Методологическое обеспечение автоматизированной системы тревожной сигнализации при развитии ишемии миокарда тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Красичков, Александр Сергеевич

• Красичков, Александр Сергеевич
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Красичков, Александр Сергеевич

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. МЕДИКО-ТЕХНИЧЕСКОЕ ОБОСНОВАНИЕ МЕТОДА ПОСТРОЕНИЯ АЛГОРИТМОВ ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ТРЕВОЖНОЙ СИГНАЛИЗАЦИИ ПРИ РАЗВИТИИ ЭПИЗОДОВ ИШЕМИИ

1.1. Анализ задачи синтеза системы тревожной сигнализации для больных ИБС

1.2. Процесс мониторинга как статистическая задача решения

1.3. Формулировка задач, подлежащих решению

ГЛАВА 2. СТАТИСТИЧЕСКАЯ МОДЕЛЬ КАРДИОСИГНАЛА ПАЦИЕНТА С ИБС

2.1. Структура кардиосигнала

2.2. Определение моделей помех и шумов, присутствующих в электрокардиосигнале

2.3. Метод измерения временных и амплитудных параметров кардиосигнала

2.4. Временные параметры сигналов кардиокомплекса

2.5. Форма зубцов кардиокомплекса при вариации сердечного

ритма

2.6. Амплитудные параметры сигналов кардиокомплекса

2.7. Исследование закономерностей структуры ритма кардиосигнала индивидуума

2.8. Модель изменения сегмента БТ кардиосигнала при развитии эпизода ишемии

2.9. Выводы

ГЛАВА 3. МЕТОД ИЗВЛЕЧЕНИЯ ИНФОРМАЦИИ О СТРУКТУРЕ И ПАРАМЕТРАХ КАРДИОСИГНАЛА ИНДИВИДУУМА

3.1. Оценка формы кардиокомплексов кардиосигнала на основе синхронного накопления

3.2. Метод уменьшения влияния миографической помехи при обработке электрокардиосигнала

3.3. Оценка дисперсии миографической помехи присутствующей в электрокардиосигнале

3.4. Оценка отношения шум / сигнал

3.5. Оценка коэффициента взаимной корреляции

3.6. Структура алгоритма обнаружения и сортировки кардиокомплексов

3.7. Выводы

ГЛАВА 4. МЕТОД ОЦЕНКИ ДРЕЙФА ИЗОЭЛЕКТРИЧЕСКОЙ ЛИНИИ

4.1. Теоретические основы оценки дрейфа изоэлектрической линии в условиях сложной сигнально-помеховой обстановки

4.2. Точностные характеристики оценки дрейфа изоэлектрической линии

4.3. Разработка алгоритма оценки дрейфа изоэлектрической линии

4.4. Выводы

ГЛАВА 5. СИНТЕЗ СТРУКТУРЫ ИНДИВИДУАЛИЗИРОВАННОГО АЛГОРИТМА МОНИТОРИНГА И ВЫДАЧИ СИГНАЛА ТРЕВОГИ БОЛЬНОМУ ИБС

5.1. Нахождение решающего правила для выдачи сигнала тревоги больному ИБС для случая известных параметров сигнала

сегмента ST

5.2. Нахождение решающего правила для выдачи сигнала тревоги больному ИБС для случая отсутствия предварительной информации о параметрах сигнала

сегмента ST и динамики развития эпизода ишемии

5.3. Структура алгоритма выявления эпизодов ишемии

5.4. Выводы

ГЛАВА 6. АПРОБАЦИЯ ОСНОВНЫХ РЕЗУЛЬТАТОВ РАБОТЫ

6.1. Разработка тестовых сигналов для предварительной оценки эффективности алгоритмов обработки кардиосигнала

6.2. Оценка эффективности алгоритмов обработки кардиосигнала

6.3. Практическая реализация и клиническая апробация алгоритмов обработки кардиосигнала

6.4. Возможные пути реализации результатов работы

6.5. Выводы

ЗАКЛЮЧЕНИЕ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОСНОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

ПРИЛОЖЕНИЕ 3

ПРИЛОЖЕНИЕ 4

ПРИЛОЖЕНИЕ 5

ПРИЛОЖЕНИЕ 6

ПРИЛОЖЕНИЕ 7

ПРИЛОЖЕНИЕ 8

Введение диссертации (часть автореферата) на тему «Методологическое обеспечение автоматизированной системы тревожной сигнализации при развитии ишемии миокарда»

ВВЕДЕНИЕ

Ишемическая болезнь сердца (ИБС) является одним из наиболее распространенных и опасных заболеваний сердечно-сосудистой системы.

Эпизоды ишемии миокарда (сердечной мышцы) обычно развиваются при увеличении частоты сердечных сокращений (ЧСС), повышении артериального давления или усилении сократимости миокарда, индуцируемых физической или эмоциональной нагрузкой. Иногда ишемия миокарда развивается без предшествующих провоцирующих факторов и может протекать в безболевой форме [1], [2].

Развитие ишемии миокарда происходит в короткий промежуток времени (от 30 секунд до нескольких минут) и может вызывать тяжелые последствия для пациента - внезапную смерть, инфаркт миокарда, острую сердечную недостаточность. Поэтому необходимо осуществлять контроль сердечно-сосудистой системы (ССС) с целью оперативного выявления ишемических эпизодов и принятия экстренных мер для предотвращения её прогрессирования и развития осложнений (снижение нагрузки, использование соответствующего лекарства). С другой стороны, ошибочная информация о появлении эпизода ишемии (ложная тревога) является мощным психотравмирующим фактором, который сам по себе может провоцировать ишемию. Таким образом, очевидна необходимость создания устройств, сигнализирующих о появлении эпизода ишемии с максимально возможной степенью достоверности.

В настоящее время значительный вклад в развитие методов автоматизированного выявления эпизодов ишемии внесен такими учеными, как А.П. Немирко, Л.А. Манило, К.Н. Милева, К.В. Зайченко, Г.В. Гусаров, В.М. Тихоненко, Е.М. Нифонтов, H. Rabbani, C. Papaloukas, S. Murugan, J. Park, Y. Goletsis, R. Silipo и др.

Важнейшая информация, касающаяся обнаружения эпизодов ишемии, может быть получена при анализе электрокардиограммы (ЭКГ), особенно на основании суточного мониторирования ЭКГ.

Между тем, существует серьезная проблема надежной идентификации признаков ишемии миокарда в условиях физической активности пациентов, когда появление ишемии наиболее вероятно, однако на мониторограммах регистрируется значительное число помех, что может как имитировать, так и скрывать ишемическое смещение сегмента ST (по возникновению и росту сигнала на этом сегменте определяется наличие или отсутствие эпизода ишемии) [3]. Основные искажения электрокардиосигнала (ЭКС) создают миографическая помеха, обусловленная шумами электрической активности мышц (данная помеха полностью неустранима за счет какой-либо полосовой фильтрации, т.к. её спектр перекрывает спектр электрокардиосигнала), а также

о 1 о о о о

дрейф изоэлектрической линии, представляющий собой низкочастотный случайный процесс, образующийся из-за поляризации электродов, влияния движений грудной клетки и конечностей или плохого контакта электродов с кожей [4]-[6].

Кроме того, при обнаружении эпизодов ишемии необходимо исключать из рассмотрения нетипичные кардиокомплексы, такие как предсердные и желудочковые экстрасистолы, комплексы с транзиторной внутрижелудочковой блокадой и.др., а также учитывать индивидуальные особенности кардиосигнала конкретного человека (например, изначальное смещение сигнала на сегменте ST). Следует заметить, что помимо наличия индивидуальных структурных свойств и параметров кардиосигнал индивидуума за период мониторирования может существенно варьировать (например, некоторые типы кардиокомплексов могут появляться более часто в одних зонах мониторограммы, чем в других, за счет разной активности пациента или влияния лекарств, длительность кардиокомплексов зависит от частоты сердечных сокращений, изменение положения тела также приводит к изменениям формы кардиокомплексов), а наличие зашумленных фрагментов и различных артефактов значительно усложняет анализ.

Значимость проблемы исследования определяется тем, что существующие методы обработки электрокардиосигнала, например, методы:

классификации кардиокомплексов [7]—[24], коррекции дрейфа изоэлектрической линии [4]-[6], [25]-[36], выявления ишемических эпизодов [37]-[66] имеют ряд существенных ограничений.

Во-первых, за последние десятилетия было предложено огромное число алгоритмов сортировки кардиокомплексов, содержащихся в мониторограммах. Для этой цели используется набор различных признаков. На практике такие наборы выбирают сами исследователи, опираясь на априорную информацию об анализируемом сигнале и предыдущие похожие работы. Однако исследование способов отбора признаков не привело к появлению общей методологии [21].

Во-вторых, оценка дрейфа изоэлектрической линии осуществляется без учета влияния миографической помехи. С позиций оптимальной обработки информации такой путь нельзя считать корректным: подобные способы предварительной обработки приводят к разрушению полезной информации, сосредоточенной на сегменте БТ кардиосигнала. Кроме того, использование некоторых алгоритмов коррекции дрейфа изоэлектрической линии ограниченно требованием наличия соседних кардиокомплексов нормального типа, что не всегда выполнимо.

В-третьих, извлечение информации, касающейся сегмента БТ, осуществляется лишь в характерных точках [44], [54]-[58], [66]. Информация, сосредоточенная в иных точках сегмента, фактически игнорируется. Необходимо рассматривать сигналы на всех участках сегмента, а не только в характерных точках. В некоторых работах [37]-[39], [43], [45], [48]-[51] были предложены и исследованы способы выявления информативных параметров формы БТ-сегмента на основании анализа коэффициентов разложения в различных базисах. Однако остается открытым вопрос о полноте данных базисных систем. Например, использовались первые три функции Уолша, упорядоченные по Пэли, что приводит к потере информации [50]. При этом не учитывается случайный характер коэффициентов разложения из-за влияния шума. Не используется для принятия решения о наличии эпизода ишемии информация о миографической помехе, присутствующей в ЭКГ.

Решение о наличии или отсутствии эпизода ишемии выносится по результатам наблюдения сигнала на сегменте ST текущего кардиокомплекса [54] или сигнала, усредненного на коротком интервале времени (в пределах последовательности из 5^20 кардиокомплексов) [59], [60]. Однако эпизод ишемии развивается на протяжении нескольких десятков секунд, и, следовательно, кардиосигнал на всем интервале содержит информацию в пользу того или иного решения [61]-[63]. Поэтому вся информация, заключенная в предыстории, оказывается потерянной этими алгоритмами. В конечном счете, это снижает достоверность выдачи сигнала тревоги.

Кроме того, исключаются из рассмотрения зашумленные фрагменты ЭКГ, однако именно данные фрагменты могут содержать эпизоды ишемии.

Наконец, алгоритмы для систем диагностики и контроля состояния больных ИБС синтезируются в расчете на широкую группу лиц и допускают подстройки к конкретным пациентам, не обеспечивая в полной мере использование индивидуальных структурных свойств и индивидуальных параметров кардиосигнала [44], [55]-[58], [64], [65]. Существенно повысить достоверность выявления эпизодов ишемии может подход к синтезу алгоритма обработки кардиосигнала с учетом структурных свойств и параметров кардиосигнала конкретного пациента [25], [67].

