автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Совершенствование систем обработки кардиографической информации для диагностики инфаркта миокарда

На правах рукописи

005556441

РЯБЧИКОВ Роман Вадимович

СОВЕРШЕНСТВОВАНИЕ СИСТЕМ ОБРАБОТКИ

КАРДИОГРАФИЧЕСКОЙ ИНФОРМАЦИИ ДЛЯ ДИАГНОСТИКИ ИНФАРКТА МИОКАРДА

Специальности: 05.11.17 — Приборы, системы и изделия медицинского назначения; 05.13.01 - Системный анализ, управление и обработка информации (в технике и технологиях)

Автореферат диссертации на соискание ученой степени кандидата технических наук

4 ДЕК 2014

ПЕНЗА 2014

005556441

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет».

Научный руководитель - доктор технических наук, профессор

Бодин Олег Николаевич

Научный консультант - доктор медицинских наук, профессор

Рахматуллов Фагим Касымович

Официальные оппоненты: Акулов Владислав Алексеевич,

доктор технических наук, профессор, ФГБОУ ВПО «Самарский государственный технический университет» (г. Самара), профессор кафедры «Информационная техника»;

Солодимова Галина Анатольевна,

кандидат технических наук, ОАО «НИИЭМП» (г. Пенза), начальник научно-технического центра испытаний и метрологического обеспечения

Ведущая организация - ФГБОУ ВПО «Пензенский государственный

технологический университет» (г. Пенза)

Защита диссертации состоится 29 декабря 2014 г., в 15 часов, на заседании диссертационного совета Д 212.186.02 в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

С диссертацией и авторефератом можно ознакомиться в библиотеке Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Пензенский государственный университет» и на сайте: http://science.pnzgu.ru/page/13778

Автореферат разослан « » Н£><лс,1о(Я_2014 г.

Ученый секретарь диссертационного совета

Светлов Анатолий Вильевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В нашей стране смертность от болезней сердечно-сосудистой системы составляет более 50 % от всех причин смертности. Инфаркт миокарда (ИМ) представляет из себя наиболее опасное для жизни человека заболевание сердечно-сосудистой системы. Из-за протекания и летальности (около 30 %) качественная своевременная диагностика данного заболевания является одной из актуальнейших задач современного здравоохранения.

Огромный вклад в развитие компьютерной диагностики состояния сердечно-сосудистой системы был внесен научными школами под руководством таких выдающихся российских ученых, как Е. И. Чазов, Л. А. Бокерия, Л. В. Розенштраух, А. Н. Волобуев, И. М. Гсльфанд, Ю. В. Гуляев, М. П. Ро-щевский, В. С. Анищенко, Л. И. Титомир, Р. М. Баевский, Г. Г. Иванов, А. В. Струтынский, Ю. И. Неймарк, В. Н. Орлов, С. В. Селищев, А. П. Не-мирко, Э. К. Шахов, В. В. Шкарин.

На сегодняшний день, несмотря на значительное разнообразие применяемых математических, статистических способов и компьютерных средств при обработке кардиографической информации, в этой сфере изысканий остается крайне актуальной задача повышения достоверности систем анализа элетрокардиосигнала (ЭКС) для диагностики инфаркта миокарда. Существующие классические методики и средства диагностики, основанные на амплитудно-временном анализе ЭКС, не удовлетворяют современным требованиям достоверности диагностики ИМ (диагностируются три инфаркта миокарда из четырех). Учитывая имеющиеся несовершенные приборы и системы диагностики ИМ, а также человеческий фактор, очевидной является необходимость в создании системы поддержки принятия решения с повышенной достоверностью диагностики ИМ, способной помочь врачу.

Отдельно стоит применение искусственных нейронных сетей (НС) в анализе ЭКС для диагностики ИМ. Нейросетевой анализ (НСА) кардиографической информации активно развивается и привлекает исследователей всего мира. Однако достоверность НСА при диагностике ИМ, определяемая чувствительностью и специфичностью, составляет 85-90 % и также не удовлетворяет требованиям современного здравоохранения.

Под специфичностью понимается вероятность правильного определения здоровых людей среди общего числа здоровых, а чувствительность -это вероятность правильного определения больных пациентов среди общего числа больных.

Проблема повышения достоверности диагностики состояния сердца обусловливает необходимость улучшения подходов к получению новой диагностической информации.

Целью работы является повышение достоверности средств обработки кардиографической информации на основе нейросетевого анализа, моделирования и визуализации для диагностики инфаркта миокарда.

