Ижевск. Всею были записаны сигналы ЭКГ 120 пациентов в 12 отведениях длительностью 1 минута. Объем выборки образцов составил 1440 сигналов. По требованиям на точность распознавания сегментов кардиоцикла на реальных сигналах среднее отклонение по точкам сегментов должно составлять не более 10 мс. В итоге, по этим требованиям система распознавания показала удовлетворительные результаты по сегментам: Р - 71,4 % образцов, QRS- 89,2 % образцов, Т- 72,7 % образцов.

ЗАКЛЮЧЕНИЕ

Основные результаты разработки и исследований алгоритмов и методов анализа сигнала ЭКГ и их программной реализации для мониторно-компьютер-ных систем в части разбиения на кардиоциклы получены в результате впервые проведенных комплексных исследований и разработки алгоритмов и программ. Разработанный комплекс программ был широко опробован практически. В ходе исследований были получены научные и практические результаты:

1. Разработан оригинальный алгоритм разбиения ЭКГ на кардиоциклы, совмещающий простоту реализации и надежность работы, являющийся комбинацией методов цифровой фильтрации (выделение (ЗЯБ-комплексов) и корреляционных методов (отбраковка артефактов и классификация). Данный алгоритм прошел длительную эксплуатацию в клинических условиях.

2. Предложены некоторые способы отображения данных ритмографии: круговая ритмограмма и 3-мерные диаграммы (ритмограмма, относительная ритмограмма, скаттерограмма).

3. Впервые разработана методика анализа морфологии ЭКГ на основе методов распознавания образов, новизной которой является комбинация следующих методов анализа: усреднения кардиоциклов, использования результатов волнового преобразования и использования расчета статистических параметров сегментов и аппарата нечеткой логики при реализации метода распознавания образов.

4. Установлено, что получение усредненного цикла улучшает условия анализа морфологии, получение волнового преобразования усредненного кардио-цикла дает производный от формы кардиоцикла сигнал, что позволяет избавиться от изолинии, и получить энергии формы кардиоцикла отдельно для различных частот.

5. В результате экспериментальных исследований определено, что предложенный метод распознавания образов дает возможность учета свойств различных видов кардиоцикла и дальнейшего обучения системы распознавания, а расчет статистических параметров сегментов кардиоцикла дал комплексную оценку сегментов независимо от их длительности и структуры.

6 Оригинально примененный аппарат нечеткой логики обеспечил возможность простого способа задания поверхностей, разделяющих различные классы сегментов кардиоцикла (базы знаний морфологии) и применение методов логического вывода (нечеткий вывод).

7. Практически реализован алгоритм распознавания аритмий, созданный на основе лингвистического метода кодирования структуры ЭКГ и последующего ее анализа, выявляющий прогностические и опасные для жизни аритмии.

8. Реализованы статистический, геометрический, корреляционный и спектральный анализы ритмограммы, набор которых входит в общепринятые отечественные и международные стандарты, а также программно реализовано волновое преобразование ритмограммы.

9. Разработан единый комплекс алгоритмов анализа ЭКГ в части разбиения на кардиоциклы, анализа морфологии, анализа аритмий и ритмографического анализа. Данный комплекс алгоритмов решает основные, часто используемые на практике, задачи анализа ЭКГ.

10. Создан и апробирован в клинических условиях комплекс программного обеспечения, реализующий разработанные автором диссертационной работы алгоритмы Предложенный комплекс программ охватывает основные узлы мо-ниторных систем, а отдельные программы прошли длительную эксплуатацию в клинических условиях (стационарный монитор и станция наблюдения);

11. Конструктивное разделение аналоговой и цифровой частей мониторной техники позволило унифицировано реализовать различные узлы мониторной системы. Разработанный универсальный блок регистрации ЭКГ может быть использован в различных узлах мониторно-компьютерной системы. На основе блока регистрации предложена структура автономного монитора. Разработана общая структура мониторно-компьютерной системы, позволяющая построить единый комплекс средств мониторной техники.

НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Калядин Н.И. и др. Автоматический анализ сигнала ЭКГ в компьютерном мониторном комплексе. / Калядин Н.И., Леменков В.А., Коробейников A.B. // IV Всероссийская с участием стран СНГ конференция «Методы и средства обработки сложной графической информации» (25-27 сентября, 2001, Нижний Новгород): тез. докл.-С. 98-100.

2. Калядин Н.И., Леменков В.А., Коробейников A.B. и др. Разработка и опыт клинической эксплуатации мониторно-компьютерной системы отделения неотложной реанимации. // Медицинская техника. - 2002. № 1. - С. 36-40.

3. Калядин Н.И., Леменков В.А., Коробейников A.B. и др. Неинвазивный измеритель артериального давления. // Медицинская техника. - 2002. -№ 3. - С. 30-32.

4. Коробейников A.B. Структура системы мониторинга для медицинских учреждений. // Математическое моделирование и интеллектуальные системы. -Ижевск: ИжГТУ,2003.-№ 1.-С. 18-21.

5. Коробейников A.B. Разбиение сигнала электрокардиограммы на циклы. // Математическое моделирование и интеллектуальные системы. - Ижевск: ИжГТУ, 2003. - № 1. - С. 60-64.

6. Коробейников A.B., Лялин В.Е. Распознавание образов при анализе формы электрокардиограммы. // // Информационные технологии в науке, социологии, экономике и бизнесе: Материалы 31 Междунар. конф. - Украина, Крым, Ялта - Гурзуф.: Прилож. к журн. «Открытое образование», 2004,- С. 42-43.

