Метод и система для удаленного мониторинга сердечного ритма и тревожной сигнализации эпизодов фибрилляции предсердий тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Нгуен Чонг Туен

• Нгуен Чонг Туен
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Нгуен Чонг Туен

Введение

Глава 1. Проблемы тревожной сигнализации эпизодов фибрилляции 12 предсердий в условиях активной жизнедеятельности пациента

1.1. Актуальность решения проблемы своевременного выявления эпизодов 12 фибрилляции предсердий

1.2. Проблемы мониторинга и контроля сердечного ритма в режиме 15 реального времени

1.3. Проблемы мониторинга и контроля сердечного ритма в условиях 19 активной жизнедеятельности

1.4. Проблемы информационного сопровождения для удаленного 26 мониторинга фибрилляции предсердий

1.5. Постановка цели и задач исследования

Глава 2. Метод и система удаленной тревожной сигнализации фибрилляции предсердий

2.1. Концепция оперативной удаленной тревожной сигнализации фибрилляции предсердий

2.2. Формирование комплекса диагностически значимых показателей для выявления эпизодов фибрилляции предсердий

2.3. Метод удаленного мониторинга ЭКГ сигнала в реальном режиме времени на предмет обнаружения фибрилляции предсердий

2.4. Диагностики эпизодов фибрилляции предсердий в условиях активной жизнедеятельности пациента

2.5. Выводы к главе

Глава 3. Алгоритмы обработки и анализа ЭКГ сигналов для выявления эпизодов фибрилляции предсердий

3.1. Анализ факторов, влияющих на эффективность обработки ЭКГ сигналов

3.2. Этапы обработки ЭКГ сигнала для выявления эпизодов ФП

3.3. Предварительная фильтрация ЭКГ сигналов

3.4. Алгоритм выделения характерных точек ЭКГ сигнала

3.5. Алгоритм детектирования эктопических аритмий

3.6. Формирование комплекса диагностически значимых показателей для выявления эпизодов фибрилляции предсердий

3.7. Анализ и обработка ЭКГ сигналов для различения фибрилляции -трепетания предсердий

3.8. Разработка решающих правил и критериев классификации

3.9. Вывод к главе

Глава 4. Техническая реализация и экспериментальные исследования

4.1. Разработка носимого устройства для регистрации биомедицинских сигналов

4.2. Разработка мобильного приложения для носимой системы удаленного мониторинга состояния пациента с фибрилляцией предсердий

4.3. Результаты экспериментальной апробации

4.3.1. Результаты апробации на базе верифицированных записей

4.3.2. Клиническая апробация

4.4. Вывод к главе

Заключение

Перечень сокращений и условных обозначений

Список использованной литературы

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Метод и система для удаленного мониторинга сердечного ритма и тревожной сигнализации эпизодов фибрилляции предсердий»

Актуальность темы

Фибрилляция предсердий (ФП) является одним из распространенных видов нарушений сердечно-сосудистой системы, приводящих к ишемии сосудов сердца и головного мозга. Распространенность ФП среди населения увеличивается с возрастом: 0,5 % в возрасте 50-59 и более 9 % у 80-89 летних. В настоящее время существуют различные методы диагностики ФП, такие как, электрокардиография, эхокардиография. Наиболее широко применяемым в клинической практике методом является суточное или многодневное холтеровское мониторирование (ХМ), результаты которого используются для разработки тактики лечения и подведения лечебных средств ФП. Однако, часто возникает необходимость в удаленном мониторинге в режиме реального времени состояния здоровья пациентов, которые находятся вне лечебного учреждения и продолжают периодически наблюдаться у врача с целью получения ими экстренной медицинской помощи при обострении заболевания. Для лечения таких пациентов лечащему врачу необходимо иметь подробную информацию о текущем состоянии пациента, динамике изменения состояния пациента в процессе длительного мониторинга. При частом повторении критических состояний у пациента, врачу необходимо принимать решение об оказании экстренной медицинской помощи.

При ФП симптомы заболевания у пациента проявляются постепенно и не

заметно, они не всегда ощущаются пациентом. Поэтому пациенту сложно

идентифицировать факт нарастания ФП. Для диагностики ФП применяются

различные методы и алгоритмы выявления эпизодов ФП, которые характеризуются

нерегулярностью частоты сердечных сокращений (ЧСС) и появлением на ЭКГ

сигнале низкоамплитудных f волн с частотой от 4 до 10 Гц вместо Р волн. Наряду

с указанными признаками ФП можно выявить ряд дополнительных признаков,

которые будут отражать изменения ЭКГ-сигнала во временной и частотной

области. В условиях активной жизнедеятельности пациента вне лечебного

учреждения очень сложно обеспечить высокую точность выявления эпизодов ФП

4

в виду проявления различных помех, прежде всего миографических, и артефактов двигательной активности. Комплексирование диагностически значимых показателей (ДЗП) ФП позволит повысить точность выявления эпизодов ФП, специфичность и чувствительность метода диагностики опасной аритмии предсердий.

Для выявления эпизодов ФП может использоваться Холтеровское мониторирование (ХМ). Но этот метод осуществляет сначала длительную запись ЭКГ-сигнала, а затем - обработку, т.е. метод работает в off-line режиме и не позволяет выявлять эпизоды ФП во время регистрации сигнала: эпизоды ФП могут наступить внезапно и продолжаться от нескольких секунд до нескольких часов. В настоящее время разработаны носимые системы экспресс - диагностики ФП в домашних условиях, такие как, AliveCor, Qardio, Apple Heart Study, AfibAlert AF Monitor (США), Zenicor (Швеция), MyDiagnostick ECG recorder (Нидерланды), CardioQvark (Россия). Эти системы осуществляют оценку текущего состояния пациента, но не обеспечивают достаточной достоверности выявления эпизодов ФП в условиях активной жизнедеятельности, не позволяют выявлять динамику развития заболевания. Актуальным является разработка системы удаленного мониторинга состояния сердечного ритма пациента в домашних условиях, которая позволит ему наблюдать и контролировать деятельность сердца, а также предоставлять лечащему врачу целостную информацию о состоянии здоровья пациента. В случае возникновения опасных для жизни пациента состояний система удаленного непрерывного мониторинга сердечного ритма должна в режиме реального времени обеспечить тревожную сигнализацию об эпизодах ФП лечащему врачу для оказания экстренной медицинской помощи.