Решение этих проблем требует новых методологий и, соответственно, технических решений [25], [68]-[70].

В последние годы практически отпала необходимость создания различных схемотехнических решений отдельно для каждого устройства. В инженерную практику вошло использование стандартных узлов (с высочайшей степенью интеграции) на базе микропроцессоров. Такие устройства позволяют синтезировать практически любую обработку кардиосигнала в реальном масштабе времени. Это открывает технические возможности реализации алгоритмов мониторинга кардиосигнала и подачи сигнала тревоги пациенту с учетом индивидуальных особенностей кардиосигнала человека [25], [71]-[74].

Целью диссертационной работы является создание комплекса методов и средств, обеспечивающих создание автоматизированной системы персонифицированной тревожной сигнализации для больных ишемической болезнью сердца на основе мониторирования электрокардиосигнала, отличающихся повышенной помехозащищенностью и устойчивостью к неспецифическим изменениям кардиосигнала.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Дать медико-техническое обоснование метода синтеза алгоритмов обработки кардиосигнала и выдачи сигнала тревоги, позволяющего использовать индивидуальные структурные свойства и значения параметров кардиосигнала конкретного пациента.

2. Создать статистическую модель индивидуального кардиосигнала пациента, адекватную для задачи разработки индивидуализированных методов оценки дрейфа изоэлектрической линии и выявления эпизодов ишемии.

3. Разработать метод извлечения информации о структуре и параметрах кардиосигнала индивидуума.

4. Разработать метод оценки дрейфа изоэлектрической линии в условиях влияния миографической помехи, присутствия нетипичных кардиокомплексов и учитывающий индивидуальные структурные свойства и значения параметров кардиосигнала пациента.

5. Разработать структуру индивидуализированного алгоритма выявления эпизодов ишемии миокарда.

6. Разработать программно-алгоритмическое обеспечение для реализации предложенных методов обработки кардиосигнала.

7. Провести экспериментальную проверку синтезированных алгоритмов обработки кардиосигнала.

Методы исследования. Теоретическая часть диссертационной работы построена на базе аппарата математического анализа, системного анализа, теории статистических решений и математической статистики.

Экспериментальные исследования проводились с использованием аннотированных баз электрокардиосигналов различных пациентов (MIT-BIH Arrhythmia Database), баз данных пациентов Первого Санкт-Петербургского государственного медицинского университета имени академика И. П. Павлова Минздрава России.

Новые научные результаты диссертации:

- Предложен метод синтеза автоматизированной системы персонифицированной тревожной сигнализации для больных ишемической болезнью сердца, рассматривающий задачу выработки сигнала тревоги, неразрывно связанную с критериями качества функционирования системы и позволяющий учитывать информацию о структуре и параметрах наблюдаемой реализации кардиосигнала индивидуума.

- Предложена статистическая модель кардиосигнала индивидуума, базирующаяся на известных, а также вновь выявленных детерминированных и статистических закономерностях о структуре и параметрах электрокардиосигнала индивидуума, позволяющая описать динамические изменения кардиосигнала как для нормального состояния пациента с ИБС, так и при различных фазах развития эпизода ишемии.

- Показано, что процедура усреднения значений функций аппроксимаций всех перекрывающихся (непродолжительных) сегментов кардиокомплекса за исключением ц крайних сегментов позволяет значительно уменьшить дисперсию шума (присутствующего в кардиосигнале), смещение и разброс выборочного коэффициента корреляции, использующегося при оценивании степени близости форм кардиокомплексов.

- Разработан алгоритм классификации кардиокомплексов с параллельным весовым накоплением идентичных кардиокомплексов. В качестве отличительных признаков для классификации используется: ЧСС, энергия наблюдаемого кардиокомплекса и коэффициент взаимной корреляции между текущим и опорным кардиокомплексами, причем диапазон изменений

значений признаков рассчитываются с учетом оценок дисперсии миографической помехи и энергии наблюдаемого кардиокомплекса.

- Предложен метод извлечения информации о структуре и параметрах наблюдаемого кардиосигнала индивидуума, необходимой для использования в индивидуализированных алгоритмах оценки дрейфа изоэлектрической линии и выявления эпизодов ишемии. Метод базируется на алгоритмах предварительной аппроксимации кардиосигнала, обнаружения, классификации и весового накопления идентичных кардиокомплексов.

- Предложен метод оценки дрейфа изоэлектрической линии электрокардиосигнала, учитывающий индивидуальные структурные свойства кардиосигнала индивидуума и значение дисперсии миографической помехи, позволяющий использовать информацию о дрейфе изолинии, сосредоточенную на всем протяжении наблюдаемого кардиокомплекса.

- На основе теории статистических решений найдено правило и разработан индивидуализированный алгоритм выработки сигнала тревоги при появлении эпизода ишемии.

Практическую ценность работы составляют:

1. Структура алгоритмов сортировки кардиокомплексов, оценки дрейфа изоэлектрической линии кардиосигнала и выявления эпизодов ишемии на основе анализа ЭКГ.

2. Созданные программные средства анализа мониторограмм позволяющие извлекать информацию о структуре и параметрах кардиосигнала индивидуума.

3. Разработанный имитатор электрокардиосигнала для проверки эффективности алгоритмов обработки электрокардиосигналов, который базируется на основе использования фрагментов мониторограмм (в том числе и фрагментов кардиокомплекса), полученных в результате предварительного обследования пациента (или записей ЭКС из международных и российских баз данных) с контролируемым добавлением помех.

4. Результаты экспериментального исследования эффективности

функционирования синтезированных алгоритмов обработки кардиосигнала на основании тестовых сигналов и клинической апробации.

Основные научные положения, выносимые на защиту.

1. Методологическое обеспечение автоматизированной системы тревожной сигнализации при возникновении эпизодов ишемии должно рассматривать задачу выработки сигнала тревоги, неразрывно связанную с критериями качества функционирования системы и информацией о структуре и параметрах наблюдаемой реализации кардиосигнала индивидуума.

2. Статистическая модель наблюдаемого кардиосигнала должна отражать ритмическую структуру кардиосигнала, случайный характер изменения амплитуд зубцов, временные зависимости длительностей зубцов и интервалов кардиокомплекса от ЧСС, динамические изменения сигнальной составляющей сегмента ST при развитии эпизода ишемии, влияние миографической помехи и дрейфа изоэлектрической линии, что позволяет избежать разрушения полезной информации при синтезе индивидуализированных алгоритмов оценки дрейфа изоэлектрической линии и выявления эпизодов ишемии.

3. Метод извлечение информации о структуре и параметрах кардиосигнала индивидуума должен основываться на алгоритме предварительной аппроксимации кардиосигнала, обнаружения, классификации и весового накопления, идентичных кардиокомплексов, с совместным учетом ритма сердца, оценок энергии кардиокомплексов и оценок дисперсии миографической помехи.

4. Метод оценки дрейфа изоэлектрической линии должен базироваться на данных о форме зубцов индивидуального кардиосигнала, полученных на этапе предварительного анализа, и дисперсии миографической помехи, что позволяет извлекать информацию о дрейфе изоэлектрической линии сосредоточенную на всей длительности кардиокомплекса.

5. Решающее правило и алгоритм выработки сигнала тревоги при появлении эпизодов ишемии в системах контроля состояния больных ИБС,

полученные на основе теории статистических решений и отличающиеся повышенной помехозащищенностью относительно ранее известных.

Степень достоверности и апробация результатов работы.

Достоверность результатов обеспечена согласованностью теоретических результатов и их экспериментального подтверждения с помощью использования: методов математической статистики для обработки экспериментальных данных; международной аннотированной базы мониторограмм; большой статистической выборкой при клинической апробации разработанных алгоритмов обработки кардиосигнала в условиях медицинского учреждения.

Представленные в диссертации результаты связаны с научно-исследовательскими работами по проектной части государственного задания в сфере научной деятельности № 8.324.2014/К «Оптимизация технологий контроля и управления состоянием объектов и сред различной физической природы на основе системного анализа» (2014-2016), проекту «СТАРТ» № С1 - 06860 «Разработка автоматизированной системы защиты миокарда человека от ишемического повреждения» (рук. Красичков А.С.) (2015-2016), гранту Президента России для поддержки молодых российских ученых «Разработка технологии автоматизированного выявления патологических изменений динамических свойств сердечно-сосудистой системы на основе анализа длительных записей электрокардиосигнала» (рук. Красичков А.С.) (2012-2013) г; ФЦП «Кадры» «Индивидуальная система защиты сердца от ишемического повреждения в медицине и спорте» (рук. Красичков А.С.) ГК № 14.740.11.1414 от 28 октября 2011 (2011-2013) г., грантам Санкт-Петербурга для молодых кандидатов наук «Разработка информационно-измерительной системы контроля физиологического состояния и местоположения пожарных для проведения тренировок в экстремальных условиях» (рук. Красичков А.С.), 2012 г., «Система информационной поддержки врача для анализа длительных записей электрокардиосигнала» (рук. Красичков А.С.), 2011 г.

Основные результаты работы докладывались на конгрессах и конференциях различного уровня, а именно: ежегодных научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ в 2002 -2016; 58 - 60, 64 - 70-й всероссийской научно-технической конференции НТОРЭС им. А. С. Попова, Санкт-Петербург, апрель, (2003-2005, 20092015); 5-й международной конференции «Радиоэлектроника в медицине», Москва, 1-3 октября, 2003; Конгрессе ассоциации кардиологов СНГ «Фундаментальные исследования и прогресс в кардиологии», Санкт-Петербург, 18-20 сентября, 2003; ежегодной научно-практической конференции, проводимой в рамках Сессии Северо-Западного окружного центра сердечно-сосудистых заболеваний и «Недели здорового сердца и мозга», Санкт-Петербург, 26-27 мая, 2004; международной конференции «Современные возможности холтеровского мониторирования», Санкт-Петербург, 28-29 мая, 2004; НИТ-2010 15-всероссийская научно-техническая конференция студентов, молодых ученых и специалистов, Рязань, 17 ноября 2010; Метромед-2011. Измерительные и информационные технологии в охране здоровья. Санкт-Петербург, 8-10 ноября 2011 г.; 8-й Российско-Баварской конференция по биомедицинской инженерии. Санкт-Петербург, 29-31 мая 2012 г.; «Региональная информатика (РИ-2012)» Санкт-Петербург, 24-26 октября 2012 г.; 1-ой Российско-Немецкой конференции по биомедицинской инженерии). Ганновер, 24-26 октября 2013 г.; ХУЬ Научно-практическая конференция студентов, аспирантов и молодых учёных, 23-25 апреля 2013, Санкт-Петербург; 2-ой Российско-Немецкой конференции по биомедицинской инженерии. Санкт-Петербург, 24-26 июня 2014 г.; 2-й научно-технической конференции с международным участием «Наноиндустрия и технологии будущего» Санкт-Петербург, 10 апреля 2014; конгрессе «От трансляционных исследований - к инновациям», посвященного 35-летию ФГБУ «СЗФМИЦ им. В.А. Алмазова» Минздрава России, Санкт-Петербург, октябрь 2015.