Задачи исследования. Чтобы достичь поставленную цель, нужно решить следующие задачи:

1 Критический анализ существующих методик и средств обработки кардиографической информации для диагностики инфаркта миокарда, обнаружение их недостатков и обоснование разработки новых методик обработки кардиографической информации и нейросетевого анализа ЭКС.

2 Разработка новой методики определения электрофизиологических характеристик сердца для диагностики инфаркта миокарда.

3 Разработка новой методики нейросетевого анализа электрокардио-сигнала для диагностики инфаркта миокарда на основе совместного анализа прямых и реципрокных признаков инфаркта миокарда отдельных элементов кардиоцикла.

4 Разработка новой методики выделения отдельных элементов кардиоцикла.

5 Построение выходных логических функций для составления диагностического заключения о локализации ИМ.

6 Разработка и внедрение системы поддержки принятия решения о наличии инфаркта миокарда.

Объект исследования. Объектом исследования является система поддержки принятия решения о наличии инфаркта миокарда.

Предмет исследования. Предметом исследования являются способы обработки кардиографической информации для диагностики инфаркта миокарда, структура и алгоритмы обучения нейронных сетей, методы подготовки исходных данных.

Методы исследования. Для решения поставленных задач в работе использованы методы теории систем и системного анализа, кардиологии и диагностики ИМ, теории искусственных нейронных сетей, теории цифровой обработки сигналов.

Достоверность полученных результатов работы обусловлена полнотой и непротиворечивостью исходных данных, корректным применением аналитических и расчетных методов, сопоставимостью результатов теоретического исследования с экспериментальными данными предложенной методики анализа ЭКС в составе макета диагностической системы.

Научная новизна исследования состоит в следующем:

1 Разработана методика обработки кардиографической информации, отличающаяся совместным применением статистического анализа, нейросетевого анализа ЭКС, неинвазивным определением электрофизиологических характеристик сердца, моделированием электрической активности сердца и визуализацией распространения возбуждения по эпикардиалыюй поверхности миокарда, позволяющая точнее локализовать инфаркт миокарда и наглядно представить на трехмерной модели сердца пациента место повреждения миокарда.

2 Предложена методика нейросетевого анализа ЭКС, расширяющая его функциональные возможности за счет последовательного нейросетево-

го анализа траисмуральности инфаркта миокарда и сегментов кардиоцикла и синтеза логической функции о наличии инфаркта миокарда, позволяющая формировать диагностическое заключение независимо от количества проявившихся прямых и реципрокных признаков ИМ (Патент РФ № 2461877).

3 Разработана методика статистической обработки временных отсчетов ЭКС за счет построения фазовой траектории ЭКС, позволяющая достовернее выделить амплитудно-временные параметры Л, 51, Г-зубцов 5Г-ссгмента.

4 Разработана новая методика неинвазивного определения электрофизиологических характеристик сердца с возможностью визуализации распространения возбуждения по эпикардиалыюй поверхности миокарда и коррекции расчетных параметров (Патент РФ № 2489083).

5 Предложена и обоснована структура системы поддержки принятия решения о наличии инфаркта миокарда, реализующая предложенные методики и позволяющая приблизить возможности доклинической обработки кардиографической информации к уровню клинических обследований сердца.

Практическая значимость и реализация результатов:

1 Предложенные методики обработки кардиографической информации применимы при построении новых средств и систем кардиодиагностики. Результаты диссертационной работы реализованы в действующем макете компьютерной диагностической системы (КДС) «Кардиовид», которая проходит апробацию в городской больнице скорой медицинской помощи им. Г. А. Захарьина г. Пензы. Испытания КДС «Кардиовид» отражают повышение чувствительности и специфичности диагностики ИМ, что позволяет повысить качество диагностики.

2 Методика обработки кардиографической информации и нейросете-вого анализа ЭКС на основе предварительного выделения отдельных сегментов кардиоцикла, их нейросетевом анализе, моделировании электрической активности сердца и визуализации процесса распространения возбуждения расширяет функциональные возможности доклинической обработки кардиографической информации, позволяет точнее локализовать инфаркт миокарда и наглядно представить на трехмерной модели сердца пациента место повреждения миокарда.

3 Разработанный при участии автора работы макет КДС применяется в образовательном процессе Медицинского института Пензенского государственного университета.