Цель исследования: разработка метода и носимой системы длительного удаленного мониторинга сердечного ритма пациента вне лечебного учреждения для выявления и тревожной сигнализации эпизодов ФП.

Объектом исследования является система длительного удаленного мониторинга сердечного ритма пациента с ФП.

Предметом исследования являются компоненты информационного, методического, инструментального и программно-алгоритмического обеспечения системы удаленного мониторинга сердечного ритма и выявления эпизодов ФП.

Задачи исследования

1. Анализ факторов, влияющих на точность выявления эпизодов ФП вне лечебного учреждения в условиях активной жизнедеятельности пациента;

2. Разработка концепции построения системы удаленного мониторинга сердечного ритма пациента, выявления и тревожной сигнализации эпизодов ФП;

3. Разработка метода и алгоритма удаленного мониторинга состояния пациента с ФП;

4. Разработка методов обработки ЭКГ-сигнала, оценки и анализа комплекса ДЗП, решающих правил и критериев для выявления эпизодов ФП;

5. Проведение экспериментальной апробации разработанного метода и носимой системы с использованием верифицированных записей ЭКГ-сигнала и клинической апробации системы на пациентах с ФП.

Новые научные результаты

1. Концептуальная модель системы удаленного длительного мониторинга сердечного ритма пациента вне лечебного учреждения, выявления и тревожной сигнализации ФП, использующая интеллектуальный режим мониторинга в условиях активной жизнедеятельности пациента по динамике показателей сердечного ритма;

2. Метод и алгоритм удаленного мониторинга ЭКГ сигнала в реальном режиме времени для выявления ФП, метод обработки ЭКГ сигнала, анализа ДЗП и формирования тревожной сигнализации при выявлении эпизодов ФП в условиях активной жизнедеятельности пациента;

3. Модифицированный комплекс показателей для выявления эпизодов ФП и различных аритмий, таких как, трепетание предсердий (ТП) и чередующие предсердные и желудочковые экстрасистолы. Комплексирование ДЗП для повышения достоверности выявления ФП и обеспечения чувствительности и

специфичности диагностики на уровне не менее 95%;

6

4. Комплекс показателей ФП, гистограмма распределения «Частота эпизодов ФП», «Продолжительность эпизодов ФП», позволяющие оценить динамику состояния пациента и развития нарушения сердечного ритма, эффективность лечения и приема лекарственных в режиме реального времени.

Методы исследования

В работе использованы методы системного анализа, метод математического моделирования, математической статистики, метод анализа и обработки данных, метод обработки сигналов, метод объектно-ориентированного программирования.

Теоретическая и практическая значимость работы

Теоретическая значимость результатов работы заключается в развитии метода и системы удаленного длительного мониторинга состояния пациента с ФП, выявления процесса развития заболевания по гистограмме распределения и частоте появления эпизодов ФП, метода обработки и анализа биомедицинских сигналов, метода комплексирования ДЗП для повышения достоверности выявления эпизодов ФП, различения фибрилляции-трепетания предсердий, в условиях чередующихся экстрасистол, снижения ложной сигнализации в системе удаленного мониторинга и в режиме реального времени.

Практическая значимость результатов работы заключается в разработке алгоритмов работы системы удаленного мониторинга состояния пациента с ФП в режиме реального времени, алгоритмов анализа и обработки биомедицинских сигналов, инструментального и программного обеспечения носимого устройства пациента и мобильного приложения для оценки текущего состояния пациента по регистрируемому сигналу, экспериментальной апробации предложенных технических решений.

Научные положения, выносимые на защиту:

Для разработки системы удаленной тревожной сигнализации в режиме реального времени эпизодов ФП в условиях активной жизнедеятельности пациента, необходимо:

- Использование методов и алгоритмов выявления ФП, основанных на комплексирование показателей;

- Использование алгоритма интеллектуального мониторинга сердечного ритма, заключающегося в оценке комплекса ДЗП при появлении основных признаков ФП;

- Использование методов снижения уровня миографической помехи и артефактов за счет перевода пациента в состояние покоя при возрастании отношения сигнал/помеха;

- Удаление из анализируемого в скользящем окне сигнала кардиоциклов эпизодов эктопических аритмий (экстрасистолии) и ТП;

- Использование многоуровневой архитектуры системы мониторинга сердечного ритма для повышения автономности выявления эпизодов ФП носимым компьютером пациента и надежности работы всей системы.

Апробация результатов работы

Результаты диссертационного исследования докладывались и обсуждались на международной конференции IEEE North West Russia Section Young Researchers in Electrical and Electronic Engineering Conference (СПб, 2018 г.), международном конгрессе по электростимуляции и клинической электрофизиологии сердца (СПб, КАРДИОСТИМ 2016, 2018 гг.), научно-технических конференциях СПбНТОРЭС им. А.С. Попова (СПб, 2015 - 2017 гг.), XXX Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и робототехнические комплексы» (Рязань, БИОМЕДСИСТЕМЫ - 2017 г.), международной научно-технической конференции студентов, молодых ученых и специалистов «Энергосбережение и эффективность в технических системах» (Тамбов, 2016 - 2017 гг.), ежегодной всероссийской

школе - семинаре «Методы компьютерной диагностики в биологии и медицине» (Саратов, 2015 г.).

Внедрение результатов работы

Результаты диссертационного исследования внедрены и используются при выполнении следующих НИР и НИОКР:

- Грант РФФИ .№ 16-07-00599 «Модели, методы и система интеллектуального телемедицинского мониторинга состояния здоровья человека и прогнозирования обострения заболеваний» (2016-2018 гг.).

Разработанные в рамках исследования метод и алгоритм выявления эпизодов ФП внедрены в практику научных исследований ЗАО «ИНКАРТ». Метод, алгоритм и носимая система для удаленного мониторинга сердечного ритма и тревожной сигнализации эпизодов ФП в режиме реального времени внедрены и используются в практике научных исследований Национального Медицинского Исследовательского Центра им. В.А. Алмазова.

Публикации по теме исследования

По теме диссертации опубликовано 25 научные работы, из них 5 статьей в ведущих рецензируемых научных журналах и изданиях, определенных ВАК, 3 - в изданиях Scopus, 7 - в трудах международных научных и научно-технических конференций, 7 - в трудах всероссийских научно-технических конференций, 3 свидетельства о регистрации программы для ЭВМ.

