СПОСОБ ОБРАБОТКИ ЭЛЕКТРОКАРДИОСИГНАЛА ДЛЯ ДИАГНОСТИКИ ИНФАРКТА МИОКАРДА Российский патент 2010 года по МПК A61B5/00 

Описание патента на изобретение RU2383295C1

Изобретение относится к медицине, в частности к кардиологии, и может быть использовано в автоматическом режиме для дифференциальной диагностики инфаркта миокарда (ИМ) и его осложнений по данным электрокардиографического обследования пациента при скрининге или в условиях скорой и неотложной помощи.

Известен способ диагностики Q-инфаркта миокарда [1], заключающийся в регистрации множественных отведений, определении амплитудных значений зубцов Q и R, построении 2-мерных карт, выделении на них зон отрицательных значений и при наличии обеих зон диагностике Q-инфаркта миокарда. Метод регистрации множественных отведений или ЭКГ-картирование сердца [2], на котором основан известный способ диагностики Q-инфаркта миокарда, является одним из наиболее информативных методов исследования электрической активности миокарда. ЭКГ-картирование сердца позволяет получить максимальную информацию об особенностях электрического поля сердца в любой момент деполяризации и реполяризации желудочков, однако требует участия при диагностике высококвалифицированного специалиста, использования дорогостоящей аппаратуры и значительных затрат времени на проведение одного исследования. Поэтому данный метод невозможно использовать при скрининге или в условиях скорой и неотложной помощи.

Известен также способ диагностики инфаркта миокарда [3], включающий автоматический съем электрокардиосигнала (ЭКС) в трех стандартных, трех усиленных отведениях от конечностей и шести грудных отведениях, автоматический анализ полученных данных в виде определения набора параметров, таких как продолжительность самого длительного, самого короткого, усредненного кардиоцикла и формирование диагностического заключения.

Для представительного кардиоцикла определяют параметры элементов ЭКС: вычисляют частоту сердечных сокращений, производят анализ на заболевания, связанные с нарушением сердечного ритма, вычисляют длительность и амплитуду положительных комплексов Р, R, Т, отрицательных комплексов Р, Q, S, Т, сегментов PQ, QT, ST, RR в каждом отведении; определяют значение направления электрической оси сердца (ЭОС). По данным измерений во всех отведениях формируют диагностическое заключение с использованием электрокардиологической и клинико-морфологической терминологии.

Недостатком данного способа диагностики инфаркта миокарда является ограниченность набора критериев для формирования непротиворечивого заключения [4].

Наиболее близким по достигаемому результату к предлагаемому изобретению является способ обработки электрокардиосигнала в динамике для диагностики инфаркта миокарда [5], включающий автоматический съем ЭКС пациента в трех стандартных, трех усиленных и шести грудных отведениях, его регистрацию, оцифровку и анализ, формирование при анализе ЭКС кода снимаемых данных последовательно во всех отведениях, построение исходного контурного графа с заданными параметрами его вершин и ребер, определение набора параметров из них, который используют для комплексного анализа контура ЭКС, определение подграфов QRS-комплекса, Р-комлекса, T-комплекса, ST-сегмента и PT-сегмента в каждом отведении, распознавание подграфов, соответствующих шумовым искажениям ЭКС, с последующей сглаживающей деформацией исходного контурного графа, формирование контурного описания конфигурации элементов и их взаиморасположения, выявление отклонений ЭКС, связанных с нарушением сердечного ритма, проводимости сердца и ишемическими изменениями его работы, и формирование диагностического заключения.

Недостатком известного способа обработки ЭКС для диагностики ИМ является невысокая достоверность диагностики инфаркта миокарда, обусловленная тем, что при анализе ЭКС не учитываются характерные особенности различных по своей природе информационных параметров (ИП) ЭКС.

Как следует из формулы изобретения известного способа обработки ЭКС для диагностики ИМ, его суть заключается в «определении амплитудно-интервальных параметров элементов ЭКС с формированием контурного описания конфигурации элементов и их взаиморасположения и выявлении отклонения ЭКС». Другими словами, «формирование диагностического заключения» в известном способе диагностики ИМ осуществляется на основе амплитудно-временного анализа ИП ЭКС.

На фигуре 1 приведена схема известного способа обработки электрокардиосигнала в динамике для диагностики инфаркта миокарда.

На фигуре 2 приведена схема алгоритма комплексного контурного анализа (ККА) ЭКС известного способа обработки электрокардиосигнала в динамике для диагностики инфаркта миокарда.