На защиту выносятся:

1 Методика обработки кардиографической информации и нейросете-вого анализа ЭКС, заключающаяся в предварительном выделении отдельных сегментов кардиоцикла путем статистической обработки временных отсчетов ЭКС, их нейросетевом анализе, определении электрофизиологических характеристик сердца, моделировании электрической активности сердца и визуализации процесса распространения возбуждения, позволяю-

щая точнее локализовать инфаркт миокарда и наглядно представить на трехмерной модели сердца пациента место повреждения миокарда (специальность 05.11.17, п. 1).

2 Методика нейросетевого анализа ЭКС, заключающаяся в выделении и совместном нейросетевом анализе прямых и реципрокных признаков инфаркта миокарда отдельных элементов кардиоцикла, обеспечивающая принципиальную возможность в условиях массового применения с вероятностью до 98 % определить вид и локализацию ИМ (специальность 05.11.17, п. 1).

3 Методика выделения сегментов кардиоцикла, основанная на статистический обработке кардиографической информации и построении фазовой траектории ЭКС (специальность 05.13.01, пп. 1, 13).

4 Методика неинвазивного определения электрофизиологических характеристик сердца, характеризующаяся возможностью коррекции расчетных параметров и визуализацией распространения возбуждения по эпикар-диальной поверхности миокарда (специальность 05.13.01, п. 12).

5 Структура системы поддержки принятия решения о наличии инфаркта миокарда, позволяющая реализовать разработанный подход к обработке кардиографической информации и используемая в качестве основы для построения принципиально новых средств кардиодиагностики (специальность 05.11.17, п. 1).

Апробация результатов исследования. Основные результаты работы прошли апробацию на 4 международных научных конференциях, в том числе на 14 Конгрессе Российского общества холтеровского мониториро-вания и неинвазивной электрофизиологии (РОХМИНЭ-2013) (Иркутск, 2013); XI Международном конгрессе «Кардиостим-2014», (Санкт-Петербург, 2014).

Публикации. Основные положения работы представлены в 9 публикациях, в том числе 7 статьях и тезисах докладов конференций (из них 3 -в изданиях, рекомендованных ВАК), 2 патентах РФ на изобретение (на способы обработки электрокардиосигнала).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 104 наименования, и одного приложения. Общий объем составляет 128 страниц, работа содержит 40 рисунков и 9 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении на основе проведенного обзора существующих способов и средств анализа ЭКС и с учетом их несовершенства, а также человеческого фактора обоснована актуальность работы, сформулированы цель и задачи исследования, показаны научная новизна и практическая ценность работы.

В первой главе анализируется электрокардиографический способ диагностики инфаркта миокарда, рассматриваются используемые способы и средства нейросстевой диагностики ИМ. Рассмотрена нейросетевая пара-

дигма обработки информации и проведен критический анализ современных принципов нейросетевого анализа ЭКС.

В основе нейросетевой диагностики ИМ лежит анализ электрокардио-сигнала (ЭКС). На рисунке 1 приведена иллюстрация генеза ЭКС с признаками ИМ. По величине и глубине поражения сердечной мышцы различают трансмуральный и нетрансмуральный ИМ.

Ешь

Зона ишемии -Зона поврежаени) ЗОНА НЕКРОЗА

Зона повреждения к Зона ишемии

т

б)

а)

Рисунок 1 - Генез ЭКС в зоне некроза (а), повреждения (б), ишемии миокарда (в)

При трансмуральном ИМ очаг некроза захватывает либо всю толщу сердечной мышцы от субэндокардиальных до субэпикардиальных слоев миокарда либо большую его часть, что находит свое отражение на ЭКС в виде формирования патологического комплекса 05 в нескольких электрокардиографических отведениях (см. рисунок 1). При нетрансмуральном ИМ очаг некроза захватывает только субэндокардиальные или интраму-ральные отделы левого желудочка (ЛЖ) и не сопровождается патологическими изменениями комплекса (¿ЯБ (см. рисунок 1).

Структура кардиоцикла с признаками ИМ в различные периоды регистрации приведена на рисунке 2: в течение часа - рисунок 2,а\ дня - рисунок 2,6; месяца - рисунок 2,в; года - рисунок 2,г. Цифрами на рисунке 2 обозначены: 1 — патологический зубец 2 - низкоамплитудный зубец Я; 3 — «возвышение» сегмента 4 - отрицательный зубец Т.