Структура и объем диссертации

Диссертация состоит из введения, 4 глав, заключения, списка литературы из 104 наименования. Основное содержание диссертации изложено на 138 листах, содержит 56 рисунков, 5 таблицы.

Личный вклад. Автором самостоятельно поставлены цель и задачи работы, разработана программа экспериментальных исследований, разработаны компоненты методического, алгоритмического и программного обеспечения носимой системы для удаленной тревожной сигнализации эпизодов ФП, проведен анализ результатов экспериментальных исследований.

Краткое содержание работы

Во введении обоснована актуальность работы, сформулированы цели и задачи исследования, изложены основные научные и практические результаты, выносимые на защиту, приведено краткое содержание глав диссертации.

Первая глава посвящена анализу проблемы оперативной диагностики эпизодов ФП в условиях активной жизнедеятельности, проблемы регистрации биомедицинских сигналов и достоверной диагностики ФП, организации удаленной обработки и анализа данных. Проведен анализ существующих методов, алгоритмов и систем для выявления эпизодов ФП, удаленной диагностики ФП, обоснована необходимость разработки и использования системы удаленной непрерывной тревожной сигнализации для пациента с ФП для повышения эффективности и достоверности диагностики и лечения ФП до и после операции. На основе анализа данных проблем, сформулированы задачи для совершенствования системы удаленного непрерывного мониторинга состояния пациента с ФП в условиях активной жизнедеятельности.

Во второй главе предложена концепция построения удаленного мониторинга состояния пациента с ФП, сформирован комплекс ДЗП для выявления эпизодов ФП, классификации фибрилляции-трепетания предсердий, разработана структура системы удаленного мониторинга состояния пациента с ФП в реальном режиме времени, метод диагностики ФП в условиях активной жизнедеятельности.

Третья глава посвящена разработке методов и алгоритмов обработки ЭКГ сигналов в условиях активной жизнедеятельности по дискретным отсчетам. Проведены расчеты, сформированы комплексы ДЗП, решающих правил и критериев для выявления эпизодов ФП, дифференцирования фибрилляции-трепетания предсердий и нормы во временной и частной области. Рассмотрен способ использования предложенного алгоритма в системе удаленной тревожной сигнализации эпизодов ФП в онлайн режиме.

Четвертая глава посвящена экспериментальной апробации разработанного

алгоритма и носимой системы. Проведены описание программной реализации

системы, особенности разработки программного обеспечения носимой системы,

10

анализ результатов экспериментальных исследований на базе верификационных записей и клинической апробации носимой системы для выявления эпизодов ФП у пациентов, показана эффективность применения системы в клинической практике. В заключении сформированы основные результаты работы.

ГЛАВА 1. ПРОБЛЕМЫ ТРЕВОЖНОЙ СИГНАЛИЗАЦИИ ЭПИЗОДОВ ФИБРИЛЛЯЦИИ ПРЕДСЕРДИЙ В УСЛОВИЯХ АКТИВНОЙ ЖИЗНЕДЕЯТЕЛЬНОСТИ ПАЦИЕНТА

1.1. Актуальность решения проблемы своевременного выявления эпизодов фибрилляции предсердий

ФП или мерцательная аритмия является одним из распространенных и опасных видов нарушения ритма сердца [2, 40]. Распространенность заболевания среди населения составляет 1-2 %. По данным ВОЗ во всем мире в 2013 году ФП страдают более 33,5 млн. человек. Риск возникновения заболевания пациентов с ФП увеличивается с возрастом в развитых странах, в том числе Россия. ФП не только влияет на качество жизни из-за своих сопутствующих проявлений, но и трудно обнаруживается и лечится, является основной причиной ишемической болезни, приводящей к смертности пациента. Симптомы ФП у пациентов особенно на ранних стадиях заболевания недостаточно выражены и похожи на другие нарушения сердечного ритма, что также затрудняет диагностику ФП. По сравнению с другими аритмиями, часто встречающихся в клинической практике, ФП может потребовать лечение даже у пациентов, у которых отсутствует субъективный дискомфорт от этого нарушения ритма. Соответственно, это определяет проблему своевременного обнаружения аритмии у пациентов с ФП.

Оказывая влияние на миллионы пациентов во всем мире, ФП характеризуется

рядом клинических проявлений, которые в определенной степени могут

проявляться у пациентов от бессимптомного течения аритмии до различных

проявлений в условиях повседневной жизнедеятельности, таких как, одышка,

усиление которой наблюдается при физических нагрузках, неритмичное учащение

сердцебиения, повышенная потливость, общая слабость и головокружение. ФП

часто ассоциируется с целым рядом сердечно-сосудистых состояний, которые

могут быть обусловлены различными аритмиями [3, 4], такими как, ожирение,

хроническая сердечная недостаточность, сахарный диабет, кардиомипатия, апноэ

12

сна, и особенно, артериальная гипертензия - наиболее частое фоновое состояние, которое обнаруживается у 60 % пациентов с ФП по данным различных заболеваний.

В соответствии с статистикой ВОЗ ФП составляет 33 % случаев от всех видов госпитализаций по поводу нарушений сердечного ритма. При этом основными причинами госпитализаций являются острый коронарный синдром, декомпенсация сердечной недостаточности, тромбоэмболические осложнения и отложное лечение аритмии.

Патофизиология ФП является комплексной и включает в себя спонтанные, нервные и генетические факторы. Основной механизм нарастания ФП представляет собой наличие некоординированных электрических очагов возбуждения и сокращения миокарда предсердий, сопровождающийся тяжелыми гемодинамическими расстройствами. При синусовом ритме синусно-предсердный узел регулирует ЧСС в диапазоне 60-100 ударов в минуту, а атриовентрикулярный узел в диапазоне от 40 до 60 ударов в минуту.

Из-за нерегулярного возбуждения предсердий при ФП, ЧСС у пациентов может достигать до 200 ударов в минуту. Это приводит к различным симптомам и негативным последствиям, таким как сердечная недостаточность, инсульт и даже смерть. Эпизоды ФП у пациентов различаются по течению и продолжительности и находятся в пароксизмальной, персистирующей и постоянной форме. Очень важно определить пароксизмальную форму ФП, так как у большинства пациентов она неуклонно прогрессирует в персистирующую или постоянную форму за некоторое время. Поэтому восстановление синусового ритма у пациентов намного затрудняется.