7. Коробейников A.B. Выбор метода сегментации при анализе формы электрокардиограммы. // Математическое моделирование и интеллектуальные системы. - Ижевск: ИжГТУ, 2004. - № 1. - С. 30-35.

8. Коробейников A.B.. Распознавание образов при анализе формы электрокардиограммы. // Математическое моделирование и интеллектуальные сис-

темы. - Ижевск: ИжГТУ, 2004. - № 1. - С. 45-53. В- • 9 0 в

9. Каледин Н.И., Леменков В.А., Коробейников А.В. и др. Медицинский монитор. - Авторское свидетельство на полезную модель № 25265 от 27 сентября 2002 г. / ООО Научно-производственная фирма «НИОТК».

А. В. Коробейников

РНБ Русский фонд

2005-4 48923

Лицензия ЛР №020764 от 29.04.98 г.

Подписано в печать 20.12.2004. Формат 60x84 1/16. Отпечатано на ризографе. Уч.-изд.л 1,62. Усл. печ.л. 1,39. Тираж 100 экз. Заказ № 306/2.

Издательство Института экономики УрО РАН 620014, г. Екатеринбург, ул. Московская - 29

Введение

Глава 1. ОБЗОР СРЕДСТВ ЭЛЕКТРОКАРДИОГРАФИИ

1.1. Сущность метода электрокардиографии

1.2. Кардиологическая техника

1.4. Методики обработки кардиограмм

1.4.1. Общепринятые методики

1.4.2. Перспективные направления

1.5. Постановка цели и задач исследований

Глава 2. РАЗРАБОТКА АЛГОРИТМОВ

2.1. Математическая модель кардиограммы

2.2. Структура алгоритмов

2.3. Предварительная обработка

2.3.1. Оцифровка сигнала

2.3.2. Фильтрация сигнала

2.3.3. Сжатие сигнала

2.4. Разбиение на кардиоциклы

2.4.1. Выбор метода распознавания £2/?£-комплексов

2.4.2. Распознавание на основе цифровой фильтрации

2.4.3. Классификация ^ЯЗ-комплексов

2.4.4. Расчет частоты сердечных сокращений

2.5. Анализ морфологии

2.5.1. Получение усредненного кардиоцикла

2.5.2. Выбор метода анализа морфологии

2.5.3. Волновое преобразование кардиоцикла

2.5.4. Анализ морфологии на основе распознавания образов

2.5.5. Нечеткая логика в распознавании образов

2.5.6. Обучение системы распознавания

2.5.6.1. Разметка образцов

2.5.6.2. Вычисление параметров образцов

2.5.6.3. Разбиение на классы

2.5.6.4. Получение нечетких характеристик

2.5.7. Применение системы распознавания

2.5.7.1. Вычисление параметров образцов

2.5.7.2. Нечеткий вывод

2.5.8. Расчет временных и амплитудных параметров 85 2.6. Анализ ритма

2.6.1. Анализ аритмий

2.6.1.1. Кодирование ритма

2.6.1.2. Распознавание аритмий

2.6.1.3. Распознавание аритмий опасных для жизни

2.6.2. Анализ вариабельности ритма

2.6.2.1. Анализ коротких участков и суточного ритма

2.6.2.2. Построение ритмограммы

2.6.2.3. Статистический анализ ритмограммы

2.6.2.4. Корреляционный анализ ритмограммы

2.6.2.5. Спектральный анализ ритмограммы

Глава 3. АППАРАТНЫЕ СРЕДСТВА МОНИТОРНОЙ СИСТЕМЫ

3.1. Регистратор ЭКГ

3.2. Портативный компьютер

3.3. Автономный монитор

3.4. Стационарный монитор 119 3.5 Станция наблюдения 122 3.6. Структура мониторной системы

Глава 4. ПРОГРАММНЫЕ СРЕДСТВА МОНИТОРНОЙ СИСТЕМЫ

4.1. Автономный монитор (PalmOS)

4.2. Стационарный монитор (DOS)

4.3. Станция наблюдения (DOS)

4.4. Стационарный монитор, станция наблюдения ( Windows)

4.5. Суточный монитор ( Windows)

4.6. База данных ( Windows)

4.7. Тестирование алгоритмов ( Windows)

4.8. Синтез сигнала кардиограммы (DOS)

Глава 5. ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ

5.1. Опыт эксплуатации мониторной системы

5.2. Результаты апробации суточного монитора

5.3. Оценка алгоритма анализа морфологии 158 Заключение 161 Литература

Актуальность темы. Одним из ведущих общепризнанных методов неин-вазивного (бескровного) исследования состояния сердечно-сосудистой системы организма человека в медицине является электрокардиография (ЭКГ). ЭКГ отражает электрическую активность сердца. Снятие и интерпретация ЭКГ является стандартной процедурой в медицине. ЭКГ широко применяют в медицинских отделениях различного профиля на различных этапах сопровождения пациента.

В 1887 г. Уоллер впервые зарегистрировал электрическое поле сердца. В 1903 г. Эйнтховен записал первый сигнал ЭКГ (ЭКС) на бумаге. Развитие методик анализа прошло несколько этапов и к настоящему времени не завершилось.

Развитие вычислительной техники позволяет большую часть анализа сигнала ЭКГ выполнять автоматически. Повышается производительность, функциональность, уменьшаются вес и габариты аппаратуры анализа ЭКГ, появляется возможность реализации более сложной программно-алгоритмической части, появляются новые типы медтехники и новые методики анализа ЭКГ.