Рисунок 2 - Кардиоциклы с признаками ИМ 7

Работа известных кардиоанализаторов заключается в регистрации ЭКС, его амплитудно-временном анализе и выдаче заключения о состоянии сердца. При этом чувствительность, т.е. вероятность правильного выявления наличия заболевания, способа амплитудно-временного анализа ЭКС для диагностики ИМ составляет 75 %. По данным различных авторов, своевременно не диагностируются от 10 до 42 % случаев ИМ, а чувствительность некоторых ЭКС-признаков острого ИМ составляет для сегмента 5Т- 54 %, для аномального зубца Q — 31 %.

Рассмотрены реализации нейронных сетей для анализа патологии и НСА ЭКС для диагностики ИМ. Показано, что чувствительность и специфичность нейросетевого анализа всего кардиоцикла для диагностирования ИМ составляют 87 и 83 % соответственно.

По мнению автора, проблема повышения достоверности диагностики состояния сердца обусловливает необходимость совершенствования методик и средств получения новой диагностической информации. Необходимо повысить достоверность диагностики заболеваний сердца, особенно в ситуациях скорой и неотложной помощи. Автор считает, что для повышения достоверности диагностики состояния сердца необходимо осуществлять, помимо нейросетевого анализа ЭКС, расчет основных электрофизиологических характеристик сердца, что позволит оценить адекватность определения электрофизиологических характеристик сердца.

На основе проведенного обзора существующих методик и средств обработки кардиографической информации определены задачи диссертационного исследования, решение которых обеспечит принципиальную возможность в условиях массового обследования с вероятностью до 98 % определения вида и локализации ИМ.

Работа выполнена в рамках ФЦП «Исследование и разработка по приоритетным направлениям развития НТК России на 2014-2020 гг.».

Вторая глава посвящена разработке методики диагностики инфаркта миокарда (ИМ) на основе нейросетевого анализа сегментов кардиоцикла и последовательно-параллельного соединения нейронных сетей; предлагается подход к совершенствованию обработки электрокардиосигнала для диагностики инфаркта миокарда. Суть предлагаемого подхода заключается:

- в предварительном выделении отдельных сегментов кардиоцикла путем статистической обработки временных отсчетов ЭКС;

- нейросетевом анализе прямых и реципрокных признаков ИМ отдельных элементов кардиоцикла;

- определении электрофизиологических характеристик сердца;

- моделировании электрической активности сердца;

- визуализации процесса распространения возбуждения,

что позволяет точнее локализовать ИМ и наглядно представить на трехмерной модели сердца пациента место повреждения миокарда.

Структурная схема предлагаемого подхода к совершенствованию обработки электрокардиосигнала для диагностики инфаркта миокарда пред-

ставлена на рисунке 3. Данный подход содержит этапы регистрации и предварительной обработки кардиографической информации, нейросетевого анализа (НСА) ЭКС и этапа принятия решения о виде и локализации ИМ.

Рисунок 3 - Структурная схема предлагаемого подхода к совершенствованию обработки электрокардиосигнала для диагностики инфаркта миокарда

Научная новизна предлагаемого подхода к совершенствованию обработки электрокардиосигнала для диагностики ИМ подтверждена патентами Российской Федерации № 2461877 «Способ нейросетевого анализа состояния сердца» [8] и № 2489083 «Способ неинвазивного определения электрофизиологических характеристик сердца» [9].

Во второй главе подробно рассмотрен способ НСА состояния сердца, включающий в себя этапы регистрации и оцифровки ЭКС, предварительной обработки и нейросетевого анализа ЭКС, а также этап принятия решения о виде и локализации ИМ.

Отличительной чертой предлагаемой методики НСА ЭКС является возможность диагностирования не только локализации ИМ, но и трансму-ральности поражения сердечной мышцы. Кратко рассмотрим положения предлагаемой методики НСА ЭКС.

Этап регистрации и оцифровки ЭКС выполняется стандартными сертифицированными средствами и не входит в диссертационное исследование.

На этапе предварительной обработки ЭКС последовательно осуществляются фильтрация, выделение 2#5-комплекса и выделение <2, Г-зубцов и 5Г-сегмента ЭКС.

Фильтрация ЭКС основана на статистической обработке данных вблизи текущего значения. Для этого создаются выборки, содержащие N отсчетов, У= \)'] л', „V/ ,\'и, ■ • •, V,, ■■■,Уj+N-l,Уj+N}, вблизиу'-го отсчета, и формируется двумерная ленточная матрица значений [У]уд, где N - количество отсчетов на интервале времени Д/; _у, - /'-е дискретное значение отсчета ЭКС. При этом среднее значение по строкам матрицы является средним текущим фильтрованным значением.