Научные результаты, представленные в работе, были отмечены

премией и медалью имени Л. Эйлера Санкт-Петербургского научного центра Российской Академии Наук и Правительства Санкт-Петербурга за выдающиеся научные результаты в области науки и техники в номинации: естественные и технические науки за научные результаты в области создания методологии выявления эпизодов ишемии миокарда на основе длительного мониторирования электрокардиосигнала в условиях сложной сигнально-помеховой обстановки.

Внедрение результатов работы.

Предложенные методы обработки и анализа биомедицинских сигналов использованы при разработке опытного образца аппаратно-программного комплекса для больных ИБС «Кардиозащита» (ОАО «Биоинтех»). Опытный образец демонстрировался на одной из ведущих выставок России («Российский промышленник», Санкт-Петербург, 2015).

Результаты диссертационной работы использованы при клиническом обследовании пациентов в Первом Санкт-Петербургском государственном медицинском университете имени академика И. П. Павлова Минздрава России и в «Северо-Западном федеральном медицинском исследовательском центре имени В. А. Алмазова» Министерства здравоохранения РФ.

Результаты теоретических и экспериментальных исследований внедрены в учебный процесс СПбГЭТУ - авторский курс для студентов магистратуры: «Методы обработки биологических сигналов».

Публикации. По материалам диссертации опубликованы 81 печатная работа, в том числе 3 монографии, 25 статей в изданиях, рекомендованных ВАК Минобразования России для публикации результатов докторских диссертаций по специальности 05.11.17, 4 патента РФ и 11 свидетельств о регистрации программ для ЭВМ

Личный вклад автора во всех работах, выполненных в соавторстве, включает постановку задачи, разработку основных методов и средств для проведения исследований, обработку и анализ результатов. Автор является исполнителем теоретических и экспериментальных исследований.

Структура и объем диссертации. Диссертация состоит из введения, шести глав, заключения, списка основных сокращений и обозначений, списка литературы, включающего 205 наименований и 8 приложений. Основная часть работы изложена на 277 страницах машинописного текста. Работа содержит 96 рисунков и 14 таблиц.

ГЛАВА 1. МЕДИКО-ТЕХНИЧЕСКОЕ ОБОСНОВАНИЕ МЕТОДА ПОСТРОЕНИЯ АЛГОРИТМОВ ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ТРЕВОЖНОЙ СИГНАЛИЗАЦИИ ПРИ РАЗВИТИИ ЭПИЗОДОВ ИШЕМИИ

1.1. Анализ задачи синтеза системы тревожной сигнализации для больных ИБС

На протяжении последних десятилетий проводятся интенсивные научные исследования и осуществляются технические разработки в области создания аппаратуры мониторинга кардиосигнала для диагностики и подачи сигнала тревоги пациенту с ИБС.

Практическое применение мониторинговых устройств с функцией тревожной сигнализации способно предотвратить серьезные осложнения у больных с сердечно-сосудистыми заболеваниями. Между тем, существует серьезная проблема надежной идентификации признаков ишемии миокарда в условиях физической активности пациентов, когда появление ишемии наиболее вероятно, однако на мониторограммах регистрируется значительное число помех, что может как имитировать, так и скрывать ишемическое смещение сегмента ST (по возникновению и росту сигнала на этом сегменте определяется наличие или отсутствие эпизода ишемии). По этой причине существующие разработки носимых устройств, сигнализирующих о развитии эпизода ишемии (в России в НИИ Кардиологии им. В. А. Алмазова в начале 90-х годов разработано и выпущено пробной партией устройство «Амулет» [66], зарубежным аналогом является устройство подачи тревоги «Monitor-One» при ишемии миокарда фирмы Q-Med [54]) не нашли клинического применения, а иные производители лишь декларируют о разработке подобных систем (например, система тревожной сигнализации - LifeSense Ischemia1).

1 http://www.cardiodiagnostics.net/ (2016)

При создании подобных систем обработки электрокардиосигнала перед разработчиками возникают трудности, связанные с тем, что параметры электрокардиосигнала широко варьируют от человека к человеку, причем, даже для конкретного индивидуума обладают вариабельностью, но в значительно меньшей степени, чем для широкой группы лиц. Во многих случаях в кардиосигнале присутствуют случайные составляющие, обусловленные многочисленными внутренними и внешними факторами, например, дыхание приводит к постоянному изменению амплитуд зубцов кардиокомплекса и модуляции ритма. Кроме того, кардиосигнал при регистрации подвергается воздействию помех различного физического происхождения (основное влияние оказывают миографическая помеха и дрейф изоэлектрической линии).

Вместе с тем, в отличие от задачи обычной компьютерной обработки записей кардиосигнала, когда врачу выдается диагностическое заключение, но окончательное решение остается за врачом2 [75], [76], в системах предупреждения критических ситуаций решение вырабатывается только прибором, без непосредственного участия врача.

Для больных ишемической болезнью сердца выдача ложной рекомендации о якобы наступающем ишемическом эпизоде, помимо необоснованного ограничения физической активности пациента, является мощным психотравмирующем фактором, вынуждающим отказаться от эксплуатации прибора, снабженного функцией тревожной сигнализации.

Грубая оценка требований по допустимым вероятностям выдачи ложных рекомендаций, связанных с эпизодом ишемии, может быть получена из следующих соображений. Так как эпизод ишемии развивается и доходит до критической фазы за интервал времени от 30 секунд до нескольких минут [1], [2], то от мониторингового устройства требуется обновлять

2 Причем, для верификации ишемического генеза изменений ЭКГ, регистрируемых в процессе суточного мониторирования, имеется возможность выполнения стресс-эхокардиографических исследований, информативность которых приближается к «золотому стандарту» диагностики ишемической болезни сердца - коронарографии [3].

рекомендацию не реже, чем каждые 10 секунд. Если допустить вероятность выдачи ложной рекомендации за сутки равной д, то допустимая вероятность выдачи ложной рекомендации в каждом периоде обновления - р должна составлять величину порядка,

Список литературы диссертационного исследования кандидат наук Красичков, Александр Сергеевич, 2017 год

Список использованных источников

1. Е. М. Нифонтов, Т.Л. Рудакова, А.Г. Салимьянова. Клинический анализ электрокардиограммы / под ред. акад. РАМН проф. В.А. Алмазова и акад. РАМН проф. Е. В. Шляхто. СПб: Изд-во СПбГМУ, 2013. - 86 с.

2. Чазов Е.И. Болезни сердца и сосудов. - М.: Медицина, 1992. - Т2. -

488 с.

3. Нифонтов Е. М. и др. Кардиология: национальное руководство / под ред. Е. В. Шляхто. - 2-е изд., перераб. и доп. - М. : ГЭОТАР-Медиа, 2015. -800 с.

4. Кравченко В.Ф., Попов А.Ю. Дискретизация и цифровая фильтрация электрокардиограммы. // Зарубежная радиоэлектроника. 1996. № 1. С.38-44.

5. Censi F, Calcagnini G, Triventi M, Mattei E, Bartolini P, Corazza I, Boriani G. Effect of high-pass filtering on ECG signal on the analysis of patients prone to atrial fibrillation// Ann 1st Super Sanita. - 2009, Vol. 45(4) P:427-431.

6. Daqrouq K. ECG baseline wandering reduction using discrete wavelet transform// Asian J. Inf. Technol. - 2005. Vol. 4. P:989-995.

7. Liu H., Yu L. Toward integrating feature selection algorithms for classification and clustering // IEEE Trans. on Knowl. and Data Eng. 2005. Vol. 17 (4). P. 491-502.

8. Monasterio V., Laguna P., Martinez J. P. Multilead analysis of t-wave alternans in the ecg using principal component analysis // IEEE Trans-act. on Biomed. Eng. 2009. Vol. 56 (7). P. 1880-1890.

9. Principal component analysis in ecg signal processing / F. Castells, P. Laguna, A. Bollmann et al. // EURASIP J. Appl. Signal Process. 2007. Vol. 2007. Is. 1. P. 98-98.

10. Weighted-pca for unsupervised classification of cardiac arrhythmias / J. L. Rodriguez-Sotelo, E. Delgado-Trejos, D. H. Peluffo-Ordonez et al. // EMBC. 2010 Ann. Int. Conf. of the IEEE, 2010. P. 1906-1909.

11. The effects of EEG data transformations on the solution accuracy of principal component analysis / J. E. Arruda, H. A. McGee, H. Zhang, C. J. Stanny // Psychophysiology. 2011. Vol. 48 (3). P. 370-376.

12. Accuracy of assess-32ment of cardiac vagal tone by heart rate variability in normal subjects / J. Hayano, Y. Sakakibara, A. Yamada et al. // Am. J. of Card. 1991. Vol. 67 (2). P. 199-204.

13. Dimensions of respiratory symptoms in preschool children: Population-based birth cohort study / J. A. Smith, R. Drake, A. Simpson et al. // Am. J. Respir. Crit. Care Med. 2008. Vol. 177 (12). P. 1358-1363.

14. Principal component analysis based backpropagation algorithm for diagnosis of peripheral arterial occlusive diseases / S. Karamchandani, U. B. Desai, S. N. Merchant, G. D. Jindal // CCECE, IEEE. P. 482-485.

15. Zhang L.-J., Li Z.-J., Chen H.-W. An effective gene selection method based on relevance analysis and discernibility matrix // Advances in Knowledge Discovery and Data Mining / Eds: Z.-H. Zhou, H. Li, Q. Yang. Vol. 4426 of Lecture Notes in Computer Science, Berlin; Heidelberg; Springer 2007. P. 10881095.

16. Mangasarian O. L., Kou G. Feature selection for nonlinear kernel support vector machines // Proc. Seventh IEEE Int. Conf. Data Mining Workshops, ICDMW 07, IEEE Computer Society. Washington, DC, USA, 2007. P. 231-236.

17. De-Chazal P., O'Dwyer M., Reilly R. Automatic classification of heartbeats using ecg morphology and heartbeat interval features // IEEE trans. on biomed. eng. 2004. Vol. 51 (7). P. 1196-1206.

18. Detection of obstructive sleep apnea in ecg recordings using time-frequency distributions and dynamic features / A. Quiceno-Manrique, J. Alonso-Hernandez, C. Travieso-Gonzalez et al. // EMBC. Ann. Inter. Conf. of the IEEE. 2009. P. 5559-5562.

19. Clustering ecg complexes using hermite functions and self-organi-singmaps / M. Lagerholm, C. Peterson, G. Braccini et al. // IEEE trans. on. Biomed. 2000. Vol. 48. P. 838-847.

20. Unsupervised classification of ventricular extrasystoles using bounded clustering algorithms and morphology matching / D. Cuesta, M. Biagetti, R. Quin-teiro et al. // Med. Biol. Eng. Comp. 2007. Vol. 45 (3). P. 229-239.

21. Unsupervised feature relevance analysis applied to improve ECG heartbeat clustering / J. L. Rodríguez-Sotelo, D. Peluffo-Ordonez, D. Cuesta-Frau, G. Castellanos-Domínguez // Comp. Meth. Prog. Biomed. 2012. Vol. 108. Is. 1. Oct. P. 250-261.

