автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Анализ и разработка методов и алгоритмов эффективной обработки ультразвуковой доплерографической информации, содержащей периодические структуры

□0340507Э На правах рукописи

Автушенко Кирилл Игоревич

АНАЛИЗ МЕТОДОВ И РАЗРАБОТКА АЛГОРИТМОВ ЭФФЕКТИВНОЙ ОБРАБОТКИ УЛЬТРАЗВУКОВОЙ ДОПЛЕРОГРАФИЧЕСКОЙ ИНФОРМАЦИИ С ПЕРИОДИЧЕСКИМИ СТРУКТУРАМИ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (в области приборостроения)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва —2009

2 С 0 Я 23

003485079

Работа выполнена на кафедре «Информатика и программное обеспечение вычислительных систем» в Московском государственном институте электронной техники (техническом университете)».

Научный руководитель

Официальные оппоненты

Ведущая организация

К.т.н., доцент

Илюшечкин Владимир Михайлович

Д.т.н., профессор

Барский Аркадий Бенционович

К.т.н.,

Лихачев Александр Сергеевич

ФГУ «Всероссийский научно-исследовательский и испытательный институт медицинской техники» (ФГУ «ВНИИИМТ»), г.Москва

Защита состоится « /3 у> деЛа'ърЛ 2009 года в 40 на заседании диссертационного совета Д.212.134.02 при Московском государственном институте электронной техники (техническом университете) по адресу: 124498, Москва, Зеленоград, проезд 4806, МИЭТ

С диссертацией можно ознакомиться в библиотеке МИЭТ.

Автореферат разослан «

Ученый секретарь диссертационного совета, доктор технических наук

2009 г.

А.В. Гуреев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. С появлением технических средств, позволяющих излучать и принимать ультразвуковые волны узкой направленности, в науке и технике началась эра ультразвуковой диагностики. Особое применение ультразвуковые методы нашли в медицине. Методы позволяли наблюдать состояние внутренних органов человека в функциональном режиме с возможностью визуального определения подвижных участков. Применение эффекта Доплера позволило измерять количественные характеристики перемещения тканей, давая значительно больше информации о состоянии человека. Такие методы получили название ультразвуковой доплерографии. Широкое применение ультразвуковая доплерография нашла в медицине (мониторинг сердечной деятельности плода, измерение скорости кровотока и т.п.), технической дефектоскопии и других научных и практических областях.

При ультразвуковом доплерографическом мониторинге наблюдается сигнал с амплитудной модуляцией, в котором периодические структуры представляют собой фрагменты высокочастотного сигнала с пиками, ограниченными низкочастотной огибающей. Применительно к медицине, периодические структуры в сигнале могут вызываться движением тканей сердца, перемещением тканей легкого при дыхании, пульсациями скорости кровотока в сосудах и т.п. Определяя периоды следования таких структур в доплерографическом сигнале, можно с высокой точностью определить периодичность самого исследуемого процесса.

Вопросами анализа периодических структур в доплерографическом сигнале занимались многие ученые, и исследованиям в этой области посвящен ряд работ зарубежных специалистов (Жемайтите Д., Challis R., Kitney R., De Boer R., Iwata A., Mintchev M.), а также отечественных ученых (Рябыкина Г.В., Савельева Г.М. и др). Однако, несмотря на широко проводимые исследования до сих пор нет единых общепринятых методов, позволяющих определить период исследуемого процесса по результатам ультразвуковой доплерографии.

Общеизвестные алгоритмы обладают высокой вычислительной сложностью, что делает невозможным их применение для построения портативных мобильных приборов. Кроме того, проведение

сравнительных исследований затрудняется отсутствием данных о методах и алгоритмах, применяемых в конкретных ультразвуковых приборах.

Таким образом, актуальной является задача создания новых методов и алгоритмов обработки ультразвуковой доплерографической информации, которые пригодны для создания портативных приборов относительно небольшой вычислительной мощности при сохранении требуемой скорости и точности обработки доплерографических сигналов. Огромную роль в разработке подобных методов и алгоритмов играют методы моделирования, поскольку они позволяют получить неоспоримые доказательства эффективности предложенных подходов, а также позволяют верифицировать полученные результаты.

Целью диссертации является разработка алгоритма измерения периодов повторения определенных структур в доплерографическом сигнале, обеспечивающего высокую точность и быстродействие и позволяющего создать портативный мобильный прибор для эффективного решения задач ультразвуковой доплерографии.

В соответствии с указанной целью в работе решаются следующие задачи:

• анализ существующих методов определения периодов повторяющихся структур в доплерографическом сигнале;

• разработка новых методов определения периодов в доплерографическом сигнале;

• разработка алгоритма определения периодов во временной области;

• разработка имитационной модели, позволяющей произвести оценку качества алгоритма по различным критериям;

• исследование точности, быстродействия, вычислительной сложности и помехоустойчивости разработанного алгоритма;

• программная реализация разработанного алгоритма. Методы исследования. Теоретической и методологической

базой исследования является системный подход к моделированию сложных систем и построению алгоритмов. При решении конкретных задач использовались методы математического моделирования, теории вероятностей и цифровой фильтрации сигналов.

Научная новизна. Диссертационная работа представляет собой совокупность научных исследований и технических разработок, направленных на создание портативных мобильных приборов,

позволяющих эффективно решать задачи ультразвуковой диагностики.

В процессе исследований и разработок получены следующие новые научные результаты:

1. Оценены характеристики доплерографических сигналов и предложен метод выбора параметров шумоподавляющего фильтра на основе энергетических соотношений сигнала.

2. Предложены и исследованы новые подходы для определения периода структур в доплерографическом сигнале на основе анализа его фрагментов.

3. Разработан новый метод определения периода следования структур (метод "эталонного удара"), позволяющий измерять периоды структур в доплерографическом сигнале с погрешностью, не превышающей 1,5%.

4. Разработан алгоритм определения периодов структур в доплерографическом сигнале на примере задачи определения сердечного ритма плода, позволяющий определять частоту сердечных сокращений (ЧСС) с точностью до 2 ударов в минуту.

5. Разработана имитационная модель в среде Ма^аЬ, подтверждающая работоспособность алгоритма и его эффективность для решения задачи определения периодов структур в доплерографическом сигнале.

6. Выполнена программная реализация алгоритма для метода "эталонного удара".

Результаты работы подтверждены свидетельством об официальной регистрации программы для ЭВМ № 2006613540 «Программа обнаружения сердечного ритма плода в доплеровском сигнале, отличающаяся способностью быстрого захвата сигнала после его кратковременных пропаданий» (зарегистрировано в РОСПАТЕНТ 12 октября 2006 г., заявка № 2006612766).

Достоверность полученных результатов подтверждается соответствием результатов теоретического анализа и проведенных экспериментов, в сочетании с корректным применением методов математического моделирования и цифровой обработки сигналов, а также соответствием результатов практического применения алгоритма с результатами работы образцового фетального монитора фирмы «Сономед».

Практическая ценность работы заключается в том, что основные положения, выводы и рекомендации диссертации

ориентированы на создание программно-аппаратного обеспечения для портативного прибора ультразвуковой диагностики. Проведенные исследования и полученные результаты составляют теоретическую основу моделирования и построения программных комплексов ультразвукового доплерографического мониторирования. Результаты исследования доведены до конкретных алгоритмов, методик и программных средств.

Самостоятельное практическое значение имеют:

• метод выбора параметров и определения качества цифрового фильтра, применяемого для выделения полезного доплерографического сигнала, обеспечивающий работоспособность алгоритма без значительной потери точности на сигналах, для которых отношение сигнал-шум (ОСШ) составляет 7дБ, что позволяет обрабатывать все целевые сигналы;

• алгоритм определения периодов повторяющихся структур, обеспечивающий точность вычисления с погрешностью не более 1,5%, что является достаточной точностью для задач ультразвуковой доплерографии;

• имитационная модель, позволяющая исследовать влияние различных характеристик сигнала и параметров алгоритма на его точность и быстродействие;

• программная реализация алгоритма, позволяющая анализировать вариабельность сердечного ритма в звуковых кардиосонографических записях с точностью до 2 ударов в минуту, что соответствует требованиям точности, предъявляемым в акушерской практике.

