Совершенствование систем обработки кардиографической информации для диагностики инфаркта миокарда тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Рябчиков, Роман Вадимович

• Рябчиков, Роман Вадимович
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Рябчиков, Роман Вадимович

Оглавление

ПЕРЕЧЕНЬ ПРИНЯТЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ

1 .¡.Электрокардиографический способ диагностики состояния сердца

1.1.1 Генез электрокардиосигнала

1.1.2 ЭКС-признаки инфаркта миокарда

1.2 Нейросетевой анализ электрокардиосигнала

1.2.1 Искусственный нейрон и его функции активации

1.2.2. Современное состояние в области нейросетевого анализа электрокардиосигнала

1.2.2.1. Нейросетевой анализ сегментов кардиоцикла ЭКС

1.2.2.2. Структура нейронной сети ЬУ() и алгоритмов ее обучения

1.2.3. Сравнительные характеристики современных систем поддержки принятия решения в области нейросетевого анализа электрокардиосигнала

1.3. Способ неинвазивного определения электрофизиологических

характеристик сердца

1.4. Постановка задач исследования

ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ ДИАГНОСТИКИ ИНФАРКТА МИОКАРДА НА ОСНОВЕ НЕЙРОСЕТЕВОГО АНАЛИЗА СЕГМЕНТОВ КАРДИОЦИКЛА И ПОСЛЕДОВАТЕЛЬНО-ПАРАЛЛЕЛЬНОГО СОЕДИНЕНИЯ НЕЙРОННЫХ СЕТЕЙ

2.1 Обоснование предлагаемого подхода к совершенствованию обработки

электрокардиосигнала для диагностики инфаркта миокарда

2.2 Предварительная обработка электрокардиосигнала

2.2.1 Обоснование статистического подхода в предварительной обработке электрокардиосигнала

2.2.2 Построение фазовой траектории электрокардиосигнала

2.2.3 Фильтрация ЭКС

2.2.4 Выделение элементов кардиоцикла электрокардиосигнала

2.3 Нейросетевой анализ электрокардиосигнала для диагностики ИМ

2.3.1 Формирование обучающей выборки для анализа сегментов кардиоцикла

2.3.2 Особенности обучения нейронных сетей для анализа сегментов кардиоцикла

2.4.3 Методика принятия решения о диагностическом заключении

2.5 Исследование разработанной методики нейросетевого анализа сегментов кардиоцикла электрокардиосигнала для диагностики инфаркта миокарда

2.5.1 Определение критериев, влияющих на качество обучения нейронной сети ЬУ()

2.5.2 Выбор оптимальных параметров обучения нейронной сети LVQ

2.5.2.1 Выбор оптимального количества входов и выходов НС

2.5.2.2 Определение количества нейронов НС

2.5.2.3 Определение величины нормирования, зашумления, сдвига, коэффициента избыточности

2.5.2.4 Определение количества векторов в обучающем наборе данных

2.5.3 Определение чувствительности и специфичности методики нейросетевого анализа электрокардиосигнала

2.5.4 Тестирование обученных нейронных сетей

2.6 Выводы

ГЛАВА 3. РАЗРАБОТКА МЕТОДИКИ РАСЧЕТА ОСНОВНЫХ ЭЛЕКТРОФИЗИОЛОГИЧЕСКИХ ХАРАКТЕРИСТИК СЕРДЦА

3.1 Подход к определению электрофизиологических характеристик сердца

3.2 Получение исходных данных для определения электрофизиологических

характеристик сердца

3.3 Определение электрофизиологических характеристик сердца

3.3.1 Расчет распределения потенциалов, генерируемых сердцем, на торсе пациента

3.3.2 Расчет распределения потенциалов, генерируемых сердцем, на торсе пациента

3.3.3 Моделирование распространения волны возбуждения в миокарде

3.3.4 Синтез модельного ЭКС

3.3.5 Коррекция расчетных параметров

3.4 Выводы

ГЛАВА 4 РЕАЛИЗАЦИЯ РАЗРАБОТАННОГО ПОДХОДА К АНАЛИЗА ЭЛЕКТРОКАРДИОСИГНАЛА ДЛЯ ДИАГНОСТИКИ ИНФАРКТА МИОКАРДА В КОМПЬЮТЕРНОЙ ДИАГНОСТИЧЕСКОЙ СИСТЕМЕ..Л07

4.1 Структура и реализация КДС

4.2 Структура взаимодействия в компьютерной диагностической системе

4.3 Методика анализа ЭКС для диагностики инфаркта миокарда

4.4 Результаты внедрения

4.5 Выводы

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ СПОСОБОВ ОБРАБОТКИ ЭКС ДЛЯ ДИАГНОСТИКИ ИМ

ПЕРЕЧЕНЬ ПРИНЯТЫХ СОКРАЩЕНИЙ

АВ Атриовентрикулярный

ABA Амплитудно-временной анализ

БД База данных

вид Валидационный набор данных

ИМ Инфаркт миокарда

ио Информационное обеспечение

ип Информационный параметр

ки Кардиографическая информация

кдс Компьютерная диагностическая система

МИС Медицинская информационная система

МКБ Международная классификация болезней

НС Нейронная сеть

НСА Нейросетевой анализ

оим Острый инфаркт миокарда

онд Обучающий набор данных

ССС Сердечно-сосудистая система

СУБД Система управления базами данных

ФОС Флюорографические снимки

ЭКГ Электрокардиограмма

ЭКС Электрокардиосигнал

ЭОС Электрическая ось сердца

LVQ Квантование обучающих векторов

CCLVQ3 Алгоритм обучения НС LVQ, основанный на

использовании метода выпуклой комбинации (<convex combination)

Введение диссертации (часть автореферата) на тему «Совершенствование систем обработки кардиографической информации для диагностики инфаркта миокарда»

ВВЕДЕНИЕ

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

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

На сегодняшний день, несмотря на значительное разнообразие применяемых математических, статистических способов и компьютерных средств при обработке кардиографической информации, в этой сфере изысканий остается крайне актуальной задача повышения достоверности систем анализа ЭКС для диагностики инфаркта миокарда. Существующие классические методики и средства диагностики, основанные на амплитудно-временном анализе ЭКС, не удовлетворяют современным требованиям достоверности диагностики ИМ (диагностируются 3 инфаркта миокарда из 4). Учитывая, имеющиеся несовершенные приборы и системы диагностики ИМ, а также человеческий фактор, очевидной является необходимость в создании системы поддержки принятия решения с повышенной достоверностью диагностики ИМ, способной помочь врачу.