Автором предложена методика выделения 0Л5-комплекса и Г-зубца, основанная на построении фазовой траектории кардиоцикла с использованием энтропийно-параметрического потенциала:

Аэп/.=0,5^(ау)2 + (Аэ7)2, (1)

где к - коэффициент сглаживания, позволяющий обеспечить сохранность состояния при «скачкообразных воздействиях»; Аэ/- - энтропийный потенциал; а у — среднее квадратическое отклонение

Предложенная методика выделения 2Л5-комплекса и Г-зубца осуществляется в два этапа.

Первый этап заключается в построении фазовой траектории ЭКС в выделенном кардиоцикле по формуле А = [{Аэп1,{Аэп2, У2};...; {Лэпу, Уу}], где А - вектор координат фазовой траектории (рисунок 4, а).

1&М

.....к 1.........1

..............Т"

б)

Рисунок 4 - Фазовые траектории ЭКС (а) и Г-зубца (б)

Критерием определения интервала значений энтропийно-параметрического потенциала электрокардиосигнала, принадлежащих 07?5-комплсксу электрокардиосигнала, является соответствие начала интервала признаку

=т.п(^), (2)

к

где к = 1... / -1, а окончанием интервала, принадлежащего 0/?5-комплексу электрокардиосигнала, является соответствие признаку

дИ8,Юр = тт(82к), (3)

где£ = 1...(л— 1) —(/- 1); 51, 52 - векторы характеристик отсчетов слева и справа от отсчета I (/?-зубец) на электрокардиосигнале соответственно. Таким образом, для выделения интервала (^¿"-комплекса электрокардиосигнала составляются два вектора характеристик (см. формулы 4 и 5):

51 =

тах(О) тах(0/) та х(£>у) тах(Оу)

Д|+( ' .„,)■*!+(—-Н/-1);Д+( ' + М-)-(/-2);

тах(Р;)

тах(£> ) тах(£> )

тах(Л )

тах(/>)

;(4)

52 =

тах(0/) тах(Р)

тах(Д()

-НАчтп + О

тах(О) тах(/>)

УР*,

тах(О)

,+Н-)-2;

-•■; А,

тах(0(.) тах(Р)

тах(0/)

-У к

(5)

где Р - расстояние между значениями соседних отсчетов фазовой траектории; £> - расстояние между значениями отсчетов фазовой траектории ЭКС и началом координат.

По формулам (2), (3) определяются интервалы значений, принадлежащих £Ж5-комплексу.

Па втором этапе анализируемый кардиоцикл разделяется на две части по правому крайнему значению ^¿"-комплекса и анализируется правая часть разделенного кардиоцикла. На этой части кардиоцикла осущсствля-

ется аналогичная первому этапу последовательность действий: построение фазовой траектории (рисунок 4,6), определение интервалов значений, принадлежащих Т-зубцу. Результатом проведенных действий является выделение (^»-комплекса и Г-зубца (рисунок 5,а, б).

а) б)

Рисунок 5 - Выделенные элементы ЭКС: а - комплекс; б - Т-зубец

Анализ полученных результатов свидетельствует о достоверном выделении Г-зубца (95 %) по сравнению с амплитудно-временным способом и надежном (99,1 %) выделении ^.КЗ-комплекса, 0-зубца (93 %), Я-зубца (95 %) и 5Т-сегмента (95 %), что позволяет минимизировать вероятность ошибки первого рода - пропуск события.

В рамках предлагаемой методики НСА ЭКС для каждого стандартного отведения осуществляется обучение нейронной сети на анализ одного конкретного признака ИМ. Подобное разделение позволяет избежать ошибки первого рода, повышает структурную и функциональную надежность ней-росетевого анализа ЭКС. Каждая нейронная сеть отвечает за конкретный прямой или реципрокный ЭКС-признак ИМ. Структурная схема предлагаемой методики НСА ЭКС приведена на рисунке 6.

По мнению автора, параллельное использование НСА разных признаков ИМ повысит вероятность выявления наличия заболевания у больного человека. Так как по правилу умножения вероятностей независимых (в совокупности) событий вероятность безотказной работы устройства из п элементов вычисляется по формуле

р=1-па-л). (6)

1=1

В частном случае, когда вероятность безотказной работы всех элементов одинакова, формула (6) принимает вид:

Р = \-{\-р)п. (7)

При анализе схемы на рисунке 5 следует иметь в виду, что каждое из действий «НСА отведения г» в разделе НСА локализации ИМ представляет собой параллельную обработку шестью нейронными сетями ЬУ(), предназначенными для НСА отдельного элемента кардиоцикла, соответствующего тому или иному признаку ИМ.