Личный вклад автора. Все основные результаты диссертационной работы получены автором лично или при его непосредственном участии. Главными из них являются:

1. Результаты исследования современных методов анализа доплерографических сигналов с периодическими структурами.

2. Предложенный метод выбора параметров цифровых фильтров, применяемых для подавления шумов в доплерографических сигналах.

3. Разработанный метод определения периода структур в доплерографическом сигнале по его фрагменту.

4. Разработанный алгоритм определения периода структур в доплерографическом сигнале на примере задачи определения

ЧСС плода.

5. Разработанная в среде МаНаЬ имитационная модель алгоритма.

6. Оценки точности, вычислительной сложности и помехоустойчивости разработанного алгоритма, полученные с помощью имитационной модели.

Реализация полученных результатов. Результаты диссертационной работы использованы в научно-технических исследованиях ООО «Бипульс» и представляют собой составную часть исследовательских мероприятий в рамках НИОКР по проекту № 6819 "Разработка и изготовление прототипа фетального кардиотокографа", являющейся результатом государственного контракта, заключенного фондом содействия развитию малых форм предприятий в научно-технической сфере (фонд Бортника) и ООО «Бипульс».

Все работы по программной реализации алгоритма определения периодов структур в доплерографическом сигнале проводились при непосредственном участии автора. Результаты диссертационной работы используются в учебном процессе МИЭТ на каф. ИПОВС и в разработках ООО «Бипульс», что подтверждается актами о внедрении и свидетельством о регистрации программного продукта.

На основе проведенных исследований получены и выносятся на защиту следующие основные научные результаты:

1. Метод определения значения временных интервалов периодических структур в доплерографическом сигнале.

2. Формализованное представление предложенного метода.

3. Алгоритм определения периодов в доплерографическом сигнале (на примере обработки сигналов ультразвуковой доплерографии сердцебиения плода).

4. Результаты экспериментальных исследований, моделирования и апробации материалов диссертационной работы. Апробация работы и публикации. Основные положения

диссертационной работы докладывались и обсуждались на следующих конференциях:

• 14-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика - 2007» (Зеленоград, МИЭТ 18-20 апреля 2007г.), доклад награжден дипломом за 1-е место в конкурсе работ аспирантов по секции "Биомедицинская электроника";

• Всероссийская молодежная конференция «Электроника - 2007» (Зеленоград, МИЭТ 5-7 сентября 2007 г.);

• 15-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика- 2008» (Зеленоград, МИЭТ 23-25 апреля 2008г.);

• III международная научно-техническая конференция «Инфо-коммуникационные технологии в науке, производстве и образовании (Инфоком - 3)» (Кисловодск, 1 -5 мая 2008 г.).

По результатам исследований опубликовано 10 печатных работ, в том числе 9 без соавторов. Одна работа опубликована в журнале, рекомендованном ВАК.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы из 88 наименований и приложения, состоящего из 3 частей. Работа изложена на 131 странице и содержит 18 таблиц и 25 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность темы диссертации, цель и задачи исследования, научная и практическая значимость работы.

В первой главе проводится описание предметной области и рассматриваются общие вопросы, связанные с определением периодичности выраженных структур доплерографического сигнала. Рассматриваются основные методики диагностики и оценки вариабельности сердечного ритма. Рассматриваются современные методы построения ритмограмм по результатам анализа сигналов с периодическими структурами и делаются выводы о возможности применения указанных методов для определения параметров сигналов ультразвуковой доплерографии.

Период структур в доплерографическом сигнале может быть величиной непостоянной. Изменчивость периодов называется вариабельностью ритма. Информация о вариабельности ритма получается на основании анализа ритмограхшы.

Ритмограмма - это числовая последовательность, элементами которой являются промежутки времени между двумя последовательными структурами.

При анализе сигналов со значительным уровнем шумов и неидентичностью структурных фрагментов применяются методы частотного анализа сигналов. Примером сигналов такого типа могут служить звуковые записи сердечной деятельности человека (фонокардиограммы).

Анализ во временной области чаще всего применяется при анализе сигналов, характеризующихся хорошим качеством сигнала или наличием искажений, которые могут быть легко устранены.

Среди методов временного анализа наиболее часто применяются метод Балда, метод, предложенный МигЛу и Иа^ага], метод Пана-Томпкинса и ряд других методов.

Метод надпороговых интервалов заключается в применении счетчика, срабатывающего при достижении сигналом порогового значения. Пороговое значение выбирается так, чтобы превысить его могли только главные пики структур. Счетчик считает время между двумя моментами срабатывания порогового детектора. Недостаток метода заключается в чувствительности к шуму, в особенности, к наличию низкочастотных компонент.

Метод порогового значения. В случае некоторых сигналов, структуры которых характеризуются высокой степенью крутизны фронтов, эффективным оказывается определение периодичности по производной сигнала. Для исходного сигнала вычисляются конечные разности:

УМ =1 х(п)-х(п- 2)|, у, (п) =1 х{п) - 2х(п - 2) + х{п - 4) | > где х(1) — отсчеты сигнала.

Затем проводится взвешенное суммирование полученных последовательностей согласно выражению: у2(п) = ],3у0(п) + \,\у,(п)

Сигнал у2(п) тестируется порциями по 8 отсчетов на пороговом детекторе с уровнем 1,0. Если 6 и более отсчетов из 8 превышают пороговое значение, то эти 8 отсчетов считаются частью структуры. После вычисления всех у2 проводится фильтрация полученного сигнала и поиск местоположения максимумов. Недостатком этого метода является его значительная чувствительность к шуму и большая вычислительная сложность.

Корреляционный анализ.

При корреляционном анализе используется либо автокорреляционная функция (АКФ) исходного сигнала, по которой производится вычисление целевого периода, либо взаимокорреляционная функция (ВКФ) исходного сигнала и сигнала из набора шаблонов с заданными периодами, когда для каждого шаблона рассчитывается средняя энергия ВКФ и значение периода шаблона, дающего ВКФ с наибольшей энер-

гией, принимается за период сигнала.

Достоинством метода является возможность обработки отличающихся структур, а недостатком - необходимость создания набора шаблонов, что повышает ресурсоемкость метода.

Метод параметрического спектрального анализа применяется в основном для фонокардиографических сигналов с целью выделения тонов сердца. К сожалению, спектральные методы вычислительно сложны, что значительно усложняет их реализацию, особенно в портативных приборах.

Сравнительная оценка описанных методов по основным характеристикам приведена в табл.1 (+ - подходящее значение; ± -удовлетворительное значение; - - неудовлетворительное значение).

Таблица 1

Названия методов Точность Быстродействие Мат ематич еск ая простота

Метод надпороговых интервалов + - +

Метод пороговых значений + - +

Корреляционные методы + + +

Оценка спектральной плотности + - -

В результате рассмотрения известных методов определения значения периодов структур в сигналах было установлено, что:

• анализ доплерографических сигналов проводится методами спектрального анализа, которые обладают значительной вычислительной сложностью;

• методы анализа во временной области не могут быть напрямую применены к анализу доплерографического сигнала. Следовательно, актуальной задачей является разработка новых

методов временного анализа для определения периодов структур в доплерографических сигналах, причем эти методы должны обладать малой вычислительной сложностью и допускать реализацию в портативных приборах.

Во второй главе рассматриваются методы цифровой фильтрации сигналов, анализируются различные классы цифровых фильтров с точки зрения эффективности их применения для решения задачи определения периодов структур. По результатам исследований разрабатывается метод оценки параметров фильтра, обеспечивающих качественную фильтрацию именно доплерографического сигнала. Также рассматриваются методы теории автокорреляционного анализа как аппарат обнаружения периодичности сигналов и исследуются возможности их применения для решения задач диссертации.

По признаку зависимости от выходных отсчетов все цифровые фильтры делятся на 2 класса: нерекурсивные или фильтры с конечной импульсной характеристикой (КИХ-фильтры) и рекурсивные или фильтры с бесконечной импульсной характеристикой (БИХ-фильтры).