22. Wavelet transform feature extraction from human ppg, ecg, and eeg signal responses to elf pemf exposures: A pilot study // Dig. Sign. Proc. 2008. Vol. 18 (5). P. 861-874.

23. Rodríguez-Sotelo J., Cuesta-Frau D., Castellanos-Domínguez G. Unsupervised classification of atrial heartbeats using a prematurity index and wave morphology features // Med. Biol. Eng. Comp. 2009. Vol. 47 (7). P. 731-741.

24. Laguna P., Sornmo L. Bioelectrical signal processing in cardiac and neurological applications. 2005. Vol. 1.

25. Красичков А. С. Методы обработки биологических сигналов в условиях сложной сигнально-помеховой обстановки СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2015. 180 с.

26. Arvinti B, Toader D, Costache M, Isar A: Electrocardiogram baseline wander removal using stationary wavelet approximations. 12th International Conference on Optimization of Electrical and Electronic Equipment 2010, P:890-895.

27. Jané R., Laguna P., Thakor N.V., Caminal P. Adaptive baseline wander removal in the ECG:Comparative analysis with cubic spline technique// Computers in Cardiology. - 1992, P:143-146.

28. Устройство для снижения шума в сигнале ЭКГ плода (заявка РФ № 2001121142, А61В 50444, опублик. 2003.05.20).

29. Способ устранения дрейфа изолинии электрокардиосигнала и устройство для его осуществления (патент РФ № 2251968 от 20.05.2005) Михеев А. А., Нечаев Г. И. приоритет 23.09.2003.

30. Пат. РФ № 2417050. Устройство устранения дрейфа изоэлектрической линии электрокардиосигнала / Панько С. П., Мишуров А. В. Опубл. 27.04.2011.

31. Мельник О.В., Михеев А.А., Нечаев Г.И. Выделение дрейфа изолинии электрокардиосигнала. //Биомедицинские технологии и радиоэлектроника. 2005. № 1-2. С.26-30.

32. Пат. РФ № 2436502. Способ устранения дрейфа изоэлектрической линии электрокардиосигнала и устройство для его осуществления Мельник О. В., Михеев А. А., Штрунова Н. С. Опубл. 20.12.2011.

33. Алгоритмы устранения дрейфа изолинии электрокардиосигнала на основе преобразования его спектра тема диссертации и автореферата по ВАК 05.11.17, кандидат технических наук Блинов Павел Александрович, 2011, кандидатская диссертация, Рязань, Специальность: Приборы, системы и изделия медицинского назначения, 151 с.

34. N. Siddiah, T. Srikanth and Y. Satish Kumar. Nonlinear filtering in ECG signal enhancement//International Journal of Computer Science and Communication Networks, - 2012. Vol 2(1), p 134-139, 2012

35. Farhang-Boroujeny, B. Adaptive Filters- Theory and applications. John Wiley and Sons, Chichester, UK, 1998.

36. Manpreet Kaur, Birmohan Singh, Seema. Comparisons of different approaches for removal of baseline from ECG signal/ 2nd International Conference and workshop on Emerging Trends in Technology (ICWET) 2011, Proceedings published by International Journal of Computer Applications (IJCA)

37. Rabbani H, Mahjoob MP, Farahabadi E, Farahabadi A, Dehnavi AM. Ischemia detection by electrocardiogram in wavelet domain using entropy measure// Journal of Research in Medical Sciences 2011, Vol. 16(11) P:1473-1482.

38. Lemire D, Pharand C, Rajaonah J, Dube B, LeBlanc AR. Wavelet time entropy, T wave morphology and myocardial ischemia// IEEE Transactions on Biomedical Engineering 2000, Vol. 47(7) P:967-970.

39. Pang L, Tchoudovski I, Braecklein M, Egorouchkina K, Kellermann W, Bolz A. Real time heart ischemia detection in the smart home care system// Proceedings IEEE Engineering Medicine Biology Society 2005, P:3703-3706.

40. Tonekabonipour H, Emam A, Teshnelab M, Shoorehdeli MA. Ischemia prediction via ECG using MLP and RBF predictors with ANFIS classifiers. Seventh International Conference on Natural Computation 2011, P:776-780.

41. Stamkopoulos T, Diamantaras K, Maglaveras N, Strintzis M. ECG analysis using nonlinear PCA neural networks for ischemia detection// IEEE Transactions on Signal Processing 1998, Vol. 46(11) P:3058-3067.

42. Maglaveras N, Stamkopoulos T, Pappas C, Strintzis MG. An adaptive backpropagation neural network for real-time ischemia episodes detection: development and performance analysis using the European ST-T database// IEEE transactions on bio-medical engineering 1998, Vol. 45 P:805-813.

43. Afsar FA, Arif M, Yang J. Detection of ST segment deviation episodes in ECG using KLT with an ensemble neural classifier// Physiological measurement 2008, Vol. 29(7) P:747-760.

44. Papaloukas C, Fotiadis DI, Likas A, Michalis LK. An ischemia detection method based on artificial neural networks// Artificial Intelligence in Medicine 2002, Vol. 24(2) P:167-178.

45. Faganeli J, Jager F. Automatic distinguishing between ischemic and heart-rate related transient ST segment episodes in ambulatory ECG records// Computers in Cardiology 2008, P:381-384.

46. Exarchos TP, Tsipouras MG, Exarchos CP, Papaloukas C, Fotiadis DI, Michalis LK. A methodology for the automated creation of fuzzy expert systems for ischaemic and arrhythmic beat classification based on a set of rules obtained by a decision tree// Artificial Intelligence in Medicine 2007, Vol. 40(3) P:187-200.

47. Murugan S, Radhakrishnan S. Rule Based Classification Of Ischemic ECG Beats Using Ant-Miner// International Journal of Engineering Science and Technology 2010, Vol. 2(8) P:3929-3935.

48. Bakhshipour A, Pooyan M, Mohammadnejad H, Fallahi A. Myocardial ischemia detection with ECG analysis, using Wavelet Transform and Support Vector Machines. In. 17th Iranian Conference of Biomedical Engineering (ICBME) 2010. P:1-4.

49. J. Park, W. Pedrycz, and M. Jeon. Ischemia episode detection in ECG using kernel density estimation, support vector machine and feature selection// Biomedical engineering online. - Jan. 2012. - Vol. 11. P. 30.

50. Мельник О.В., Михеев А.А. Интегральный подход к оценке параметров ST-сегмента электрокардиосигнала// Биомедицинские технологии и радиоэлектроника. 2003. №5. С. 8-11.

51. Мельник О.В., Михеев А.А. Выбор базисных функций для выявления информативных параметров ST-сегмента электрокардиосигнала// Вестник РГРТА. Вып. 12. Рязань, 2003. С. 56-59.

52. Rangayyan R. M. Biomedical signal analysis. University of Calgary, Canada IEEE Press, Wiley-Interscienc 2002. 439 p.

53. Кардиомониторы - аппаратура непрерывного контроля ЭКГ: Учеб. пособие для вузов / под ред. Барановского А. Л., Немирко А. П. - М.: Радио и связь, 1993. - 248 с.

54. J. Barry, S. Campbell, E.J. Nabel, K. Mead, and A.P. Selwyn. Ambulatory monitoring of the digitized electrocardiogram for detection and early warning of transient myocardial ischemia in angina pectoris //Am. J. Cardiol. -1987. - Vol.60. - P.483-488.

55. Y. Goletsis, C. Papaloukas, D.I. Fotiadis, A. Likas, and L.K. Michalis. Automated ischemic beat classification using genetic algorithms and multicriteria decision analysis //IEEE Trans. Biomed. Eng. - 2004. - Vol.51. - P. 1717-1724.

56. R. Silipo, A. Taddei, and C. Marchesi. Continuous monitoring and detection of ST-T changes ischemic patients //in Proc. IEEE Comput. Cardiol. -1994. - P.225-228.

57. C. Papaloukas, D.I. Fotiadis, A. Likas, A.P. Liavas, and L.K. Michalis. A knowledge-based technique for automated detection of ischemic episodes in

long duration electrocardiograms //Med. Biol. Eng. Comput. - 2001. - Vol.39. -P.105-112.

58. C. Papaloukas, D.I. Fotiadis, A. Likas, C.S. Stroumbis, and L.K. Michalis. Use of a novel rule-based expert system in the detection of changes in the ST segment and T wave in long duration ECGs //J. Electrocardiol. - 2002. -Vol.35. - P.27-34.

59. Милева К.Н. Разработка и исследование методов автоматического анализа ST сегмента электрокардиограммы в реальном масштабе времени. Диссертация на соискание ученой степени кандидата технических наук. - Л.: ЛЭТИ, 1989. - 261 с.

60. Немирко А.П., Манило Л. А., Милева К.Н. Алгоритмы измерения и анализа параметров ST-сегмента ЭКС для систем автоматического наблюдения за состоянием человека //Вопросы кибернетики. - 1991. - Вып. 164. - C.127-141.

61. R. Avent and J. Charlton. A critical review of trend-detection methodologies for biomedical systems //Crit. Rev. Biomed. Eng. - 1990. - Vol.17. - P.621-659.

62. D. Calvelo, M.C. Chamdrin, D. Pomorski, and P. Ravaux. Toward symbolization using data-driven extraction of local trends for ICU monitoring //Artif. Intell. Med. - 2000. - Vol.1-2. - P203-223.

63. I. Haimowitz, P.L. Phillip, and I. Kohane. Clinical monitoring using regression-based trend templates //Artif. Intell. Med. - 1995. - Vol.7. - P473-496.

64. M. Emdin, A. Taddei, M. Varanini, M. Raciti, S. Pola, C. Marchesi, and A. L'Abbate. Electrocardiographic and signal monitoring in ischemic heart disease: State of the art and perspective //J. Proc. Med. Eng. Technol. - 1997. -Vol.21. - P.162-165.

65. L. Senhadji, G. Carrault, J. J. Bellanger, and G. Passariello. Comparing wavelet transforms for recognizing cardiac patterns //IEEE Eng. Med. Biol. Mag. -1995. - Vol.14. - P.167-173.

66. Гусаров Г.В., Тихоненко В.М., Морошкин В.С. и др. Разработка портативного носимого устройства, предназначенного для ранней диагностики и оперативной сигнализации о развитии ишемических изменений в миокарде / Заключительный отчет основного плана НИР Лен. НИИ кардиологии по теме 012 / М-во здравоохранения РФ. Лен. НИИ кардиологии. - Л., 1990. - 22 с. Отв. исп. Гусаров Г.В.

67. Красичков А.С. Метод построения индивидуальных алгоритмов для мониторинговых устройств с выработкой сигнала тревоги пациенту с ишемической болезнью сердца// Биомедицинская радиоэлектроника 2011, Москва, № 5 C. 12-17.

68. Богачев М. И., Каюмов А.Р. Красичков А. С., Маркелов О.А. Математические методы выявления регулярных и статистических закономерностей в биомедицинских и экологических данных большого объема СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2013. 152 с.

69. Красичков А.С., Нифонтов Е.М., Иванов В.С. Алгоритм сортировки кардиокомплексов для анализа длительных записей электрокардиосигнала// Биомедицинская радиоэлектроника 2011, Москва, № 11 С. 24-28.