Основные общепринятые методики анализа ЭКГ: разбиение на кардиоцик-лы и подсчет частоты сердечных сокращений (ЧСС); анализ морфологии кар-диоциклов; анализ ритма (распознавание аритмий и оценка вариабельности ритма). Эти методики необходимо реализовывать при автоматическом анализе ЭКГ в различных аппаратных средствах кардиографической техники.

Разбиение на циклы и подсчет ЧСС - основной этап анализа: накладываются повышенные требования к надежности обработки, и на нем строится весь последующий анализ. Сложность анализа определяется работой алгоритма в условиях помех и артефактов на ЭКС. При ведении мониторинга безопасности пациента этап выполняют непрерывно и круглосуточно - текущий анализ ЭКГ.

Анализ морфологии выполняется для диагностики ряда заболеваний сердца. Производят распознавание характерных сегментов кардиоцикла. Сложность анализа определяется многообразием циклов ЭКГ.

Анализ аритмий выполняют при диагностике и при мониторинге безопасности состояния пациента. Сложность анализа определяется большим объемом данных, работой в условиях помех, артефактов и аритмий.

Анализ вариабельности ритма (ритмография) начал развиваться в 1970-х годах. В ритмографии анализируют изменения длительности кардиоцикла. Различают анализ коротких (5 минут) и длинных (1 сутки) записей. Сложность анализа определяется большим объемом данных и наличием артефактов и аритмий.

Допустимая сложность алгоритмов анализа ЭКГ определяется вычислительными возможностями аппаратуры медицинской техники.

Алгоритмы анализа ЭКГ являются важной информацией для фирм разработчиков и производителей медтехники и, как правило, являются закрытыми.

Актуальность темы определяется: важностью разработки для медицинского приборостроения; сложностью организации мониторных компьютерных систем; наличием различных медицинских методик анализа ЭКГ, требующих применения различных математических методов и алгоритмов; высокими требованиями к надежности и скорости обработки; требованием ведения анализа в реальных условиях: многообразие типов ЭКГ в условиях различных помех и артефактов; требованием ведения анализа в реальном масштабе времени; появлением новых методик анализа ЭКГ с развитием вычислительной техники; требованием пересмотра алгоритмов анализа по известным методикам с развитием средств вычислительной техники; закрытостью алгоритмов анализа ЭКГ используемых различными фирмами производителями средствах мониторной техники; требованием создания единого комплекса алгоритмов, ранние этапы которых будут формировать исходные данные для последующих этапов.

Объектом исследования являются: аппаратное и программное обеспечение мониторно-компьютерных систем, предназначенных для анализа ЭКС; характеристики цифровых фильтров; представление ЭКС в виде числовых рядов; представление сегментов кардиоцикла ЭКГ в многомерном пространстве параметров; спектральные и временные характеристики числовых рядов, представляющих ЭКС.

Предметом исследования являются: методы цифровой обработки ЭКС; методы цифровой фильтрации ЭКС; методы сжатия ЭКС; корреляционные методы в задаче классификации циклов ЭКГ; методы сегментирования и кодирования структуры числовых рядов, представляющих ЭКС; лингвистические методы распознавания участков ЭКС; анализ представления ЭКС в виде числовых рядов во временной области: статистические, геометрические, корреляционные методы; анализ представления ЭКС в виде числовых рядов в частотной области (спектральный анализ): разложение в ряд Фурье, волновое преобразование; методы графического представления числовых рядов ритма ЭКГ; методы распознавания образов для анализа морфологии цикла ЭКГ; методы статистики для представления сегментов цикла ЭКГ в пространстве параметров при распознавании морфологии; геометрические методы для классификации сегментов цикла ЭКГ, использованные для обучения при распознавании морфологии; аппарат нечеткой логики, использованный в распознавании морфологии цикла ЭКГ.

Цель работы - создание комплекса алгоритмов анализа ЭКГ и их программной реализации для различных аппаратных средств мониторно-компьютерных систем обработки ЭКГ, выполняющих разбиение на кардиоцик-лы, анализ ритма и морфологии, что позволит создать систему автоматизированного контроля состояния пациентов в кардиологических отделениях медицинских учреждений.

Для достижения поставленной цели нужно решить следующие задачи:

- определить методики анализа ЭКГ, необходимые для алгоритмической реализации в мониторно-компьютерных системах, а затем для каждой методики (разбиение на кардиоциклы, анализ ритма и морфологии) определить методы обработки, перспективные для программной реализации;

- предложить критерии, методы и алгоритмы этапа предварительной обработки ЭКГ (выбор параметров дискретизации, фильтрация, сжатие);

- разработать надежный и одновременно простой алгоритм для разбиения ЭКГ на кардиоциклы (базовый этап обработки): выделение ^¿"-комплексов, отбраковка ошибочно выделенных комплексов и их классификация, а также провести практическую апробацию алгоритма разбиения на циклы;

- рассмотреть методики анализа вариабельности согласно стандартов во временной (статистические, геометрические, корреляционные методы) и частотной (спектральные методы) областях, предложить методы графического представления данных ритмографии и провести практическую апробацию алгоритмов анализа ритма;

- предложить методику кодирования структуры ЭКГ сигнала для выявления нарушений ритма (аритмий) и методику для их классификации;

- разработать методики и алгоритмы анализа морфологии ЭКГ, предназначенные для распознавания сегментов кардиоциклов реальных сигналов различного типа и формы, снятых в различных отведениях, а также для формирования базы знаний морфологии и для проведения их апробации;

- провести анализ существующих мониторно-компьютерных систем и выявить их основные узлы для унификации программного обеспечения, а также разработать программы для этих узлов и провести их практическую апробацию.

Методы исследования. В работе были использованы теоретические и экспериментальные методы исследования.