На фигуре 3 приведена схема, иллюстрирующая метод «диагональ прямоугольника», используемый при построении исходного контурного графа для выявления точек или участков разграничения ЭКС.

На фигуре 4 приведена схема построения вершины исходного контурного графа.

На фигуре 5 приведена схема формирования контурного описания элементов ЭКС.

На фигуре 6 представлена схема фильтрации помех при построении исходного контурного графа.

На фигуре 7 приведены исходные ЭКС пациента.

Согласно фигуре 1, в известном способе обработки электрокардиосигнала в динамике для диагностики инфаркта миокарда выполняются следующие этапы:

1. Съем и регистрация ЭКС. На этом этапе осуществляется съем и регистрация ЭКС в трех стандартных, трех усиленных и шести грудных отведениях с помощью устройства регистрации ЭКС. При съеме и регистрации ЭКС решаются вопросы:

- электрического взаимодействия между электродом и тканью кожи в месте расположения электродов;

- электрической безопасности пациента;

- усиления ЭКС, подавления помех, устранения артефактов;

- сопряжения устройства регистрации ЭКС с компьютером.

После этапа съема и регистрации на вход компьютера поступают отфильтрованные, оцифрованные ЭКС (см. фигуру 7).

2. Обработка ЭКС, включающая блок «Оцифровка ЭКС» и блок «Комплексный контурный анализ ЭКС».

В блоке «Оцифровка ЭКС» выполняется дискретизация ЭКС согласно стандарту SCP-ECG [6] и представление ЭКС в виде последовательности дискретных отсчетов, однозначно определяющих первичную диагностическую информацию. Теоретическим обоснованием процесса дискретизации является теорема отсчетов Котельникова.

Блок «Комплексный контурный анализ ЭКС» (см. фигуру 2) является основным блоком, в котором отражена суть известного способа обработки электрокардиосигнала в динамике для диагностики инфаркта миокарда. В данном блоке осуществляется анализ ЭКС на предмет наличия ИМ и выполняются следующие действия:

- построение исходного контурного графа. Это действие выполняется для каждого отведения ЭКС путем преобразования исходных дискретных отчетов в код контурного графа с заданными параметрами его вершин и ребер. Под графом понимается совокупность двух множеств (множество вершин и множество ребер), между элементами которых определено отношение инцидентности, причем элемент множества ребер инцидентен ровно двум элементам множества вершин. В качестве набора параметров вершин и ребер исходного контурного графа выбирают их координаты, тип вершины контурного графа, определяемый типом участка монотонности кривой между парой вершин со стороны выпуклости и вогнутости фрагмента ЭКС, и параметры, определяющие построение вершин, например углы (см. фигуру 4);

- определение подграфов отдельных элементов ЭКС. На этом этапе осуществляется выявление подграфов QRS-комплексй, Р-зубца, Т-зубца, 5Т-сегмента и РГ-сегмента в каждом отведении. Подграфом элемента ЭКС является часть исходного контурного графа ЭКС, которой принадлежат все ребра и вершины данного элемента ЭКС. Выявление подграфов элементов ЭКС производят с использованием распознавательных признаков, основанных на анализе конфигурации и параметров четырехугольных подграфов смежных участков монотонности [5];

- распознавание подграфов, соответствующих шумовым искажениям ЭКС, осуществляет сглаживающую деформацию исходного контурного графа (см. фигуру 6). В качестве подграфов, соответствующих шумовым искажениям ЭКС, путем набора предикатов выявляют подграфы пар ложных пиков малой амплитуды, подграфы скачков или подграфы высоких пиков. Подграфы пар ложных пиков малой амплитуды выявляют по формульной расшифровке подграфа представительного кардиоцикла с использованием алгоритмов отслеживания и защиты от деформирования Р и Q комплексов малой амплитуды. Подграфы скачков и подграфы высоких пиков выявляют по формульной расшифровке подграфа представительного кардиоцикла. Выявление подграфа представительного кардиоцикла производят по критерию близости к средней продолжительности сегмента РР на всем промежутке съема ЭКС [5];

- формирование контурного описания конфигурации элементов ЭКС [5] (см. фигуру 5). При этом осуществляют:

определение положения вершины подграфа элемента ЭКС, соответствующей левой и правой разграничительной точке данного элемента относительно соседних элементов и истинной нулевой линии, являющейся подграфом исходного контурного графа, описывающим изолинию ЭКС;