Рисунок 6 - Структурная схема предлагаемой методики НСА ЭКС

В предлагаемой методике IICA ЭКС имеются два последовательно выполняемых действия нейросетевого анализа: анализ трансмуралыюсти (глубины поражения) миокарда и определение локализации ИМ.

Принятие решения о виде и локализации ИМ осуществляется на основе анализа выходных данных путем сопоставления проявления прямого либо реципрокного признака соответствующей области миокарда. Определение локализации показано на примере бокового ИМ:

L6 = Qy5 и Rv5 U (ST îK5) и (Т lvs) U Qvб U RV6 U (ST 1>6)U (Т ivè), (8) где Lk - выделенные локализации и вид ИМ, определяемые следующим образом:

[1, хотя бы один соответствующий ИМ

Li. =

[О, если не проявляется ни один из признаков; О,, — патологический зубец Q на соответствующем отведении g; Rs - патологический зубец R на соответствующем отведении g; ST îg — элевация ¿Т-сегмента на соответствующем отведении g; Tig-патологический зубец Тна соответствующем отведении g.

В предлагаемой методике НСА ЭКС для определения локализации была разработана схема локализации ИМ в зависимости от признака. На основании разработанной схемы локализации ИМ получена следующая логическая функция принятия решения:

т

(9)

к=1

где 2~ диагностическое заключение о виде и локализации ИМ; т - количество анализируемых признаков.

Таким образом, диагностическое заключение формируется согласно локализации проявившегося признака. В работе выделены основные локализации инфаркта миокарда, при этом решением являются суммарное значение проявившихся локализаций в сочетании с анализом глубины ИМ и определение, является ли он трансмуральным.

В ходе проведенных ранее исследований было определено, что для ней-росетевого анализа электрокардиосигнала оптимальными являются нейронные сети типа Ь

Для НСА автором адаптирована структура двухслойной НС 1К0 для анализа каждого из признаков согласно отведению; разработана методика подготовки обучающего набора данных, заключающаяся:

- в анализе ЭКС пациентов с ИМ;

- выборе из ЭКС наиболее соответствующих ЭКС-признаку ИМ сегментов для обучения;

- противопоставлении сегментам с проявившимся признаком ЭКС в обучающем наборе данных сегментов без проявления признаков ИМ.

В нейросетевом анализе ЭКС участвует 84 нейронных сети, по 7 на каждое отведение, анализирующие {Ж!>-комплекс, £>, К, Т-зубцы и 5Т- сегмент.

С помощью предлагаемой методики НСА ЭКС исследованы ЭКС 200 пациентов с подтвержденным врачами-кардиологами диагнозом, в том числе 85 здоровых пациентов, 61 больной пациент с переднеперегородоч-ным ИМ, 54 больных с пижнебоковым ИМ.

Результаты НСА ЭКС-признаков ИМ на II отведении представлены в таблице 1.

Таблица 1 - Результаты НСА ЭКС-признаков ИМ на II отведении

Признак ИМ Ошибка обучения Специфичность, % Чувствительность, %

Патологический Я 0 100 98

Появление патологического зубца Q 0,01 99 97

Подъем сегмента ¿Т выше изолинии 0,02 98 100

Смещение сегмента £Т ниже изолинии 0,007 100 98

Отрицательный зубец Т 0 100 100

Высокий Т 0,009 100 99

Отсутствие зубца К 0 100 100

В нашем случае вероятность постановки верного диагноза (чувствительность) каждой нейронной сетью имеет свое значение. Учитывая средние значения специфичности и чувствительности на уровне 96 %, согласно формуле (7) вероятность определения правильного диагноза в случае совместного использования НСА элементов кардиоцикла составит: Р = 0,98.

Третья глава посвящена разработке методики расчета основных электрофизиологических характеристик сердца. Под основными электрофизиологическими характеристиками сердца понимаются значения дипольных моментов и трансмембранного потенциала (ТМП) миокарда. Структурная схема предлагаемой методики НСА ЭКС приведена на рисунке 7.