Теоретические методы. При выборе параметров дискретизации использована теория информации, методы цифровой обработки сигналов применялись при разработке цифровых фильтров; методы теории вероятности и математической статистики широко использованы для классификации комплексов при определении параметров сегментов в анализе морфологии, в анализе рит-мограммы во временной области. Методы цифровой обработки сигналов положены в основу распознавания аритмий и анализа римтограммы во временной области, а методы лингвистического анализа - при распознавании аритмий. Спектральный анализ цифровой обработки сигналов применялся при анализе римтограммы в частотной области и для волнового преобразования цикла в анализе морфологии. Для анализа морфологии использованы геометрические методы распознавания образов и теория нечеткой логики.

Экспериментальные методы. Результаты статистического анализа экспериментальных данных учтены при выборе параметров дискретизации и для задания параметров настойки алгоритма разбиения на кардиоциклы и параметров нарушений ритма; проверка теоретических построений анализа морфологии на реальных данных использована в ходе вычислительного эксперимента.

Достоверность и обоснованность. Состоятельность модели сигнала ЭКГ основана на использовании справочников и стандартов по кардиологии. Соответствие методики анализа морфологии экспериментальным данным подтверждено в ходе вычислительного эксперимента. Достоверность вычислительного эксперимента обеспечена использованием аттестованных вычислительных средств и метрологического оборудования, большим объемом разнородных экспериментальных данных, участием в подготовке данных медицинских специалистов высокого класса и хорошей воспроизводимостью результатов.

На защиту выносятся результаты разработки и исследований алгоритмов и методов анализа сигнала ЭКГ для мониторный систем в части разбиения на кардиоциклы, анализа ритма и анализа морфологии, в том числе:

- алгоритм разбиения ЭКГ на кардиоциклы, основанный на цифровой фильтрации сигнала ЭКГ, с последующим вычислением функции корреляции между выделенными ^^-комплексами и использованием их классификации;

- алгоритм распознавания аритмий на основе лингвистического метода путем кодирования структуры ЭКГ и последующего ее анализа;

- методы анализа вариабельности ритма (ритмографии) и построения графиков данных ритмографии;

- методика анализа морфологии ЭКГ на основе методов распознавания образов, использующая результаты волнового преобразования усредненного кар-диоцикла и аппарат нечеткой логики, а также набор статистических параметров для описания свойств сегментов кардиоцикла при анализе морфологии;

- построение и применение базы знаний морфологии на основе использования гиперплоскостей, ограничивающих области классов посредством аппарата нечеткой логики;

- программное обеспечение, реализующее разработанные алгоритмы;

- конфигурация аналоговой и цифровой частей мониторной техники и блока регистрации ЭКГ, а также и общая структура мониторно-компьютерной системы.

Научная новизна полученных результатов определяется впервые проведенными комплексными исследованиями, направленными на разработку алгоритмов и программных средств для анализа сигнала ЭКГ, в ходе которых:

- разработан оригинальный алгоритм разбиения ЭКГ на кардиоциклы, совмещающий простоту реализации и надежность работы, являющийся комбинацией методов цифровой фильтрации (выделение (ЖУ-комплексов) и корреляционных методов (отбраковка артефактов и классификация);

- предложены некоторые способы отображения данных ритмографии: круговая ритмограмма и 3-мерные диаграммы (ритмограмма, относительная ритмограмма, скаттерограмма);

- впервые разработана методика анализа морфологии ЭКГ на основе методов распознавания образов, новизной которой является комбинация следующих методов анализа: усреднения кардиоциклов, использования результатов волнового преобразования и использования расчета статистических параметров сегментов и аппарата нечеткой логики при реализации метода распознавания образов;

- установлено что, использование усредненного кардиоцикла улучшает условия дальнейшего анализа морфологии, а получение волнового преобразования (wavelet) усредненного кардиоцикла дает производный от формы кардиоцикла сигнал, что позволило избавиться от изолинии, и получить энергии формы кардиоцикла отдельно для различных частот;

- в результате исследований определено, что использование для анализа морфологии метода распознавания образов дает возможность учета свойств различных типов кардиоцикла и дальнейшего обучения системы анализа, а использование методики расчета статистических параметров дает комплексную оценку сегментов кардиоцикла независимо от длительности и структуры;

- оригинально примененный аппарат нечеткой логики обеспечил возможность простого способа задания поверхностей, разделяющих различные классы сегментов (базы знаний морфологии) и применение методов нечеткого логического вывода.

Практическая ценность полученных результатов определяется проведенными исследованиями и разработкой алгоритмов и методов анализа сигнала ЭКГ, которые реализованы и апробированы на практике в разработанном программном обеспечении различных узлов мониторной системы. Предложена оригинальная структура мониторно-компьютерной системы. В результате получены решения различных практических задач:

- практически реализован и прошел длительную эксплуатацию в клинических условиях предложенный алгоритм разбиения ЭКГ на кардиоциклы;

- практически реализован и апробирован алгоритм распознавания аритмий, созданный на основе лингвистического метода кодирования структуры ЭКГ и последующего ее анализа, выявляющий прогностические и опасные для жизни аритмии;

- реализованы статистический, геометрический, корреляционный и спектральный анализы ритмографии согласно отечественных и международных стандартов, а также программно реализовано волновое преобразование ритмо-граммы;

- на основе клинических данных дана оценка впервые разработанной методики анализа морфологии кардиоцикла ЭКГ;

- разработан единый комплекс алгоритмов анализа ЭКГ в части разбиения на кардиоциклы, анализа морфологии, анализа аритмий и ритмографического анализа, который решает основные, часто используемые на практике, задачи анализа ЭКГ;

- создан и практически апробирован в клинических условиях комплекс программного обеспечения, реализующий разработанные автором диссертационной работы алгоритмы, причем данный комплекс программ охватывает основные узлы мониторных систем, а отдельные программы прошли длительную эксплуатацию в клинических условиях (программы стационарного монитора и станции наблюдения);

- конструктивное разделение аналоговой и цифровой частей мониторной техники позволяет унифицировано реализовать различные узлы мониторной системы, кроме того, разработан универсальный блок регистрации ЭКГ может быть использован в различных узлах мониторно-компьютерной системы;

- предложена структура и создан автономный монитор на основе блока регистрации ЭКГ и портативного компьютера, а также разработана общая структура мониторно-компьютерной системы, позволяющая построить единый комплекс средств мониторной техники.