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

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

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

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

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

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

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

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

4. Разработка новой методики выделения отдельных элементов кардиоцикла.

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

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

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

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

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

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

Научная новизна исследования состоит в следующем:

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

2. Предложена методика нейросетевого анализа ЭКС, расширяющая его

функциональные возможности, за счет последовательного нейросетевого

8

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

3. Разработана методика статистической обработки временных отсчетов ЭКС за счет построения фазовой траектории ЭКС, позволяющая достовернее выделить амплитудно-временные параметры зубцов Я, Б, Т, сегмента БТ.

4. Разработана новая методика неинвазивного определения электрофизиологических характеристик сердца, отличающаяся возможностью коррекции расчетных параметров и визуализацией распространения возбуждения по эпикардиальной поверхности миокарда. (Патент РФ №2489083)

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

Практическая значимость и реализация результатов:

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

2. Методика обработки кардиографической информации и нейросетевого

анализа ЭКС на основе предварительного выделения отдельных сегментов

кардиоцикла, их нейросетевом анализе, моделировании электрической

активности сердца и визуализации процесса распространения возбуждения

9

расширяет функциональные возможности доклинической обработки кардиографической информации, позволяет точнее локализовать инфаркт миокарда и наглядно представить на трехмерной модели сердца пациента место повреждения миокарда.

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

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

На защиту выносятся:

1. Методика обработки кардиографической информации и нейросетевого анализа ЭКС, заключающаяся в предварительном выделении отдельных сегментов кардиоцикла путем статистической обработки временных отсчетов ЭКС, их нейросетевом анализе, определении электрофизиологических характеристик сердца, моделировании электрической активности сердца и визуализации процесса распространения возбуждения, позволяющая точнее локализовать инфаркт миокарда и наглядно представить на трехмерной модели сердца пациента место повреждения миокарда. (Специальность 05.11.17, п. 1.)

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

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

4. Методика неинвазивного определения электро физиологических характеристик сердца, характеризующаяся возможностью коррекции расчетных параметров и визуализацией распространения возбуждения по эпикардиальной поверхности миокарда. (Специальность 05.13.01, п. 12).

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

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

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

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

ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ

1.1.Электрокардиографический способ диагностики состояния сердца

1.1.1 Генез электрокардиосигнала

Одним из величайших достижений человечества в XX веке является электрокардиография. Ежегодно только в нашей стране регистрируются миллионы электрокардиограмм (ЭКГ). Электрокардиографии посвящены работы многих ученых как отечественных, так и зарубежных (М.П. Рощевский, В.Н.Орлов, М.И. Кечкер, Ф. Циммерман, А.Б. де Луна, A.B. Струтынский, и др.). Поэтому для определения направлений данного исследования кратко опишем возможности и особенности развития электрокардиографии.

В основу метода легло представление о том, что биотоки сердца имеют определенное распределение на поверхности тела и могут быть зарегистрированы (отведены), усилены, а затем записаны в виде характерной кривой - ЭКГ. Впервые это сделать удалось В. Эйнтховену (W. Einthowen) в 1903 г. В. Эйнтховен обозначил зубцы ЭКГ следующими подряд буквами латинского алфавита: Р, Q, R, S, Т. ЭКГ представляет собой графическое отображение электрофизиологических процессов, происходящих в миокарде.

Сердце функционирует (возбуждается) под действием электрических импульсов, которые генерирует собственный водитель ритма [19]. Анатомически этот возбудитель сердца расположен в правом предсердии, в месте слияния полых вен, в синусовом узле (см. рисунок 1.1), поэтому импульс возбуждения, исходящий из него называется, соответственно, синусовым импульсом.

Синусовый (СА) узел

Предсердие

АВ - узел

Пучок Гиса

Ножки пучка Гиса

Юлокна Пуркинье

ёвый желудочек

Рисунок 1.1- Анатомия проводящей системы сердца Синусовый узел вырабатывает электрические импульсы, которые распространяясь по проводящей системе возбуждают клетки миокарда. В результате электрической активности клеток миокарда сердце создает вокруг себя периодически меняющееся электрическое поле. Электроды, размещенные на коже, воспринимают и передают изменения этого поля на электрокардиограф. Зубцы и интервалы нормальной ЭКГ приведены на рисунке 1.2 [68].

Помимо регистрации по вертикали зубцов, по горизонтали на ЭКГ записывается время, в течение которого импульс проходит по определенным отделам сердца. Отрезок на кардиограмме, измеренный по своей продолжительности во времени (в секундах), называют интервалом.