Рассмотрение методов цифровой фильтрации сигналов и анализ различных классов цифровых фильтров позволяют выбрать в качестве шумоподавляющих фильтров БИХ-фильтры Кауэра, как имеющих меньший порядок при заданной крутизне АЧХ. Для выбора параметров фильтра предлагается использовать метод, основанный на эмпирической оценке энергетической характеристики сигнала.

Идея предлагаемого метода выбора параметров фильтра состоит в фильтрации участка сигнала фильтрами с различными значениями полос пропускания и заграждения и оценке качества результирующего сигнала по отношению энергии сигнала на участке структуры и энергии межструктурного интервала. Сам метод состоит из следующих этапов:

1. Выделяется участок сигнала, содержащий 10-15 целевых структур.

2. Проводится его фильтрация набором цифровых фильтров (ЦФ).

3. Строится сигнал, отсчеты которого равны дисперсии фильтрованного сигнала в скользящем окне.

4. Используется пороговое детектирование дисперсионного сигнала для фрагментации исходного сигнала на информативные и шумовые участки.

5. Для каждого целевого и шумового фрагмента вычисляется

1 Л'-]

средняя энергия сигнала Е=тг 2 , где

" 1=0

-отсчеты фрагмента, Л^-длина фрагмента в отсчетах.

6. Вычисляется отношение средней энергии на фрагменте сигнала

Е

Ещт! к средней энергии на фрагменте шума Е„1ЖС: Я= .

пот

1 т

7. Для каждого сигнала вычисляется Я= — Л Д

т1=х

где т - количество интервалов, используемое для выбора параметров фильтра.

8. Параметры фильтра, для которого Я максимально, выбираются в качестве параметров рабочего фильтра.

Графическое отображение результатов процедуры расчета оконной дисперсии для некоторого участка сигнала приведено на рис.1. По оси абсцисс отложены номера отсчетов, по оси ординат - значения дисперсии (верхняя кривая). Уровень исходного сигнала понижен на 40дБ для большей информативности рисунка.

А. ед

0.14 ,-.-,-

0.1 осе

О 06 0.04 0 02 О -0 02

т

'А: Г) ,

е (V

1000 2000 3000 4000 ЕОШ 6000 7000 8000

Рис.1. Входной доплерографический сигнал и кривая значений

оконной дисперсии В третьей главе проводится анализ самой задачи определения периодов и построения ритмограммы и проводится декомпозиция задачи. Разрабатываются новые подходы для решения подзадач определения периода и проводится их оценка по критерию точности. Проводится разработка и формализация алгоритма определения периодов структур в доплерографическом сигнале на примере определения ЧСС.

Задача определения периодов состоит из подзадач:

1. Выделение полезного входного сигнала.

2. Выделение фрагмента, содержащего две структуры.

3. Определение временного расстояния между структурами (периода следования структур) на выделенном фрагменте. Выделение полезного входного сигнала проводится методами цифровой фильтрации с применением фильтров, параметры которых устанавливаются с помощью метода, предложенного в главе 2.

На рис.2, приведены значения коэффициента я для набора фильтров нижних частот (ФНЧ).

Кривая, которой соответствует максимальное значение R , отмечена маркером "Мах", а параметрами ФНЧ в данном случае являются:

• уровень подавления в полосе заграждения - 80дБ;

• полоса пропускания - 340Гц;

о полоса заграждения-380Гц.

Выделение фрагмента сигнала.

Второй основной подзадачей метода является выделение фрагмента сигнала, содержащего ровно 2 целевые структуры. Для начала следует получить огибающую сигнала и по местоположению пиков огибающей выделить интересующий нас фрагмент.

Для нахождения огибающей сигнала были выделены 2 подзадачи:

1) получение однополярного сигнала;

2) выбор детектирующего ФНЧ.

Получение однополярного сигнала проводится методом двухполупериодного выпрямления. Для определения параметров ФНЧ построение огибающей проводится набором ЦФ с полосами

заграждения от 2 до 5Гц. Было установлено, что фильтры с полосами 4 и 5Гц создают дополнительные ложные пики огибающей и не могут использоваться для ее построения. Погрешность определения периодов по пикам огибающей, вносимая фильтрами с частотой среза 2 и 3Гц, представлена в табл.2, где МАХ - максимальная погрешность, min -минимальная погрешность, Mid - средняя погрешность, STD -среднеквадратическое отклонение.

Из приведенных результатов следует, что частота среза указанного ФНЧ должна равняться 3Гц.

_ __Таблица 2

Параметр Погрешность, мс

f=2ru f=3ru

МАХ 7 3,5

min 0 0

Mid 1,7626 0,6818

STD 1,4557 0,6793

Для определения местоположения пиков огибающей использовался метод скользящего окна с поиском максимального элемента в окне. Используя полученные данные о местоположениях пиков, можно выделить участок сигнала, содержащий п-ю и (п+1)-ю структуры. Для этого:

• по местоположению (п-1)-го и (п+1)-го пиков огибающей строится временное окно;

• производится смещение окна по сигналу;

• полученное окно накрывает требуемую пару структур.

Определение периода.

Для определения периода целевых структур на выделенном фрагменте сигнала предлагаются 3 альтернативных решения. Автокорреляционная альтернатива.

Решение основано на измерении периода не по исходному фрагменту, а по его АКФ. Формула вычисления АКФ имеет вид:

Я(и)=Е5(ВД*-и),где

к =и

ЛУ^-отсчеты фрагмента, /- длина фрагмента, п - номер отсчета АКФ.

Из рис.3 видно, что вторичные пики АКФ выражены довольно слабо, что затрудняет определение их местоположения, а следовательно, и определения периода следования структур. Этим объясняется большая погрешность автокорреляционного метода.

•1»

подала«*) i .оо«;ео.\«эо .пблпчшг* f.'oe

|

е.и

Рис.3. Выделенный участок сигнала (вверху) и его автокорреляционная функция (внизу) В табл.3 приведены оценки погрешности определения ЧСС автокорреляционным методом для участка сигнала, содержащего 10 сердечных сокращений.

Таблица 3

Параметр Погрешность, уд/мин

МАХ 12.6

min 0

Mid 4,2

STD 6,6

Альтернатива коэффициентов взаимной корреляции (КВК).

Фрагмент сигнала, содержащий два сердечных сокращения, делится на два участка, каждый из которых содержит по одному сокращению. Деление сигнала производится по метке t, начальное значение которой задается равным расстоянию между двумя пиками огибающей, минус 15мс. Вычисляется 1-й коэффициент взаимной корреляции:

™|/,,у

т= X S^kyS^k), где

к=п

Si, отсчеты левой и правой частей сигнала соответственно;

//, 12 - длина в отсчетах левой и правой частей сигнала соответственно.

Метка последовательно принимает все целочисленные значения на отрезке [Т-15;Т+15]мс, где Т - оценка периода по огибающей. Значения т для каждого значения метки t записываются в массив. Проводится поиск максимального элемента массива, для которого соответствующее значение метки t принимается за значение истинного периода сигнала. Оценки погрешности метода приведены в табл.4.

Параметр Погрешность, уд/мин

МАХ 7,63

гшп 0

1,78

ЭТО 6,6

Как следует из сравнения табл. 3 и 4, данная альтернатива дает более точную оценку периода, чем предыдущая, но ее точность не соответствует предъявляемым требованиям.

Альтернатива коэффициентов взаимной корреляции с использованием преобразованного фрагмента (метод "эталонногоудара").

Данный метод повторяет метод КВК, но объектом его применения является преобразованный выделенный фрагмент.

Суть преобразования состоит в предварительном вычислении линейной свертки исходного фрагмента с некоторой «эталонной структурой», которая учитывает специфику исходного фрагмента.

В качестве подобной «эталонной» структуры («эталонного удара») берется центральный пик АКФ исходного фрагмента.

К преобразованному таким методом сигналу применяется альтернатива КВК, которая дает оценку периода для исходного сигнала. Оценка погрешности метода приведена в табл.5. Из анализа таблицы следует, что данный метод обладает требуемой точностью и позволяет измерять ЧСС с точностью до 2 ударов в минуту.