формирование описания формы элементов ЭКС после обработки графа системой набора предикатов, включающее описание формы пика в целом в терминологии геометрических идеальных типовых кривых, определение положения оси пика относительно вертикали, наличие признаков симметричности форм проксимального и дистального колен пика, описание формы проксимального и дистального колен пика с описанием взаимного расположения колен и истинной нулевой линии;

выявление соотношения амплитуд положительных и отрицательных пиков элементов ЭКС, а для пиков Р и Q - соотношения их амплитуд с нулем;

- выявление ЭКС признаков ИМ для ККА осуществляется путем сравнения элементов ЭКС, представленных в формате контурных графов, с их шаблонными значениями. В случае совпадения одного из предикатов описания формы элемента ЭКС определяют наличие указательных и реципрокных признаков для конкретного заболевания ИМ.

3. Формирование диагностического заключения. На этом этапе осуществляется интерпретация данных, полученных в результате работы блока «Комплексный контурный анализ ЭКС», и выдача диагностического заключения. Важным принципом компьютерной диагностики является то, что результаты диагностики нельзя выдавать за диагноз. Диагноз с формулировкой по Международной Классификации Болезней (МКБ) [7] ставит только лечащий врач на основании осмотра, симптоматики, анамнеза заболевания и результатов диагностики.

Из приведенного описания известного способа следует, что интерпретация данных, полученных в результате обработки информации, осуществляется путем сравнения элементов ЭКС, представленных в формате контурных графов, с их шаблонными значениями.

В настоящее время при анализе ЭКС в стандартных отведениях преобладает статистический подход, заключающийся в сравнении зарегистрированного ЭКС в стандартных отведениях с имеющимися ЭКС из «эталонной базы данных» [8]. Функционирование всех известных ЭКС-анализаторов основано на допущении о вероятности попадании искомого элемента ЭКС в заданный интервал по времени и амплитуде. Действительно, постулат «двух одинаковых ЭКС не бывает» подразумевает наличие доверительного интервала, в котором располагаются значения ИП элементов ЭКС. Критерием принадлежности ЭКС к определенному типу заболевания является попадание в доверительный интервал значений ИП элементов ЭКС. Существуют «эталонные базы данных» ЭКС (Миннесотский и Гарвардский коды [9, 10]), которые представляет собой общепризнанную классификацию ИП элементов ЭКС в амплитудно-временной области, основанную на обширных статистических исследованиях вариабельности ЭКС. Критерии «эталонных баз данных» ЭКС - порядка 109000 ИП элементов ЭКС - служат объективным показателем оценки соответствующих количественных значений длительностей и амплитуд зубцов и интервалов ЭКС. Параметры ЭКС в норме приведены в таблице 1 [11].

Таблица 1 Элементы Продолжительность, с Амплитуда, мм Зубцы Р 0,06-0,1 0,05-2,5 Q <0,03 <1/4 R R 0,03-0,04 <8 (в I, II), <25 (в VI) S 0,03 до 20 (V5,6 до 26) Т 0,16 <1/2-1/3; R (II отв. до 1/4 R) U 0,06-0,16 2-3 Интервал P-Q 0,12-0,2 - Q-T 0,35-0,42 - R-R 0,75-1,0 - Сегмент S-T 0,02-0,12 - Комплекс QRS 0,06-0,09 (0,1) -

Вариабельность параметров обуславливает необходимость индивидуального подхода к оценке состояния сердечно-сосудистой системы (ССС). Видный американский кардиолог Уайт (White), который описал своеобразную форму функциональной патологии сердца - так называемый синдром Вольфа-Паркинсона-Уайта (синдром WPW), отмечал: «Границы нормы для сердца остаются сегодня в кардиососудистой физиологии одной из наиболее трудных проблем в точной оценке и диагностике сердечно-сосудистых заболеваний, одними из наиболее важных и часто пренебрегаемых величин» [12].

В настоящее время достигнут определенный предел диагностических возможностей методов анализа ЭКС в стандартных отведениях по выявлению электрической нестабильности миокарда, а также решению других диагностических задач. Суть известных неинвазивных способов автоматической синдромной диагностики сводится к анализу изменений контура ЭКС, выявлению на ЭКС характерных точек, измерению интервально-амплитудных параметров и отношений между выявленными точками. Затем ЭКС по ряду обучающих признаков относят к одному из известных классов ЭКС.

