Система тревожной сигнализации для больных ишемической болезнью сердца тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат технических наук Красичков, Александр Сергеевич

• Красичков, Александр Сергеевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Красичков, Александр Сергеевич

Список сокращений и обозначений.

ВВЕДЕНИЕ.

1. МЕТОД ПОСТРОЕНИЯ ИНДИВИДУАЛЬНЫХ АЛГОРИТМОВ ДЛЯ МОНИТОРИНГОВЫХ УСТРОЙСТВ С ВЫРАБОТКОЙ СИГНАЛА ТРЕВОГИ ПАЦИЕНТУ С ИБС.

1.1. Анализ задачи синтеза устройств тревожной сигнализации для больных ИБС.

1.2. Процесс мониторинга как статистическая задача решения.

1.3. Основные задачи исследования.

Выводы.

2. СТРУКТУРА И ПАРАМЕТРЫ КАРДИОСИГНАЛА.

2.1 Структура кардиосигнала в модифицированном отведении - У6.

2.2 .Метод измерения временных и амплитудных параметров кардиосигнала.

2.3. Временные параметры сигналов кардиокомплекса.

2.4. Амплитудные параметры сигналов кардиокомплекса.

2.5. Форма зубцов кардиокомплекса при вариации сердечного ритма.

Выводы.

3. СТАТИСТИЧЕСКАЯ МОДЕЛЬ КАРДИОСИГНАЛА.

3.1. Представление кардиосигнала совокупность случайных величин.

3.2. Усреднение условного распределения вектора коэффициентов разложения кардиосигнала по плотностям распределения амплитудных параметров и параметров дрейфа.

3.3. Статистическая модель кардиосигнала больного ИБС в различных стадиях развития кризиса.

Выводы.

4. СИНТЕЗ СТРУКТУРЫ ИНДИВИДУАЛЬНОГО АЛГОРИТМА МОНИТРИНГА И ВЫДАЧИ СИГНАЛА ТРЕВОГИ БОЛЬНОМУ ИБС.

4.1. Синтез структуры индивидуального алгоритма мониторинга кардиосигнала пациента с ИБС при отсутствии дрейфа изолинии.

4.2. Алгоритмы обработки кардиосигнала и выработки сигнала тревоги пациенту при ненулевом дрейфе изоэлектрической линии.

Выводы.

5. РЕАЛИЗАЦИЯ И ВНЕДРЕНИЕ ОСНОВНЫХ РЕЗУЛЬТАТОВ РАБОТЫ.

5.1. Реализация алгоритма обработки кардиосигнала при нулевом дрейфе изоэлектрической линии.

5.2. Реализация алгоритма обработки кардиосигнала при ненулевом дрейфе изоэлектрической линии.

5.3. Проверка эффективности алгоритма.

5.4. Возможные пути реализации результатов работы.

Выводы.

Введение диссертации (часть автореферата) на тему «Система тревожной сигнализации для больных ишемической болезнью сердца»

Последние десятилетия неотъемлемым элементом в процессе лечения больных ишемической болезнью сердца (ИБС) является мониторинг кардиосигнала пациента и выдача ему сигнала тревоги при возникновении и развитии ишемического эпизода. Необходимость таких устройств обусловлена тем, что эпизоды ишемии могут возникать без явно выраженного провоцирующего фактора, без изменения частоты сердечных сокращений (ЧСС) и не сопровождаться болевыми ощущениями в начальной стадии [1]. Развитие эпизода ишемии миокарда происходит в короткий промежуток времени (от 30 секунд до нескольких минут) и при затяжном эпизоде может вызывать тяжелые последствия для пациента: внезапная смерть, инфаркт миокарда, острая сердечная недостаточность. Поэтому необходимо своевременно определять возникновение эпизода ишемии и предпринимать экстренные меры для предотвращения кризиса (снятие нагрузки, использование соответствующего лекарства). С другой стороны, ложная тревога является мощным психотравмирующим фактором, поэтому очевидна необходимость предельного повышения достоверности вырабатываемых кардиомониторинговым устройством сигналов о появлении эпизода ишемии.