Электрический импульс возбуждения появляется в синусовом узле (не регистрируется на ЭКГ), проходит по предсердиям (образуется зубец Р) и распростарняется по атриовентрикулярному (АВ) узлу (см. рисунок 1.1). В АВ-узле совершается физиологическая задержка импульса (замедление скорости его проведения), поэтому на ЭКГ участок между зубцами Р и <2 (сегмент Р(У) отражается прямой линией, которая называется изоэлектрической (изолинией). Затем электрический импульс доходит до проводящих путей желудочков, которыми являются система пучка Гиса и волокна Пуркинье (см. рисунок 1.1), и возбуждает ткань желудочков. Данный процесс отражается образованием желудочкового комплекса QRS (см. рисунок 1.2). Распространив возбуждение по желудочкам, электрический импульс угасает, при этом происходят процессы реполяризации, которые отражаются на ЭКГ сегментом 5Т и зубцом Т.

Таким образом, генезис ЭКГ обусловливается процессами деполяризации (возбуждения) и реполяризации (расслабления или восстановления исходного состояния) в клетках миокарда. Процесс генезиса ЭКГ можно представить в виде условной схемы, приведенной на рисунке 1.3 [3.68]. ЭКС в соответствующем отведении образуется как сумма смещенных по фазе кривые трансмембранного потенциала действия (ТМПД) всех элементов поверхности сердца (57) умноженных на соответствующие коэффициенты кц (см. рисунок 1.3).

Регистрация электрокардиосигнала (ЭКС) проводится в четком соответствии с установленными правилами. Применяется несколько общепринятых способов регистрации электрокардиосигнала. Для потребностей функциональной диагностики запись электрокардиограммы в 12 стандартных отведениях является неизменным подходом к регистрации электрокардиосигнала.

а б

Рисунок 1.3. Генез электрокардиосигнала (а) и схема наложения электродов при регистрации ЭКС в 12 стандартных отведениях (б) Отведение образуется как разность потенциалов между двумя электродами, расположенными на поверхности тела пациента. Для регистрации ЭКС в стандартных отведениях электроды накладывают согласно принятым правилам: I - запястья правой и левой рук, II - лодыжка левой ноги и запястье правой рука, III - лодыжка левой ноги и запястье левой руки. В усиленных отведениях электрод располагают для отведения aVR - на запястье правой руки, для отведения aVL - на запястье левой руки, для отведения aVF - на лодыжке левой ноги. Для отведений VI - V6 точка на поверхности грудной клетки является одним из электродов, а другим - объединенный электрод от всех конечностей.

Каждое из 12 отведений показывает изменения электрической активности конкретного отдела миокарда [19]. В таблице 1.1 приведена информация об отделах сердца и отображающих их состояние стандартных отведениях. [19]

Таблица 1.1 Соответствия отведений и отделов миокарда, отображаемые отведением

Отведени е Отдел миокарда, отображаемый отведением

I Передняя стенка сердца

II Суммарное отведение I и III

III Задняя стенка сердца

аУЯ Правая боковая стенка сердца

аУЬ Левая передне-боковая стенка сердца

аУБ Задне-нижняя стенка сердца

VI и У2 Правый желудочек

УЗ Межжелудочковая перегородка

У4 Верхушка сердца

У5 Передне-боковая стенка левого желудочка

У6 Боковая стенка левого желудочка

1.1.2 ЭКС-признаки инфаркта миокарда

Среди заболеваний сердца по летальности первое место занимает инфаркт миокарда (ИМ). Летальность составляет около 30%.

Инфаркт миокарда (ИМ) — это ишемический некроз сердечной мышцы, развивающийся в результате острой недостаточности коронарного кровообращения.

Современная классификация ИМ предусматривает его деление:

- по величине и глубине поражения сердечной мышцы;

- по характеру течения заболевания;

- по локализации ИМ;

- по стадии заболевания;

При нарушении коронарного кровообращения при инфаркте приводит образуются три зоны патологических изменений. Непосредственно зона некроза, а вокруг нее зона ишемического повреждения и зона ишемии. На рисунке 1.4 приведена иллюстрация формирования ЭКС в трех зонах патологических изменений миокарда.

Рисунок 1.4 - Генез электрокардиосигнала в трех зонах патологических

В отведениях, в которых электрод находится непосредственно над областью ИМ, каждая из этих зон участвует в формировании следующих ЭКГ-изменений.

1. Зона некроза - формируется патологический зубец <2 (продолжительностью дольше 30 мс) и резкое уменьшение амплитуды зубца Я или комплекс QS.

изменений миокарда

2. Зона ишемического повреждения - смещение сегмента 5Т выше или ниже изолинии (при субэндокардиальном поражении сердечной мышцы).

3. Зона ишемии- "коронарный" (равносторонний и остроконечный) зубец Т (высокий положительный или отрицательный)

Рассмотрим стадии заболевания. На рисунке 1.5 приведена иллюстрация развития стадий ИМ . Различают острейшую, острую и подострую стадии ИМ [68].

о)

6)

Некроз

Рисунок 1.5 - Иллюстрация развития стадий ИМ 1. Острейшая стадия (до 2-х ч от начала инфаркта миокарда). В течение нескольких минут после прекращения коронарного кровотока и возникновения ангинозного приступа в сердечной мышце обычно выявляется зона субэндокардиальной ишемии, для которой характерно образование высоких коронарных зубцов Т и смещение сегмента 5Т ниже изоэлектрической линии (см. рисунок 1.5, а, б). Когда зона ишемического повреждения расширяется до эпикарда, на ЭКГ фиксируется смещение сегмента БТ выше изолинии. Сегмент

5Т при этом сливается с положительным зубцом Т, образуя так называемую монофазную кривую, напоминающую по форме ТМПД (см. рисунок 1.5, в).