Главная задача электрокардиографической диагностики ИМ - не пропустить патологическое состояние ССС. Очевидно, что для решения данной задачи необходимо совершенствование методов электрокардиографической диагностики.

Изобретение направлено на повышение достоверности диагностики инфаркта миокарда путем расширения области представления диагностической информации за счет анализа характерных особенностей различных по своей природе ИП ЭКС.

Это достигается тем, что в способ обработки электрокардиосигнала для диагностики инфаркта миокарда, включающий автоматический съем ЭКС пациента в трех стандартных, трех усиленных и шести грудных отведениях, его регистрацию, оцифровку и анализ, формирование при анализе ЭКС кода снимаемых данных последовательно во всех отведениях, построение исходного контурного графа с заданными параметрами его вершин и ребер, определение набора параметров из них, который используют для комплексного анализа контура ЭКС, определение подграфов QRS-комплекса, Р-комлекса, T-комплекса, ST-сегмента и PT-сегмента в каждом отведении, распознавание подграфов, соответствующих шумовым искажениям ЭКС, с последующей сглаживающей деформацией исходного контурного графа, формирование контурного описания конфигурации элементов и их взаиморасположения, выявление отклонений ЭКС, связанных с нарушением сердечного ритма, проводимости сердца и ишемическими изменениями его работы, и формирование диагностического заключения, введены выделение кардиоцикла, комбинированный анализ ЭКС, выбор результата комбинированного анализа ЭКС, при комбинированном анализе ЭКС во всех отведениях осуществляют выявление ЭКС признаков инфаркта миокарда и оценку состояния ССС по результатам анализа ЭКС в амплитудно-временной, частотно-временной и амплитудно-фазовой областях, а также нейросетевой анализ ЭКС, включающий построение решающих правил для нейросетевого анализа ЭКС и оценку состояния ССС по результатам нейросетевого анализа ЭКС.

При этом анализ ЭКС в амплитудно-временной области осуществляется путем определения амплитудно-временных параметров ЭКС в 12 стандартных отведениях, определения ЭКС признаков инфаркта миокарда в амплитудно-временной области, сравнения амплитудно-временных параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в амплитудно-временной области, выдаче заключения «Подозрение на инфаркта миокарда» в случае совпадения при сравнении и выдаче заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения при сравнении.

При этом анализ ЭКС в частотно-временной области осуществляется путем определения частотно-временных параметров ЭКС в 12 стандартных отведениях, определения ЭКС признаков инфаркта миокарда в частотно-временной области, сравнения частотно-временных параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в частотно-временной области, выдаче заключения «Подозрение на инфаркт миокарда» в случае совпадения при сравнении и выдаче заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения при сравнении.

При этом анализ ЭКС в амплитудно-фазовой области осуществляется путем определения амплитудно-фазовых параметров ЭКС в 12 стандартных отведениях, определения ЭКС признаков инфаркта миокарда в амплитудно-фазовой области, сравнения амплитудно-фазовых параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в амплитудно-фазовой области, выдаче заключения «Подозрение на инфаркта миокарда» в случае совпадения результата сравнения и выдаче заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения результата сравнения.

При этом нейросетевой анализ ЭКС осуществляется путем построения нейронной сети для анализа ЭКС в каждом отведении, причем количество нейронов в выходном слое нейронной сети равно количеству диагностируемых инфарктов миокарда.

При этом ЭКС признаками инфаркта миокарда в частотно-временной области являются значения от 1,5 до 2,0 модуля коэффициентов «поверхности разницы»:

- для комплекса QRS ЭКС не менее чем в 4 из 12 стандартных отведений;

- для сегмента ST ЭКС в отведениях II, III, аVF;

- для зубца Т ЭКС не менее чем в 4 из 12 стандартных отведений. При этом ЭКС признаками инфаркта миокарда в амплитудно-фазовой области являются расположение

- петли QRS в отрицательной полуплоскости фазовой плоскости относительно оси ординат в отведениях над областью ИМ,

- петли Т в отрицательной полуплоскости фазовой плоскости относительно оси абсцисс в отведениях над областью ИМ,

- петли Т в отрицательной полуплоскости фазовой плоскости относительно оси ординат в грудных отведениях над областью ИМ.

При этом построение «поверхности разницы» в частотно-временной области осуществляется путем вычитания значений нормализованных коэффициентов вейвлет-преобразования ЭКС обследуемого пациента из значений нормализованных коэффициентов вейвлет-преобразования ЭКС здорового пациента.