В начальной стадии ФП у пациентов часто находится в коротких и редких

эпизодах, которые постепенно становятся более длительными и частыми, со

временем и в конечной стадии ФП преобразуется в стойкие постоянные формы.

Пароксизмальные эпизоды у пациентов с ФП возникают не беспорядочно, а

группами. Число эпизодов ФП на протяжении месяцев или годов может

варьироваться в широких пределах. При диагностике ФП информация о частоте и

13

продолжительности эпизодов аритмии является значимой при обсуждении целесообразности прекращения или продолжения лечения, направленного на профилактику осложнений ФП.

С учетом сказанного ранняя диагностика ФП значительно влияет на эффективность лечения и осложнений аритмии. Более ранняя диагностика ФП позволяет пациенту своевременно начать лечение и не доводить до серьезных последствий заболевания. Пациенты, у которых отсутствуют отмеченные выше симптомы или присутствуют нетипичные симптомы ФП (примерно у трети пациентов ФП является бессимптомной), не знают о существовании у них аритмии и не обращаются лечебные учреждения. ФП не всегда выявляется с помощью существующих систем мониторинга состояния здоровья пациента, например, системой регистрации ЭКГ сигналов с 12 стандартными отведениями и амбулаторным электрокардиографическим устройством, которые позволяют накапливать информацию о деятельности сердца за длительный промежуток времени. Использование таких и аналогичных систем приводят к значительным объемам записей и данных, обработка которых усложняется и не всегда позволяет выявить эпизоды ФП.

Методы диагностики ФП в настоящее время хорошо отработаны и широко используются в клинической практике. Это, прежде всего длительное холтеровское мониторирование сердечной деятельности, выявление эпизодов ФП, скрупулезные кардиологические исследования пациента в клинических условиях, результаты которых используются для разработки тактики лечения и медицинского сопровождения пациента. Однако остается часть пациентов, которая в силу разных причин вынуждена продолжать вести активный образ жизни, находится вне стен лечебного учреждения и в случае развития эпизода ФП будет нуждаться в получении экстренной медицинской помощи. Речь идет не только о пациентах с пароксизмальной (временной) формой ФП, оперативная информация от которых об увеличении частоты и продолжительности нарушений может быть использована врачом для разработки тактики лечения, но и пациентах с персистирующей

(постоянной) формой ФП для оказания им экстренной медицинской помощи.

14

Несмотря на необходимость своевременного выявления эпизодов ФП, остаются проблемы разработки системы длительного непрерывного мониторинга состояния пациента с ФП, которая обеспечила бы раннюю диагностику ФП особенно при бессимптомном проявлении. Система удаленного длительного непрерывного мониторинга должна обеспечивать повышение эффективности и достоверности выявления эпизодов ФП в любой форме аритмии и информировать лечащего врача о состоянии пациента во время регистрации.

Таким образом, проблема своевременного выявления эпизодов ФП становится актуальной при диагностике ФП как в клинических условиях, так и в условиях активной жизнедеятельности пациента. Актуальность удаленного непрерывного длительного мониторинга сердечного ритма и тревожной сигнализации эпизодов ФП в режиме реального времени обусловлена необходимостью повышения надежности и эффективности диагностики и лечения ФП.

1.2. Проблемы мониторинга и контроля сердечного ритма в режиме реального времени

Для диагностики и мониторирования ФП широко применяются методы ХМ по ЭКГ сигналу. Интенсивность и длительность мониторирования следует определять с учетом обеспечения точности диагностики, выбора дальнейшей тактики лечения.

С учетом течения и длительности аритмии выделяют 5 типов ФП: впервые выявленная, пароксизмальная, персистирующая, длительная персистирующая и постоянная [2]. При естественном течении ФП имеет тенденцию к прогрессированию от пароксизмальной формы до персистирующей, длительной персистирующей, и в конечном итоге, постоянной формы. Эта классификация имеет значение для выбора тактики проведения терапевтических вмешательств для лечения больных с ФП, особенно если одновременно учитываются симптомы аритмии.

Первым клиническим проявлением бессимптомной ФП могут быть осложнения ФП (ишемический инсульт или тахиаритмическая кардиомипатия). Кроме того, она может выявляться при незапланированной регистрации ЭКГ. Бессимптомные эпизоды ФП могут наблюдаться при любой форме ФП.

Диагностика ФП намного затрудняется, если аритмия не появляется при проведении обследования [88]. В этом случае необходимо зарегистрировать ЭКГ и выявить на ней характерные признаки при нарастании ФП: 1) нерегулярность желудочковых комплексов, 2) отсутствие зубцов Р, 3) наличие волн f длительностью не более 200мс (Рис. 1.1).

Нормальная электрическая Нарушение электрической

Синусовый ритм Фибрилляция предсердий

Рис. 1.1. Нормальный синусовый ритм и ФП.

Значительно сложнее диагностировать ФП в тех случаях, когда отмечается существование ее пароксизмальной формы, но на момент обследования регистрируется только синусовой ритм на ЭКГ сигнале. Такая ситуация возникает, во-первых, при наличии клинических проявлений в анамнезе, таких как, эпизодов сердцебиения, снижения работоспособности или одышки, то есть симптомов, достаточно характерных для ФП. Во-вторых, пароксизмальная форма ФП может заподозрить при развитии тромбоэмболий в сосуды большого круга. В обоих случаях для подтверждения подозрения на ФП необходимо зарегистрировать ее эпизоды при длительном мониторировании ЭКГ и в режиме реального времени.

В большинстве случаев ЧСС при ФП превышает 100-110 ударов в минуту, с чем, главным образом, и ее последствия связаны с нарушениями самочувствия и системной гемодинамики у пациентов с ФП. При контроле сердечного ритма выявлены лучшая переносимость физических нагрузок, более высокое качество жизни, вместе с тем, отмечается тенденция к увеличению риска инсульта, в то время как при контроле ЧСС отмечена меньшая частота госпитализаций, сердечнососудистой заболеваемости и смертности.

Для оценки текущего состояния пациента с ФП зарубежными и российскими фирмами были разработаны носимые системы [77], такие как, AliveCor, Qardio, Apple Heart Study (США), Zenicor (Швеция), AfibAlert AF Monitor (США), MyDiagnostick ECG recorder (Нидерланды), CardioQvark (Россия).