Рисунок 7 - Последовательность действий предлагаемой методики определения электрофизиологических характеристик сердца

Знание электрофизиологических характеристик позволит определить топику распределения потенциалов на поверхности компьютерной модели сердца пациента, т.е. построить и наглядно представить «электрический портрет» сердца пациента в течение сердечного цикла. Важной методологической отличительной особенностью предлагаемого способа в смысле получения новой диагностической информации является возможность коррекции расчетов электрофизиологических характеристик сердца таким образом, чтобы состояние сердца соответствовало определенному классу.

Четвертая глава посвящена реализации предлагаемых методик иейро-сетевого анализа ЭКС для диагностики ИМ.

При непосредственном участии автора была разработана компьютерная диагностическая система (КДС) «Кардиовид». На рисунке 8 представлена разработанная структурная схема КДС «Кардиовид», которая на основе технологии «клиент-сервер» обеспечивает все этапы анализа ЭКС для диагностики ИМ. Особенностью разработанной структуры является возможность интеграции с медицинскими информационными системами, действующими в учреждениях здравоохранения. Кроме того, разработанная структура позволяет автоматизировать процесс анализа ЭКС для диагностики ИМ.

экс

Рисунок 8 - Структура КДС

Отличительной особенностью структурной схемы на рисунке 8 являются модули предварительной обработки ЭКС, нейросетевого анализа ЭКС и определения электрофизиологических характеристик сердца.

Благодаря применяемым методикам в разработанном макете КДС «Кардиовид» осуществляется диагностирование не только локализации ИМ, но и величины и глубины поражения сердечной мышцы (трансму-ральности инфаркта миокарда), что позволит КДС «Кардиовид» успешно

конкурировать с последними образцами кардиоанализаторов ведущих фирм, работающих в данной области.

Анализ полученных результатов испытаний показал, что при данных количественных показателях (84 НС, по 7 на каждое отведение, анализирующие 2Л5-комплскс, (), Я, 7"-зубцы и 5Г-сегмент) чувствительность и специфичность разработанного НСА ЭКС при диагностике ИМ составляют 99 и 97 % соответственно, что превышает известные показатели анализа ЭКС на 12 и 14 % соответственно.

В заключении приводятся выводы о проделанной работе, в том числе о работоспособности и эффективности предложенных способов и средств для диагностики ИМ.

В приложениях представлены:

1 Результаты исследования предложенной методики нейросетевого анализа ЭКС для диагностики ИМ, показывающие ее преимущества по сравнению с известным НСА ЭКС.

2 Результаты исследования методов построения фазовых траекторий ЭКС в выделенном кардиоцикле. Методы основаны на использовании информационной энтропии и дополнительной статистической обработке выборки результатов вблизи текущего значения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОЙ РАБОТЫ

1 В результате критического анализа существующих методик и средств автоматического определения информационных параметров электрокар-диосигнала (ЭКС) для диагностики инфаркта миокарда (ИМ) определены требования к разработке и реализации новой методики обработки кардиографической информации и нейросетевого анализа ЭК.

2 Разработанная новая методика автоматического определения информационных параметров ЭКС для диагностики ИМ заключается в предварительном выделении отдельных сегментов кардиоцикла, их нейросетевом анализе, моделировании электрической активности сердца и визуализации процесса распространения возбуждения и позволяет наглядно представить на трехмерной модели сердца пациента место повреждения миокарда.

3 Разработана новая методика диагностики ИМ на основе нейросетевого анализа сегментов кардиоцикла, выделения прямых и реципрокпых признаков инфаркта миокарда сегментов кардиоцикла и последовательно-параллельного соединения нейронных сетей, обеспечивающая принципиальную возможность в условиях массового обследования с вероятностью до 98 % определения трансмуралыюсти, вида и локализации ИМ (Патент РФ №2461877).

4 Разработана новая методика определения электрофизиологических характеристик сердца для диагностики инфаркта миокарда, позволяющая на основе анализа и моделирования кардиографической информации наглядно представить на трехмерной модели электрическую активность сердца (Патент РФ № 2489083).

5 Разработана новая методика выделения элементов кардиоцикла на основе статистической обработки временных отсчетов ЭКС и построения фазовой траектории ЭКС, позволяющая достоверно выделить амплитудно-временные параметры ОЛЗ-комплекса и обеспечивающая достоверное выделение Q, R, S, Т-зубцов 5Т-ссгмента по сравнению с амплитудно-временным способом анализа ЭКС.

6 Разработаны решающие правила для составления диагностического заключения на основе построения выходных логических функций, позволяющие определить вид и локализацию ИМ. Применение данных правил позволило формировать диагностическое заключение с локализацией независимо от количества проявившихся признаков ИМ.