Введенные действия с их связями проявляют новые свойства, которые позволяют повысить качество диагноза и расширить функциональные возможности способа обработки электрокардиосигнала для диагностики ИМ. В основе предлагаемого авторами подхода лежат главные принципы диагностики:

- помочь врачу, не навредить пациенту;

- без достоверного диагноза нет хорошего лечения.

Действительно, согласно электрокардиографическому представлению состояние ССС характеризуется ИП ЭКС, поэтому выбор метода анализа ЭКС обусловлен анализируемыми ИП ЭКС. Невозможно использовать для анализа какого-либо ИП ЭКС метод, не предназначенный для обработки этого ИП. Методы анализа ЭКС основаны на методах обработки информации и предназначены для извлечения соответствующих данных из ИП ЭКС. Относительно ИП ЭКС можно сказать, что они «зашифрованы» в следующих составляющих ЭКС: временной, частотной, энергетической и геометрической. Несомненно, что методы анализа ЭКС должны содержать алгоритмы преобразования информации в этих составляющих частях сигнала.

Предлагаемый авторами подход аналогичен использованию медицинского консилиума: конечное решение принимается на основе частных решений независимых экспертов (алгоритмов). При этом формируется коллективное решение на основе «интеграции» частных решений.

Процесс диагностики формально можно представить в виде системы целевых функций:

где Р(Н*|Н) - условная вероятность события H*, вычисленная в предположении, что событие H произошло,

H0 - гипотеза об отсутствии диагностируемого заболевания,

H1 - гипотеза о наличии диагностируемого заболевания,

- решение об отсутствии диагностируемого заболевания,

- решение о наличии диагностируемого заболевания.

По мнению авторов, использование разных методов анализа ИП ЭКС дает более полное представление о состоянии ССС пациента, удовлетворяет критерию (1) и повышает вероятность (Р) правильного выявления наличия заболевания у больного человека.

На фигуре 8 приведена схема предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 9 приведена схема алгоритма комбинированного анализа ЭКС предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 10а приведена схема алгоритма «Выделение кардиоцикла в ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 10б приведено обозначение элементов (зубцов и интервалов) ЭКС.

На фигуре 11 приведена иллюстрация работы алгоритма «Выделение кардиоцикла в ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 12 приведена схема алгоритма метода «Амплитудно-временной анализ ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 13 приведена иллюстрация работы алгоритма «Амплитудно-временной анализ ЭКС».

На фигуре 14 приведена схема алгоритма метода «Частотно-временной анализ ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 15 приведены частотные составляющие ЭКС [13].

На фигуре 15 цифрами обозначены:

1 - частотный спектр ЭКС;

2 - частотный спектр QRS комплекса ЭКС;

3 - частотный спектр артефактов движения;

4 - частотный спектр зубцов Р и Т;

5 - частотный спектр напряжения поляризации;

6 - частотный спектр мышечных шумов.

На фигуре 16 приведена схема алгоритма построения «поверхности разницы» в частотно-временной области.

На фигуре 17а приведена 3D вейвлет-спектрограмма QRS комплекса ЭКС здорового пациента.

На фигуре 17б приведена 3D вейвлет-спектрограмма QRS комплекса ЭКС пациента с ИМ.

На фигуре 17в приведена «поверхность разницы» QRS комплекса ЭКС пациента с ИМ.

На фигуре 18а приведена 3D вейвлет-спектрограмма сегмента ST ЭКС здорового пациента.

На фигуре 18б приведена 3D вейвлет-спектрограмма сегмента ST ЭКС пациента с ИМ.

На фигуре 18в приведена «поверхность разницы» сегмента ST ЭКС пациента с ИМ.

На фигуре 19а приведена 3D вейвлет-спектрограмма Т-зубца ЭКС здорового пациента.

На фигуре 19б приведена 3D вейвлет-спектрограмма Т-зубца ЭКС пациента с ИМ.

На фигуре 19в приведена «поверхность разницы» Т-зубца ЭКС пациента с ИМ.

На фигуре 20 приведена схема алгоритма метода «Амплитудно-фазовый анализ ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 21 приведена иллюстрация работы алгоритма «Амплитудно-фазовый анализ ЭКС».

На фигуре 22а приведена нейросетевая парадигма анализа ЭКС.

На фигуре 22б приведена структура нейронной сети LVQ (Learning Vector Quantization) для анализа ЭКС.