2. Острая стадия определяется быстрым, в течение 1 — 2 суток, образованием патологического зубца или комплекса QS и уменьшением амплитуды зубца Я, что указывает на образование и распространение зоны некроза (см. рисунок 1.5, г, д). Параллельно в течение нескольких дней сохраняется смещение сегмента £Т выше изолинии и сливающегося с ним вначале положительного, а затем отрицательного зубца Т. Через несколько дней сегмент БТ подходит к изолинии, а к концу 1-й недели или в начале 2-й недели болезни становится изоэлектричным, что говорит об уменьшении зоны ишемического повреждения (см. рисунок 1.5, е). Отрицательный коронарный зубец Т резко углубляется и становится симметричным и заостренным (повторная инверсия зубца 7).

3. В подострой стадии инфаркта регистрируется патологический зубец () или комплекс (некроз) и отрицательный коронарный зубец Т (ишемия), амплитуда которого, начиная с 20-25-х суток инфаркта миокарда, постепенно уменьшается. Сегмент 5Т находится на изолинии (см. рисунок 1.5, ж).

Рубцовая стадия ИМ определяется сохранением в течение многих лет патологического зубца () или комплекса QS и наличием отрицательного, сглаженного или остроконечного зубца Г (см. рисунок 1.5, з).

Общепринятыми ЭКГ-признаками инфаркта являются [19]:

1. Образование патологического зубца Я или его отсутствие в отведениях, расположенных над зоной инфаркта.

2. Образование патологического зубца в отведениях, расположенных над зоной инфаркта.

3. Элевация сегмента БТ выше изолинии в отведениях, расположенных над зоной инфаркта.

4. Депрессия сегмента БТ ниже изолинии в отведениях, противоположных зоне инфаркта.

5. Образование отрицательного зубца Т в отведениях, расположенных над зоной инфаркта.

6. Образование остроконечного зубца Т в отведениях, противоположных зоне инфаркта

В зависимости от локализации ИМ ЭКГ-признаки обнаруживаются в различных ЭКГ-отведениях (см. таблицу 1.2). [68]

Стоит сказать, что чувствительность и специфичность ЭКГ метода являются далеко не абсолютными. Известно, что электрокардиографическая диагностика ИМ не специфична, то есть очаговые трансформации электрических процессов могут быть вызваны не только ишемическими повреждениями и морфологическими изменениями в сердце, а с определенной вероятностью - кардиомиопатией и гипертрофией желудочков. Ошибки в электрокардиографической диагностике ИМ, к сожалению, возможны. При диагностике инфаркта могут появляться проблемы, связанные с рассмотрением начла желудочкового комплекса, определяющего деполяризацию желудочков (комплекс и трудности толкования изменений конца желудочкового

комплекса - реполяризации желудочков (сегмент 5Т и зубец Т). По информации некоторых источников, не диагностируется своевременно до 40% случаев инфаркта миокарда. Чувствительность некоторых ЭКГ-признаков острого инфаркта составляет: сегмент 5Т- 54%, патологический зубец 0 — 31% [102]

Таблица 1.2 Соответствия локализаций ИМ и отведений, в которых обнаруживают признаки ИМ

Локализация ИМ Отведения, в которых обнаруживают признаки ИМ

Прямые признаки: патологический <3 элевация отрицательный корона рный Т Реципрокные признаки: депрессия ЯБ-Т; высокий положительный Т; высокий Я (при задних ИМ)

Инфаркт миокарда передней стенки ЛЖ

Переднеперегородочный VI — V3

Передневерхушечный V3, V4

Переднебоковой I, aVL, У5, У в

Переднебазальный (высокий передний) У24 — У26 и/или У34 — У36

Распространенный передний 1,аУЬ, VI — V6 III, аУР, II

Инфаркт миокарда задней стенки ЛЖ

Заднедиафрагмальный (нижний) III, aVF, II

Заднебазальный VI — УЗ

Заднебоковой У5, У6, III, aVF

Распространенный задний III, aVF, II, У5, У6, VI—УЗ

1.2 Нейросетевой анализ электрокардиосигнала

1.2.1 Искусственный нейрон и его функции активации

Искусственные нейронные сети (ИНС) образовались из исследований в части искусственного интеллекта, а конкретно, из попыток повторить способность биологических нервных систем учиться и исправлять ошибки, повторяя низкоуровневую структуру мозга.

Обширное количество вопросов, решаемых ИНС, не позволяет создавать универсальные, мощные сети. Отсюда возникает необходимость разрабатывать специализированные нейронные сети, которые работают по различным алгоритмам в аппаратном или программном исполнении. При этом базис каждой НС составляют сравнительно несложные, в большинстве своем -однотипные элементы (ячейки), моделирующие работу нейронов мозга.

Каждый нейрон характеризуется своим текущим состоянием, которое может быть возбужденным или заторможенным. Нейрон обладает разветвленной структурой ввода информации (дендриты), ядро и разветвляющийся выход (аксон). Аксоны клетки соединяются с дендритами других ячеек с помощью синапсов. Каждый нейрон характеризуется размерностью входного вектора (количеством дендритов) и функцией активации.

Каждая синоптическая связь определяется величиной синоптической связи или ее весовым коэффициентом и>г, который по физическому смыслу равноситлен электрической проводимости.

Структура нейрона и его возможные функции активации приведены на рисунке 1.6.

Входы Синапсы

*1'

Ячейка нейрона

1 У

>

Аксон Е

О Т а)

О б)

Б

1=1

1 У 1 У

X х

У = -1 .У 0

в)

Г)

Рисунок 1.6 - Структура нейрона и его функции активации:

а) функция единичного скачка; б) линейный порог (гистерезис); в) сигмоид - гиперболический тангенс; г) сигмоид

Состояние нейрона в данный момент времени определяется, как взвешенная сумма его входов:

Б = £ X; * (1.1

)

Выход нейрона определяется функцией его состояния:

У = ^8)

(1.2

)

Нелинейная функция f называется активационной и может иметь различный вид, как показано на рисунке 1.6. Логистическая функция или сигмоид является одной из наиболее распространенных функций (то есть функция 8 - образного вида):

ОД = 1/(1 +еах) (1.3

)

1.2.2. Современное состояние в области нейросетевого анализа электрокардиосигнала

Задача создания нейронных сетей представляет собой отдельное направление нейрокомпьютерной науки. Известно, что НС может выполнить любое сложное преобразование «вход-выход». Нейросетевая парадигма анализа электрокардиосигнала приведена на рисунке 1.8.