Таблица 5

Параметр Погрешность, уд/мин

МАХ 1,58

шш 0

М1<1 0,69

БТО 0,42

Таким образом, в процессе исследования решены все подзадачи определения периодов следования структур в доплерографическом сигнале.

Разработанный алгоритм, реализующий описанный метод, состоит из четырех основных этапов:

1) выделение полезного входного сигнала (рис. 4);

2) получение фрагмента с двумя целевыми структурами (рис.5);

3) определение периода на фрагменте (рис. 6);

4) отображение результата на ритмограмме и выделение очередного фрагмента сигнала.

Рис. 4. Этап 1. Выделение полезного входного сигнала:

- отсчеты входного сигналаи; 1 - номер отсчета На первом этапе осуществляется фильтрация входного сигнала с помощью цифрового полосового фильтра, а также построение однополярного сигнала и огибающей сигнала с помощью ФНЧ.

Рис. 5. Этап 2. Получение фрагмента с двумя целевыми структурами

На втором этапе производится предварительная оценка периода следования целевых структур и производится выделение фрагмента сигнала с двумя последовательными сокращениями сердца.

Рис. 6. Этап 3. Определение периода на фрагменте 18

На третьем этапе производится определение периода на фрагменте, содержащем две последовательные целевые структуры.

Для этого проводится построение «эталонного удара»: Е1а1ВП~\А1_1,1<ф\А1_„1^<2\+\\ ^ где

к —п

£ - отсчеты сигнала; / - длина АКФ;

и преобразование фрагмента при помощи этого «эталонного удара»: В=^8(к)-Е1атп_к.

к=л

На полученном фрагменте методом коэффициентов взаимной корреляции вычисляется период следования целевых структур.

Таким образом, разработан алгоритм, в котором период следования структур в доплерографическом сигнале определяется на основе анализа фрагмента сигнала, содержащего две структуры, что позволяет оценивать вариабельность периодов.

В четвертой главе проводится анализ и исследование предложенного алгоритма. Разработана имитационная модель и с ее помощью получена оценка точности, быстродействия и помехозащищенности алгоритма. Проведен сравнительный экспериментальный анализ разработанного алгоритма и метода надпороговых интервалов, доказавший эффективность предложенного алгоритма.

Методом имитационного моделирования с использованием пакета Ма1:1аЬ была оценена точность и помехоустойчивость алгоритма. Для верификации имитационной модели были проведены измерения периодов доплерографических сигналов с помощью эталонного прибора - фетального монитора фирмы «Сономед», на вход которого подавались цифровые данные, являющиеся записями доплерографических обследований.

Результаты имитационного моделирования и использования эталонного прибора, отображающие ритмограммы, построенные для одной из записей, приведены на рис.7.

На обеих ритмограммах видны области повышения и понижения уровня ЧСС, а погрешность определения периода моделью не превышала 2 ударов в минуту, что составляет в среднем 1,5% измеряемой величины.

Рис. 7. Ритмофаммы построенные моделью (сверху) и эталонным прибором (снизу)

Эти эксперименты подтверждают работоспособность алгоритма и обеспечение требуемой точность вычислений. Следует отметить, что эталонному прибору требуется время для адаптации к сигналу (7-8 структурных фрагментов), в течение которого прибор регистрацию периодов не ведет. При этом в случае появления сбоя в порядке следования структур адаптация проводится повторно. Разработанный алгоритм, реализованный в имитационной модели, начинает определение периодов с момента появления третьего структурного фрагмента.

Исследование помехоустойчивости алгоритма.

Для определения помехоустойчивости алгоритма были проведены его испытания на тестовых сигналах, зашумление которых проводилось «белым шумом» с заданным отношением сигнал-шум (ОСШ). В табл.6 приведены результаты тестирования алгоритма для различных ОСШ сигнала, ЧСС в котором понижается через каждые два удара.

Исследования показали, что при соотношении сигнал-шум более ЮдБ погрешность определения ЧСС составляет менее 2 ударов в минуту. При уменьшении ОСШ погрешность определения периодов увеличивается и для ОСШ 5дБ достигает 7 ударов в минуту, что не соответствует предъявляемым требованиям.

№ инт-ла ЧСС, уд/мни

20дВ 15дБ ЮдБ 7дБ 5дБ

1 171 171 171 171 171

2 171 171 170 170 170

3 169 169 169 171 171

4 169 169 169 169 169

5 167 167 168 167 167

6 167 167 167 165 160

7 164 164 164 164 164

8 164 164 164 166 166

9 162 162 160 162 162

10 162 162 162 163 164

11 160 160 160 162 164

12 160 160 162 158 158

13 158 158 158 158 158

14 158 158 158 156 151

15 156 156 157 156 156

Сравнение алгоритмов и оценка быстродействия. Разработанный алгоритм сравнивался с алгоритмом, реализующим метод надпороговых интервалов, адаптированный к доплерографическому сигналу. Адаптированный алгоритм состоит из 8 шагов:

Шаг 1. Фильтрация входного сигнала полосовым фильтром (применяем фильтр с такими же параметрами, как в разработанном алгоритме). Шаг 2. Построение однополярного сигнала.

Шаг 3. Построение огибающей сигнала - фильтрация с помощью ФНЧ. Шаг 4. Построение производной огибающей дифференцирующим фильтром первого порядка: ^(л) = 5(/г) - -1).

Шаг 5. Фильтрация полученной производной восьмиточечным фильтром скользящего среднего: (К>{п-к) .

8 *=о

Шаг 6. Приведение сигнала к меандровому виду путем отсечения по

МЫ=[° ,еслиу{п)<г пороговому значению г: v ' Ь,еслиу{п)>г

Шаг 7. Дифференцирование полученного сигнала: dM{ri)=M(n)-M(n-\)

Шаг 8. Определение длин временных интервалов между положительными значениями сигнала. В результате исследования было выявлено, что:

• точность разработанного алгоритма не превосходит точность алгоритма, реализующего метод надпороговоых интервалов;

• время обработки сигнала разработанным алгоритмом в несколько раз меньше времени, затрачиваемое алгоритмом надпороговых интервалов. Время обработки записи длиной 30 секунд составляет:

о ~10сек для разработанного алгоритма; о ~22сек для алгоритма надпороговых интервалов. Вычислительная сложность алгоритма

Для определения вычислительной сложности алгоритма использована оценка количества операций сложений и умножения, необходимых для реализации всех шагов алгоритма. При анализе принимались следующие оценки:

• частота дискретизации сигнал 2кГц;

• для операции свертки требуется т п пар умножение-сложение, где ш и п - длины исходных последовательностей;

• количество пар операций умножение-сложение (ПУС) для расчета БПФ определяется как N-log2N,

где N — количество отсчетов;

• для вычисления АКФ (длины п) требуется п2/2 пар умножение-сложение;

• в качестве оценки времени выполнения всех шагов алгоритма примем 1с.

Количество операций для каждого шага и суммарно для сигнала длительностью 1 с приведено в табл.7. Итоговая вычислительная сложность рассчитывается с учетом двухкратного выполнения шагов 58 алгоритма при ЧСС выше 180 ударов в минуту.

Для определения вычислительной сложности алгоритма воспользуемся оценкой вычислительной сложности базовых операций -умножения и сложения в машинных тактах (МТ). Будем считать, что операция сложения требует 1 МТ, а операция умножения — 2МТ. Накладные расходы по организации процесса выполнения алгоритма примем равными 40% от оценки вычислительной сложности.

J* » Действие ПУС

1 Фильтрация входного сигнала от шумов 70 000

2 Двухполупериодное выпрямление 4 000

3 Фильтрация ФНЧ для получений огибающей 20 000

4 Определение местоположения пиков огибающей 6 000

5 Выделение фрагмента сигнала 2 000

6 Расчет АКФ и выделение центрального пика 102 000

7 Вычисление свертки фрагмента с центральным пиком 102 000

8 Определение периода следования структур 650 000

7 (с учетом пульса 180 уд/мин) 1 900 000

Следовательно, выполнение ПУС требует ЗМТ, и для эффективной работы алгоритма требуется обеспечить производительность около 6 млн МТ в секунду. С учетом того, что накладные расходы на пересылку данных, операции условного и безусловного перехода и т.п. составляют 20-40% времени самих вычислений, окончательная производительность микроконтроллера должна составлять не менее 10 млн МТ в секунду. В настоящее время это не является высоким значением, т.к. современные ОБР-процессоры имеют производительность более 100 млн МТ/сек.