На фигуре 23 приведена схема алгоритма обучения, используемая в методе «Нейросетевой анализ ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

На фигуре 24 приведена иллюстрация НСА ЭКС.

На фигуре 25 приведена схема, реализующая «Выбор результата комбинированного анализа ЭКС» предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

Согласно формуле изобретения предлагаемый способ обработки электрокардиосигнала для диагностики инфаркта миокарда состоит (см. фигуру 8):

во-первых, из действий, которые необходимо выполнить для реализации известного способа, таких как «Съем и регистрация ЭКС», «Оцифровка ЭКС» и «Формирование диагностического заключения»;

во-вторых, из действий, которые введены авторами для достижения заявляемого технико-экономического эффекта, таких как «Выделение кардиоцикла в ЭКС», «Комбинированный анализ ЭКС» и «Выбор результата комбинированного анализа ЭКС».

Описание действий «Съем и регистрация ЭКС», «Оцифровка ЭКС» и «Формирование диагностического заключения» приведено в разделе «Описание прототипа» настоящей заявки на предполагаемое изобретение. Далее приведем описание введенных действий.

Выделение кардиоцикла в ЭКС основано на оригинальном способе выделения начала кардиоцикла [14] (см. фигуру 10а). Для выделения кардиоцикла выполняется:

- суммирование дискретных отсчетов ЭКС в 12 стандартных отведениях;

- выделение зубцов Ri, Ri+1, Ri+2 путем поиска наибольших значений дискретных отсчетов суммарного ЭКС, превышающих заданный пороговый уровень. В результате обработки найденных значений формируется массив, элементы которого соответствуют вершинам зубцов R на ЭКС (см. фигуры 10б, 11). Для выделения кардиоцикла ЭКС достаточно найти вершины трех соседних зубцов R;

- деление значения длительности интервала RiRi+1 на N и деление значения длительности интервала Ri+1Ri+2 на N;

- определение по формулам Ri+1-RiRi+1/N и Ri+2-Ri+iRi+2/N номеров дискретных отсчетов, соответствующих началу кардиоцикла и окончанию кардиоцикла;

- формирование значений дискретных отсчетов выделенного кардиоцикла (см. фигуру 10б).

В [14] приведено доказательство эффективности данного способа выделения кардиоцикла в ЭКС, согласно которому значение делителя N=4, т.е. начало кардиоцикла ЭКС, определяется исходя из выражения Ri+1-RiRi+1/4.

Комбинированный анализ ЭКС является основным этапом предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда и обеспечивает обработку ИП ЭКС разными методами.

Суть комбинированного анализа ЭКС заключается в обработке разных ИП одних и тех же входных данных - значений дискретных отсчетов выделенного кардиоцикла ЭКС. Для этого каждым из методов анализа ЭКС осуществляется преобразование значений дискретных отсчетов выделенного кардиоцикла ЭКС в коды значений области представления ИП данного метода.

По мнению авторов, предлагаемый подход к обработке ИП ЭКС на основе использования разных методов анализа ЭКС позволяет повысить вероятность (Р) правильного выявления наличия заболевания у больного человека по сравнению с методом анализа лишь одного из ИП ЭКС (другими словами - повысить чувствительность анализа ЭКС), глубже понять физический смысл ЭКС признаков ИМ.

Комбинированный анализ ЭКС включает следующие методы анализа (см. фигуру 9):

- комплексный контурный анализ ЭКС, осуществляющий преобразование исходных дискретных отчетов в код контурного графа элементов ЭКС и его сравнение с шаблонными значениями. При этом осуществляется построение исходного контурного графа с заданными параметрами его вершин и ребер, определение набора параметров из них, который используют для комплексного анализа контура ЭКС, определение подграфов QRS-комплекса, Р-комлекса, T-комплекса, ST-сегмента и PT-сегмента в каждом отведении, распознавание подграфов, соответствующих шумовым искажениям ЭКС, с последующей сглаживающей деформацией исходного контурного графа, формирование контурного описания конфигурации элементов и их взаиморасположения и выявление отклонений ЭКС, связанных с нарушением сердечного ритма, проводимости сердца и ишемическими изменениями его работы;

