автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Разработка метода анализа процессов управления сердечным ритмом для компьютерных медицинских систем

Введение.

Глава 1. Спектральные методы анализа сердечного ритма в компьютерных медицинских системах.

1.1. Компьютерные медицинские системы в электрокардиографических исследованиях.

1.2. Спектральный анализ сердечного ритма в кардимониторных системах.

1.2.1. Вариабельность сердечного ритма.

1.2.2. Методы анализа вариабельности сердечного ритма.

1.2.3. Анализ вариабельности сердечного ритма во временной области.

1.2.4. Методы анализа в частотной области.

1.2.5. Нелинейные методы анализа вариабельности сердечного ритма.

1.2.6. Вариационная пульсометрия по P.M. Баевскому.

1.2.7. Спектральные составляющие ВСР и их физиологическая интерпретация.

1.2.8. Спектральные показатели.

1.3. Общий подход к проблеме непрерывного представления вариабельности сердечного ритма.

1.4. Обоснование цели и задач исследования.

Глава 2. Модель управления водителем сердечного ритма.

2.1. Основы электрической активности сердца.

2.2. Вегетативная нервная система и основы механизмов нейрокардиального управления.

2.3. Исследование модели управления водителем сердечного ритма.

2.4. Модификация модели интегрального частотно-импульсного модулятора.

2.5. Выводы.

Глава 3. Разработка метода воспроизведения функции водителя сердечного ритма.

3.1. Классификация методов непрерывного представления ПСС.

3.2. Построение непрерывной кривой по отсчетам сигнала.

3.3. Алгоритм восстановления непрерывной кривой с использованием кубических сплайнов.

3.4. Методы преобразования к равномерной шкале последовательностей значений интервалов и частоты.

3.5. Анализ счетных событий.

3.6. Метод воспроизведения функции водителя сердечного ритма.

3.7. Модификация биотехнической системы для исследования деятельности сердца.

3.8. Выводы.

Глава 4. Экспериментальное исследование метода восстановления функции водителя сердечного ритма.

4.1. Постановка эксперимента на модельных сигналах.

4.2. Выбор показателей эффективности спектральной оценки модельных сигналов.

4.3. Алгоритмическое обеспечение экспериментальных исследований модельных сигналов.

4.4. Спектральный анализ модельных сигналов.

4.5 Постановка эксперимента и алгоритмическое обеспечение исследований на реальных сигналах.

4.6. Анализ частотных свойств ритмограмм с использованием спектрального анализа.

4.7. Выводы.

АКТУАЛЬНОСТЬ ПРОБЛЕМЫ. Спектральные методы анализа вариабельности сердечного ритма (ВСР) широко используются в компьютерных медицинских системах, предназначенных для распознавания сложных, угрожающих жизни пациента состояний и прогнозирования возможных исходов лечения. В сигнале ВСР обычно различают три частотные составляющие VLF (<0,04 Гц), LF (0,040,15 Гц) и HF (0,15-0,40 Гц), несущие информацию об уровнях функционирования симпатического и парасимпатического отделов вегетативной нервной системы (ВНС). Исследование ВСР имеет важное прогностическое и диагностическое значение при самой разнообразной патологии: заболеваниях сердечно-сосудистой, нервной, дыхательной, эндокринной систем и психоэмоциональных нарушениях, а также при определении уровня тренированности спортсмена и подборе оптимальных доз лекарственных препаратов с учетом фона вегетативной регуляции организма. Диагностическое заключение и терапевтическое решение, принимаемое врачом-кардиологом, во многом зависит от точности обнаружения частотных компонент ВСР.

На эффективность распознавания спектральных составляющих VLF, LF и HF влияет множество факторов, включающих этапы математической обработки сигнала ВСР для реализации спектрального анализа. Одним из этапов такой обработки является преобразование сигнала сердечного ритма (CP) к равномерной временной шкале. Существует достаточно большое число методов, осуществляющих преобразование сигнала к равномерной временной шкале, восстанавливающих огибающую ритмограммы (или функцию вариации ритма): интерполяция кусочно-полиномиальными функциями (нулевого, первого и третьего порядков), анализ счетных событий, построение интервальной последовательности и другие традиционные методы.

Новым нестандартным подходом к решению рассматриваемой задачи является анализ функции, осуществляющей автономное управление частотой сердечных сокращений, и называемой в физиологии функцией водителя сердечного ритма. Переход к анализу функции водителя на основе моделирования управления частотой CP позволит повысить эффективность распознавания спектральных составляющих, и тем самым, наиболее точно определить состояние уровней вегетативной регуляции.