7 Предложена и обоснована структура системы поддержки принятия решения о наличии инфаркта миокарда, реализующая предложенные методики и позволяющая приблизить возможности доклинической обработки кардиографической информации к уровню клинических обследований сердца.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях, рекомендованных ВАК РФ

1 Рябчиков, Р. В. Концепция виртуальной медицинской диагностической системы / Р. В. Рябчиков, О. Н. Бодин, Д. С. Логинов, А. Е. Моисеев // Датчики и системы.-2011.-№4.-С. 13-18.

2 Рябчиков, Р. В. Разработка блока принятия решения в нейросетевом кардиоанализаторе компьютерной диагностической системы «Кардиовид» / Р. В. Рябчиков, О. Н. Бодин, Д. А. Кашкаровский // Современные проблемы науки и образования. - 2014. - № 5. - URL: http://www.science-education.ru/119-14599 (дата обращения: 26.10.2014).

3 Рябчиков, Р. В. Статистические методы построения фазовой траектории электрокардиосигнала / Р. В. Рябчиков, В. Г. Полосин, О. Н. Бодин, С. А. Балахоно-ва // Фундаментальные исследования. - 2014. - № 9, ч. 12. - С. 2660-2665. -URL: www.rae.ru/fs/?section=content&op=show_article&article_id=l 0004679 (дата обращения: 26.10.2014).

Публикации в других изданиях

4 Рябчиков, Р. В. Нейросетевой анализ электрокардиосигналов в среде Matlab / Р. В. Рябчиков, Д. С. Логинов, А. В. Градскова, В. В. Диков // Информационно-измерительная техника : межвуз. сб. науч. тр. / под ред. проф. Е. А. Лом-тева. - Пенза: Изд-во ПГУ, 2011. - С. 148-154.

5 Рябчиков, Р. В. Электрокардиографические признаки инфаркта миокарда и способы их анализа / Р. В Рябчиков, О. Н. Бодин, Ф. К. Рахматуллов // Аналитические и численные методы моделирования естественно-научных и социальных проблем : тр. IX Междунар. науч.-техн. конф. - Пенза, 2014. - С. 86-100.

6 Рябчиков, Р. В. Методы статистической обработки для анализа электрокардиосигнала / Р. В. Рябчиков, В. Г. Полосин, Ф. К. Рахматуллов // Наука и современность - 2014 : тр. Междунар. науч.-практ. конф. - Махачкала, 2014. - С. 54-58.

7 Рябчиков, Р. В. Применение нейронных сетей в компьютерных диагностических системах для мониторинга заболеваний сердца / Р. В Рябчиков // Роль социальных, медико-биологических и гигиенических факторов в формировании здоровья населения : XII Междунар. науч.-практ. конф. - Пенза, 2014. - С. 66-70.

Патенты и свидетельства о регистрации

8 Пат. 2461877 РФ. Способ нейросетевого анализа состояния сердца / Бодин О. П., Волкова Н. А., Логинов Д. С., Рябчиков Р. В., Фунтиков В. А. // Официальный бюллетень «Изобретения. Полезные модели». -2012,- № 26.

9 Пат. 2489083 РФ. Способ неинвазивного определения электрофизиологических характеристик сердца / Бодин О. Н., Кузьмин А. В., Митрохина Н. 10., Семерич 10. С., Рябчиков Р. В. // Официальный бюллетень «Изобретения. Полезные модели». - 2013. - № 22.

Научное издание

РЯБЧИКОВ Роман Вадимович

СОВЕРШЕНСТВОВАНИЕ СИСТЕМ ОБРАБОТКИ КАРДИОГРАФИЧЕСКОЙ ИНФОРМАЦИИ ДЛЯ ДИАГНОСТИКИ ИНФАРКТА МИОКАРДА

Специальности: 05.11.17 - Приборы, системы и изделия медицинского назначения; 05.13.01 - Системный анализ, управление и обработка информации (в технике и технологиях)

Редактор Н. А. Сиделышкова Технический редактор Р. Б. Бердникова Компьютерная верстка Р. Б. Бердншовой

Распоряжение № 15/52 от 27.10.2014.

Подписано в печать 29.10.2014. Формат 60х84'/16. Усл. печ. л. 1,16. Заказ № 976. Тираж 100.

Издательство ПГУ. 440026, Пенза, Красная, 40. Тел./факс: (8412) 56-47-33; e-mail: iic@pnzgu.ru