Отсчеты ЭКГ

ЭКГ признаки

Обработка в НС

Оценка состояния ССС

• о

Рисунок 1.7 — Нейросетевая парадигма анализа ЭКС

При использовании нейронных сетей для анализа ЭКС возникают задачи: выбора класса НС; выбора архитектуры НС; и выбора алгоритма обучения.

Любая НС применяется как самостоятельная система представления знаний, выступающая в практических приложениях, как правило, одним из компонентов модуля принятия решений либо системы управления. Функции, которые способна выполнять сеть можно разделить на несколько основных групп:

- аппроксимация и интерполяция,

- распознавание и классификация образов,

- сжатие данных,

- прогнозирования,

- идентификации,

- управления,

- ассоциации.

Известным подходом является применение нейронных сетей с элементами самоорганизации для интегральной оценки биоэлектрических сигналов [50,93]. Применение многослойных нейронных сетей для этих целей является бессмысленным, потому что они плохо обучаются при высокой размерности нейронной сети. Эта проблема носит название «проклятие размерности» и досконально исследована и подробно описана в работах А.И. Иванова [20, Ошибка! Источник ссылки не найден.].

Список литературы диссертационного исследования кандидат наук Рябчиков, Роман Вадимович, 2014 год

СПИСОК ЛИТЕРАТУРЫ

1. Автоматизированная система управления лечебно-диагностическим процессом: материалы Российского научного форума МедКомТех 2004 / В.М. Тавровский [и др.]. - М., 2004.

2. Амиров Р.З. Интегральные топограммы потенциалов сердца. -М.: Наука, 1973.- 108с.

3. Анализ сигнал-усредненной ЭКГ (по данным вейвлет-преобразования) у здоровых и больных ИБС / С.А. Бойцов [и др.]. - URL: http://incart.spb.ru/ vestnic/n23/boytcov.htm.

4. Аракчеев А.Г., Сивачев A.B. Электрокардиографическая техника для исследования функционального состояния сердца. - М.: ЗАО «ВНИИМП-ВИТА», 2002. - 128с.

5. Адаптация структуры нейронной сети LVQ для анализа электрокардиосигнала / О.Н. Бодин, Д.С. Логинов // Нейрокомпьютеры: разработка, применение. - 2008. - № 5-6. - С. 88-92.

6. Баевский P.M., Иванов Г.Г., Чирейкин Л.В. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем: методические рекомендации. - 2001. -№24, 65-87с.

7. Барский А.Б., Барская O.A., Дмитриев A.A. Медицинские информационно-справочные системы на логических нейронных сетях. М.: Информационные технологии, 2010.

8. Библиотека Lapack. - URL: http://www.nag.com/lapack/. Дата обращения: 15.01.2011.

9. Бодин О.Н., Логинов Д.С., Митрохина Н.Ю. Совершенствование ЭКГ анализа при определении электрической активности сердца / // Медицинская техника. - 2008. - № 3. - С. 23-26.

10. Бодин О.Н., Логинов Д.С., Кузьмин А.В, Митрохина Н.Ю Основы анализа электрокардиосигналов: учеб. пособие - Пенза : Изд-во ПГУ, 2010.-41с.

11. Ващенко Г.В. Вычислительная математика. Основы алгебраической и тригонометрической интерполяции: учебное пособие. -изд-во СибГТУ, 2008.

12. Волкова Э.Г., Калаев О. Ф., Ковынев А. Р. Диагностические возможности первой производной ЭКГ в оценке состояния коронарной артерии у больных ишемической болезнью сердца // Терапевтический архив. -1990.-№3.-С. 35-38

13. Волчихин В.И., Бодин О.Н., Логинов Д.С. Особенности обучения нейронной сети LVQ для анализа электрокардиосигнала / // Информационно-измерительная техника : межвуз. сб. науч. тр. / под ред. проф. Е.А. Ломтева. -Пенза : Изд-во ПГУ, 2011. - С. 123-135.

14. Вычислительная система Matlab. - URL: http://www.mathworks.com/. Дата обращения: 15.01.2011.

15. де Луна А.Б. Руководство по клинической ЭКГ / под ред. Р.З. Амирова. - М.: Медицина, 1993. - 703 с.

16. Добеши И. Десять лекций по вейвлетам. - М., Ижевск: НИЦ «Регулярная и хаотическая диалектика», 2004. - 464с.

17. Дьяконов В.П. Вейвлеты. От теории к практике. - М.: СОЛОН, 2002.-448с.

18. Журавлева Н.Б. ЭКГ диагностика сложных форм инфаркта миокарда: лекция для врачей курсантов. - Л.: ЛенГИДУВ, 1979. - 20с.

19. Зудбинов Ю.И. Азбука ЭКГ и боли в сердце. - изд. 4-е, испр. и доп. - Ростов н/Д: Феникс, 2003. - 240с.

20. Иванов А.И. Проект национального биометрического стандарта ГОСТ Р 52633.5 или нейросетевой обход «проклятия размерности» очень плохих данных // Защита информации ИНСАЙД. - 2010. - №5.

21. Иванов А.И., Волчихин В.И. Основы обучения искусственных нейронных сетей: уч. пос. - Пенза: Изд-во ПГУ, 2004.