Известные российские и зарубежные устройства «Амулет», С>-Мес1 [2,3] для решения поставленной задачи используют алгоритмы обработки кардиосигнала, по сути, имитирующие действия врача. Оптимальность обработки информации такими устройствами не является доказанной. Очевидны следующие факты. Съем информации на сегменте 8Т кардиосигнала (по возникновению и росту сигнала на этом сегменте определяется наличие или отсутствие эпизода ишемии) осуществляется лишь в характерных точках [2-9], информация, сосредоточенная в иных точках сегмента, фактически игнорируется. Решение о наличии или отсутствии эпизода ишемии выносится по результатам наблюдения сигнала на сегменте 8Т текущего кардиокомплекса [3] или сигнала, усредненного на коротком интервале времени [10,11]. Однако эпизод ишемии развивается на протяжении нескольких десятков секунд, и, следовательно, кардиосигнал на всем интервале содержит информацию в пользу того или иного решения [12-14]. Поэтому вся информация, заключенная в предыстории, оказывается потерянной этими алгоритмами. В конечном счете, это снижает достоверность выдачи сигнала тревоги. Наконец, алгоритмы работы таких устройств синтезируются в расчете на широкую группу лиц и допускают подстройки к конкретным пациентам, не обеспечивающие в полной мере использование индивидуальных структурных свойств кардиосигнала, индивидуальных параметров кардиосигнала [4-9,15,16]. Это не позволяет обеспечить оптимальную обработку кардиосигнала конкретного пациента.

В современной кардиологии сложилась тенденция индивидуального подхода к лечению пациента. Индивидуальный подход позволяет получить наибольший терапевтический эффект. Однако сложившиеся практика создания устройств тревожной сигнализации различного назначения [17-20] противоречит указанной тенденции. Резервом существенного повышения достоверности выработки сигнала тревоги является индивидуальный подход к синтезу алгоритма обработки кардиосигнала с учетом структурных свойств и параметров кардиосигнала конкретного пациента. Для реализации этого направления требуется создание метода синтеза индивидуальных алгоритмов для мониторинговых устройств (МУ) наблюдения кардиосигнала и выдачи сигнала тревоги пациенту.

Научной задачей диссертационной работы является разработка системы тревожной сигнализации для больных ИБС, обеспечивающей повышение достоверности выработки сигнала тревоги при развитии эпизода ишемии за счет использования априорной информации о структуре и параметрах кардиосигнала конкретного пациента.

Решение научной задачи предполагает: 1. Исследовать структурные свойства и параметры индивидуальных кардиосигналов пациентов.

2. Дать медико-техническое обоснование метода синтеза алгоритмов обработки кардиосигнала и выдачи сигнала тревоги, позволяющего полностью использовать индивидуальные структурные свойства и значения параметров кардиосигнала конкретного пациента на интервале развития эпизода.

3. Создать статистическую модель индивидуального кардиосигнала пациента.

4. Разработать структуру индивидуального алгоритма, оптимального в условиях принятой статистической модели кардиосигнала по заданному критерию. Определить перечень параметров кардиосигнала пациента, вводимых в структуру алгоритма, для обеспечения предельной достоверности выдачи сигнала тревоги.

5. Разработать программно-алгоритмическое обеспечение для реализации алгоритма.

6. Провести экспериментальную проверку синтезированного алгоритма.

Научная задача решается методами математической статистики на основе системного подхода.

Подход основан на том, что конечным продуктом МУ является выработка или невыработка сигнала тревоги пациенту. Решение о выдаче или невыдаче сигнала тревоги принимается на основе наблюдения кардиосигнала, статистически из-за наличия помех связанного с уровнем ишемизации миокарда, который (уровень) непосредственно не наблюдается. Это -статистическая задача решения, точнее, задача проверки гипотезы об отсутствии факта критической ишемизации миокарда против альтернативы о наличии факта [21,22]. Предлагается проводить синтез алгоритма обработки кардиосигнала и вынесения решения о выдаче или невыдаче сигнала тревоги пациенту в рамках задачи проверки гипотез на основе наблюдения над кардиосигналом. В этой постановке ищется оптимальная решающая функция (то есть способ обработки кардиосигнала и правило вынесения решения по результатам обработки) по заданному критерию. Тогда поиск оптимального алгоритма обработки кардиосигнала осуществляется формальными методами математической статистики.

В результате решения научной задачи получены новые научные результаты, которые выносятся на защиту:

1. Метод синтеза индивидуального оптимального алгоритма обработки кардиосигнала пациента с ИБС для системы тревожной сигнализации, в котором алгоритм, должен находится как решающая функция в задаче проверки гипотез, в этой задаче множество из двух точек (подать или не подать сигнал тревоги) рассматривается как пространство решений, множество возможных уровней ишемизации миокарда пациента - как пространство параметра, множество возможных реализаций кардиосигнала -как выборочное пространство с установленной условной вероятностью каждой реализации при каждом возможном уровне ишемизации миокарда.