70. Красичков А. С. Мобильая система тревожной сигнализации для больных ишемической болезнью сердца// Биотехносфера №5, 2015, стр. 7176

71. Аникин А. П, Красичков А. С., Григорьев Е. Б., Виноградов А. И., Железняк Е.И. Система персонального мониторинга и дистанционной диагностики состояния здоровья пациента на основе стандарта беспроводной связи ZigBee// Известия ВУЗов России - Радиоэлектроника, 2013, № 3. - С. 23-29.

72. Красичков А.С., Аникин А.П. Система персонального мониторинга и дистанционной диагностики состояния здоровья пациента с возможностью подачи тревожного сигнала// Известия ВУЗов России - Радиоэлектроника. Вып. 3. 2011. С. 30-41.

73. Богачев М.И., Красичков А.С., Пыко С.А., Ульяницкий Ю.Д. Концепция построения устройств обработки кардиоинформации на базе микроЭВМ // Известия СПбГЭТУ «ЛЭТИ», СПб.,2003, стр. 21-25.

74. Ульяницкий Ю.Д, Малых Ю.А., Красичков А.С., Богачев М.И., Смирнов Б.И., Иванов В.С. Принципы построения модульной системы для электрофизиологических исследований// Известия ВУЗов России -Радиоэлектроника, 2010, № 6.с С. 18-22.

75. Романов С.В. Принятие решений в медико-биологическом эксперименте. - Л.: ЛЭТИ, 1988. - 60 с.

76. Генкин А.А. Новая информационная технология анализа медицинских данных. - СПб.: Политехника, 1999. -191 с.

77. T. O'Carrol. Survey of alarms in an intensive therapy unit //Anaesthesia. - 1986. - Vol.41. - P.742-744.

78. J. Beneken and J. Van der AA. Alarms and their limits in monitoring //J. Clin. Monitoring. - 1989. - Vol.5. - P.205-210.

79. S. Lawless. Crying wolf: false alarms in a pediatric intensive care unit //Crit. Care Med. - 1994. - Vol.22. - N.6. - P.981-985.

80. T. Sukuvaara, E. Koski, A. Makivirta, and A. Kari. A knowledge-based alarm system for monitoring cardiac operated patients - technical constructio and evaluation //Int. J. Clin. Monitoring Computing. - 1993. - Vol.10. - P.117-126.

81. E. Koski, T. Sukuvaara, A. Makivirta, and A. Kari. A knowledge-based alarm system for monitoring cardiac operated patients - assessment of clinical performance //Int. J. Clin. Monitoring Computing. - 1994. - Vol.11. - P.79-83.

82. K. Becker, B. Thull, H. Kasmacher-Leidinger, J. Stemmer, G. Rau, G. Kalff, and H.-J. Zimmermann. Design and validation of an intelligent patient monitoring and alarm system based on a fuzzy logic process model //Artif. Intell. Med. - 1997. - Vol.11. - P.33-53.

83. M. Imhoff, M. Bauer, U. Gather, and D. Lohlein. Statistical pattern detection in univariate time series of intensive care on_line monitoring data //Intensive Care Med. - 1998. - Vol.24. - P.1305-1314.

84. S. Charbonnier, G. Becq, and L. Biot. On-line segmentation algorithm for continuously monitored data in intensive care unit //IEEE Trans. Biomed. Eng.

- 2004. - Vol.51. - P.484-491.

85. A. Makivirta, E. Koski, A. Kari, and T. Sukuvaara. The median filter as a preprocessor for a monitor limit alarm system in intensive care //Comput. Meth. Programs Biomed. - 1991. - Vol.34. - P.139-144.

86. Jose Garcia, Magnus Astrom, Javier Mendiv, Pablo Laguna, and Leif Sornmo. CG-based detection of body position in ischaemia monitoring //IEEE Transactions on biomedical engineering. - 2003. - Vol.50. - N.6. - P.677-683.

87. Власов Т.Д., Нифонтов Е.М., Галагудза М.М. Ишемия-реперфузия миокарда: повреждение и адаптация. - СПБ.: Министерство здравоохранения Российской Федерации, 2003. - 72 с.

88. Красичков А.С. Алгоритм индивидуального мониторинга кардиосигнала пациента с ишемической болезнью сердца// Известия ВУЗов России - Радиоэлектроника, 2011, № 1. - С. 50-62.

89. Красичков А.С., Нифонтов Е.М., Ульяницкий Ю.Д. Результаты испытания индивидуального алгоритма предупреждения эпизодов ишемии // Материалы 60-й НТК НТОРЭС им. А.С. Попова. - СПб. - 2005. - С.206-207.

90. Красичков А.С. Статистическая модель кардиосигнала для здорового человека //Материалы 60-й НТК НТОРЭС им. А.С. Попова. - СПб.

- 2005. - С.19-20.

91. Аникин В.В., Гасилин В.С. Клинико-функциональные критерии трудоспособности и особенности профессиональной реабилитации больных со стенокардией //Кардиология. - 1990. - N4. - C.64-68

92. Остроумова О.Д., Мамаев В.И., Ищенко К.А., Шорикова Е.Г. Фармакоэкономические аспекты применения в-блокаторов при артериальной гипертонии и сердечной недостаточности //Кардиология. - 2003. - N5. -C.87-96.

93. Красичков А.С., Гусаров Г.В. Критерий качества автономного устройства для предупреждения о наступлении эпизодов ишемии миокарда у

больных ишемической болезнью сердца //Вестник аритмологии. - 2004. -Прил. А. - N.35. - С.221.

94. Красичков А.С., Гусаров Г.В. Процесс диагностики и лечения как статистическая задача решения // Вестник аритмологии. - 2004. - Прил. А. -N.35. - С.222.

95. Л. Шметтерер. Введение в математическую статистику. - М.: Наука, 1976. - 520 с.

96. Э. Леман. Проверка статистических гипотез. - М.: Наука, 1964. -

498с.

97. Чернов Г., Мозес Л. Элементарная теория статистических решений.

- М.: «Советское радио», 1962, - 405 с.

98. Радиотехнические системы / Под ред. Казаринова Ю.М. - М.:Высш. шк., 1990. - 496 с.

99. Мельник О.В. Методы и технические средства для ранней диагностики нарушений в деятельности сердечно-сосудистой системы. Автореф. дис. докт. техн. наук/ РГРТУ. Рязань, 2015.

100. Орлов В.Н. Руководство по электрокардиографии. - М.: Медицина, 1999. - 560 с.

101. Д. Морман, Л. Хеллер. Физиология сердечно-сосудистой системы.

- СПБ.: Питер, 2000. - 250 с.

102. Баранов С.В., Евлахов В.И., Пуговкин А.П. Физиология сердца. -СПБ.: СпецЛит, 2001. - 140 с.

103. Титомир Л.И., Рутткай-Недецкий И., Бахарова Л. Комплексный анализ электрокардиограммы в ортогональных отведениях. - М.: Наука, 2001. - 237 с.

104. Кулешов Э.В., Тихоненко В.М., Медведев М.М. Стенокардия (справочное пособие). - СПБ.: Инкарт, 2000.- 79 с.

105. Гусаров Г.В., Морошкин В.С., Цай Н.В. Метод суточной регистрации и автоматического анализа электрокардиограммы человека с

использованием отечественного аппаратурного диагностического комплекса «ИКАР» (методические рекомендации). - Ленинград, 1991. - 23 с.

106. Bert-Uwe Kohler, Reinhold Orglmeister, Carsten Hennig. The Principles of Software QRS Detection IEEE, Engineering in Medicine and Biology, 2002, N2. - p. 42-57.

107. Hogan N., Mann R. W. Myoelectric signal processing: Optimal estimation applied to electromyography-Part I: Derivation of the optimal myoprocessor //IEEE Transactions on Biomedical Engineering. - 1980. - №. 7. -С. 382-395.

108. Злочевский М.С. Обработка электрокардиограмм методом сплайн-функций// Новости мед. техники. 1983. Вып. 1. С18-20.

109. Meyer C. R., Keiser H. N. Electrocardiogram baseline noise estimation and removal using cubic splines and state-space computation techniques// Comput. Biomed. Res. 1977. Vol. 10. P/ 459-470.

110. Ahlstrom M.L. And Tompkins W.J. Digital filters for real-time ECG signal processing microprocessors //IEEE Trans. Biomed. Eng. - 1985. - N.32. -P.708-716.

111. Андреева О.М., Богачев М. И., Красичков А. С., Пыко С. А., Ульяницкий Ю. Д. Информационное обеспечение оперативной диагностики функционального состояния сердечно-сосудистой системы человека. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2009. 152 с

112. Красичков А.С., Фролова Е.В., Акулов А.Н. Статистический подход к синтезу алгоритма обнаружения QRS-комплекса для многоканальных записей электрокардиосигнала// Биомедицинская радиоэлектроника 2012, Москва, № 1 С. 53-57.

113. Ф. В. Игнатьев, А. С. Красичков «Исследование влияния длительности опорного сигнала на эффективность корреляционного алгоритма выделения QRS - комплекса» 64 научная конф. им. Попова, СпБ., апрель 2009.

114. Ф. В. Игнатьев, А. С. Красичков «Синтез алгоритма обнаружения QRS комплекса с учетом индивидуальных особенностей пациента» 64 научная конф. им. Попова, СпБ., апрель 2009

115. А. С. Красичков, А.Л. Кривошеенко «Синтез алгоритма обнаружения QRS комплекса для многоканальных записей электрокардиосигнала» 65 научная конф. им. Попова, СпБ., апрель 2010

116. А. С. Красичков, А.Л. Кривошеенко «Исследование влияния опорных сигналов на эффективность многоканального алгоритма обнаружения QRS комплекса» 65 научная конф. им. Попова, СпБ., апрель 2010

117. Бородин В.П., Манило Л.А., Немирко А.П. Автоматический вывод грамматики для распознавания структурных элементов биомедицинских сигналов //Изв. ГЭТУ. - 1994. - Вып.466. - С.12-17.

118. Заславская О. М. Кумулянтные методы анализа случайных потоков (на примере исследования вариабельности сердечного ритма). Диссертация на соискание ученой степени кандидата технических наук. -СПб.: «ЛЭТИ», 2001, - 193 с.

119. Калиниченко А.Н. Алгоритм обнаружения желудочкового комплекса ЭКГ //Изв. ГЭТУ. - 1990. - Вып.428. - С.50-55.

120. Freisen G.M., Jannett T.C., Manal Afify Jadallah, Yates S.L., Quint S.R., Troy N.H. A Comparison of Noise Sensitivity of Nine QRS Detection Algorithms //IEEE Trans. Biomed. Eng. - 1990. - Vol.37. - N.1. - P.85-98.

121. Баевский Р.М., Иванов Г.Г., Чирейкин Л.В. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем //Вестник аритмологии - 2001. - N.24. -C.65-86.

122. Анджей Дабровски, Барбара Добровски, Ричард Пиотрович. Суточное мониторирование ЭКГ. - М.: Медпрактика, 2000. - 208 с.