22. Инструментальная диагностика сердечно-сосудистых заболеваний: Пособие для практических врачей / Под ред. Г.И. Сидоренко. -Минск, 1993,- 156с.

23. Инфаркт миокарда. Электронное справочное пособие для врача скорой медицинской помощи. - URL: http://www.med2000.ru/cito/cor.htm. Дата обращения: 10.06.2010.

24. Истомина Т.В. Методы и средства обработки биоэлектрической информации: Дис. ... д-ра техн. наук: 05.13.01. - Пенза, 2002.-330 с.

25. Каменский С.А. Автоматическое распознавание шоковых ритмов сердца методом межпорогового частотно-временного анализа ЭКГ. Дис. ... канд. техн. наук: 05.13.01. - М., 2005.

26. Капелько В.И. Работа сердца // Соросовский образовательный журнал. - 1999. - №4, С. 28-34.

27. Кардиология в таблицах и схемах / М. Фрид, ред. С. Грайнс; пер. с англ. под ред. канд. мед. наук М.А. Осипова и канд. мед. наук H.H. Алипова. - М.: Практика, 1996. - 728с.

28. Кардиовизор-ОбС. - URL: http://www.mks.ru/

29. Кечкер М.И. Руководство по клинической электрокардиографии. -М., 2000.-395с.

30. Компьютерная диагностическая система «Кардиовид» : свидетельство о государственной регистрации программы для ЭВМ / О.Н. Бодин, Д.С. Логинов, И.О. Жулев, Е.А. Гладкова, A.B. Кузьмин, Н.Ю. Митрохина, И.В. Строкова, В.В. Прошкин. -№ 2008610570 ; 31.01.2008.

31. Кузьмин A.B., Бодин О.Н., Логинов Д.С. Интеллектуальный анализ электрокардиосигналов для диагностики инфаркта миокарда / // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2010.-№ 1.-С. 46-52.

32. Кузьмин A.B., Бодин О.Н., Логинов Д.С. Эволюция систем неинвазивной диагностики состояния сердца // Информационные и управленческие технологии в медицине : сб. тр. II Всерос. науч.-техн. конф. -Пенза : ПДЗ, 2008. - С. 68-71.

33. Лаборатория медицинской электроники «Биоток». - URL: http://www.biotok.ru/.

34. Логинов, Д.С., Бодин О.Н.. Митрохина Н.Ю. Концепция неинвазивной диагностики состояния сердца // Методы компьютерной диагностики в биологии и медицине 2008 : сб. тр. ежегод. всерос. науч. школы-семинара на базе Саратов, гос. ун-та им. Н. Г. Чернышевского. -Саратов, 2008. - С. 46^8

35. Логинов, Бодин О.Н., Авдеев Д.Г., Зайцева O.A. Д.С. Компьютерная система диагностики состояния сердца // Инновационные проекты Поволжья. - Ульяновск, 2009. - С. 56-58.

36. Логинов, Д.С., Бодин О.Н.. Волкова H.A. Алгоритм нейросетевого анализа электрокардиосигнала для определения состояния сердца// Современные информационные и электронные технологии (СИЭТ-2010) : сб. тр. XI Междунар. науч.-практ. конф. - Одесса, 2010. - С. 30.

37. Логинов Д.С. Способы и средства компьютерной обработки электрокардиосигнала для диагностики инфаркта миокарда. Дис. канд. техн. наук: 05.11.17.-Пенза., 2011

38. Математический пакет Scilab. - URL: http://www.scilab.org/. Дата обращения: 15.01.2011.

39. Медицинское биологическое оборудование «Нейрософт». - URL: http://www.neurosoft.ru/.

40. Медицинские информационные системы / A.B. Гусев [и др.]. -Петрозаводск: изд-во ПетрГУ, 2005. - 404с.

41. Международная классификация болезней МКБ-10. Диагнозы. Электронная версия. Класс: Болезни системы кровообращения. Блок: Ишемическая болезнь сердца. - URL: http://www.mkb 10.ru/?class=9&bloc=57.

42. Моисеев А.Е., Бодин О.Н., Логинов Д.С. Особенности виртуальной медицинской диагностической системы // Методы, средства и технологии получения и обработки измерительной информации : тр. междунар. науч.-техн. конф. «Шляндинские чтения - 2010». - Пенза : Изд-во ПГУ, 2010.-С. 171-174.

43. Муковнин A.C., Бодин О.Н., Логинов Д.С. Internet-приложение компьютерной диагностической системы «Кардиовид» / // Украинский журнал телемедицины и медицинской телематики. - Донецк, 2009. - Т. 7, № 1.-С. 31-35.

44. Мурашко В.В, Струтынский В.В. Электрокардиография: уч. пос. - 6-е изд. - М.: МЕДпрессинформ, 2004. - 320с.

45. Насколько «тонок» клиент? / Л. Гимейн [и др.]. // САПР и графика. - 2006. - №12.

46. Ниворожкина Л.И., Морозова З.А. Теория вероятностей и математическая статистика. -М.: Эксмо, 2008. -432 е..

47. Нефедова Г.А. Особенности танатогенеза при остром инфаркте миокарда. Автореферат дисс. на соискание ученой степени к.м.н., 14.00.15 -патологическая анатомия. -М., 2007.

48. Нейроинформатика / А.Н. Горбань [и др.]. - Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296с.

49. Орлов В.Н. Руководство по электрокардиографии. - М.: Медицина, 1984. - 528с

50. Осовский С. Нейронные сети для обработки информации / пер. с польского И.Д. Рудинского. -М.: Финансы и статистика, 2002.