Реализация работы в производственных условиях. Различные программы, реализующие разработанные алгоритмы, прошли апробацию:

1) мониторные комплексы и система, снабженные алгоритмами разбиения на циклы и ритмографического анализа: мониторно-компьютерная система отделения неотложной кардиологии (МКС-ОНК), прикроватный кардиомонитор (ПКМ), станции наблюдения врача, медсестры и заведующего (СтВ, СтМ, СтЗ), монитор реанимационный компьютерный индивидуальный (МРКИ), монитор анестезиологический компьютерный (МАК), реографический комплекс компьютерный (РКК) прошли заводские испытания и приняты к серийному производству на ФГУП Ижевский электромеханический завод «Купол»;

2) алгоритм разбиения на кардиоциклы в составе МКС-ОНК используются с 1999 года в Республиканском клиническом кардиологическом диспансере (РККД) г. Ижевска, а также в районной больнице с. Завьялово (Удмуртия);

3) алгоритмы разбиения на кардиоциклы, анализа аритмий и ритмографи-ческого анализа в составе комплекса суточного монитора апробированы в отделение функциональной диагностики (ОФД) РККД г. Ижевска;

4) алгоритмы разбиения на кардиоциклы, анализа аритмий и ритмографи-ческого анализа в составе автономного монитора апробированы на кафедре Ижевской государственной медицинской академии (ИжГМА);

5) проведена оценка алгоритма анализа морфологии на выборке реальных сигналов объемом 1440 сигналов ЭКГ (120 пациентов по 12 отведений), полученных в ОФД РККД г. Ижевска.

Апробация работы. Основные научные положения и практические результаты диссертационной работы обсуждались на: Международной конференции «Молодежь, студенчество и наука XXI века» (Ижевск, 2001); Российской научно-технической конференции «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск, 2001); VI Всероссийской с участием стран СНГ конференции «Методы и средства обработки сложной графической информации» (Нижний Новгород, 2001), Научно-технических конференциях ИжГТУ (Ижевск, 2001-2003); IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2001, 2003); Международном симпозиуме «Надежность и качество» (Пенза, 2003); Российской научно-технической конференции «Высокопроизводительные вычисления и технологии (ВВТ-2003)» (Ижевск, 2003); 31 международной конференции «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004).

Публикации. Результаты работы отражены в 9 научных трудах, в том числе в: 4 статьях в научно-технических сборниках, 4 статьях в центральной печати, 1 статье в трудах российской научно-технической конференции.

Структура объем работы. Диссертация содержит введение, 5 глав и заключение, изложенные на 170 с. машинописного текста. В работу включены 78 рис., 2 табл., список литературы из 101 наименования и приложение, содержа

Основные результаты разработки и исследований алгоритмов и методов анализа сигнала ЭКГ и их программной реализации для мониторно-компьютер-ных систем в части разбиения на кардиоциклы получены в результате впервые проведенных комплексных исследований и разработки алгоритмов и программ. Разработанный комплекс программ был широко опробован практически. В ходе исследований были получены научные и практические результаты:

1. Разработан оригинальный алгоритм разбиения ЭКГ на кардиоциклы, совмещающий простоту реализации и надежность работы, являющийся комбинацией методов цифровой фильтрации (выделение (ЭДЯ-комплексов) и корреляционных методов (отбраковка артефактов и классификация). Данный алгоритм прошел длительную эксплуатацию в клинических условиях.

2. Предложены некоторые способы отображения данных ритмографии: круговая ритмограмма и 3-мерные диаграммы (ритмограмма, относительная ритмограмма, скаттерограмма).

3. Впервые разработана методика анализа морфологии ЭКГ на основе методов распознавания образов, новизной которой является комбинация следующих методов анализа: усреднения кардиоциклов, использования результатов волнового преобразования и использования расчета статистических параметров сегментов и аппарата нечеткой логики при реализации метода распознавания образов.

4. Установлено, что получение усредненного цикла улучшает условия анализа морфологии, получение волнового преобразования усредненного кардио-цикла дает производный от формы кардиоцикла сигнал, что позволяет избавиться от изолинии, и получить энергии формы кардиоцикла отдельно для различных частот.

5. В результате экспериментальных исследований определено, что предложенный метод распознавания образов дает возможность учета свойств различных видов кардиоцикла и дальнейшего обучения системы распознавания, а расчет статистических параметров сегментов кардиоцикла дал комплексную оценку сегментов независимо от их длительности и структуры.

6. Оригинально примененный аппарат нечеткой логики обеспечил возможность простого способа задания поверхностей, разделяющих различные классы сегментов кардиоцикла (базы знаний морфологии) и применение методов логического вывода (нечеткий вывод).

7. Практически реализован алгоритм распознавания аритмий, созданный на основе лингвистического метода кодирования структуры ЭКГ и последующего ее анализа, выявляющий прогностические и опасные для жизни аритмии.