123. Бутаев Т.Д., Трешкур Т.В., Овечкина М.А., Порядина И.И., Пармон Е.В. Врожденный и приобретенный синдром удлиненного интервала QT. Учебно-методическое пособие. - СПБ.: ИНКАРТ, 2002. - 48 с.

124. Esther Pueyo, Peter Smetana, Pere Caminal, Antonio Bayes de Luna, Marek Malik and Pablo Laguna. Characterizatio of QT interval adaptation to RR interval changes and its use as a risk-stratifier of arrhythmic mortality in amiodarone-treated survivors of acute myocardial ifarction //IEEE Trans. Biomed. Eng. - 2004. - Vol.51. - N.9. - P.1511-1520.

125. Макс Шальдах. Элекгрокардиотерапия. - СПБ., 1992. - 255 с.

126. Баум О.В., Попов Л.А., Волошин В.И., Муромцева Г.А. QT -дисперсия: модели и измерения //Вестник аритмологии - 2000. - N.20. - C.6-18.

127. Баум О.В., Попов Л.А., Волошин В.И., Муромцева Г.А. Дисперсия интервала QTA. Аналог или альтернатива QT - дисперсии? //Вестник аритмологии. - 2002. - N.29. - C.10-19.

128. Киреенков И.С., Красичков А.С., Нифонтов Е.М. Определение индивидуальной зависимости между временными параметрами электрокардиограммы //Вестник аритмологии. - 2004. - Прил. С. - N.35. - С.33.

129. Богачев М.И., Красичков А.С. Экспериментальное исследование временных параметров электрокардиосигнала //Материалы 59-й НТК НТОРЭС им. А.С. Попова. - СПб. - 2004. - С. 194-195.

130. Богачев М.И., Заславская О.М., Красичков А.С., Конради А.О., Пыко С. А., Ульяницкий Ю.Д. Кумулянтные методы анализа вариабельности сердечного ритма //Сб. мат. Конгресса ассоциации кардиологов СНГ «Фундаментальные исследования и прогресс в кардиологии». - СПб. - 2003. - С.32.

131. Андрианов А.Б., Богачев М.И., Заславская О.М., Красичков А.С., Пыко С.А., Ульяницкий Ю.Д. Нелинейные методы анализа случайных потоков (на примере исследования вариабельности сердечного ритма) //Материалы 5-й международной конференции «Радиоэлектроника в медицине». - М. - 2003.

132. Богачёв М.И., Громова К.Е., Клионский Д.М., Красичков А.С., Команцев В.Н., Малых Ю.А., Маркелов О.А., Пыко С.А., Рамаданов В.С.,

Соколова А. А., Ульяницкий Ю.Д. Флуктуационный анализ физиологических сигналов// Известия ВУЗов России - Радиоэлектроника. Вып. 6. 2012. С. 37-45.

133. Красичков А.С., Ульяницкий Ю.Д. Форма зубцов кардиокомплекса при вариации сердечного ритма //Материалы 59-й НТК НТОРЭС им. А.С. Попова. - СПб. - 2004. - С.16-18.

134. И. Рутткай-Недецки. Проблемы электрокардиологической оценки влияния вегетативной нервной системы на сердце //Вестник аритмологии. -

2001. - N.22. - C.56-60.

135. Повзун С. А., Медведев В.П. Клиническая электрокардиография. -СПБ., 2001. - 368 с.

136. Красичков А.С. Статистические характеристики амплитудных параметров индивидуального кардиосигнала //Материалы 59-й НТК НТОРЭС им. А.С. Попова. - СПб. - 2004. - С.18-19.

137. Красичков А.С. Анализ статистических закономерностей ЭКС// Биомедицинская радиоэлектроника 2011, Москва, № 5 C. 18-23.

138. М. Дж. Кендалл, А. Стьюарт. Теория распределений. М.:Наука, т1., 1966. - 587 с.

139. Аронов Д.М., Лупанов В.П., Функциональные пробы в кардиологии. - М.: МЕДпресс-информ, 2007. - 252 с.

140. Симонова О.Н. Клинико-физиологические характеристики функциональных нарушений ограничивающих жизнедеятельность больных ишемической болезнью сердца. Диссертация на соискания ученой степени доктора медицинских наук. - СПб, 2000. - 310 с.

141. Cinca J. et al. Changes in Myocardial Electrical Impedance Induced by Coronary Artery Occlusion in Pigs With and Without Preconditioning Correlation With Local ST-Segment Potential and Ventricular Arrhythmias //Circulation. -1997. - Т. 96. - №. 9. - С. 3079-3086.

142. Ковалев Ю.Р. Кардиология в вопросах и ответах. - СПБ.: Фолиант,

2002. - 451 с.

143. Симонова О.Н., Розе Е.Н., Бондаренко Б.Б. Патофизиология кратковременной ишемии миокарда (Модель ишемической реакции) //Физиология человека. - 1998. - т.24. - N.6. - C.88-93.

144. Шулутко Б.И., Макаренко С.В. Ишемическая болезнь сердца. -СПБ.: Ренкор, 1998. - 122 с.

145. Astrand I. Exercise ECG, its prognostic significance //Adv. Cardiol. -1973. - Vol.63 - N.8. - P.142-147.

146. Симонова О.Н., Бондаренко Б.Б. Исследование влияния параметров физической нагрузки на динамику ишемической реакции у больных со стабильной стенокардией.// Кардиология. - 1991. - т. 31. - N.5. -C.14-16.

147. Kardash M., Elamin M.S., Mary S., Whitaker W. The slope of ST segment// HR relationship during exercise in the prediction of severity of coronary artery disease //Europ. Heart J. - 1982. - Vol.3. - N.5. - P.449-458.

148. Yokoyama Y., Tanabe K., Yamamoto A., Oya M., Murabayashi T., Suzuki N., Nakayama M., Osada N., Yamamoto M., Omiya K., Itoh H. Relationship between ischemic ST depression and oxygen uptake kinetics during ramp exercise test in patients with effort angina //J. Cardiol. - N - Vol.27 - N.5. -P.241-246.

149. Шакин В.В. Вычислительная электрокардиография. - М.: Наука, 1981. - 167 с.

150. Съем и обработка биоэлектрических сигналов / Под ред. проф. К. В. Зайченко СПб.: Изд-во СПбГУАП, 2001. 140 с.

151. Lander P., Berbari E.J., Rajagopalan C.V., Vatterott P., Lazzara R. Critical analysis of the signal-averaged electrocardiogram. Improved identification of late potentials//Circulation. - 1993 - Jan; N 87(1). - P. 105-17.

152. Denniss AR, Ross DL, Richards DA, Cody DV, Russell PA, Young AA, Uther JB. Effect of antiarrhythmic therapy on delayed potentials detected by the signal-averaged electrocardiogram in patients with ventricular tachycardia after acute myocardial infarction//Am J Cardiol. - 1986 - Vol.58. - P:261-265

153. Kanovsky MS, Falcone RA, Dresden CA, Josephson ME, Simson MB: Identification of patients with ventricular tachycardia after myocardial infarction: Signal-averaged electrocardiogram, Holter monitoring, and cardiac catheterization//Circulation. - 1984. - Vol. 70. - P:264-270.

154. Buckingham TA, Ghosh S, Homan SM, Thessen CC, Redd RM, Stevens LL, Chaitman BR, Kennedy HL. Independent value of signal-averaged electrocardiography and left ventricular function in identifying patients with sustained ventricular tachycardia with coronary artery disease//Am J Cardiol. -1987. - Vol. 59. - P:568-572.

155. Kuchar DL, Thorburn CW, Sammel NL. Prediction of serious arrhythmic events after myocardial infarction: Signal-averaged electrocardiogram, Holter monitoring and radionuclide ventriculography//J Am Coll Cardiol. - 1987. - Vol. 9. - P:531-538.

156. Gomes JA, Winters SL, Stewart D, Horowitz S, Milner M, Barreca P. A new noninvasive index to predict sustained ventricular tachycardia and sudden death in the first year after myocardial infarction: Based on signal-averaged electrocardiogram, radionuclide ejection fraction and Holter monitoring//J Am Coil Cardiol. - 1987. - Vol.10. - P:349-357.

157. J. Anthony Gomes. Signal Averaged Eledrocardiography. Concepts, Methods and Applications. Springer - science + business media. 1993. P. 577.

158. Красичков А. С., Соколова А. А. Оценка точности воспроизведения кардиосигнала в процессе синхронного накопления // Изв. вузов России. Радиоэлектроника. 2010. № 6. C. 48-53.

159. Пат. РФ № 2363379. Способ представления электрокардиосигнала. Красичков А. С., Нифонтов Е. М., Киреенков И. С., Шляхто Е. В. от 10 августа 2009. Бюл. 22.

160. Коробейников А. В. Алгоритмы и комплексы программ мониторно-компьютерных систем для анализа морфологии и ритма электрокардиограмм: Автореф. дис. канд. техн. наук / ИжГТУ. Ижевск, 2004.

161. Jenkinsa J. M., Wub D., Robert C. Computer diagnosis of abnormal cardiac rhythms employing a new P-wave detector for interval measurement // Comp. Biomed. Res. 1978. Vol. 11. Is. 1, Febr. P. 17-33.

162. Красичков А.С., Соколова А. А. Алгоритм определения желудочковой экстрасистолии // Биомедицинская радиоэлектроника 2010, Москва, № 11 C. 21-26.

163. Hsia P.W., Jenkins J.M., Shimoni Y., Gage K.P., Santinga J.T., and Pitt

B. An automated system for ST segment and arrhythmia analysis in exercise radionuclide ventriculography// IEEE Trans. Biomed. Eng. - 1986. - V. 33, № 6. -P. 585-593.

164. Красичков А. С. Оценка распределения коэффициента взаимной корреляции в задаче классификации кардиокомплексов при длительном мониторировании ЭКГ // Изв. вузов России. Радиоэлектроника. 2012. № 1.

C. 28-35.

165. Красичков А. С., Григорьев Е. Б., Нифонтов Е.М. Влияние миографической помехи и дрейфа изоэлектрической линии на коэффициент корреляции при классификации кардиокомплексов // Медицинская техника. 2015, №4 (292). - С. 23-27.

166. AS Krasichkov, EB Grigoriev, EM Nifontov Influence of Myographic Interference and Isoelectric Line Drift on Correlation Coefficient in Classification of Cardiocomplexes Biomedical Engineering, November 2015, Volume 49, Issue 4, pp 220-223.

167. Alexander S. Krasichkov, Eugene B. Grigoriev, Mikhail I. Bogachev, and Eugene M. Nifontov Shape anomaly detection under strong measurement noise: An analytical approach to adaptive thresholding, Physical Review E, Vol. 92, Iss. 4 , October 2015

168. Г. Крамер. Математические методы статистики. - М.:Мир, 1975. -

648 с.

169. Пат. РФ № 2427314. Способ представления электрокардиосигнала / А. С. Красичков. Опубл. 27.08.2011. Бюл. 24.

170. Красичков А.С., Нифонтов Е.М., Фролова Е.В. Способ обработки электрокардиосигнала. Патент РФ № 2481060. Опубл. 10.05.2013.

171. Красичков А.С., Иванов В.С. Алгоритм обработки длительных записей электрокардиосигнала// Метромед-2011. Измерительные и информационные технологии в охране здоровья. Санкт-Петербург, 8-10 ноября 2011 г.