51. Пат. 2294139 Российская Федерация. Способ выделения начала кардиоцикла и устройство для его осуществления / А.Н. Митрошин, О.Н. Бодин, Д.С. Логинов, И.О. Жулев, В.В Прошкин. -№ 2005115597/14 ; заявл. 23.05.2005 ; опубл. 27.02.2007, Бюл. № 6.

52. Пат. 2366358 Российская Федерация. Способ выделения начала кардиоцикла / О.Н. Бодин, Д.С. Логинов. - № 2008109719/14 ; заявл. 17.03.2008 ; опубл. 10.09.2009, Бюл. № 25.

53. Пат. 2383295 Российская Федерация. Способ обработки электрокардиосигнала для диагностики инфаркта миокарда / О.Н. Бодин, Д.С. Логинов, O.A. Зайцева, А.Е. Моисеев. - № 2008135937/14 ; заявл. 08.09.2008 ; опубл. 10.03.2010, Бюл. № 7.

54. Пат. 2410023 Российская Федерация. Способ выделения QRS-комплекса электрокардиосигнала / О.Н. Бодин, Л.Ю. Кривоногов, Ф.К. Рахматуллов, Д.С. Логинов, O.A. Зайцева. - № 2009116480/14 ; заявл. 29.04.2009 ; опубл. 27.01.2011, Бюл. № 3.

55. Пат. №2195164 Российская Федерация. Способ выделения начала кардиоцикла и устройство для его реализации / A.A. Михеев. — №2001109189/14 ; заявл. 05.04.2001; опубл. 27.12.2002.

56. Пат. 2217045 Российская Федерация. Способ обработки электрокардиосигнала в динамике для диагноза инфаркта миокарда / О.М. Белоцерковский [и др.]. -№2001128049/14 ; заявл. 17.10.2001 ; опубл. 27.11.2003, Бюл. № 11.

57. Пат. 2257838 Российская Федерация. Способ диагностики состояния сердечнососудистой системы / О.Н. Бодин [и др.]. - № 2004107011/14 ; заявл. 09.03.2004 ; опубл. 10.08.2005, Бюл. № 22.

58. Пат. 2358646 РФ. Способ моделирования и визуализации распространения возбуждения в миокарде /Бодин О.Н., Гладкова Е.А., Кузьмин A.B., Митрохина Н.Ю., Мулюкина Л.А., Строкова И.В.. // Официальный бюллетень «Изобретения. Полезные модели». 2009, №17

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

60. Пат. 2489083 РФ Способ неинвазивного определения электрофизиологических характеристик сердца/ О. Н. Бодин, А. В Кузьмин, Н. Ю. Митрохина, Ю. С. Семерич, Р. В. Рябчиков // Официальный бюллетень «Изобретения. Полезные модели». 2013,

61. Пешехонов А.Н. Пространственно-временное моделирование распределения биопотенциалов. Дис. канд. техн. наук: 05.13.18. - Пенза, 2003.

62. Плотников A.B., Прилуцкий Д.А., Селищев C.B. Стандарт SCP-

ECG для обмена цифровыми ЭКС: тезисы докладов // Международная

125

конференция по биомедицинскому приборостроению «Биомедприбор-98». -М., 1998. -С. 213-215.

63. Плотников A.B. Цифровой монитор суточной регистрации ЭКГ. Дис. ... канд. техн. наук: 05.11.17. -М., 2000.

64. Подклетнов С.Г. Вейвлет-преобразование электрокардиосигнала для компьютерных систем диагностики ишемической болезни сердца. Дис. ... канд. техн. наук: 05.11.17. - СПб., 2005.

65. Прилуцкий Д.А. Электрокардиографическая система на основе SD аналого-цифрового преобразования. Дис. канд. техн. наук: 05.11.17. - М., 1998.

66. Примин H.A., Недайвода И.В., Васильев В.Е. Алгоритмы анализа магнитокардиосигнала: выявление ишемических повреждений сердца // УСиМ. - 2000. - № 1, 32-42с.

67. Романовский Ю.М., Степанова Н.В., Чернавский Д.С. Математическое моделирование в биофизике: Введение в теоретическую биофизику. - М.: Институт компьютерных исследований, 2004. - 471с.

68. Ройтберг Г.Е., Струтынский A.B. Лабораторная и инструментальная диагностика заболеваний внутренних органов. - М.: ООО «Медицина», 2003.

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

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

71. Рябчиков, Р. В. Разработка блока принятия решения в нейросетевом кардиоанализаторе компьютерной диагностической системы «Кардиовид»/ Р. В. Рябчиков, О. Н. Бодин, Д. А. Кашкаросвский // Современные проблемы науки и образования. - 2014. -.№5 URL: http://www.science-education.ru/119-14599 (дата обращения: 23.09.2014).

72. Рябчиков, Р. В. Статические методы построения фазовой траектории электрокардиосигнала/ Р.В. Рябчиков, В. Г. Полосин, О. Н. Бодин, С. А. Балахонова// Фундаментальные исследования. - 2014-№9(часть 12).-стр.2660-2665; URL: www.rae.ru/fs/?section=content&op=show_article&article_id= 10004679 (дата обращения: 16.10.2014)

73. Рябчиков, Р. В. Электрокардиографические признаки инфаркта миокарда и способы их анализа / Р. В Рябчиков, О. Н. Бодин, Ф. К. Рахматуллов- IX Международная научно-техническая конференция «Аналитические и числен-ные методы моделирования естественно-научных и социальных проблем» // Пенза, 2014 - С. 86-100

74. Рябчиков, Р. В. Методы статистической обработки для анализа электрокардиосигнала. / Р. В. Рябчиков, В.Г. Полосин, Ф.К. Рахматуллов-Международная научно-практическая конференция «Наука и современность - 2014» // Махачкала, 2014 С. 54-58

75. Рябчиков, Р. В. Применение нейронных сетей в компьютерных диагностических системах для мониторинга заболеваний сердца/ Р. В Рябчиков. - XII Международная научно-практическая конференция «Роль социальных, медико-биологических и гигиенических факторов в формировании здоровья населения» //Пенза, Изд-во ПДЗ, 2014 - С.66-70

76. Салех М.А. Исследование нейронных сетей для распознавания патологических отклонений формы электрокардиосигнала. Автореферат дисс. на соискание ученой степени к.т.н., 05.12.04 - Радиотехника, в том числе системы и устройства телевидения. - Воронеж, 2013

77. Сафонов М.Ю. Электрокардиографическая диагностика функционального состояния центральной гемодинамики. Воронеж: Изд. ВГУ, 1998.