Из результатов исследования следует, что разработанный алгоритм удовлетворяет требованиям точности, помехозащищенности и быстродействия и позволяет создать портативный прибор, эффективно решающий задачи ультразвуковой доплерографии.

В заключении подведены итоги проделанной работы и сформулированы основные результаты проведенных исследований.

В приложении приведены листинги имитационной модели и программы определения периодов, а также содержатся копии свидетельства о регистрации программы для ЭВМ №2006613540 и актов о внедрении.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе решена задача определения периодов следования однотипных структурных фрагментов в доплерографических сигналах различного назначения. Разработанный и исследованный в диссертации алгоритм позволяет вычислять периоды в режиме реального времени с погрешностью, не превышающей 1,5%.

Основные научные и практические результаты работы:

1. На основе анализа существующих средств обработки и анализа доплерографической информации выявлена необходимость разработки новых методов и алгоритмов определения периодов следования структурных фрагментов в доплерографических сигналах, допускающих реализацию в портативных мобильных приборах, обладающих небольшой вычислительной мощностью.

2. Оценены характеристики доплерографических сигналов и предложен метод выбора параметров шумоподавляющего фильтра на основании энергетических соотношений сигнала.

3. Предложены и исследованы новые подходы для определения периода в доплерографическом сигнале на основе анализа его фрагментов.

4. Разработан метод "эталонного удара", позволяющий определять периоды структур в доплерографическом сигнале с погрешностью, не превышающей 1,5%.

5. Разработан алгоритм определения периодов структур в доплерографическом сигнале, позволяющий вычислять ЧСС с точностью до 2 ударов в минуту на примере задачи определения сердечного ритма плода.

6. Разработана имитационная модель с использованием пакета Ма^аЬ, подтверждающая работоспособность алгоритма и его эффективность для решения задачи определения периодов структур в доплерографическом сигнале.

7. Исследована помехоустойчивость алгоритма и обоснована его работоспособность на сигналах с минимальным ОСШ 7дБ.

8. Оценена теоретическая вычислительная сложность алгоритма и обоснована возможность его реализации в портативном мобильном приборе.

9. Создана программа, реализующая разработанный алгоритм на языке С. Программа зарегистрирована в патентном ведомстве РФ и предназначена для применения в портативных фетальных мониторах.

10. Результаты работы внедрены в учебный процесс в МИЭТ и были использованы ООО «Бипульс» при проведении НИОКР "Разработка и изготовление прототипа фетального кардиотокографа".

По теме диссертации опубликованы следующие работы:

1. Автушенко К.И. Алгоритм обнаружения сердечного ритма плода в доплеровском сигнале//14-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика - 2007»: Тезисы докладов. - М.: МИЭТ, 2007, с.334.

2. Автушенко К.И. Определение сердечного ритма плода методом ультразвукового зондирования//Всероссийская молодежная конференция «Электроника - 2007»: Тезисы докладов. - М.: МИЭТ,

2007, с.31.

3. Автушенко К.И. Способ построения портативного прибора для определения частоты сердечных сокращений плода//15-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика - 2008»: Тезисы докладов. - М.: МИЭТ, 2008, с.250.

4. Автушенко К.И. Алгоритмическая модель блока измерения частоты сердечных сокращений плода для фетального монитора//Третья международная научно-практическая конференция «Инфоком-3»: Материалы конференции. Часть 1. -Ставрополь, 2008, с.136-141.

5. Автушенко К.И. Метод выбора параметров цифровых фильтров для сигналов с выраженными периодическими структурами//Аспирант и соискатель. - М.: «Спутник+», 2008, №5, с. 138-139.

6. Автушенко К.И. Алгоритм определения частоты сердечных сокращений плода методом измерения Ш1-интервалов//Сборник научных трудов аспирантов и преподавателей МИЭТ, под ред. В.А. Бархоткина. - М.: МИЭТ, 2008, с.88-94.

7. Автушенко К.И. Алгоритм определения пульса плода по данным ультразвуковой диагностики//Медицинские науки. - М.: «Спутник+», 2008, №5, с.6-7.

8. Автушенко К.И. Алгоритм обнаружения сердечного ритма плода в доплеровском сигнале//Известия ВУЗов. Электроника. - М.: МИЭТ,

2008, №3, с.77-80.

9. Автушенко К.И., Болховитин С.Н., Дядов B.C., Гусев А.Н.

Свидетельство об официальной регистрации программы для ЭВМ №2006613540 «Программа обнаружения сердечного ритма плода в доплеровском сигнале, отличающаяся способностью быстрого захвата сигнала после его кратковременных пропаданий», 2006.

10. Автушенко К.И. Цифровая обработка ультразвуковой доплеро-

графической информации: анализ шумоподавляющих фильтров// Техника и технологии. - М.: «Спутник+», 2009, №3, с.29-30.

Подписано в печать 09 ноября 2009 г. Объем 1,2 пл. Тираж 80 экз. Заказ № Ю53 Отпечатано в Центре оперативной полиграфии ООО «Ол Би Принт» Москва, Ленинский пр-т, д.37

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИИ.

ВВЕДЕНИЕ.

Глава 1 .Обзор современного состояния методов и средств обработки доплерографической информации.

1.1 .Основные средства и методы ультразвуковой доплерографии.

1.1.1.Биофизические основы ультразвуковой допплерографии.

1.1.2.Методы получения доплерографических сигналов.

1.1.3.Обобщенная структурная схема ультразвукового доплерографа.

1.2.Методы анализа доплерографических сигналов с периодическими структурами.

1.3.Задача определения частоты сердечных сокращений по результатам доплерографического обследования.

1.3.1.Сердечная деятельность и её патологии.

1.3.2.Вариабельность сердечного ритма.

1.3.3.Клиническое приложение.

1.3.4.0собенности определения ЧСС по результатам допплерографии.

1.4.Постановка задачи диссертации.

Выводы по главе 1.

Глава 2.Исследование применимости методов цифровой обработки сигналов для обработки доплерографической информации.

2.1.Анализ методов цифровой фильтрации.

2.2.Применение автокорреляционного анализа при обработке • доплерографической информации.

2.3.Методы анализа сигналов с амплитудной модуляцией.

2.3.1 .Основы амплитудной модуляции.

2.3.2. Демодуляция АМ-сигнала.

2.4.Метод выбора параметров фильтра.

Выводы по главе 2.

Глава 3.Разработка алгоритма определения периодов. следования структур.

3.1.Декомпозиция задачи определения периодов следования структур.

3.2.Анализ способов решения подзадач.

3.2.1.Выделение полезного сигнала.

3.2.2.Выделение фрагмента сигнала.

3.2.3.Определение периода структур на фрагменте.

3.3.Алгоритм определения периодов следования структур.

Выводы по главе 3.

Глава 4.Исследование и программная реализация алгоритма, соответствующего методу эталонного удара.

4.1.Разработка имитационной модели алгоритма.

4.1.1 .Выбор типа модели.

4.1.2.Разработка структуры и реализация имитационной модели.

4.2.Исследование алгоритма с помощью имитационной модели.

4.2.1 .Оценка точности алгоритма.

4.2.2.Исследование помехоустойчивости алгоритма.

4.2.3.Исследование быстродействия алгоритма и его сравнение с алгоритмом, реализующим метод надпороговых интервалов.

4.3.Оценка вычислительной сложности алгоритма.

4.4.Программная реализация алгоритма.

Выводы по главе.4.

Актуальность проблемы. С появлением технических средств, позволяющих излучать и принимать ультразвуковые сигналы узкой направленности, в науке и технике началась эра ультразвуковой диагностики. Особое применение ультразвуковые сигналы нашли в медицине. Методы позволяли наблюдать состояние внутренних органов человека в функциональном режиме с возможностью визуального определения подвижных участков. Применение эффекта Доплера позволило измерять количественные характеристики перемещения тканей, давая значительно больше информации о состоянии человека. Такие методы получили название ультразвуковой доплерографии. Широкое применение ультразвуковая доплерография нашла в медицине (мониторинг сердечной деятельности плода, измерение скорости кровотока и т.п.), технической дефектоскопии и других научных и практических областях.