8. Реализованы статистический, геометрический, корреляционный и спектральный анализы ригмограммы, набор которых входит в общепринятые отечественные и международные стандарты, а также программно реализовано волновое преобразование ритмограммы.

9. Разработан единый комплекс алгоритмов анализа ЭКГ в части разбиения на кардиоциклы, анализа морфологии, анализа аритмий и ритмографического анализа. Данный комплекс алгоритмов решает основные, часто используемые на практике, задачи анализа ЭКГ.

10. Создан и апробирован в клинических условиях комплекс программного обеспечения, реализующий разработанные автором диссертационной работы алгоритмы Предложенный комплекс программ охватывает основные узлы монитор-ных систем, а отдельные программы прошли длительную эксплуатацию в клинических условиях (программа стационарного монитора и станции наблюдения).

11. Конструктивное разделение аналоговой и цифровой частей мониторной техники позволило унифицировано реализовать различные узлы мониторной системы. Разработанный универсальный блок регистрации ЭКГ может быть использован в различных узлах мониторно-компьютерной системы. На основе блока регистрации предложена структура автономного монитора. Разработана общая структура мониторно-компьютерной системы, позволяющая построить единый комплекс средств мониторной техники.

ЗАКЛЮЧЕНИЕ

1. Абраменкова И., Дьяконов В. MatLab. Обработка сигналов и изображений. - СПб: Питер, 2002. - 608 с.

2. Уидроу Б. и др. Адаптивные компенсаторы помех. Принципы построения и применения. / Уидроу Б., Гловер Дж.Р., Макул Дж.М. и др. ТИИ-ЭР. - 1975. - Т. 63, Г. 12. - С. 69-98.

3. Алберг Дж. и др. Теория сплайнов и ее приложения. // Алберг Дж., Нильсон Э., Уолш Дж. М.: Мир, 1972. - 316 с.

4. Алексеева Е.М., Волкова И.В., Лосев И.Р. и др. // Медицинская техника. 1996. - № 2. - С. 32-33.

5. Андерсон Т.В. Введение в многомерный статистический анализ. М: Физматгиз, 1963.

6. Артамонов А. «Тор» и медицинский монитор. // Известия Удмуртской Республики. 2000. - 5 февраля.

7. Н.М. Астафьева. Вейвлет-анализ: основы теории и примеры применения. // Успехи физических наук. Т. 166. - № 11.- 1996.

8. Баевский P.M., Берсенева А.П. Оценка адаптационных возможностей организма и риска развития заболеваний М: 1997.

9. Баевский P.M. и др. Математический анализ изменений сердечного ритма при стрессе. / Баевский P.M., Кирилов О.И., Клецкин С.З. М: 1984. - 210 с.

10. Баевский P.M., Смирнова Т.М. Применение вариационной пульсомет-рии в оценке суточной динамики сердечного ритма у больных ИБС с функциональными нарушениями сердечного ритма // Кардиология. — 1978. № 4. - С: 44-51.

11. И. Барановский А.Л. и др. Ритмокардиоскоп РКС-01 / Барановский А.Л., Васильев A.B., Пахарькова А.И. // Медицинская техника. -1982. № 5. - С. 60-61.

12. Барановский А.Л., Немирко А.П. Кардиомониторы. Аппаратура непрерывного контроля ЭКГ. М.: Радио и связь, 1993. - 247 с.

13. Бендат Дж., Пирсол А. Применение корреляционного и спектральногоанализа. М: Мир, 1983. - 312 с.

14. Боуман Дж.С. и др. Практическое руководство по SQL. II Боуман Дж.С., Эмерсон C.JL, Дарновски М. М: Вильяме, 2001. - 336 с.

15. Вайсман М.В. Построение алгоритмов и средств испытаний многоканальных цифровых электрокардиографов: Дис. к-та техн. наук. М: Зеленоград, МИЭТ, 2000.

16. Вариабельность сердечного ритма. Стандарты измерения, физиологической интерпретации и клинического использования. // Рекомендации. Рабочая группа Европейского Кардиологического Общества и СевероАмериканского Общества Стимуляции и Электрофизиологии.

17. Вентцель Е.С. Теория вероятностей: Учебник для ВУЗов. 3-е изд., испр. - М: Наука, 1964. -576 с.

18. Волкова И.В., Лосев И.Р., Леменков В.А. и др. // Медицинская техника. 1996.-№ 3.-С. 8-12.

19. Гиренко A.B. и др. Методы корреляционного обнаружения объектов. / Гиренко A.B., Ляшенко В.В., Машталир В.П., Путятин Е.П. Харьков: АО Биз-несИнформ. - 1996. - 112 с.

20. Гольдберг Л.М. и др. Цифровая обработка сигналов. / Гольдберг Л.М., Матюшкин Б.Д., Поляк М.Н., М: Радио и связь, 1990.

21. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск, Наука, 1996. - 275 с.

22. Дейт К.Дж. Введение в системы баз данных. М: Вильяме, 2001. -1072 с.

23. Де Луна А.Б. Руководство по клинической ЭКГ. М: Медицина, 1993.24. 3дравоохранение-2003. 13-я ежегодная международная выставка медицинского оборудования, техники и лекарственных препаратов (2003, Москва): тез. докл. М: МЕДИ-Экспо, 2003.

24. Завьялов Ю.С. и др. Сплайны в инженерной геометрии. / Завьялов Ю.С., Леус В.А., Скороспелов В.А. М: Машиностроение, 1985. - 224 с.