- амплитудно-временной анализ (АВА) ЭКС, осуществляющий преобразование дискретных отчетов выделенного кардиоцикла в амплитудно-временные параметры элементов ЭКС и их сравнение с шаблонными значениями. При этом осуществляется определение амплитудно-временных параметров ЭКС в 12 стандартных отведениях, определение ЭКС признаков инфаркта миокарда в амплитудно-временной области, сравнение амплитудно-временных параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в амплитудно-временной области, выдача заключения «Подозрение на инфаркта миокарда» в случае совпадения при сравнении и выдача заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения при сравнении;

- частотно-временной анализ (ЧВА) ЭКС, осуществляющий преобразование дискретных отчетов выделенного кардиоцикла в частотно-временные параметры ЭКС и их сравнение с шаблонными значениями. При этом осуществляется определение частотно-временных параметров ЭКС в 12 стандартных отведениях, определение ЭКС признаков инфаркта миокарда в частотно-временной области, сравнение частотно-временных параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в частотно-временной области, выдача заключения «Подозрение на инфаркт миокарда» в случае совпадения при сравнении и выдача заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения при сравнении;

- амплитудно-фазовый анализ (АФА) ЭКС, осуществляющий преобразование дискретных отчетов выделенного кардиоцикла в амплитудно-фазовые параметры ЭКС и их сравнение с шаблонными значениями. При этом осуществляется определение амплитудно-фазовых параметров ЭКС в 12 стандартных отведениях, определение ЭКС признаков инфаркта миокарда в амплитудно-фазовой области, сравнение амплитудно-фазовых параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в амплитудно-фазовой области, выдача заключения «Подозрение на инфаркта миокарда» в случае совпадения результата сравнения и выдача заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения результата сравнения;

- нейросетевой анализ (НСА) ЭКС, осуществляющий более эффективную, обусловленную алгоритмом обучения, адаптацию к нестационарным особенностям ЭКС. Задача анализа ЭКС на основе нейронной сети (НС) относится к классификационным задачам. При этом осуществляется выделение ЭКС признаков ИМ, обработка их в НС и оценка (или классификация) состояния ССС (см. фигуру 22а).

Выбор результата комбинированного анализа ЭКС.

На данном этапе принимается окончательное решение на основании частных решений, полученных в результате анализа ЭКС разными методами. Известны различные подходы к интеграции частных решений, например мажоритарный принцип (или принцип голосования). Согласно мажоритарному принципу окончательное решение будет соответствовать решению, принятому большинством экспертов (алгоритмов): (F=A#D#C).

Мы предполагаем, что решения экспертов (алгоритмов) независимы и состоят из двух суждений (см., например, фигуру 12):

1. Подозрение на ИМ;

2. Признаков ИМ не обнаружено.

Поскольку возможных вариантов всего два, а окончательное решение выбирается из пяти методов анализа ЭКС по принципу большинства, то функция выбора результата комбинированного анализа ЭКС представляется в виде функции голосования «3 из 5» (см. фигуру 25):

где R1, R2, R3, R4, R5 - результаты работы каждого из методов комбинированного анализа ЭКС, принимающие значение «1», если соответствующий метод выявил у пациента признаки ИМ, и значение «0», если соответствующий метод не выявил у пациента признаки ИМ.

Предполагается, что для каждого метода анализа ЭКС известна вероятность выдачи безошибочного результата или вероятность (Р) правильного выявления наличия заболевания у больного человека, т.е. чувствительность. Тогда результат на каждом элементе конъюнкции Qi (i=1, 2, …, 10) (см. формулу 2 и фигуру 25) будет безошибочен, если безошибочны все данные, подаваемые на элемент конъюнкции. При этом вероятность выдачи безошибочного результата элементом конъюнкции будет рассчитываться по формуле вероятности одновременного возникновения трех независимых событий:

где P(Q) - вероятность выдачи безошибочного результата элементом конъюнкции,

P(RN1) - вероятность выдачи безошибочного результата одним из методов анализа ЭКС, подаваемым на первый вход элемента конъюнкции,

P(RN2) - вероятность выдачи безошибочного результата одним из методов анализа ЭКС, подаваемым на второй вход элемента конъюнкции,

P(RN3) - вероятность выдачи безошибочного результата одним из методов анализа ЭКС, подаваемым на третий вход элемента конъюнкции.

Сигналы со всех элементов конъюнкции поступают на элемент дизъюнкции (см. фигуру 25). Вероятность выдачи безошибочного результата элементом дизъюнкции определяется по формуле вероятности появления хотя бы одного из десяти независимых событий (см. формулу 4):

где P(R) - вероятность выдачи безошибочного результата элементом дизъюнкции (итогового результата),

P(Qi) - вероятность выдачи безошибочного результата i-м элементом конъюнкции.