При ультразвуковом доплерографическом мониторинге наблюдается сигнал с амплитудной модуляцией, в котором периодические структуры представляют собой фрагменты высокочастотного сигнала с пиками, ограниченными низкочастотной огибающей. Применительно к медицине, периодические структуры в сигнале могут вызываться движением тканей сердца, перемещением тканей легкого при дыхании, пульсациями скорости кровотока в сосудах и т.п. Определяя периоды следования таких структур в доплерографическом сигнале, можно с высокой точностью определить периодичность самого исследуемого процесса.

Вопросами анализа периодических структур в доплерографическом сигнале занимались многие ученые, и исследованиям в этой области посвящен ряд работ зарубежных специалистов (Жемайтите Д., Challis R., Kitney R., De Boer R., Iwata A., Mintchev M.), а также отечественных ученых (Рябыкина Г.В., Савельева Г.М. и др). Однако, несмотря на широко проводимые исследования до сих пор нет единых общепринятых методов, позволяющих определить период исследуемого процесса по результатам ультразвуковой доплерографии.

Общеизвестные алгоритмы обладают высокой вычислительной сложностью, что делает невозможным их применение для построения портативных мобильных приборов. Кроме того, проведение сравнительных исследований затрудняется отсутствием данных о методах и алгоритмах, применяемых в конкретных ультразвуковых приборах.

Таким образом, актуальной является задача создания новых методов и алгоритмов обработки ультразвуковой доплерографической информации, которые пригодны для создания портативных приборов относительно небольшой вычислительной мощности при сохранении требуемой скорости и точности обработки доплерографических сигналов. Огромную роль в разработке подобных методов и алгоритмов играют методы моделирования, поскольку они позволяют получить неоспоримые доказательства эффективности предложенных подходов, а также позволяют верифицировать полученные результаты.

Целью диссертации является разработка алгоритма измерения периодов повторения определенных структур в доплерографическом сигнале, обеспечивающего высокую точность и быстродействие и позволяющего создать портативный мобильный прибор для эффективного решения задач ультразвуковой доплерографии.

В соответствии с указанной целью в работе решаются следующие задачи:

• анализ существующих методов определения периодов повторяющихся структур в доплерографическом сигнале;

• разработка новых методов определения периодов в доплерографическом сигнале;

• разработка алгоритма определения периодов во временной области;

• разработка имитационной модели, позволяющей произвести оценку качества алгоритма по различным критериям;

• исследование точности, быстродействия, вычислительной сложности и помехоустойчивости разработанного алгоритма;

• программная реализация разработанного алгоритма.

Методы исследования. Теоретической и методологической базой исследования является системный подход к моделированию сложных систем и построению алгоритмов. При решении конкретных задач использовались методы математического моделирования, теории вероятностей и цифровой фильтрации сигналов.

Научная новизна. Диссертационная работа представляет собой совокупность научных исследований и технических разработок, направленных на создание портативных мобильных приборов, позволяющих эффективно решать задачи ультразвуковой диагностики.

В процессе исследований и разработок получены следующие новые научные результаты:

• Оценены характеристики доплерографических сигналов и предложен метод выбора параметров шумоподавляющего фильтра на основе энергетических соотношений сигнала.

• Предложены и исследованы новые подходы для определения периода структур в доплерографическом сигнале на основе анализа его фрагментов.

• Разработан новый метод определения периода следования структур (метод "эталонного удара"), позволяющий измерять периоды структур в доплерографическом сигнале с погрешностью, не превышающей 1,5%.

• Разработан алгоритм определения периодов структур в: доплерографическом сигнале на: примере задачи определения сердечного ритма плода, позволяющий определять частоту сердечных сокращений (ЧСС) с точностью до 2 ударов в минуту.

• Разработана имитационная модель в среде Ма11аЬ,. подтверждающая работоспособность алгоритма и его эффективность для решения задачи определения периодов структур в доплерографическом сигнале.

• Выполнена программная реализация алгоритма для метода "эталонного удара".

Результаты работы подтверждены свидетельством об официальной регистрации программы для ЭВМ № 2006613540 «Программа обнаружения сердечного ритма плода в доплеровском сигнале, отличающаяся способностью быстрого захвата сигнала после его кратковременных пропаданий» (зарегистрировано в РОСПАТЕНТ 12 октября 2006 г., заявка №2006612766).

Достоверность полученных результатов подтверждается соответствием результатов теоретического анализа и проведенных экспериментов, в сочетании с корректным применением методов математического моделирования и цифровой обработки сигналов, а также соответствием результатов практического применения алгоритма с результатами работы образцового фетального монитора фирмы «Сономед».

Практическая ценность работы заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на создание программно-аппаратного обеспечения для портативного прибора ультразвуковой диагностики. Проведенные исследования и полученные результаты составляют теоретическую основу моделирования и построения программных комплексов ультразвукового доплерографического мониторирования. Результаты исследования доведены до конкретных алгоритмов, методик и программных средств.

Самостоятельное практическое значение имеют:

• метод выбора параметров и определения качества цифрового фильтра, применяемого для выделения полезного доплерографического сигнала, обеспечивающий работоспособность алгоритма без значительной потери точности на сигналах, для которых отношение сигнал-шум (ОСШ) составляет 7дБ, что позволяет обрабатывать все целевые сигналы;

• алгоритм определения периодов повторяющихся структур, обеспечивающий точность вычисления с погрешностью не более 1,5%, что является достаточной точностью для задач ультразвуковой доплерографии;

• имитационная модель, позволяющая исследовать влияние различных характеристик сигнала и параметров алгоритма на его точность и быстродействие;

• программная реализация алгоритма, позволяющая анализировать вариабельность сердечного ритма в звуковых кардиосонографических записях с точностью до 2 ударов в минуту, что соответствует требованиям точности, предъявляемым в акушерской практике. Личный вклад автора. Все основные результаты диссертационной работы получены автором лично или при его непосредственном участии. Главными из них являются:

1. Результаты исследования современных методов анализа доплерографических сигналов с периодическими структурами.

2. Предложенный метод выбора параметров цифровых фильтров, применяемых для подавления шумов в доплерографических сигналах.

3. Разработанный метод определения периода структур в доплерографическом сигнале по его фрагменту.

4. Разработанный алгоритм определения периода структур в доплерографическом сигнале на примере задачи определения ЧСС плода.

5. Имитационная модель алгоритма в среде Ма11аЬ.

6. Оценки точности, вычислительной сложности и помехоустойчивости разработанного алгоритма, полученные с помощью имитационной модели.

Реализация полученных результатов. Результаты диссертационной работы использованы в научно-технических исследованиях ООО «Бипульс» и представляют собой составную часть исследовательских мероприятий в рамках

НИОКР по проекту № 6819 "Разработка и изготовление прототипа фетального кардиотокографа", являющейся результатом государственного контракта, заключенного фондом содействия развитию малых форм предприятий в научно-технической сфере (фонд Бортника) и ООО «Бипульс».

Все работы по программной реализации алгоритма определения периодов структур в доплерографическом сигнале проводились при непосредственном участии автора. Результаты диссертационной работы используются в учебном процессе МГИЭТ на кафедре ИПОВС и в разработках ООО «Бипульс», что подтверждается актами о внедрении и свидетельством о регистрации программного продукта.

На основе проведенных исследований получены и выносятся на защиту следующие основные научные результаты:

1. Метод определения значения временных интервалов периодических структур в доплерографическом сигнале.

2. Формализованное представление предложенного метода.

3. Алгоритм определения периодов в доплерографическом сигнале (на примере обработки сигналов ультразвуковой доплерографии сердцебиения плода).

4. Результаты экспериментальных исследований, моделирования и апробации материалов диссертационной работы.