25. Зациорский В.М. Сарсания С.К. Исследование физиологических аритмий сердца. М: Физкультура и спорт, 1990. - 143 с.

26. Земцовский Э.В. Спортивная кардиология. СПб: Гиппократ, 1995. -448 с.

27. Земцовский Э.В. и др. Комплексный подход к исследованиям ритма сердца спортсменов. / Земцовский Э.В., Барановский A.JL, Смирнов A.B. // Теория и практика физической культуры. 1988. - № 6. - С. 12-17.

28. Злочевский М.С. Обработка электрокардиограмм методом сплайн функций // Новости мед. техники. 1983. - Вып. I. - С. 18-20.

29. Змитрович А.И. Интеллектуальные информационные системы // Киев, 1997.-368 с.

30. Иванов Г.Г. Электрокардиография высокого разрешения // М: 1999.

31. Калиниченко А.Н. Методы цифровой фильтрации электрокардиосиг-нала в кардиомониторных системах: Дис. к-та техн. наук. JL: ЛЭТИ, 1988. -206 с.

32. Калядин Н.И. и др. Разработка и опыт клинической эксплуатации мо-ниторно-компьютерной системы отделения неотложной реанимации. / Калядин

33. H.И., Леменков В.А., Коробейников A.B., Перевозчиков С.М., Одиянков Е.Г., Родионов А.Н., Поляков В.Ф., Котков С.М. // Медицинская техника. — 2002. №1.-С. 36-40.

34. Калядин Н.И. и др. Неинвазивный измеритель артериального давления. / Калядин Н.И., Леменков В.А., Коробейников A.B., Перевозчиков С.М., Власов В.Г. // Медицинская техника. 2002. - № 3. - С. 30-32.

35. Калядин Н.И., Леменков В.А., Лосев И.Р. и др. // Медицинская техника.- 1996. -№2. -С. 21-25.

36. Калядин Н.И., Леменков В.А., Лосев И.Р. и др. // Медицинская техника. 1996. - №2.-С. 25-28.

37. Калядин Н.И., Леменков В.А., Лосев И.Р. и др. // Медицинская техника. 1996. - №2. - С. 3-6.

38. Кардиоинтервалография в оценке реактивности и тяжести состояния больных детей. // Методические рекомендации. Министерство Здравоохранения РСФСР. - 1985.

39. Кардиология-2004. 6-й ежегодный Всероссийский научный форум и специализированная выставка медицинского оборудования и лекарственных препаратов для профилактики и лечения сердечно-сосудистых заболеваний (Москва, 2003): тез. докл. М: МЕДИ-Экспо, 2003.

40. Коробейников A.B. Структура системы мониторинга для медицинских учреждений. // Математическое моделирование и интеллектуальные системы. Ижевск: ИжГТУ, 2003. - № 1. - С. 18-21.

41. Коробейников A.B. Разбиение сигнала электрокардиограммы на циклы. // Математическое моделирование и интеллектуальные системы. — Ижевск: ИжГТУ, 2003. № 1. - С. 60-64.

42. Коробейников A.B. Выбор метода сегментации при анализе формы электрокардиограммы. // Математическое моделирование и интеллектуальные системы. Ижевск: ИжГТУ, 2004. - № 1. - С. 30-35.

43. Коробейников A.B. Распознавание образов при анализе формы электрокардиограммы. // Математическое моделирование и интеллектуальные системы. Ижевск: ИжГТУ, 2004. - № 1. - С. 45-53.

44. Крупник А.Б. Самоучитель С++. СПб: Питер, 2004. - 256 с.

45. Кульбак С. Теория информации и статистика. -М: Наука, 1967. 408 с.

46. Кэнту M. Delphi 7: Для профессионалов. СПб: Питер, 2004. - 1104 с.

47. Лорьер Ж.Л. Системы искусственного интеллекта. М: Мир, 1991. -568 с.

48. Лосев И.Р., Волкова И.В., Леменков В.А. и др. // Медицинская техника. 1996. -№ 2. -С. 34.

49. Макаров Л.М. Холтеровское мониторирование. Медпрактика. М: 2000.-214 с

50. Марпл С.Л. Цифровой спектральный анализ и его приложения. М: Мир, 1990.

51. Марченко А.И. Программирование в среде Turbo Pascal 7.0: Базовый курс. М: Век+, 2003. - 464 с.

52. Математические методы анализа сердечного ритма. — М: Наука, 1968. -С. 31-50.

53. МедКомТех-2004. 12-й Всероссийский научный форум и специализированная выставка информационных и компьютерных технологий в медицине (Москва, 2004): тез. докл. М: МЕДИ-Экспо, 2004.

54. Медтехника-2004. 15-я международная выставка медицинской техни-ки(Москва, 2004): тез. докл. -М: МЕДИ-Экспо, 2004.

55. Милева К.Н. Разработка и исследование методов автоматического анализа ST-сегмента электрокардиограммы в реальном масштабе времени: Дис. к-та. техн. наук. Л.: ЛЭТИ, 1989. - 261 с.

56. Мурашко В.В., Струтынский A.B. Электрокардиография. М: Медицина, 1991.-288 с.

57. Неймарк Ю.И. и др. Распознавание образов и медицинская диагностика. / Неймарк Ю.И., Баталова З.С., Васин Ю.Г., Брейдо М.Д. М: Наука, 1972.

58. Неймарк Ю.И. Многомерная геометрия и распознавание образов. // Изд. Нижегородского ун-та. 1996.

59. Неймарк Ю.И. и др. Обучающаяся статистическая консультативнаясистема. / Неймарк Ю.И., Теклина Л.Г., Таранова H.H., Котельников И.В. // Межвузовский сборник «Динамика систем». — Изд. Нижегородского ун-та. — 1995.-С 3-28.