Необходимость дальнейших исследований в области анализа ВСР и улучшения численной оценки показателей ВСР подтверждается в решениях Специальной комиссии европейского кардиологического общества (ESC) и Американского общества электрокардиостимуляции и электрофизиологии (NASPE), созданной для стандартизации измерений, физиологической интерпретации и клинического применения показателей ВСР. Таким образом, дальнейшие исследования и разработки в области спектрального анализа ритма сердца с целью повышения эффективности оценки уровней вегетативной регуляции следует считать актуальной.

ЦЕЛЬ РАБОТЫ. Целью диссертационной работы является повышение качества спектральной оценки физиологических процессов, управляющих сердечным ритмом, за счет разработки более совершенных методов математической обработки электрокардиосигнала и соответствующего алгоритмического и программного обеспечения компьютерных медицинских систем.

Для достижения поставленной цели необходимо решить следующие задачи:

1. провести исследование методов преобразования сигнала сердечного ритма к равномерной временной шкале и методов моделирования управления водителем сердечного ритма;

2. адаптировать математическую модель, связывающую сигнал сердечного ритма и функцию водителя сердечного ритма, к рассматриваемым методам;

3. разработать метод преобразования сигнала сердечного ритма к равномерной временной шкале на основе модифицированной модели водителя сердечного ритма для повышения качества распознавания спектральных составляющих;

4. провести исследование методов преобразования сигнала сердечного ритма к равномерной временной шкале на модельных сигналах и на реальных записях ритмограмм;

5. разработать программно-алгоритмическое обеспечение методов преобразования и спектрального анализа сигнала сердечного ритма для автоматизированных систем оценки ВСР.

МЕТОДЫ ИССЛЕДОВАНИЯ. Для решения поставленных задач в теоретической части диссертационной работы использовались методы математического моделирования, математической статистики, спектрального анализа и распознавания образов.

Экспериментальная часть выполнена на реальных сигналах, записанных в клиниках Санкт-Петербурга, а также стандартной базе ЭКГ-данных MIT-BIH. Для проведения экспериментов разработаны программы в оболочке LabVIEW.

НАУЧНЫЕ РЕЗУЛЬТАТЫ.

1. модифицирована модель управления водителем сердечного ритма для задач анализа ВСР, реализованная в виде интегрального частотно-импульсного модулятора (IPFM);

2. разработан и исследован новый метод преобразования сигнала сердечного ритма к равномерной временной шкале, восстанавливающий функцию водителя сердечного ритма на основе IPFM-модели;

3. разработан и исследован алгоритм воспроизведения непрерывной функции водителя сердечного ритма по отсчетам сигнала с использованием интерполяции кубическими сплайнами.

ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ.

1. разработанная классификация методов преобразования к равномерной временной шкале сигнала сердечного ритма позволяет сопоставить различные подходы к спектральному анализу ВСР и осуществить выбор конкретного метода разработчикам автоматизированных медицинских систем;

2. разработанный метод преобразования сигнала сердечного ритма к равномерной временной шкале позволяет улучшить качество распознавания частотных компонент ВСР, определяемых на основе спектрального анализа;

3. разработанный алгоритм воспроизведения функции водителя сердечного ритма позволяет повысить эффективность компьютерных медицинских систем при решении исследовательских и клинических задач.

ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ. Результаты диссертационной работы использовались при выполнении научно-исследовательской работы по проекту РФФИ № 00-01-00448 "Исследование методов обработки и распознавания биомедицинских сигналов", а также в учебном процессе кафедры Биомедицинской электроники и охраны среды Санкт-Петербургского государственного электротехнического университета "ЛЭТИ".

АПРОБАЦИЯ РАБОТЫ. Основные положения и результаты диссертационной работы докладывались и обсуждались на следующих конференциях: Четвертая Санкт-Петербургская Ассамблея молодых ученых и специалистов (г. Санкт-Петербург, 1999 г.), II Международный симпозиум "Электроника в медицине. Мониторинг, диагностика, терапия" (г. Санкт-Петербург, 2000 г.), V Международная конференция: "Распознавание образов и анализ изображений" (г. Самара, 2000 г.), V Международная научно-техническая конференция: "Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации" (г. Курск, 2001 г.), VI Международная конференция "Распознавание образов и анализ изображений: новые информационные технологии" (г. Великий Новгород, 2002 г.), научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ (20012002 г.г.).