Апробация работы и публикации. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях:

• 14-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика - 2007» (Зеленоград, МИЭТ 18-20 апреля 2007г.), доклад награжден дипломом за 1 -е место в конкурсе работ аспирантов по секции "Биомедицинская электроника";

• Всероссийская молодежная конференция «Электроника — 2007» (Зеленоград, МИЭТ 5-7 сентября 2007 г.);

• 15-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика - 2008» (Зеленоград, МИЭТ 23-25 апреля 2008г.);

• III международная научно-техническая конференция «Инфо-коммуникационные технологии в науке, производстве и образовании (Инфоком - 3)» (Кисловодск, 1-5 мая 2008 г.).

По результатам исследований опубликовано 10 печатных работ, в том числе 9 без соавторов. Одна работа опубликована в журнале, рекомендованном ВАК.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы из 88 наименований и приложения, состоящего из 3 частей. Работа изложена на 131 странице и содержит 18 таблиц и 25 рисунков.

9. Результаты работы внедрены в учебный процесс МИЭТ и на ООО «Бипульс», в рамках проекта "Разработка и изготовление прототипа фетального кардиотокографа".

ЗАКЛЮЧЕНИЕ

В диссертационной работе были проведены разработка и исследование методов и алгоритмов обработки доплерографической информации, содержащей периодические структуры с целью определения периодов их следования в сигнале. В результате исследований был предложен метод эталонного удара и разработан и исследован соответствующий алгоритм на имитационной модели. Проведенные исследования подтвердили работоспособность алгоритма, его высокую точность, помехоустойчивость и приемлемую вычислительную сложность.

Основные научные и практические результаты работы:

1. Оценены характеристики доплерографических сигналов и предложен метод выбора параметров шумоподавляющего фильтра на основании энергетических соотношений сигнала.

2. Предложены и исследованы новые подходы для определения периода в доплерографическом сигнале на основе анализа его фрагментов.

3. Разработан метод "эталонного удара", позволяющий определять периоды структур в доплерографическом сигнале с погрешностью, не превышающей 1,5%.

4. Разработан алгоритм определения периодов структур в доплерографическом сигнале, позволяющий вычислять ЧСС с точностью до 2 ударов в минуту на примере задачи определения сердечного ритма плода.

5. Разработана имитационная модель с использованием пакета Ма1:1аЬ, подтверждающая работоспособность алгоритма и его эффективность для решения задачи определения периодов структур в доплерографическом сигнале.

6. Исследована помехоустойчивость алгоритма и обоснована его работоспособность на сигналах с минимальным ОСШ 7дБ.

7. Оценена теоретическая вычислительная сложность алгоритма и обоснована возможность его реализации в портативном мобильном приборе.

8. Создана программа, реализующая разработанный алгоритм на языке С. Программа зарегистрирована в патентном ведомстве РФ и предназначена для применения в портативных фетальных мониторах.

1. Гайдашев А.Э., Лаврентьев A.B., Тутоваи М.Г. и др. Клиническая доплерография окклюзирующих поражений артерий мозга и конечностей. - М.: Изд. НЦССХ РАМН им. А.Н.Бакулева, 1997.

2. Осипов Л.В. УЗИ: Физические основы доплерографии.- http://users.iptelecom.net.ua/~dydyrko/usonic/l .htm

3. Бардюкова Т.В. Доплерография в ультразвуковой диагностике заболеваний сердца. М.: Ветеринарная клиника «Центр», 2005.

4. Фетальный монитор «Сономед-200». — http://www.spectromed.com5. http://www.stormoff.ru6. http://www.oxford-instruments.com/wps/wcm/connect/Oxford+Instruments/ Internet/Home

5. Беляев K.P., Морозов A.A. Коррекция фазовых искажений и обработка биомедицинских сигналов//Вестник МГТУ, 1993, №4, с.40-53.

6. Challis R.E., Kitney R.I. Biomedical signal processing (in four parts): Part 1. Time-domain methods//Med. Biol. Eng. Comput, 1990, v.28, pp.509-524.

7. Рангайян P.M. Анализ биомедицинских сигналов. Практический подход. -М.: ФИЗМАТЛИТ, 2007. -440с.

8. Minthev М.Р. et al. Dynamics of the level of randomness in gastric electrical activity//Digest. Dis. Sei., 1998, v.43, No.5, pp.953-956.

9. Хэмминг P.B. Цифровые фильтры. M.: Недра, 1987. - 221с.

10. Balda R.A. et al. The HP ECG analysis program//In: Van Bemmel J.U. and Willems J.L. (eds.) Trends in computer-processed electrocardiograms. Amsterdam, The Netherlands: North Holland, 1997, pp. 197-205.

11. Murthy I.S.N, and Rangaraj M.R. New concepts PVC detection//IEEE Trans. Biomed. Eng., 1979, v.26, No.7, pp.409-416.

12. Tompkins WJ. Biomedical digital signal processing. -Prentice-Hall, Upper Saddle River, NJ, 1995.

13. Pan J. and Tompkins W.J. A real-time QRS detection algorithm/ЛЕЕЕ Trans. Biomed. Eng., 1985, v.32, pp.230-236.

14. Adam J. Wolfberg et al. A comparison of subjective and mathematical estimation of fetal heart rate variability//The Journal of Maternal-Fetal and Neonatal Medicine, 2008, v.21(2), pp. 101-104.

15. Valtino X. Afonso. ECG QRS Detection//Biomedical Digital Signal Processing, 1987, v.3, No.l, pp.236-264.

16. Kileen Cheng, Bobak Nazer, Jyoti Uppuluri et al. «Beat This»//A Beat Synchronization Project.- http://www.owlnet.rice.edu/~elec301/Proiects01/beat svnc/beatalgo.html

17. Финкельштейн М.И. Гребенчатые фильтры. M.: Советское радио, 1969. -320с.

18. Rocha A.P. et al. Linear and nonlinear fetal heart rate analysis of normal and academic fetuses in the minutes preceding delivery//Med. Biol. Eng. Comput., 2006, No.44, pp.847-855.

19. Parer J.T., King T. et al. Fetal academia and electronic fetal rate patterns: Is there evidence of an association?//The Journal of Maternal-Fetal and Neonatal Medicine, 2006, v. 19(5), pp.289-294.

20. Коркушко O.B., ИГатило В.Б., Шатило T.B. Анализ вегетативнойрегуляции сердечного ритма на различных этапах индивидуального развития человекаУ/Физиология человека, 1991, 17, №2, с.31-39.

21. Ланг Г.Ф. Учебник внутренних болезней. Том 1, часть 1. -М.: «Медгиз», 1938 г.

22. Heart rate variability. Standart of measurement, physiological, and clinical use. Task Forse of European Society of Cardiology and The North American Society of Pacing and Electrophysiology//Europ.Heart J., 1996, v. 17,pp.354-381.

23. Malik M. Heart Rate Variability// Curr Opin Cardiol., 1998, v. 13, pp.36-44.

24. Lange S. et al. Influence of gestational age, heart rate, gender and time of day on fetal heart rate variability//Med. Biol. Eng. Comput., 2005, v.43, pp.481486.

25. Жемайтите Д.И. Возможности клинического применения автоматического анализа ритмограмм. Автореф. дис. докт. мед. наук. -Каунас, 1972. 51с.

26. Цывьян П.Б. Кардиотокография. Значение для оценки состояния плода. -Центр подготовки к родам "Партнер", 2007.- http://ww.eka-mama.ru/matter/detail.php?ID=2201 &phrase id=534375

27. Гизатуллин Р.Х., Сандомирский М.Е., Еникеев Д.А., Стоянов А.С. Анализ вариабельности сердечного ритма и его применение в психотерапии//Здравоохранение Башкортостана, 1998, №5-6, с. 136-142.

28. Беляев К.Р. Методы анализа вариабельности ритма сердца: учебное пособие. http://konstb.newmail.ru/liter/hrv/UchPos2.htm.

29. Рябыкина Г.В., Соболев А.В. Вариабельность ритма сердца (монография).- М.: «Стар'Ко», 1998. 200с.

30. Коркушко О.В., Писарук А.В., Лишневская В.Ю. и др. Вариабельность ритма сердца у здоровых лиц и пациентов с ишемической болезнью сердца пожилого возраста. Киев: Институт геронтологии АМН Украины. - http://www.rql.kiev.Ua/cardioi/2002/5/ korkushko.htm

31. Рябыкина Г.В., Соболев A.B. Мониторирование ЭКГ с анализом вариабельности ритма сердца. М.: «Медпрактика-М», 2005. - 224с.