60. Немирко А.П., Манило JI.A. Сжатие электрокардиограмм с последовательной двухпараметрической адаптацией. // Медицинская кибернетика ИК АН УССР.- К., 1978. С. 86-106.

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

62. Немирко А.П. и др. Динамический кластерный анализ формы желудочкового комплекса электрокардиограммы. / Немирко А.П., Манило Л.А., Те-рентьева И.С. // Изв. ЛЭТИ. 1982. - Вып. 318. - С. 50-53.

63. Нечеткие множества в моделях управления и искусственного интеллекта. / Под ред. Поспелова Д.А. М: Наука, 1986. - 312 с.

64. Ольховский Ю.Б. и др. Сжатие данных при телеизмерениях. / Ольховский Ю.Б., Новоселов О.Н., Мановцев А.П. М: Сов. Радио, 1971. - 304 с.

65. Орлов В.Н. Руководство по электрокардиографии. М: Медицина, 1984.-528 с.

66. Осколкова М.К., Куприянова О.О. Электрокардиография у детей. М: Медицина, 1986.-288 с.

67. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. М: Мир, 1982.

68. Плотников A.B. Цифровой монитор суточной регистрации ЭКГ: Дис. к-та техн. наук. -М: Зеленоград, МИЭТ, 2000.

69. Прикладные нечеткие системы. / Под ред. Т. Тэрано, К. Асаи, М. Су-гэно. М: Мир, 1993. - С. 368.

70. Прилуцкий Д.А. Электрокардиографическая система на основе S-D аналого-цифрового преобразования: Дис. к-та техн. наук. -М: Зеленоград, МИЭТ, 1998.

71. Прэтт У. Цифровая обработка изображений. / В 2-х т. М: Мир, 1982.

72. Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов. М: Мир, 1977. - 850 с.

73. Розенблатт Ф. Принцип нейродинамики. М: Мир, 1996.

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

75. Себастиан Г. Процессы принятия решения при распознавании образов. -Киев, 1965. -151 с.

76. Стечкин С.В., Субботин Ю.Н. Сплайны в вычислительной математике. М: Наука, 1976. - 248 с.

77. Струтынский A.B. Электрография: анализ и интерпретация. М: Мед-Пресс, 1999.

78. Терехов С.А. Вейвлеты и нейронные сети М: МИФИ, 2001.

79. Томов Л., Томов И. Нарушения ритма сердца. София: Медицина и физкультура, 1976. - 431 с.

80. Тычинкин О. Желтые страницы Internet 2004 (карманный справочник). СПб: Питер, 2004. - 670 с.

81. Уоссермен Ф. Нейрокомпьютерная техника. М: Мир, 1997. - 127 с.

82. Чалый Н.И., Селезнев А.Н. и др. // Медицинская техника. 1996. - № 2.-С.41.

83. Хасанов М.М. и др. Вейвлет анализ в задаче диагностирования нефтепромыслового оборудования. / Хасанов М.М., Якупов Р., Ямалиев В. Уфа: Вестник инжинирингового центра ЮКОС, 2001. - № 2. - С. 21-25.

84. Хэмминг Р.В. Цифровые фильтры. М: Сов. Радио, 1980. - 224 с.

85. Циммерман Ф. Клиническая электрокардиография М: Бином, 1998. - 448 с.

86. Щакин В.В. Вычислительная электрокардиография. М., 1981.

87. Эндрюс К.А. и др. Адаптивное сжатие данных / Эндрюс К.А., Дэвис Дж.М., Шварц Г.Р. ТИИЭР, 1967. - Т. 55. №3. - С. 25-38.

88. Эшби У.Р. Конструкция мозга. М: ИЛ, 1962.

89. Daubechies I. The wavelet transform, time-frequency localisation and signal analysis // IEEE Trans. Inform. Theory. 1990. - V. 36. - № 5. - P. 961-1004.

90. Doyle J.F. A wavelet deconvolution method for impact force identification // Experimental Mechanics. 1997. -V. 37. -№> 4. - P. 403-408.

91. Holter N.J. New Method for Heart Studies // Science. 1961. - Vol. 134. -P. 1214-1220.

92. Mamdani E.H. Applications of fuzzy algorithms for simple dynamic plant. //Pore. IEE.-1974.-Vol. 121.-N. 12,-P. 1585-1588.

93. Mortara D.W. Digital filters for ECG signal // Computers in Cardiology. 4th Intern. Conf. // Rotterdam, 1977. P. 511-514.

94. Nason G.P., Silwerman B.W. The Discrete Wavelet Transform // S. Journal of Computational and Graphical Statistics. 1994.

95. Novikoff A. On Convergence Proofs for Perceptorns. Proceeding of Symposium on Mathematical Theory of Automata. // Polytechnik Institute of Brooklin, 1963.-V. XII.

96. Pavlidis T. Algorithms for Graphics and Image Processing. // Computer Science Press, Rockville, MD, 1982.

97. Rosenblatt F. The Perceptron, A Perceiving and Recognizing Automation // Project PARA, Cornell Aeronaut. Lab. Rep., 1957. -№ 85-460.

98. Rosenblatt F. Two Theorems of Statistical Separability in the Perception. // Proceeding of Symposium on the Mechanization of Trought Processes, London, 1959.-P. 421-456.

99. Zade L.A. The concept of a linguistic variable and its application to approximate reasoning. Part 1-3 // Information Sciences. № 8. — P. 199-249. P. 301357. -№.9 P. 43-80.