Устройства для диагностики ФП делятся на 2 группы: инвазивные и неинвазивные (таблица 1.1). В этих системах регистрируется либо ЭКГ сигнал, либо артериальное давление, так и, аппроксимируется объем циркулирующей крови, полученный путем сканирования изображения протекания крови по сосудам с помощью камеры смартфона. Результаты исследования далее показываются либо на смартфоне пациента, либо через консультирование с врачом через некоторый промежуток времени с помощью телекоммуникационных связей (WWAN, WLAN) при подключении Интернета.

Главным преимуществом таких систем является удобство при использовании для регистрации ЭКГ одного отведения - I отведение (AliveCor Kardia, MyDiagnostik, Zenicor, AfibAlert, CardioQvark, Omron HCG-801). Однако наиболее значительными недостатками всех перечисленных систем являются низкий уровень помехоустойчивости. Регистрируемый сигнал сильно искажается двигательным артефактом при движении. Кстати, все перечисленные носимые системы до сих пор только поддерживают регистрировать биомедицинские сигналы для оценки текущего состояния пациента за некоторый короткий промежуток времени (от 30 с до 5 мин.), т.е., такие системы не обеспечивают непрерывного мониторинга и контроля состояния при обследовании и во всяких случаях не выявляет течения и

продолжительности эпизодов ФП, в частности при пароксизмальной ФП [89-95].

17

Методы диагностика ФП с использованием АД сигнала (Microlife BPA 200, Omron M6) или фотоплетизмограммы (ФПГ) не дают высокой чувствительности и специфичности выявления эпизодов ФП при наличии экстрасистолии, так и, при дефиците пульса при ФП [96-102].

Таблица 1.1. Некоторые существующие носимые системы для диагностики ФП1

Устройство Используемый метод Чувствительн ость, % Специфичнос ть, % Источник

Список литературы диссертационного исследования кандидат наук Нгуен Чонг Туен, 2018 год

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Юлдашев З.М., Пустозеров Е.А., Анисимов А.А. Многоуровневая интеллектуальная система удаленного мониторинга состояния здоровья людей с хроническими заболеваниями // Биотехносфера. 2016. № 5 (47). С. 2-8.

2. Сулимов В.А., Голицын С.П., Панченко Е.П. и др. Диагностика и лечение фибрилляции предсердий. Рекомендации РКО, ВНОА и АССХ // Электронный ресурс: http://scardio.ru/content/Guidelines/FP rkj 13.pdf.

3. Дедов Д. В., Иванов А.П., Эльгардт И.А. Риск рецидива фибрилляции предсердий у больных ишемической болезнью сердца и артериальной гипертензией по данным холтеровского мониторирования электрокардиограммы // Вестник аритмологии 59 (2010): 27-32.

4. Лукьянов, Михаил Михайлович и др. Диагностика, лечение, сочетанная сердечно-сосудистая патология и сопутствующие заболевания у больных с диагнозом «фибрилляция предсердий» в условиях реальной амбулаторно-поликлинической практики (по данным регистра кардиоваскулярных заболеваний РЕКВАЗА) // Рациональная фармакотерапия в кардиологии. 2014.10(4). C. 366-377.

5. Нгуен Ч.Т., Юлдашев З.М. Носимая система для предупреждения у пациента мерцательной аритмии // Биотехносфера. - 2015. - № 4(40). - С. 25-27.

6. Нгуен Ч.Т., Юлдашев З.М. Система удаленного мониторинга для прогнозирования мерцательной аритмии // Биомедицинская радиоэлектроника. -2016. - № 8. - С. 26-30.

7. Нгуен Ч.Т., Юлдашев З.М., Садыкова Е.В. Система удаленного мониторинга сердечного ритма для выявления эпизодов фибрилляции предсердий // Медицинская техника. - 2017. - №3(303). - С. 28-31.

8. Нгуен, Ч.Т. Метод и алгоритм для выявления эпизодов фибрилляции предсердий в режиме реального времени // Биотехносфера. - 2017. - №2(50). - С. 40 - 44.

9. Нгуен Ч.Т., Юлдашев З.М. Алгоритм выявления фибрилляции предсердий и формирования тревожного сигнала в системе удаленного мониторинга ЭКГ // Медицинская техника. - 2018. - № 1(307). - С. 37-40.

10. Нгуен Ч.Т., Юлдашев З.М. Программно-алгоритмическое обеспечение носимой системы для прогнозирования мерцательной аритмии // Труды 70-ой научно-технической конференции, посвященной Дню радио. Санкт-Петербург, 2129 апреля 2015. - С. 152-153.

11. Нгуен Ч.Т. Носимая система для прогнозирования мерцательной аритмии // Труды 70-ой научно-технической конференции, посвященной Дню радио. Санкт-Петербург, 21-29 апреля 2015. - С. 151-152.

12. Нгуен Ч.Т. Система мониторинга для прогнозирования мерцательной аритмии // Методы компьютерной диагностики в биологии и медицине - 2015. Материалы Всероссийской школы-семинара. Саратов, 10-12 ноября 2015. - С. 7072.

13. Нгуен Ч.Т. Носимая система для выявления и предупреждения у пациента мерцательной аритмии // Сборник тезисов XII международного конгресса «КАРДИОСТИМ». Санкт-Петербург, 18-20 февраля 2016. - С. 227.

14. Нгуен Ч.Т. Микропроцессорная система для удаленного мониторинга состояния пациента с фибрилляцией предсердий // Актуальные проблемы энергосбережения и эффективности в технических системах. Тезисы докладов 3-ей Международной конференции с элементами научной школы. Тамбов, 25-27 апреля 2016. - С. 414-415.

15. Нгуен Ч.Т. Алгоритм выделения 1 волн при фибрилляции предсердий // Актуальные проблемы энергосбережения и эффективности в технических системах. Тезисы докладов 3-ей Международной конференции с элементами научной школы. Тамбов, 25-27 апреля 2016. - С. 415-416.

16. Нгуен Ч.Т. Алгоритм оценки статистических и спектральных характеристики в мерцательной аритмии и в норме // Труды 71 -ой научно-технической конференции, посвященной Дню радио. Санкт-Петербург, 20-28 апреля 2016. - С. 412-413.

17. Нгуен Ч.Т. Анализ и обработка ЭКГ сигналов для прогнозирования фибрилляции предсердий // Труды 72-ой научно-технической конференции, посвященной Дню радио. Санкт-Петербург, 20-28 апреля 2017. - С. 415-416.