2. Статистическая модель кардиосигнала, основанная на измерении мгновенной ЧСС, положений максимумов 11-зубцов и расчета начал и длительностей всех сегментов кардиокомплексов, должна представлять собой совокупность коэффициентов разложения реализации аддитивной смеси кардиосигналов миографической помехи и дрейфа изоэлектрической линии на каждом сегменте по системе из двух ортонормальных функций, первая из которых является постоянной, вторая получена из функции, описывающей форму сигнала на соответствующем сегменте, с усреднением указанной совокупности по параметрам амплитуд зубцов и дрейфу изолинии.

3. Структура индивидуального алгоритма обработки кардиосигнала и выработки сигнала тревоги, должна содержать: модуль сегментации кардиокомплексов; блок считывания сигналов с сегментов Р0>, 8Т, ТР'; блок корреляционной обработки входной реализации из М кардиокомплексов с опорным сигналом на сегментах 8Т; модуль оценивания уровня накопленного дрейфа изоэлектрической линии; блок компенсации дрейфа изоэлектрической линии; блок выработки порога, использующий весовые коэффициенты, зависящие от вектора длительностей интервалов Я-Я и данные предварительного обследования пациента.

Основные результаты работы будут реализованы в разработках НИИ кардиологии им. В.А. Алмазова МЗ РФ и ГМУ им. акад. И.П. Павлова, Санкт-Петербург.

По результатам работы был получен грант для молодых ученых на конкурсе «Инновационные технологии» в 2005 году.

Основные результаты были представлены на семи Российских и международных научных конференциях [23-33], а также на научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ им. Ульянова~(Ленина) «ЛЭТИ» 2002-2005 гг.

По теме диссертации опубликовано 12 печатных работ.

Диссертационная работа содержит введение, пять тематических разделов, заключение, приложение и включает в себя 113 страниц текста, 27 рисунков, 5 таблиц.

Заключение диссертации по теме «Приборы, системы и изделия медицинского назначения», Красичков, Александр Сергеевич

ВЫВОДЫ.

1. Предложены варианты технической реализации алгоритмов для случаев нулевого и ненулевого дрейфов изоэлектрической линии.

2. Параметры алгоритма синтезированного для работы по сигналам с интервалов РС>, БТ, ТР7 в условиях дрейфа изоэлектрической линии проверены экспериментально.

Путем моделирования кардиосигнала, шумов и дрейфа на имитаторе исследована эффективность алгоритма при ограниченной точности определения положения максимума Я-зубца и изменении величины дрейфа изоэлектрической линии в пределах анализируемых кардиокомплексов. Установлено незначительное расширение зоны интенсивного роста вероятности выдачи сигнала тревоги пациенту.

Проведено 30000 испытаний алгоритма для нормального состояния пациента. Не зарегистрировано ни одной ложной тревоги. Это согласуется с полученными теоретическими результатами.

3. Определен перечень параметров индивидуального кардиосигнала, которые необходимо вводить в структуру алгоритма.

4. Предложено для анализа тонкой структуры кардиосигнала для различных целей диагностики использовать квазикогерентное накопление кардиосигнала. При накоплении за сутки соотношение сигнал/шум повышается в 200 - 400 раз.

5. Установлена возможность использования алгоритма в палатах интенсивной терапии.

ЗАКЛЮЧЕНИЕ.

В ходе проведенного исследования в диссертационной работе получены следующие результаты.

1. Предложено проводить поиск алгоритма обработки кардиосигнала с выдачей сигнала тревоги больному ИБС при возникновении эпизода ишемии в модели статистической задачи проверки гипотез, в которой уровень ишемизации миокарда пациента - пространство параметра, отсутствие или наличие сигнала тревоги - пространство решений, множество реализаций кардиосигнала - выборочное пространство, алгоритм обработки кардиосигнала и способ принятия решения по результатам обработки -решающая функция. Предложенный подход дает возможность сформулировать критерий оптимальности мониторинга и формальными методами математической статистики найти способ обработки кардиосигнала оптимальный по установленному критерию.