32. Антенатальная кардиотокография.- http://www.pospelow.narod.ru/KTG.htm

33. Ruben D. Trochez, Thabani Sibanda, Rohit Sharma and Tim Draycott. Fetal monitoring in labor: Are accelerations good enough?//The Journal of Maternal-Fetal and Neonatal Medicine, 2005, v. 18(5), pp.349-352.

34. Савельева Г.М. Справочник по акушерству, гинекологии и перинатологии. М.: МИА, 2006. - 720с.

35. Савельева Г.М., Шалина Р.И., Сичинава Л.Г. Акушерство. М.: «Гэотар-Медиа», 2008. - 656с.

36. Баевский P.M., Кириллов О.И., Клецкин С.З. Математический анализ изменений сердечного ритма при стрессе. М.: Наука, 1984. - 219с.

37. Шахтарин Б.И. Случайные процессы в радиотехнике. 2-е изд., испр. и доп. 4.1. Линейные системы. М.: Радио и связь, 2002. - 568с.

38. Лосев А.К. Теория линейных электрических цепей. М.: Высшая школа, 1978.-512с.

39. Course "Signals & Systems": Lectures//Massachusetts Institute of Technology, 2003. 243p.http://ocw.mit.edu/OcwWeb/Electrical-Engineering-and-Computer-Science/6-003Fall-2003/LectureNotes/index.htm

40. Гутников B.C. Фильтрация, измерительных сигналов. -Л.: Энерго-атомиздат. Ленингр. отд-ние, 1990. 192с.

41. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в Matlab. -М.: ДМК Пресс, 2005. -304 е.: ил.

42. Рональд Н. Брейсуэлл. Преобразование Oypbe//Scientific American Издание на русском языке, август 1989, №8, с.48-56.

43. Медведев С.Ю. Преобразование Фурье и классический цифровой спектральный анализ. http://www.vibration.ru/preobraz fur.shtml

44. Сергеенко А.Б. Цифровая обработка сигналов. Спб.: Питер, 2003. - 604с.

45. Alfred Mertins. Examples of Discrete Transforms. http://dsp-book.narod.ru/sa.htm

46. Быстрое преобразование Фурье — http://alglib.sources.ru/fft/fourier.php

47. Шахтарин Б.И. Оптимальная фильтрация и прогнозирование случайных процессов. М.: Изд-во МГТУ им. Н.Э. Баумана, 1991. - 203с.

48. Гольденберг J1.M., Матюшин Б.Д., Поляк М.Н. Цифровая обработка сигналов. М.: Радио и связь, 1985. - 312с.

49. Хемминг Р.В. Цифровые фильтры. М.: Советское радио, 1980. - 224с.

50. Гарри Лэм. Аналоговые и цифровые фильтры: Пер. с англ. -М.: Издательство «Мир», 1982. 589с.

51. Гоулд Б., Рэйдер Ч. Цифровая обработка сигналов//Пер. с англ.; под ред. А. М. Трахтмана. М.: Сов. Радио, 1973. - 368с.

52. Лем Г. Аналоговые и цифровые фильтры. Расчёт и реализация: Пер. с англ. М.: Издательство «Мир», 1982. - 592с.

53. Антонью А. Цифровые фильтры: анализ и проектирование. М.: Радио и связь, 1983. - 320с.

54. By Steven W. Smith, Ph.D. The Scientist and Engineer's Guide to Digital Signal Processing. http://www.dspizuide.com/pdfbook.htm

55. Автокорреляция и ее вычисление//Курс лекций «Цифровая обработка сигналов». М.: МГУ, ВМК. - http://www.ksu.ru/infres/stolov/Annot.htm

56. Гольдман С.,Гармонический анализ, модуляция и шумы, пер. с англ., М., 1951.

57. Scott С. Douglas. Introduction to Adaptive Filters//Digital Signal Processing Handbook. РАИТ VI Adaptive Filtering. Lincoln, United States: CRC Press,1998. 1776р.

58. Уидроу Б., Стирнз С. Адаптивная обработка сигналов: Пер. с англ. М.: Радио и Связь, 1989. - 440с.

59. Коуэн К.Ф.Н., Грант П.М. и др. Адаптивные фильтры//Пер. с англ. Под ред. К.Ф.Н. Коуэна и П.М. Гранта. М.: Мир, 1988. - 392с.

60. Марпл.-мл. C.JI. Цифровой спектральный анализ и его приложения: Пер. с англ. М.: Мир, 1990. - 584с.

61. Хэмминг Р.В. Теория кодирования и теория информации: Пер. с англ. С.И. Гольдфанда, под ред. Б.С. Цыбакова. М.: Радио и связь, 1983. -174с.

62. Автушенко К.И. Определение сердечного ритма плода методом ультразвукового зондирования//Всероссийская молодежная конференция «Электроника-2007»: Тезисы докладов. М.: МИЭТ, 2007, с.31.

63. Автушенко К.И. Метод выбора параметров цифровых фильтров для сигналов с выраженными периодическими структурами//Аспирант и соискатель. М.: «Спутник+», 2008, №5, с. 138-139.

64. Chris Peters et al. Beat-to-beat detection of fetal heart rate: Doppler ultrasound cardiotocography compared to direct ECG cardiotocography in time and frequency domain//Physiol. Meas., v.25, pp.585-593.

65. Vai M.I.; Li-Gao Zhou. Beat-to-beat ECG ventricular late potentials variance detection by filter bank and wavelet transform as beat-sequence filter//Biomedical Engineering, IEEE Transactions, aug. 2004, v.51, pp. 14071413.

66. Автушенко К.И: Алгоритм определения пульса плода по данным ультразвуковой» диагностики/УМедицинские науки. М.: «Спутник+», 2008, №5, с.6-7.

67. Автушенко К.И. Алгоритм обнаружения сердечного ритма плода в доплеровском сигнале//14-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника иинформатика 2007»: Тезисы докладов. - М.: МИЭТ, 2007, с.334.

68. Автушенко К.И. Алгоритм определения частоты сердечных сокращений плода методом измерения RR-интервалов/'/Сборник научных трудов аспирантов и преподавателей МИЭТ, под ред. В.А. Бархоткина. М.: МИЭТ, 2008, с.88-94.

69. Stenson P.F., Jensen J.A. Real-Time Blood Flow Estimation Using a Recursive Least-Squares Lattice Filter/VTEEE Ultrasonics Symposium, 1997, v.2, pp.1259-1262.

70. Автушенко К.И. Алгоритмическая модель блока измерения частоты сердечных сокращений плода для фетального монитор//Третья международная научно-практическая конференция «Инфоком-3»: материалы конференции. Часть 1. Ставрополь, 2008, с. 136-141.

71. Карпов Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. Спб.; БХВ-Петербург, 2005. - 400 е.: ил.

72. Пажильцева О.П. Модели объектов и процессов. Классификация моделей. Курс лекций по информатике. http://festival. 1 september.ru/articles/516119/

73. Павловский Ю. Н. Имитационные модели и системы. -М.: ФАЗИС, 2000. -144 с.

74. Финаев В.И., Павленко E.H., Заргарян Е.В. Аналитические и имитационные модели: Учебное пособие. Таганрог: Изд-во Технологического института ЮФУ, 2007. - 310 с.

75. Губарь Ю.В. Введение в математическое моделирование. Курс лекций. -Украина; ДонНТУ, 2007.

76. Потемкин В.Г. Вычисления в среде MATLAB. М.: ДИАЛОГ-МИФИ, 2004. - 720с.

77. Потемкин В.Г. Система инженерных и научных расчетов MATLAB 5.x: В 2-х т. Том 1.-М.: Диалог-МИФИ, 1999. 366с.

78. Потемкин В.Г. Система инженерных и научных расчетов MATLAB 5.x: В 2-х т. Том 2. -М.: Диалог-МИФИ, 1999. 304с.

79. Половко A.M., Бутусов П.Н. MATLAB для студента. Спб.: «БХВ-Петербург», 2005. - 320с.