18. Нгуен Ч.Т. Система удаленного мониторинга для онлайн выявления эпизодов фибрилляции предсердий // Энергосбережение и эффективность в технических системах. Материалы IV международной научно-технической конференции студентов, молодых ученых и специалистов. Тамбов, 10-12 июля 2017. - С. 501-502.

19. Нгуен Ч.Т. Метод и алгоритм выявления эпизодов фибрилляции предсердий // Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические системы, медицинские и экологические системы и комплексы» («БИОМЕДСИСТЕМЫ - 2017»). Материалы конференции. Рязань. 6-8 декабря 2017 г. - С. 174 - 177.

20. Нгуен Ч.Т. Носимая система тревожной сигнализации фибрилляции предсердий // Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические системы, медицинские и экологические системы и комплексы» («БИОМЕДСИСТЕМЫ - 2017»). Материалы конференции. Рязань. 6-8 декабря 2017 г. - С. 306 - 309.

21. Nguyen Trong Tuyen, Zafar M. Yuldashev, Aleksei A. Anisimov. The atrial fibrillation episodes alarm algorithm for a remote monitoring system // Proceedings of the 2018 IEEE North West Russian Section Young Researchers in Electrical and Electronic Engineering Conference. - St. Petersburg. - January 29 - February 01 2018. -P. 1216-1219.

22. Нгуен Ч.Т. Система для выявления эпизодов фибрилляции предсердий в online режиме // Сборник тезисов XIII международного конгресса «КАРДИОСТИМ». Санкт-Петербург, 15-17 февраля 2018. - С. 169.

23. Нгуен Ч.Т. Алгоритм мониторинга состояния пациента с фибрилляцией предсердий // Сборник тезисов XIII международного конгресса «КАРДИОСТИМ». Санкт-Петербург, 15-17 февраля 2018. - С. 189.

24. Нгуен Ч.Т., Юлдашев З.М. Программа для выделения f-волн из электрокардиосигнала // Программа для ЭВМ №2016612480 Рос. Федерация; заявитель и патентообладатель ФГБОУ ВПО СПбГЭТУ «ЛЭТИ» им. В.И. Ульянова (Ленина). - № 2015663217; заявл. 31.12.15; опубл. 29.02.2016.

25. Нгуен Ч.Т., Юлдашев З.М. Программа для оценки статистических и спектральных характеристик электрокардиосигнала в норме и мерцательной аритмий // Программа для ЭВМ №2016612484 Рос. Федерация; заявитель и патентообладатель ФГБОУ ВПО СПбГЭТУ «ЛЭТИ» им. В.И. Ульянова (Ленина). - № 2015663221; заявл. 30.12.15; опубл. 29.02.2016.

26. Нгуен Ч.Т., Юлдашев З.М. Программа тревожной сигнализации фибрилляции предсердий // Программа для ЭВМ №2018610583 Рос. Федерация; заявитель и патентообладатель ФГБОУ ВПО СПбГЭТУ «ЛЭТИ» им. В.И. Ульянова (Ленина). - № 2017661786; заявл. 17.11.17; опубл. 12.01.2018.

27. Nguyen T.T., Z.M. Yuldashev, E.V. Sadykova. A remote cardiac rhythm monitoring system for detecting episodes of atrial fibrillation // Biomedical Engineering. -2017. - Volume 51, Issue 3. - P. 189-194.

28. Nguyen T.T., Z.M. Yuldashev. An algorithm for detection of atrial fibrillation episodes and generation of alarm signals used in a cardiac rhythm remote monitoring system // Biomedical Engineering. -2018. - Volume 52, Issue 1. - P. 51 - 55.

29. Moody G.B., Mark R.G. A new method for detecting atrial fibrillation using R-R intervals // Computers in Cardiology. 1983. Vol. 10. PP. 227-230.

30. Logan B., Healey J. Robust detection of atrial fibrillation for a long term telemonitoring system // Computers in Cardiology. 2005. Vol. 32. PP. 619-622.

31. Tatento K., Glass L. Automatic detection of atrial fibrillation using the coefficient of variation and density histograms of RR and ARR intervals // Medical and Biological Engineering and Computing. 2001. Vol. 39. № 6. PP. 664-671.

32. Cerutti S., Mainardi L.T., Porta A. [et. al.]. Analysis of the dynamics of RR interval series for the detection of atrial fibrillation episodes // Computers in Cardiology. 1997. Vol. 24. PP. 77-80.

33. Stridh M., Sornmo L. Spatiotemporal QRST cancellation techniques for analysis of atrial fibrillation // IEEE Trans. Biomed. Eng. 2001. Vol. 48. № 1. PP. 105111.

34. Du X., Rao N., Qian M. [et. al.]. A novel method for real-time atrial fibrillation detection in electrocardiograms using multiple parameters // Annals of Noninvasive Electrocardiology. 2014. Vol. 19. № 3. PP. 217-225.

35. Rodenas J., Garcia M., Alcaraz R., Rieta J.J. Wavelet entropy automatically detects episodes of atrial fibrillation from single lead electrocardiograms // Entropy. 2015. Vol. 17. № 9. PP. 6179-6199.

36. Pan J. and Tompkins W.J. A real-time QRS detection algorithm // IEEE Trans. Biomed. Eng. 1985. Vol. 32. PP. 230-236.

37. Zhang Q., Manriquez A. I., Medigue C., Papelier Y., and Sorine M. An algorithm for robust and efficient location of T-wave ends in electrocardiograms // IEEE Trans. Biomed. Eng. 2006. Vol. 53. №. 12. PP. 2544-2552.

38. Langley P., Bernado D., Allen J., Bowers E., Smith F. E., Vecchietti S., and Murray A. Can paroxysmal atrial fibrillation be predicted? // Computers in Cardiology. 2001. Vol. 28. PP. 121-124.

39. Babaeizadeh S., Gregg R., Helfenbein E. et al. Improvements in atrial fibrillation detection for real-time monitoring // Journal of Electrocardiology. 2009. № 42. PP. 522-526.

40. Craig T. J., Wann L. S., Joseph S. A. et al. 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: Executive summary: a Report of the American College of Cardiology/American Heart Association Task Force on Practice Guideline and the Heart Rhythm Society // Journal of the American College of Cardiology 2014. Vol. 64. №. 21. PP. 2246-2280.

41. Манило Л. А. Распознавание фибрилляции предсердий в кардиологических системах диагностики и наблюдения // Биотехносфера. 2009. № 2. С. 41-45.