2. Путем исследования кардиосигналов пациентов установлено наличие в кардиосигнале индивидуальных зависимостей между длительностью интервала Я-Я и длительностями всех интервалов и зубцов кардиокомплекса. Установлена неизменность формы зубцов кардиокомплекса при изменении ЧСС. Найденные зависимости позволяют осуществлять квазикогерентное накопление кардиосигнала, имеющее множество практических применений: от выявления нюансов формы кардиосигнала при длительном накоплении (накопление за сутки повышает соотношение сигнал/шум в 200-400 раз) до повышения помехоустойчивости приборов наблюдения кардиосигнала различного назначения, в частности, в устройстве предупреждения о наступлении эпизода ишемии квазикогерентное накопление повышает соотношение сигнал/шум в 5 раз и более. Индивидуальные временные зависимости позволяют устанавливать фазу сердечного цикла и служить основой для комплексирования информации при использовании различных датчиков и для синхронизации различных воздействий на сердце.

3. Разработана статистическая модель кардиосигнала для нормального состояния пациента с ИБС (и для здоровых людей) и различных фаз развития эпизода ишемии. Статистическая модель кардиосигнала может служить основой для разработки устройств мониторинга состояний оператора при выполнении им сложных или опасных работ с разветвленной программой действий при возникновении критических ситуаций в сердечно-сосудистой системе оператора.

4. Определены структуры индивидуальных алгоритмов обработки кардиосигнала для кардиомониторов с выдачей сигнала тревоги пациенту при наступлении эпизода ишемии в условиях отсутствия дрейфа изоэлектрической линии и при его наличии. Показана возможность использования всех интервалов и зубцов кардиокомплекса для повышения достоверности выработки сигнала тревоги в условиях дрейфа изоэлектрической линии. Установлена целесообразность построения устройств тревожной сигнализации основанных на наблюдении только интервалов РС>, 8Т и ТР; кардиокомплексов.

5. Показано, что индивидуальный алгоритм обработки кардиосигнала с выдачей сигнала тревоги пациенту с ИБС имеет общую структуру для всех людей. Введение в эту структуру индивидуальных параметров кардиосигнала пациента позволяет получить индивидуальный алгоритм, оптимальный по установленному критерию.

6. Эффективность алгоритма обработки кардиосигнала и выдачи сигнала тревоги пациенту, основанного на наблюдении интервалов кардиокомплекса, проверена с использованием имитатора кардиосигнала. Отмечено незначительное снижение эффективности алгоритма по сравнению с теоретическим, обусловленное ограниченной точностью определения положения максимума Я-зубца и изменениями величины дрейфа изоэлектрической линии в пределах кардиокомплекса. Алгоритм прошел проверку на классифицированных суточных записях кардиограмм 9 пациентов. В этих записях алгоритм выявил все ишемические эпизоды, и не дал ни одной ложной тревоги из-за дрейфа изоэлектрической линии и миографической помехи.

Список литературы диссертационного исследования кандидат технических наук Красичков, Александр Сергеевич, 2006 год

1. Чазов Е.И. Болезни сердца и сосудов. - М.: Медицина, 1992. - Т2. - 488 с.

2. J. Barry, S. Campbell, E.J. Nabel, К. 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.

3. 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.

4. 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.

5. 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.

6. 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.

7. C. Papaloukas, D.I. Fotiadis, A. Likas, C.S. and L.K. Michalis. An ischemia detection method based on artificial neural networks //Artif. Intell. Med. 2002. - Vol. 24. - P.167-178.

8. С. 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. - P27-34.

9. Ю.Милева K.H. 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.

10. П.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. - С. 127141.

11. 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.

12. 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.

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

14. 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.

15. 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.

16. 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.

17. Т. O'Carrol. Survey of alarms in an intensive therapy unit //Anaesthesia. 1986. -Vol.41.-P.742-744.

18. E. Coiera. Intelligent monitoring and control of dynamic physiological systems //Artif. Intell. Med. 1993. - Vol.5. - P.l-8.

19. S. Uclcun. Intelligent systems in patient monitoring and therapy management a survey of research projects //Int. J. Clin. Monitoring Computing. 1994. -Vol.11. — P.241-253.

20. K. Хелстром. Статистическая теория обнаружения сигналов. М.: Изд. ин. лит., 1963.-430 с.

21. Левин Б.Р. Теоретические основы статистической радиотехники. М.: Сов. радио, 1969.-747 с.

22. Богачев М.И., Красичков А.С., Пыко С.А., Ульяницкий Ю.Д. Концепция построения устройств обработки кардиоинформации на базе микроЭВМ //Материалы 58-й НТК НТОРЭС им. А.С. Попова. СПб. - 2003. - С.205-206.

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

24. 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.

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

26. 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.

27. Красичков A.C., 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.

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

29. Красичков A.C. Статистическая модель кардиосигнала для здорового-человека //Материалы 60-й НТК НТОРЭС им. A.C. Попова. СПб. - 2005. -С.19-20.