ПУБЛИКАЦИИ. Материалы диссертации опубликованы в девяти печатных работах, которые включены в общий список литературы, из них три статьи и тезисы к шести докладам на международных и российских научно-технических конференциях и симпозиумах.

СТРУКТУРА И ОБЪЕМ ДИССЕРТАЦИИ. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы, включающего 75 наименований, и двух приложений.

4.7. Выводы

1. Для оценки эффективности распознавания спектральных компонент модельных сигналов целесообразно использовать два показателя качества спектральных оценок - интенсивность просачивания и число ложных спектральных компонент с амплитудами больше, чем 1, 5 и 10 % от общей мощности сигнала.

2. Экспериментальные исследования модельных сигналов показали, что методу DCSI соответствует интенсивность просачивания в 1,6 раза меньше, чем методу Clf, и в 2 и более раза меньше, чем всем остальным методам. Метод DCSI продемонстрировал достаточно небольшое число ложных спектральных компонент по сравнению с другими методами.

3. Эффективность спектрального оценивания реальных рит-мограмм, принадлежащих двум классам HF и LF, предлагается оценивать по степени разброса показателя к, отражающего баланс симпатического и парасимпатического отделов ВНС.

4. Результаты вычисления показателя г, выявили изменение г от 0,67 до 1,65, что свидетельствует о том, что предлагаемый метод дает качественно новый результат, поскольку разброс между методами близок и даже превышает разброс между объектами внутри класса.

5. Определение критерия линейного дискриминанта Фишера показало, что максимальное значение критерий принимает для метода DCSI и составляет 0,22, в то время как для метода IS; — 0,11. Следовательно, предлагаемое преобразование DCSI создает более благоприятные условия для разделения объектов на классы HF и LF.

139

ЗАКЛЮЧЕНИЕ

В настоящей диссертационной работе достигнуты следующие основные результаты:

1. Проведенные исследования методов преобразования сигнала сердечного ритма к равномерной временной шкале, показали, что для повышения эффективности анализа ВСР необходима разработка нового подхода, основанного на воспроизведении функции водителя сердечного ритма.

2. Модифицирована математическая модель водителя сердечного ритма, устанавливающая соотношение между функцией водителя и сигналом сердечного ритма, что упрощает моделирование процесса управления ЧСС и процедуру реконструкции входной функции.

3. На основе модифицированной IPFM-модели разработан метод преобразования сигнала сердечного ритма к равномерной временной шкале, воспроизводящий функцию водителя сердечного ритма.

4. Разработаны программно-алгоритмические средства для обеспечения экспериментальных исследований предложенного и известных методов анализа ВСР на модельных и реальных сигналах.

5. Экспериментальные исследования показали, что ошибка в оценке спектральных компонент ВСР может быть уменьшена в 1,8-2 раза по сравнению с наилучшим традиционным методом и, следовательно, подтвердили целесообразность применения разработанного метода в автоматизированных системах анализа сердечного ритма.

6. На основе разработанного метода преобразования сигнала сердечного ритма к равномерной временной шкале усовершенствована автоматизированная система для оценки и контроля деятельности сердца по ЭКГ.

1. Алипов Н.Н. Пейсмекерные клетки сердца: электрическая активность и влияние вегетативных нейромедиаторов // Успехи физиол. наук. 1993. - Т. 24, № 2. - С. 37-49.

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

3. Беллман Р. Математические методы в медицине: Пер.с англ.- М.: Мир, 1987.-200 е., ил.

4. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с англ. М.: Мир, 1989. - 540 е., ил.

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

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

7. Биотехнические системы: теория и проектирование / Под ред. В.М.Ахутина Л.: Изд-во ЛГУ, 1981.

8. Вилли К. Биология: Пер. с англ. -М.: Мир, 1968, 808 с.

9. Гончаренко Ю.И., Калиниченко А.Н., Бояркин М.В., Немирко А.П., Родина Н.И. Анализ спектральных параметров ВСР в реальном времени. // Вестник аритмологии, № 25, 2002 г. С. 144-151.

10. Гоффман, Крейнфилд. Электрофизиология сердца. М.: 1968.

11. Грибанов Ю.И., Мальков В.Л. Спектральный анализ случайных процессов. М.: Энергия, 1974. - 240 е., ил.

12. Дабровски А., Дабровски Б., Пиотрович Р. Суточное монитори-рование ЭКГ: Пер. с польск. М.: Медпрактика, 1998.- 208 е., ил.

13. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения:

14. Пер. с англ.-М.: Мир, 1971, в 2 т., ил.

15. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. М.: Мир, 1976. - 512 е., ил.

16. Жемайтите Д.И., Янушкевичус З.И. Выводы о результатах анализа синусового ритма и экстрасистолии по ритмограмме: Методические рекомендации, М, 1981 г.

17. Кардиомониторы. Аппаратура непрерывного контроля ЭКГ: Учеб. пособие для вузов/ A.J1. Барановский, А.Н. Калиниченко, JI.A. Манило и др.; под ред. A.JI. Барановского и А.П. Немирко.-М.: Радио и связь, 1993.-248с.,ил.

18. Коркушко О.В., Шатило В.Б. Особенности переходного процесса сердечного ритма при активной ортостатической пробе у людей пожилого и старческого возраста // Физиология человека. 1989. - Т. 15, № 4. - С. 29-34.

19. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров): Пер с англ. М.: Наука, 1973.- 832 е., ил.

20. Лебедев А.Н. и др. Вероятностные методы в инженерных задачах: Справочник. СПб.: Энергоатомиздат. Санкт-Петербургское отделение, 2000. - 333с., ил.

21. Лебедева Н.А. Алгоритмы анализа многоканальной ЭКГ для классификации форм QRS-комплексов: дис. . канд. техн. наук: 05.13.09. СПб., 1999.

22. Манило Л.А., Родина Н.И. Исследование модели управления водителем сердечного ритма для спектрального анализа ритмограммы: Тр. 5-ой междунар. конф. "Распознавание образов и анализ изображений РОАИ-5-2000" в 4 т. - Самара, 2000, Т. 3. -С. 550-554.

23. Мармарелис П., Мармарелис В. Анализ физиологических систем. Метод белого шума. - М.: Мир, 1981. - 480 с.

24. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ. М.: Мир, 1990. - 584 е., ил.

25. Микрокомпьютерные медицинские системы: Проектирование и применение/ Под ред. У.Томпкинса, Дж.Уэбстера: Пер. с англ.

26. М.: Мир, 1983. 544 е., ил.

27. Милева К.Н. Разработка и исследование методов автоматического анализа ST-сегмента электрокардиограммы в реальном масштабе времени: дис. . канд. техн. наук: 05.13.09. -JL, 1989.

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

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

30. Новые перспективы в электрокардиостимуляции / Под ред. Ж.Мюжика, Д.Егоров, С.Барольд СПб.: Сильван, 1995.

31. Орлов В.Н. Руководство по электрокардиографии. М.: ООО "Медицинское информационное агентство", 2001. - 528 е., ил.

32. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. М.: Радио и связь, 1986. - 400 е., ил.

33. Пособие по кардиологии / Грицюк А.И.- К.: Здоров'я, 1984. -560 с.

34. Практикум по вероятностным методам в измерительной технике: Учеб. пособие для вузов / В.В. Алексеев, Р.В. Долидзе, Д.Д. Недосекин, Е.А. Чернявский. СПб.: Энергоатомиздат. Санкт-Петербургское отделение, 1993. - 264 е., ил.

35. Пыко С.А. Идентификация нелинейных динамических систем методами теории детерминированного хаоса (на примере исследования вариабельности сердечного ритма): дис. .канд. техн. наук: 05.12.17 и 05.11.17. СПб., 2000.

36. Родина Н.И., Манило JI.A. Методы интерполяции функции управления водителем сердечного ритма: Тр. симпоз. «Молодые ученые промышленности и городскому хозяйству Санкт-Петербурга». - Санкт-Петербург, 1999. - С. 46.

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

38. Рябыкина Г.В. Анализ вариабельности ритма сердца // Кардиология. 1996. - № 10. - С. 87-97.

39. Рябыкина Г.В., Соболев А.В. Вариабельность ритма сердца. Монография. М.: Изд-во "СтарКо",1998.

40. Словарь иностранных слов. 16-е изд. - М.: Рус. яз., 1988. -624 с.

41. Смирнов В.М. Анализ механизмов ускорения сердцебиений, возникающих при раздражении блуждающего нерва // Физиолог, журн. СССР им. М.И. Сеченова. 1990. - Т. 76, № 10. - С. 12651272.

42. Соколов Е.И., Белова Е.В. К вопросу об ЭКГ коррелятах эмоционального напряжения // Физиология человека. 1982. - Т.8, №4. - С. 609-614.

43. Солодов А.В. Статистическая динамика систем с точечными процессами. М., 1988.