42. Макаров Л. М. Холтеровское мониторирование. 3-е изд. М.: Мед-Практика-М, 2008. 456 с.

43. F. Castells, J.J. Rieta, J. Milet, and V. Zarzoso. Spatiotemporal blind source separation approach to atrial activity estimation in atrial tachyarrythmias // IEEE Trans. On Biomed. Eng. 2005. Vol. 52. №. 2. PP. 258-267.

44. J.J. Rieta, F. Castells et. al. Atrial Activity Extraction for Atrial Fibrillation Analysis Using Blind Source Separation // IEEE Trans. on Biomed. Eng. 2004. Vol. 51. №. 7. PP. 1176-1186.

45. J. Lee, B. A. Reyes, D. D. McManus, O. Mathias, and K. H. Chon. Atrial fibrillation detection using an iPhone 4S // IEEE Transactions on Biomedical Engineering, 60 (2013).

46. Пустозеров Е. А., Юлдашев З. М. Дистанционный мониторинг состояния больных сахарным диабетом // Мед. Техника. 2014. № 2(284). С . 15-19.

47. Пустозеров Е. А., Юлдашев З. М. Система mHealth для информационной поддержки больного сахарным диабетом // Биотехносфера. 2013. № 1(25). С. 39-44.

48. R. Alcaraza and J. J. Rietab. Nonlinear synchronization assessment between atrial and ventricular activations series from the surface ECG in atrial fibrillation // Biomedical Signal Processing and Control. 2013

49. C. C. Chang and C. J. Lin. Libsvm: A library for Support Vector Machines // ACM Transactions on Intelligent Systems and Technology, 2 (2011), pp. 27:1-27:27.

50. Е.С. Мазур, В.В. Мазур. Фибрилляции предсердий. Учебное пособие для студентов лечебного факультета. Тверь, 2014. 42 с.

51. Томпкинс У., Уэбстер Дж. Микрокомпьютерные медицинские системы. Проектирование и применение: Пер. с англ. 1983. 544 с.

52. Кореневский Н.А., Попечителев Е.П. Узлы и элементы биотехнических систем» учебник авторов. Учебное пособие. Старый Оскол: ТНТ, 2017. 448 с.

53. Немирко А.П., Манило Л.А., Калиниченко А.Н. «Математический анализ биомедицинских сигналов и данных». - М.: ФИЗМАТЛИТ, 2017. — 248 с. — ISBN 978-5-9221-1720-3.

54. Кореневский Н.А., Юлдашев З.М., Скопин Д.Е. Проектирование биотехнических систем медицинского назначения. Учебное пособие. Старый Оскол: ТНТ, 2017. 216 с.

55. A. Savitzky and M. J.E. Golay. Smoothing and differentiation of data by simplified least squares procedures // Anal. Chem. Vol. 36. PP. 1627-1639. 1964.

56. Ronald W. Schafer. What is a Savitzky-Golay filter? // IEEE Signal Processing Magazine. 2011. PP. 111-117.

57. Castells, Francisco, et al. Principal component analysis in ECG signal processing // EURASIP Journal on Advances in Signal Processing 2007.1 (2007): 074580.

58. Kara, Sadik, and Mustafa Okandan. Atrial fibrillation classification with artificial neural networks // Pattern Recognition 40.11 (2007): 2967-2973.

59. Yang, T-F., B. Devine, and P. W. Macfarlane. Artificial neural networks for the diagnosis of atrial fibrillation // Medical and Biological Engineering and Computing 32.6 (1994): 615-619.

60. Foo, Simon Y., et al. Neural network-based EKG pattern recognition // Engineering Applications of Artificial Intelligence 15.3-4 (2002): 253-260.

61. Asgari, Shadnaz, Alireza Mehrnia, and Maryam Moussavi. Automatic detection of atrial fibrillation using stationary wavelet transform and support vector machine // Computers in biology and medicine 60 (2015): 132-142.

62. Mohebbi, Maryam, and Hassan Ghassemian. Detection of atrial fibrillation episodes using SVM // Engineering in Medicine and Biology Society, 2008. EMBS 2008. 30th Annual International Conference of the IEEE. IEEE, 2008.

63. Кушаковский М.С. Фибрилляция и трепетание предсердий. Лечение фармакологическими и электрофизизиологическими (нехиругическими) методами // Вестник аритмологии. 1998. №7. С. 56-64.

64. Ардашев А.В., Желяков Е.Г. и др. Типичное трепетание предсердий: классификация, клинические проявления, диагностика и лечение // Кардиология. 2010. №4. С. 57-65.

65. Xue, Shouhai, et al. An ECG arrhythmia classification and heart rate variability analysis system based on android platform // Future Information and Communication Technologies for Ubiquitous HealthCare (Ubi-HealthTech), 2015 2nd International Symposium on. IEEE, 2015.

66. Sergey Kosarevsky, Viktor Latypov. Mastering Android NDK. Master the skills you need to develop portable, highly-functional Android applications using NDK // ISBN-10: 1785288334. 2015. 328.

67. Rincón, Francisco, et al. Automated real-time atrial fibrillation detection on a wearable wireless sensor platform // Engineering in Medicine and Biology Society (EMBC), 2012 Annual International Conference of the IEEE. IEEE, 2012.

68. Gradl, Stefan, et al. Real-time ECG monitoring and arrhythmia detection using Android-based mobile devices // Engineering in Medicine and Biology Society (EMBC), 2012 Annual International Conference of the IEEE. IEEE, 2012.

69. Яфаров, Александр Захарович. Система мониторинга нарушений сердечной деятельности, обусловленных двигательной активностью: автореферат диссертации кандидата технических наук: 05.11.17 / Яфаров Александр Захарович; [Место защиты: С.-Петерб. гос. электротехн. ун-т (ЛЭТИ)]. - Санкт-Петербург, 2017. - 18 с.

70. Physionet: The research resource for physiologic signals / www.physionet.org (дата доступа: 26.05.2017).

71. Моторина С.В., Калиниченко А.Н. Алгоритм выявления мерцательной аритмии в реальном масштабе времени // Медицинская техника. 2016. № 3. С. 1215.

72. Couceiro R., Carvalho P., Henriques J. et al. Detection of Atrial Fibrillation using model-based ECG analysis // 19th International Conference on Pattern Recognition. 2008. PP. 1-5.