78. Семенкин М.А., Бодин О.Н., Логинов Д.С. Организация информационного обеспечения медицинской компьютерной диагностической системы /, // Информационно-измерительные и управляющие системы. - 2008. - № 12. - С. 37-44.

79. Спэк М., Барр Р. Анатомия сердца с электрофизиологической точки зрения: в кн.: Теоретические основы электрокардиологии: пер. с англ. -М.: Медицина, 1979.

80. СТО МОСЗ 91500.16.0002-2004 «Информационные системы в здравоохранении. Общие требования».

81. СТО МОСЗ 91500.16.0003-2004 «Информационные системы в здравоохранении. Общие требования к форматам обмена информацией».

82. Теоретические основы электрокардиологии / под ред. К.В. Нельсона и Д.Б. Гезеловица. - М.: Медицина, 1979. - 470с.

83. Титомир Л.И., Трунов В.Г., Айду Э.А.И. Неинвазивная электрокардиотопография. -М.: Наука, 2003, 198с.

84. Уоссермен Ф. Нейрокомпьютерная техника. Теория и практика / перевод Ю.А. Зуев, В.А. Точенов. - 1992. - 184с.

85. Цветков В.Д. Сердце, «золотое сечение» и симметрия. - Пущино: ПНЦ РАН, 1997.- 170 с.

86. Шахов Э.К. Преобразователи информации: классификация и динамические свойства // Датчики и системы, 2000. - №8.

87. Электронная база данных биомедицинских сигналов. - URL: http://www.physionet.org/.

88. Электронная база данных электрокардиосигналов MIT-BIH. -URL: http://www.physionet.org/physiobank/database/mitdb/.

89. A. Babloyantz, V.V.Ivanov, P.V.Zrelov. New Approach to ECG's Features Recognition Involving Neural Network. Particles and Nuclei, Letters. 2001. No.2.

90. ECGSIM. - URL: http://www.ecgsim.org/.

91. Hecht-Nielsen R. Neurocomputing. Addison-Wesley, 1989.

92. G.D. Clifford, F. Azuaje, P.E. McSharry. Advanced Methods and Tools for ECG Data Analysis. Boston: Artech House, 2006, 400p.

93. Kohonen, Т., Self-Organizing Maps, Third Edition, Berlin: SpringerVerlag, 2001.

94. Lagerholm, M., Clustering ECG Complexes Using Hermite Functions and Self-Organizing Maps / IEEE Trans. Biomed. Eng., Vol. 47, 2000, pp. 839847.

95. Mahalingam N., Kumar D. Neural networks for signal processing applications: ECG classification // Australas. Phys. Eng. Sci. Med., 1997, vol. 20, №3, 147-15 lp.

96. Minami, К., H. Nakajima, T. Yoyoshima. Real Time Discrimination of the Ventricular Tachyarrhythmia with Fourier-Transform Neural Network / IEEE Trans. Biomed. Eng., Vol. 46, 1999, pp. 179-185.

97. Osowski, S., L. Tran Hoai, «ECG Beat Recognition Using Fuzzy Hybrid Neural Network,» IEEE Trans. Biomed. Eng., Vol. 48, 2001, pp. 1265— 1271.

98. Patent USA № 5749367. Heart Monitoring Apparatus and Method / Gamlyn L., O'Sullivan S., Needham Ph., Harris Т., 1998.

99. Polikar Robi. The Engineer's Ultimate Guide to Wavelet Analysis. The Wavelet Tutorial / http://users.rowan.edu/~polikar/WAVELETS/WTtutorial.html.

100. R.R. Aliev, A.V. Panfilov. A simple model of cardiac excitation. // Chaos, Solitons &Fractals, 1996, v.7, №3, p.293-301

101. Silipo, R., C. Marchesi, «Artificial Neural Networks for Automatic ECG Analysis,» IEEE Trans, on Signal Processing, Vol. 46, No. 5, 1998, pp. 1417-1425.

102. Slater D.K., Hlatky M.A., Mark D.B. et al. Outcome in suspected acute myocardial infarction with normal or minimally abnormal admission electrocardiographic findings. // Amer. J. Cardiol., 1987, v.60, 766-770p.

103. Yang T.-F., Devine В., Macfarlane P.W Combination of artificial neural networks and deterministic logic in the electrocardiogram diagnosis of inferior myocardial infarction. Eur. Heart J.- 1994.- V.15.- Abstr. Supplement XII-th World Congress Cardiology (2408). - P.449

104. Электронная база данных электрокардиосигналов MIT-BIH. -URL: http://www.physionet.org/physiobank/database/mitdb/.

ПРИЛОЖЕНИЕ А. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ СПОСОБОВ ОБРАБОТКИ ЭКС ДЛЯ ДИАГНОСТИКИ ИМ

1) Результаты построения фазовых траекторий:

III отведение

/

/ / \

■—^ -—\

К \ — / ___ _—-

\ /

—_ /

I отведение

\

/ / — \

(

1

\ \

\ /

X у

II отведение

\

ч N