44. Физиология и патофизиология сердца / Под ред. Н. Сперелаки-са М.: Медицина, 1990.- в 2 т., ил.

45. Чернов А.З., Кечкер М.И. Электрокардиографический атлас. М.: Медицина, 1979. 344 е., ил.

46. Шальдах М. Электрокардиотерапия: Пер. с. англ. и ред. В.Н. Хирманова. СПб., 1992.- 256 е., ил.

47. Akselrod S., Gordon D., Ubel F.A., Shannon D.C. Power spectrum analysis of heart rate fluctuation: a quantitative probe of beat cardiovascular control // Science, 1981, vol. 213, p. 220-222.

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

49. Berger R.D., Akselrod S., Gordon D., Cohen R.J. An efficient algorithm for spectral analysis of heart rate variability // IEEE Transaction on Biomedical Engineering, 1986, vol. BME-33, 9, p.900-904.

50. Cohen A. Biomedical signal processing. Vol.1. Time and frequency domains analysis // CRC Press, Inc. Boca Raton, Florida, 1986.

51. DeBoer R.W., Karemaker J.M., Strackee J. Comparing spectra of a series of point events particularly for heart rate variability data // IEEE Transaction on Biomedical Engineering, 1984, vol. BME-31, 4, p. 384-387.

52. Denton T.A., Diamond G.A., Helfant R.H., Khan S., Karaguezian H. Fascinating rhythm: a primer on chaos theory and its applications to cardiology // Am. Heart J., 1990, vol. 120, p. 1419.

53. Glass L., Hunter P., MacKey M.C. From clocks to chaos: the rhythm of life // Princeton University press, Princeton, NJ, 1988.

54. Glass L., McCulloch A. Theory of heart: biomechanics, biophysics and nonlinear dynamics of cardiac functions. Springer-Verlag, New York, 1989.

55. Guimaraes H.N., Santos R.A.S. A comparative analysis of preprocessing techniques of cardiac event series for the study of heart rhythm variability using simulated signals // Braz. J. Biol. Res., 1998, 31(1), p. 421-430.

56. Hayano J., Sakakibara Y., Yamada M. Diurnal variations in vagal and sympathetic cardiac control // Am. J. Physiol., 1990, vol. 258, p. H642.

57. Heart rate variability. Standards of measurements, physiological interpretation, and clinical use. Circulation, 1996, 93 (5), p. 10431065.

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

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

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

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

62. Kalinichenko A.N., Boyarkin M.V., Goncharenko J.I., Nemirko A.P., Rodina N.I. Real-time analysis of HRV spectral parameters. Proceedings of the VI international conference Symbiosis 2001, September 11-13, 2001, Poland, p. 228-230.

63. Kobayashi M., Musha T. 1/f fluctuations of heart period // IEEE Trans. Biomed. Eng., 1982, vol. 29, p. 456.

64. La Rovere M.T., Specchia G., Mortara A., Schwartz P.J., Baroreflex sensitivity, clinical correlates and cardiovascular mortality among patients with a first myocardial infarction. A prospective study // Circulation, 1988, vol. 78, p. 816.

65. Luczak H., Laurig W. An analysis of heart rate variability // Ergonomics, 1973, vol. 16, 1, p. 85-97.

66. Manilo L.A., Rodina N.I. Investigation of a Model of the Cardiac Rhythm Pacemaker Control for the Spectral Analysis of a

67. Rhythmogram // Pattern Recognition and Image Analysis, 2001, vol. 11, № 2, p. 342-344.

68. Markad V. Kamath, Ernest L. Fallen. Power spectral analysis of heart rate variability: a noninvasive signature of cardiac autonomic function. Critical Reviews in Biomedical Engineering, 1993, 21(3), p. 245-31 1.

69. MIT-BIH Arrhythmia Database Directory. Harvard-MIT Division of Health Sciences and Technology Biomedical Engineering Center, 1992.

70. Nagel J.H., Tkacz E.J., Reddy S.P. Continuos representation of unevenly sampled signals an application to the analysis of heart rate variability // Proceedings of the IV international conference Symbiosis, 1995, September 18-20, Poland, p. 131-138.

71. Nobel D. and Tsein R.W. The kinetic and rectifier properties of the slow potassium current in cardiac Purkinje fibres // J. Physiol. (Lond.), 1968, vol. 195, p. 185-214.

72. Sayers B.McA. Analysis of heart rate variability // Ergonomics, 1973, vol. 16, 1, p. 17-32.с/Гц 0.20,10.00.20,3