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

31. 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.

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

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

34. Т. 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.

35. 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.ll. - P.79-83.

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

37. 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.

38. Романов C.B. Принятие решений в медико-биологическом эксперименте. -JL: ЛЭТИ, 1988. — 60 с.

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

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

41. Е.Е. Azzouz. Signals recognition. IEEE Rress, 2000.

42. Терехов C.A. Введение в байесовы сети //В сб. Всеросийской НТК «Неироинформатика-20003». М. - 2003. - 4.1.

43. Fukuda Т., Morimoto Y., Morishita S., Tokuyama Т. Constructing efficient decision trees by using optimized numeric association rules //The VLDB Journal. 1996. http://citeseer.nj.nec.com/fucuda96constructing.html.

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

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

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

47. JI. Шметтерер. Введение в математическую статистику. -М.: Наука, 1976. -520 с.

48. Э. Леман. Проверка статистических гипотез. М.: Наука, 1964. - 498с.

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

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

51. Шеповальников P.A., Немирко А.П., Калиниченко А.Н., Абрамченко В.В., Савицкий А.Г. Анализ электрокардиограммы плода во время родов. // Материалы 59-й НТК НТОРЭС им. A.C. Попова. СПб. - 2004. -С.210-211.

52. Г. Крамер. Математические методы статистики. М.:Мир, 1975. - 648 с.

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

54. Д. Морман, Л. Хеллер.Физиология сердечно-сосудистой системы. СПБ.: Питер, 2000. - 250 с.

55. Баранов C.B., Евлахов В.И., Пуговкин А.П. Физиология сердца. СПБ.: СпецЛит, 2001.- 140 с.

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

57. 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.

58. Колтун B.M., Трусов Ю.С. Селектор зубцов R электрокардиосигналов, выделяющих сигнал по геометрическим признакам //Медицинская техника.- 1983. -N.2. С.12-16.

59. Микрокомпьютерные медицинские системы. Проектирование и применение / под. ред. У. Томпкинса, Дж. Уэббстера. М.: Мир, 1983. - 541 с.

60. Колтун В.М., Лебяжьев А.Н. Селектор R-зубцов кардиосигналов с умножением амплитуды на крутизну //Медицинская техника. 1990. - N.9.- С.17-21.

61. Жуков C.B. Устройство для выделения QRS-комплексов ЭКС. A.C. N1421303 СССР //Открытия. 1988. - N.33.

62. Колтун В.М., Трусов Ю.С. Селектор зубцов R, выделяющих сигнал по геометрическим признакам //Медицинская техника. 1985. - N.3. - С.32-39.

63. Немирко А.П. и др. Автоматизированные системы для медико-биологических исследований. Л.: ЛЭТИ, 1991.-71 с.

64. Немирео А.П., Озеров С.Ю. Алгоритм сегментации ЭКС для анализа синтаксическими методами распознавания образов //Изв. ТЭТУ. 1996. -Вып.491. - С.40-43.

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

66. 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.

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

68. Freisen G.M., Jannett Т.С., 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.l. - P.85-98.

69. Баевский P.M., Иванов Г.Г., Чирейкин Л.В. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем //Вестник аритмологии 2001. -N.24. - С.65-86.

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

71. 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.

72. Макс Шальдах. Электрокардиотерапия. СПБ., 1992. - 255 с.

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

74. 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. - С.10-19.

75. Гусаров Г.В. Диагностические возможности динамической электрокардиографии. Диссертация на соискание ученой степени доктора медицинских наук. С-Пб, 1993. - 305 с.

76. И. Рутткай-Недецки. Проблемы электрокардиологической оценки влияния вегетативной нервной системы на сердце //Вестник аритмологии. 2001. -N.22. - С.56-60.

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

78. М. Дж. Кендалл, А. Стьюарт. Теория распределений. М.гНаука, т1., 1966. -587 с.

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

80. Вентцель Е.С. Теория вероятностей: Учеб. для вузов. 5-е изд. стер. - М.: Высш. шк., 1998. - 576 с.

81. Романовский П.И. Ряды Фурье. Теория поля. Аналитические и специальные функции. Преобразование Лапласа. М.: Гос. изд. физико-математической литературы, 1959. - 303 с.

82. Л. Фрэнке. Теория сигналов. М.: Сов. Радио, 1974. - 343 с.

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

84. Возенкрафт Дж, Джекобе Ирвин. Теоретические основы техники связи. -М.: Мир, 1969.