172. Пипин В.В., Рагульская М.В., Чибисов С.М. Анализ динамических моделей и реконструкций ЭКГ при воздействии космо- и географических факторов // Междунар. журн. Прикладных и фундаментальных исследований. 2009. № 5. с. 17-24.

173. Ладяев Д.А., Федосин С.А. Моделирование ЭКГ-сигнала // Информационные технологии моделирования и управления. 2006 № 6 (31). С.17-24.

174. Белоцерковский О.М., Виноградов А.В., Галатян Э.Э. и др. Способ кодирования данных ЭКГ в модели контурного и динамического анализа ЭКГ //Компьютер и мозг. Новые технологии. М.: Наука, 2005. С. 241-255.

175. Красичков А.С. Метод предварительной обработки электрокардиосигнала для задачи сортировки кардиокомплексов при длительном мониторировании // Биотехносфера. Вып. 3-4. 2012. - С. 105-109.

176. Красичков А.С., Григорьев Е.Б., Соколова А.А., Федоров А.А. Оценка отношения сигнал/помеха при обработке электрокардиосигнала// Биотехносфера. Вып. 3-4. 2012. - С. 116-118.

177. Красичков А. С. Принципы построения и базовое алгоритмическое обеспечение систем удаленного мониторинга состояния здоровья больных с нарушениями сердечно-сосудистой системы// Известия ВУЗов России -Радиоэлектроника, 2016, № 3. - С. 23-29.

178. Прудников А.П., Брычков Ю.А., Маричев О.И. Интегралы и ряды. - М.: Наука, 1981. - 797 с.

179. Красичков А.С. Алгоритм оценки дрейфа изоэлектрической линии кардиосигнала при анализе длительных мониторограмм// Известия ВУЗов России - Радиоэлектроника, 2013, № 2. - С. 25-32.

180. Красичков А. С., Григорьев Е. Б., Михайлов В. Н., Шевченко М. А. Характеристики оценки дрейфа изоэлектрической линии кардиосигнала при анализе длительных мониторограмм// Известия ВУЗов России -Радиоэлектроника, 2013, № 3. - С. 44-48.

181. Лебедев В.В., Калантар В.А., Аракчеев А.Г., Корадо И.В., Ащекин М.И., Лебедева С.В. Алгоритмы измерения длительности комплексов ЭКГ // Медицинская техника. 1998, №5. - С. 6-14.

182. Мельник О.В., Михеев А.А. Метод выделения ST-сегмента электрокардиосигнала в режиме реального времени // Биомедицинские технологии и радиоэлектроника. 2006, № 7. - С. 28-31.

183. Мельник О.В., Варнавский А.Н., Михеев А.А. Метод выделения опорной точки в каждом кардиоцикле // Биомедицинские технологии и радиоэлектроника. 2005, № 1-2. - С. 36-39.

184. Droste С. Pathophysiologie der stummen myokardischamie //Therapiewoche. - 1987. -Bd. 37. -S. 3558-3564.

185. G.T. Smith, G.G. Geary, W. Blanchard, T.H. Roelofs, W. Ruf, and J.J. McNamara, An electrocardiographic model of myocardial ischemic injury //J. Electrocardiol. - 1983. - vol. 16. - N.3. - P.223-234.

186. Peter R. Johnston, David Kilpatrick, and Chuan Yong Li. The importance of anisotropy in modeling ST segment shift in subendocardial ischaemia //IEEE Trans. Biomed. Eng. - 2001. - Vol.48. - N.12. - P.1366-1376.

187. Peter R. Johnston, David Kilpatrick. The effect of conductivity values on ST segment shift in subendocardial ischaemia.//IEEE Trans. Biomed. Eng. -2003. - Vol.50. - N.2. - P.150-158.

188. Л. Фрэнкс. Теория сигналов. - М.: Сов. Радио, 1974. - 343 с.

189. Р. Галлагер. Теория информации и надежная связь. - М.: Сов. Радио, 1974. - 719 с.

190. Возенкрафт Дж, Джекобс Ирвин. Теоретические основы техники связи. - М.: Мир, 1969.

191 Тихоненко В.М. Формирование клинического заключения по данным холтеровского мониторирования. - СПБ.: Инкарт, 2000. - 36 с.

192. Г. Ван Трис. Теория обнаружения, оценок и модуляции. - М.: Сов. Радио, 1974. - том 1. - 672 с.

193. Красичков А.С., Нифонтов Е.М., Фролова Е.В., Яруллина Д.Р. Исследование индивидуального алгоритма мониторинга кардиосигнала пациента с ишемической болезнью сердца// Биомедицинская радиоэлектроника 2012, Москва, № 1 С. 49-52.

194. Андреева О.М., Красичков А.С., Соколова А.А., Танасиенко Т.А. Имитирующая программа для проверки эффективности алгоритмов обработки электрокардиосигналов// Биотехносфера. Вып. 5-6. 2011. - С. 2-6.

195. Красичков А.С. Имитатор электрокардиосигнала. Свидетельство о государственной регистрации программы для ЭВМ № 2010611836 // Приоритет от 21.01.2010. Зарегистрировано 10.01.2010.

196. Красичков А.С., Малых Ю.А. Ульяницкий Ю.Д. Устройство регистрации биопотенциалов. Полезная модель. № 110631 от 17.06.2011.

197. Григорьев Е.Б., Красичков А.С. Программа оценки уровня миографической помехи и отношения шум/сигнал для задач обработки мониторограмм. Свидетельство о государственной регистрации программы для ЭВМ № 2013613664 // Приоритет от 26.02.2013. Зарегистрировано 12.04.2013.

198. Красичков А.С. Программа выявления эпизодов ишемии. Свидетельство о государственной регистрации программы для ЭВМ № 2013616170 // Приоритет от 14.05.2013. Зарегистрировано 27.06.2013.

199. Красичков А.С. Программа классификации кардиокомплексов. Свидетельство о государственной регистрации программы для ЭВМ № 2013616139 // Приоритет от 07.05.2013. Зарегистрировано 27.05.2013.

200. Красичков А.С., Матвеев А.В., Минченко И.С., Степанов А.И. Программа для процессора беспроводного кардиомонитора. Свидетельство о государственной регистрации программы для ЭВМ № 2013660191 // Приоритет от 05.09.2013. Зарегистрировано 28.10.2013.

201. Григорьев Е.Б., Красичков А.С., Степанов А.И. Программный комплекс для визуализации данных, принимаемых от носимого кардиомонитора на устройствах под управлением OC Android. Свидетельство о государственной регистрации программы для ЭВМ № 2015611826 // Приоритет от 10.12.2014. Зарегистрировано 06.02.2015.

202. Григорьев Е.Б., Красичков А.С., Степанов А.И. Программный комплекс преобразования формата данных ЭКГ и сопутствующих данных принимаемых от носимого кардиомонитора. Свидетельство о государственной регистрации программы для ЭВМ № 2015611191 // Приоритет от 10.12.2014. Зарегистрировано 26.01.2015.

203. Григорьев Е.Б., Красичков А.С., Степанов А.И. Программный комплекс импорта-экспорта данных мониторинга ЭКГ на устройствах под управлением OC Android. Свидетельство о государственной регистрации программы для ЭВМ № 2015611776 // Приоритет от 10.12.2014. Зарегистрировано 06.02.2015.

204. Красичков А.С. Накопитель электрокардиосигнала. Свидетельство о государственной регистрации программы для ЭВМ № 2010611834 // Приоритет от 21.01.2010. Зарегистрировано 10.01.2010.

205. Биргер И. А. Техническая диагностика. - М.: «Машиностроение», 1978, - 239 с.

Длительное мониторирование

Главным инструментом ЭКГ исследований является электрокардиограф, позволяющий регистрировать разность потенциалов между различными точками в электрическом поле сердца во время возбуждения миокарда (мышцы сердца).

Отведением в электрокардиографии называется метод измерения разности потенциалов между двумя участками поверхности тела. Различные отведения отличаются между собой, прежде всего участками тела, от которых при помощи электродов отводятся биопотенциалы.

Стандартные двухполюсные отведения, измеряют разность потенциалов между двумя точками электрического поля, удаленными от сердца и расположенными во фронтальной плоскости тела — на конечностях. Электроды накладывают на правой руке, на левой руке и на левой ноге. Эти электроды попарно подключают к электрокардиографу для регистрации I, II и III отведения. Электрод N устанавливается на правую ногу, и к нему подключается заземляющий провод. Три стандартных отведения образуют равносторонний треугольник (рис. П.1). В центре треугольника расположен электрический центр сердца, или точечный единичный сердечный диполь, одинаково удаленный от всех трех стандартных отведений. Если ЭДС сердца в какой-либо момент сердечного цикла проецируется на положительную часть оси отведения, на ЭКГ регистрируются положительные зубцы (Р, Я, Т иногда и), а если на отрицательную часть оси отведения, на ЭКГ регистрируются отрицательные зубцы (д, Б) [53].

Рисунок П.1. — Формирование отведений и расположение электродов на теле

индивидуума [1]

Усиленные отведения аУЯ, аУЬ и аУБ измеряют разность потенциалов между одной из конечностей (активным положительным электродом) и отрицательным электродом, которым является так называемый объединенный электрод [53].

Грудные отведения измеряют разность потенциалов между активным положительным электродом, установленным на грудной клетке, и отрицательным объединенным электродом. Последний образуется при соединении через сопротивления трех конечностей, объединенный потенциал которых близок к нулю [53]. Обычно регистрируется шесть грудных отведений (V - У6).

Диагностические возможности ЭКГ исследований могут быть расширены при применении некоторых дополнительных отведений. Их использование целесообразно в тех случаях, когда 12 общепринятых отведений не позволяют надежно диагностировать ту или иную патологию [53].

Обычно ЭКГ регистрируется в состоянии покоя, в течение короткого интервала времени, когда обследуемый лежит неподвижно. Однако существует ряд медицинских задач и показаний к длительному непрерывному контролю и регистрации ЭКГ в условиях, отличных от состояния покоя: условия свободного поведении человека в обычной жизни, в процессе профессиональной деятельности и т. п.

Данная методика была разработана в середине ХХ века американским биофизиком Норманом Джеффри Холтером. Обобщив многолетний опыт исследований в области регистрации электрических явлений и возможности передачи электроэнцефалограмм по радио, он разработал метод длительной регистрации электрокардиограммы в условиях свободной активности обследуемого с системой радиопередачи регистрируемого радиосигнала на магнитную ленту и последующей расшифровкой.

Современные кардиорегистраторы, предназначенные для длительного мониторирования (от нескольких часов до нескольких дней), имеют малые размеры и массу (менее 200 г), совершенно не препятствуют ведению обычного образа жизни человека, могут применяться пациентами, проходящими курс реабилитации после перенесенных тяжелых заболеваний [122].

Полученная запись просматривается на компьютере со скоростью, превышающей реальную в 60-120 раз.

Данная методика позволяет определить предельные нагрузки, прогноз заболевания, оценить трудоспособность и влияние медикаментозного лечения.