73. Cerutti S., Mainardi L.T., Porta A. et al. Analysis of the dynamics of RR interval series for the detection of atrial fibrillation episodes // Computers in Cardiology. 1997. № 24. PP. 77-80.

74. Bollmann, Andreas, et al. Analysis of surface electrocardiograms in atrial fibrillation: techniques, research, and clinical applications // Europace 8.11 (2006): 911926.

75. Yi, Won-Jae, and Jafar Saniie. Patient Centered Real-Time Mobile Health Monitoring System // E-Health Telecommunication Systems and Networks 5.04 (2016): 75.

76. Censi, Federica, et al. P-wave variability and atrial fibrillation // Scientific reports 6 (2016): 26799.

77. Freedman, Ben, et al. Screening for atrial fibrillation: a report of the AF-SCREEN international collaboration // Circulation 135.19 (2017): 1851-1867.

78. Hao, Weituo, Yu Chen, and Yi Xin. ECG baseline wander correction by mean-median filter and discrete wavelet transform // Engineering in Medicine and Biology Society, EMBC, 2011 Annual International Conference of the IEEE. IEEE, 2011.

79. Gholinezhadasnefestani, Shima, et al. QRST cancellation in ECG signals during atrial fibrillation: Zero-padding versus time alignment // Signal Processing and Communication Systems (ICSPCS), 2012 6th International Conference on. IEEE, 2012.

80. P. Trahanias and E. Skordalakis. Syntactic pattern recognition of the ECG // IEEE Trans. Pattern Anal. Mach. Intell. 1990. Vol. 12. PP. 648-657.

81. O. Sayadi and M. B. Shamsollahi. A model-based Bayesian framework for ECG beat segmentation // Physiol. Measur. 2009. Vol. 30.

82. Behar, Joachim, et al. ECG signal quality during arrhythmia and its application to false alarm reduction // IEEE transactions on biomedical engineering 60.6 (2013): 1660-1666.

83. Henriksson, Mikael, et al. Model-based assessment of f-wave signal quality in patients with atrial fibrillation // IEEE Transactions on Biomedical Engineering (2018).

84. Larburu, Nekane, T. Lopetegi, and I. Romero. Comparative study of algorithms for atrial fibrillation detection // Computing in Cardiology, 2011. IEEE, 2011.

85. Первова Е.В. Современные методы амбулаторного мониторирования электрокардиограммы. Технические аспекты // Клиницист 11.4-1 (2017).

86. Thong Tran, et al. Prediction of paroxysmal atrial fibrillation by analysis of atrial premature complexes // IEEE Transactions on Biomedical Engineering 51.4 (2004): 561-569.

87. Система электрокардиографической диагностики критических состояний в условиях свободной активности пациента: диссертация доктора технических наук: 05.11.17 / Кривоногов Леонид Юрьевич; [Место защиты: Пенз. гос. ун-т]. - Пенза, 2017. - 412 с.:

88. Е.С. Мазур, В.В. Мазур. Фибрилляция предсердий. Учебное пособие для студентов лечебного факультета. Тверь 2014; 40 с.

89. Cooke, Georga, Jenny Doust, and Sharon Sanders. Is pulse palpation helpful in detecting atrial fibrillation? A systematic review // The Journal of family practice 55.2 (2006): 130-134.

90. Lau, J., et al. Performance of an automated iPhone ECG algorithm to diagnose atrial fibrillation in a community AF screening program (SEARCH-AF) // Heart, Lung and Circulation 22 (2013): S205.

91. Kearley, Karen, et al. Triage tests for identifying atrial fibrillation in primary care: a diagnostic accuracy study comparing single-lead ECG and modified BP monitors // BMJ open 4.5 (2014): e004565.

92. Tieleman, R. G., et al. Validation and clinical use of a novel diagnostic device for screening of atrial fibrillation // Europace16.9 (2014): 1291-1295.

93. Vaes, Bert, et al. The diagnostic accuracy of the MyDiagnostick to detect atrial fibrillation in primary care // BMC family practice 15.1 (2014): 113.

94. Doliwa, Peter Sobocinski, Viveka Frykman, and Märten Rosenqvist. Short-term ECG for out of hospital detection of silent atrial fibrillation episodes // Scandinavian Cardiovascular Journal 43.3 (2009): 163-168.

95. Marazzi, Giuseppe, et al. Comparison of Microlife BP A200 Plus and Omron M6 blood pressure monitors to detect atrial fibrillation in hypertensive patients // Advances in therapy 29.1 (2012): 64-70.

96. Wiesel, Joseph, Benjamin Arbesfeld, and David Schechter. Comparison of

the Microlife blood pressure monitor with the Omron blood pressure monitor for

137

detecting atrial fibrillation // The American journal of cardiology 114.7 (2014): 10461048.

97. Lewis, Malcolm, et al. Screening for atrial fibrillation: sensitivity and specificity of a new methodology // Br J Gen Pract 61.582 (2011): 38-39.

98. McManus, David D., et al. PULSE-SMART: pulse-based arrhythmia discrimination using a novel smartphone application // Journal of cardiovascular electrophysiology 27.1 (2016): 51-57.

99. Fitzmaurice, David A., et al. Screening versus routine practice in detection of atrial fibrillation in patients aged 65 or over: cluster randomised controlled trial // Bmj 335.7616 (2007): 383.

100. Hobbs, FD Richard, et al. European Primary Care Cardiovascular Society (EPCCS) consensus guidance on stroke prevention in atrial fibrillation (SPAF) in primary care // European journal of preventive cardiology 23.5 (2016): 460-473.

101. Willits, Iain, et al. WatchBP Home A for opportunistically detecting atrial fibrillation during diagnosis and monitoring of hypertension: a NICE medical technology guidance // Applied health economics and health policy 12.3 (2014): 255-265.

102. McManus, David D., et al. A novel application for the detection of an irregular pulse using an iPhone 4S in patients with atrial fibrillation // Heart Rhythm 10.3 (2013): 315-319.

103. Rieta, J. J., et al. Atrial fibrillation, atrial flutter and normal sinus rhythm discrimination by means of blind source separation and spectral parameters extraction // Computers in Cardiology, 2002. PP. 25-28.

104. Jensen, Thomas J., et al. Impact of premature atrial contractions in atrial fibrillation // Pacing and clinical electrophysiology 27.4 (2004): 447-452.