85. Двайт Г.Б. Таблицы интегралов и другие математические формулы. -М.гНаука, 1964.-228 с.

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

87. Ковалев Ю.Р. Кардиология в вопросах и ответах. СПБ.: Фолиант, 2002. -451 с.

88. Droste С. Pathophysiologic der stummen myokardischamie //Therapiewoche. -1987.-Bd. 37. -S. 3558-3564.

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

90. Peter R. Johnston, David Kilpatrick, and Oman 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.

91. 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.

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

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

94. Симонова O.H., Бондаренко Б.Б. Исследование влияния параметров физической нагрузки на динамику ишемической реакции у больных со стабильной стенокардией.//Кардиология. 1991. -т. 31. -N.5. - С.14-16.

95. Kardash М., 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.

96. Тихоненко B.M. Формирование клинического заключения по данным холтеровского мониторирования. СПБ.: Инкарт, 2000. - 36 с.

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

98. Богачев М.И., Красичков А.С., Пыко С.А., Ульяницкий Ю.Д. Концепция построения устройств обработки кардиоинформации на базе микроЭВМ //Известия СПбГЭТУ «ЛЭТИ». 2003. -N.1. - С.21-25.

99. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. - 399 с.

100. Бусленко Н.П. Метод статистического моделирования. М.: Статистика, 1970.- 109 с.

101. Относительная длительность

102. Рис. П. 1. Зависимость длительностей интервалов и зубцов, в единицах интервала С)-Т, в зависимости от ЧСС для пациента С-а.

103. Относительная длительность

104. Рис. П.2. Зависимость длительностей интервалов и зубцов, в единицах интервала СЬТ, в зависимости от ЧСС для пациента П-а.1. Амплитуда, мВ

105. Частота дискретизации сигнала составляет 128 Гц.

106. Рис. П. 3. Фрагменты ЭКГ пациента Б-а, записанные в разное время.2501,715 1,722 1,729 1,736 1,743 1,75 1,757 1,764 1,771 1,778 1,785 1,792 1,799 1,806 1,813 1,82 1,827 1,834 1,841 1,848 1,855 1,862 1,869 1,876

107. Рис. П. 4. Гистограмма амплитуд Я зубца пациента Б-а полученная на основе 10 минутной записи ЭКГ.1. Число исходов 1000900800700600500400300200100а\о° £» # # Л^ Л* Л* <ЬЧ ЯЬЛ # с? # с? ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ¿р ^ ^ ^ ^ ^ чисдо

108. Шаг квантования составляет 0,014мВ. дискретов

109. Рис. П. 5. Гистограмма распределения амплитуды Я зубца в выборке за сутки пациента О-а при ЧСС £ 62^-80. уд/мин.• ♦ • * • ♦1. Число исходов

110. Шаг квантования составляет 0,014мВ. дискретов

111. Рис. П. 6. Гистограмма распределения амплитуды Я зубца в выборке за сутки пациента О-а при ЧСС е 83-И 04. уд/мин.

112. Шаг квантования составляет 0,014мВ. дискретов

113. Рис. П. 8. Гистограмма распределения амплитуды Я зубца в выборке за сутки пациента О-а при ЧСС е 125-5-154. уд/мин.

114. Рис. П. 9. Гистограмма распределения значений выборочных коэффициентов корреляции р1} при ЧСС е 75,105. уд/мин и двухминутном интервале между измеряемыми кардиокомплексами. Пациент С-ов.

115. Выборка1 Выборка2 ВыборкаЗ Выборка4 Выборкаб

116. Измерения проведены в "уровнях дискретизации", один уровень равен 0,014мВ

117. Табл. П. 1 Средние значения и дисперсии амплитуд зубцов пациента Щ-на полученные на основе 10 минутных выборок

118. Выборка1 Выборка2 ВыборкаЗ Выборка4 Выборка5 ДИСП.

119. Зубец ЧСС МО. ДИСП. МО. ДИСП. МО. ДИСП. МО. ДИСП. МО.

120. К 75 161,17 71,01 134,58 74,76 166,69 143,24 0 0 0 0100 0 0 0 0 154,84 164,67 154,77 133,94 156,84 173,54125 0 0 0 0 0 0 0 0 152,11 219,25150 0 0 0 0 0 0 0 0 0 0

121. Измерения проведены в "уровнях дискретизации", один уровень равен 0,014мВ

122. Табл. П.4. Значение коэффициента корреляции между зубцами К и Т в случайные 10 минутные промежутки времени, для пациента П-на.