Методы обнаружения дЯЗ-комплекса

Проблема обнаружения дЯБ-комплекса была темой исследований более 30 лет. Обнаружение дЯБ-комплекса является фундаментом практически для всех автоматизированных систем обработки кардиосигнала. Я-зубец обладает наибольшей энергией в дИБ-комплексе и обычно используется для его обнаружения.

Далее приводится краткое описание принципов основных методов обнаружения на основе как ключевых работ по этой теме [52], [53], [106], так и авторского материала [112], в которых подробно представлена методология большинства существующих алгоритмов.

Методы на основе производной. Данная группа алгоритмов основана на том свойстве дЯБ-комплекса, что Я-зубец имеет максимальную крутизну фронта относительно всего кардиокомплекса. Отсюда следует, что для обнаружения дЯБ-комплекса можно использовать его характерный крутой склон. Разностное уравнение наиболее часто используемого дифференцирующего фильтра имеет вид

Ур1 (г) = У(г +!)" У(г-1)• Некоторые алгоритмы используют вторую производную, которая может быть определена по формуле

Ур2 (* ) = У (* + 2)-2 у (I) + у (I - 2).

Решающими статистиками Ж (г) данных алгоритмов могут быть:

- дифференцированный входной сигнал:

Ж (г) = Ур1 (г), (П.1)

- линейная комбинация значений первой и второй производной, например:

ж (г ) = 1.3 уР1 (г )| +1.1 Ур2 (г )|.

дЯБ-комплекса обнаруживается сравнением решающей статистики с порогом. Обычно пороговые уровни вычисляются в зависимости от сигнала так, что возможна адаптация к изменяющимся параметрам сигнала. Например, для решающей статистики (П.1) порог может быть вычислен как взвешенное максимальное значение текущего сегмента сигнала

Ж п = 0.3...0.4тах[Ж (г)]. Большинство детекторов дЯБ-комплекса использует данный метод определения порогов или подобный ему.

Методы, основанные на цифровых фильтрах. На первом этапе обработки в данных методах осуществляется предварительная фильтрация сигнала с целью улучшения условий обнаружения ОЯБ-комплекса с помощью подавления высокочастотных и низкочастотных помех. Вторым этапом является дальнейший анализ особенностей сигнала, присущих только ОЯБ-комплексу, например, крутизна склонов Я-зубца, амплитуда, ширина, которые могут быть выделены с помощью оператора производной, последующим возведением в квадрат и интегрированием в окне с длительностью, пропорциональной ширине ОЯБ-комплекса [2].

Так, одним из первых алгоритмов обнаружения ОЯБ-комплекса на основе цифровой фильтрации был алгоритм Пана-Томпкинса. Этот алгоритм состоит из следующей последовательности фильтров и методов: фильтр нижних частот, фильтр верхних частот, оператор производной, возведение в квадрат, интегрирование, адаптивная пороговая процедура и процедура поиска. Пороговая процедура в алгоритме Пана-Томпкинса адаптируется к изменениям в сигнале ЭКГ путем вычисления скользящих оценок пиков, связанных с сигналом и шумом. Если пик превышает порог № 1 во время первого шага анализа, он классифицируется как пик ОЯБ-комплекса. Если используется процедура обратного поиска, то данный пик, для того чтобы быть названным ОЯБ-комплексом, должен быть выше порога № 2. После того как обнаружен очередной пик, уровни порогов обновляются. Также алгоритм Пана-Томпкинса постоянно обновляет две средние величины ЯЯ-интервала: среднее для восьми последних кардиокомплексов и среднее для восьми последних кардиокомплексов с синусовым ритмом. На основании данных средних величин определяется предполагаемое место положения следующего кардиокомплекса (в том числе и для процедуры обратного поиска). Необходимо заметить, что предполагаемое место положения следующего кардиокомплекса также может быть определено на основании поведения ритма (ритмической структуры), что подробно изложено в разделе 2.7.

Согласованная фильтрация и алгоритмы близкие к ней. Существенной возможностью повышения эффективности работы алгоритма детекции ОЯБ-комплексов могут стать как максимально полный учет индивидуальных особенностей индивидуума, выявляемых либо на этапе предварительного обследования, либо на первых минутах регистрации кардиосигнала, так и использование нескольких каналов мониторограммы [112].

В свете вышеизложенного целесообразно положить в основу алгоритма обнаружения ОЯБ-комплекса статистическую теорию проверки гипотез. В

качестве обнаруживаемого сигнала выступает дЯБ-комплекс совместно с сегментом Рд (сегмент Рд практически всегда является изоэлектрическим, что позволяет использовать информацию о дрейфе изоэлектрической линии).

Согласно эмпирическим данным [136] можно считать, что дрейф изолинии в пределах интервала РдЯБ Трд^ ./-го канала (г) остается

неизменным £к (г) = , г е Трд^ (дрейф представляет собой медленно

меняющуюся функцию времени), однако изменяется от кардиокомплекса к кардиокомплексу по нормальному закону с нулевым математическим

ожиданием и дисперсией а2 , а миографическая помеха представляет собой

8/

нормальный случайный процесс нк. (г) с равномерной спектральной

плотностью мощности (СПМ) в полосе сигнала и может описываться моделью нормального белого шума с СПМ, равной N0/2 (см. раздел 2.2).

Таким образом, в рассматриваемой задаче, в соответствии с теорией проверки гипотез, имеют место две конкурирующие параметрические гипотезы: Н0 - гипотеза, состоящая в том, что в исследуемой реализации кардиосигнала /го канала Ук (г) дЯБ-комплекс отсутствует, т. е. Ук (г) = % (г) + ёк., Н -

гипотеза, выражающая предположение о наличии в Ук (г) дЯБ-комплекса, т. е.

для /-го канала записи Ук , (г) = пк . (г) + . (г) + £к ., где £к . (г) - сигнал

РдЯБ-сегмента для /-го канала (он же опорный). Тогда функции правдоподобия для реализации сигнала в .-м канале равны:

где N0 / - уровень миографической помехи в /-м канале, Тк . - длительность

опорного сигнала/-го канала, к - коэффициент нормировки.

Для перехода от сложных гипотез к простым необходимо усреднить функционал плотности вероятности /-го канала по параметру

(распределенному по нормальному закону). При усреднении пределы

изменения дисперсии дрейфа изоэлектрической линии можно положить стремящимися к бесконечности. Это, во-первых, гарантирует работоспособность алгоритма в условиях аномальных вариаций дрейфа, во-вторых, такая ситуация близка к реальной, так как дрейф изоэлектрической линии обычно превосходит собственные шумы аппаратуры и миографическую помеху более, чем на порядок.

В результате для .-го канала получим функции правдоподобия для двух

простых гипотез:

W

(Ж, (»V Но )=

к'

1+2

2 ^^

а2 Тк.

8] к 1

-1

—

о ]

ехр

N0 ]2

—2"+—о /к.

— I

2а

8]

Т

2

| Ук;(г)¿г

ч о

W

(Ук ] (г у Н )=к^

с

2 л а2 Т

— I

1 + 2-

ч

8. к ] -оТу

ехр

2 ¿к, - Е] -0]

х ехр

где к' = к ехр

2

-01

+ -о Т

2а2 ] ] чч 8. У

1 Тк.

--[ Ук- (г)2 ¿г

—о] о

л-1 ( Т

\ т.- •

Т

[ Ук.. (г) ¿г - \ ^. (г) ¿г

щ) ] щ) ]

х

2

У

Т

Тк ]

; Ек. = | 5к. (г)¿г - энергия опорного

] о ]

Т

± тг .

сигнала в ]-м канале; гк. = | £к (г) ук (г)¿г - корреляция реализации с

о

опорным сигналом в г-м канале.

Согласно теории проверки двух простых гипотез для нахождения решающей статистики необходимо рассчитать натуральный логарифм от отношения правдоподобия Ъ .:

1п (Ъ ] ) = 1п

W

(Ук.. (г) / Н1) (Ук. (г) / Но)

Учитывая, что миографическая помеха и дрейф изоэлектрической линии для различных каналов статистически независимы, получим итоговую решающую статистику для многоканальной записи электрокардиосигнала:

о

о

Ж

Х(Ж, ) = (2 , - ,)+

+

Х

2а2

, V + ^/оД,

т

Т/*

т

2 | ук. (г)¿г | г)¿г +

о о

т

Т/*

I 5к,(г ¥г

о

< Ж п

где Ж п - порог, который может быть определен из конкретных точностных требований функционирования алгоритма. Из данного выражения видно, что сумма:

т

т

к = -2 | ук. (г)¿г | б ,(г)¿г +

т

.2

I Я (г

о

о о

V У

по сути представляет собой компенсационную составляющую дрейфа изолинии.

На рис. П. 2 приведена блок-схема алгоритма обнаружения ОКБ-комплекса, функционирующего в соответствии с полученной статистикой. Алгоритм позволяет оптимальным образом в ограничениях данной задачи применять весовую обработку информации от различных каналов при принятии решений. Веса рассчитываются на основе энергий ОКБ-комплексов отдельных отведений конкретного пациента и оценки уровня помехи в каждом канале.

Необходимо отметить, что для обнаружения ОКБ-комплекса, при использовании сигнала с одного отведения, часто применяются упрощенные подходы. Например, электрокардиосигнал пропускается через полосовой фильтр с частотами среза 15 и 4о Гц. Согласованный фильтр синтезируется на основе следующей формулы:

N-1

Ж (г )= Х Н (к) у (г - к),

к=о

где у(г) - сигнал после предварительной фильтрации, Н(к ) - импульсная характеристика согласованного фильтра, которая может быть определена на основе первых кардиокомплексов текущей записи. Решение о наличии ОКБ-комплекса принимается на основе сравнения статистики Ж (г) с порогом.

Существует еще ряд менее используемых методов обнаружения ОКБ-комплекса (синтаксические методы, метод скрытых марковских моделей, метод трансформанты Гильберта, метод, основанный на нейронных сетях, метод на основе вейвлет-преобразования, методы, основанные на банке фильтров и др. [Юб]), рассмотрение которых не входит в задачи настоящей работы.

Рис. П.2. Блок-схема алгоритма обнаружения QRS комплекса

Относительная длительность

Рисунок П.3. - Зависимость длительностей интервалов и зубцов, в единицах интервала Q-T, в зависимости от ЧСС для пациента С-а

Относительная длительность

Рисунок П.4. - Зависимость длительностей интервалов и зубцов, в единицах интервала Q-T, в зависимости от ЧСС для пациента П-а

Амплитуда, мВ 2

1,5

0,5

;

— ЭКГ1 ЭКГ2

1 и г^ Отсчеты КС

1 26 51 76 101 126 151

-0,5

Рисунок П. 5. - Фрагменты ЭКГ пациента Б-а, записанные в разное время (частота дискретизации сигнала составляет 128 Гц)

Число исходов 250

200 150 100

мВ

1,715 1,75 1,785 1,82 1,855 Рисунок П. 6. - Полигон амплитуд И зубца пациента Б-а, полученная на основе 10- минутной записи ЭКГ

Число исходов 350

300

250

200

150

100

50

0

<эЧ 4> <оЛ А4 Л^ Л4» 9? <ЬЛ с^ ф с£>