Исследования показали, что вероятность выдачи безошибочного результата при комбинированном анализе ЭКС выше вероятности выдачи безошибочного результата любого, отдельно взятого, метода, участвующего в комбинированном анализе ЭКС.

Таким образом, в предлагаемом способе обработки электрокардиосигнала для диагностики инфаркта миокарда использование разных методов анализа ЭКС обеспечивает следующее выполнение условий критерия (1):

где maxпред, minпред - значения максимума и минимума целевой функции предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда, maxизв, minизв - значения максимума и минимума целевой функции известного способа обработки электрокардиосигнала для диагностики инфаркта миокарда.

Рассмотрим подробнее особенности функционирования методов анализа ЭКС, используемых в предлагаемом способе обработки электрокардиосигнала для диагностики инфаркта миокарда.

Метод АВА ЭКС для диагностики ИМ.

ЭКС на этапе определения ИП представляет собой совокупность последовательно расположенных во времени кодовых отсчетов сигналов отведений. Согласно стандарту частота дискретизации ЭКС должна составлять не менее 500 Гц [6]. Изолинией на ЭКС считается отрезок прямой, соединяющей окончание зубца Т и начало зубца Р. Метод АВА ЭКС заключается в выявлении периодов его возрастания, убывания, постоянства, фиксировании точек перелома, значений амплитуды в этих точках и определении продолжительности интервалов возрастания, убывания или постоянства и последующем определении ИП ЭКС по заданным критериям. Для этого значение амплитуды первого отсчета принимается за базисное, затем значение амплитуды следующего отсчета сигнала сравнивается с базисным значением, и если оно оказывается больше базисного, то сигнал возрастает, если меньше, то убывает, если равно, то это говорит о постоянстве сигнала во времени. Затем базисным элементом становится значение амплитуды текущего отсчета а(ti), оно сравнивается со значением амплитуды следующего отсчета а(ti+1) и т.д. по формуле:

При этом подсчитывается продолжительность интервалов возрастания, убывания или постоянства ЭКС. В случае изменения знака приращения амплитуды Δа фиксируются следующие данные: тип отрезка ЭКС (возрастающий, убывающий, постоянный); продолжительность этого отрезка ЭКС; общую продолжительность ЭКС от момента начала первого отсчета до окончания анализируемого отрезка ЭКС; значение амплитуды в точке перелома. По окончании анализируемого интервала процедура анализа повторяется для следующего интервала. Таким образом осуществляется «разбиение» кардиоцикла на интервалы: выявляются интервалы его возрастания, убывания, постоянства; фиксируются точки перелома, значение амплитуды в этих точках; определяется продолжительность интервалов возрастания, убывания или постоянства.

Затем осуществляется сравнение выявленных амплитудно-временных параметров ЭКС с ЭКС признаками ИМ в амплитудно-временной области с использованием данных, приведенных в таблице 2. В таблице 2 приведена информация о локализации инфаркта миокарда по данным ЭКС [15].

Общепринятыми ЭКС признаками ИМ являются [16]:

1. Отсутствие зубца R в отведениях, расположенных над областью инфаркта.

2. Появление патологического зубца Q в отведениях, расположенных над областью инфаркта.

3. Подъем сегмента S-Т выше изолинии в отведениях, расположенных над областью инфаркта.

4. Смещение сегмента S-T ниже изолинии в отведениях, противоположных области инфаркта.

5. Отрицательный зубец T в отведениях, расположенных над областью инфаркта. По результатам АВА ЭКС на наличие ЭКС признаков ИМ осуществляется оценка состояния ССС. При этом констатируются результаты сравнение, и выдается оценка состояния ССС о том, что существует подозрение на ИМ или признаков ИМ не обнаружено.

На фигуре 13 приведена иллюстрация работы алгоритма «Амплитудно-временной анализ ЭКС». Анализ ЭКС выполняется в представленной ниже последовательности:

- определяются параметры следующих элементов ЭКС: «зубец R», «зубец Q», «интервал SТ», «зубец Т»;

- при наличии патологии у элемента ЭКС, определяемой путем сравнения с данными таблицы 1, выполняется сравнение параметров элемента ЭКС с приведенными выше признаками ИМ;

- по данным, представленным в таблице 2, производится уточнение местонахождения ИМ.

Необходимо отметить, что специфичность и чувствительность метода АВА ЭКС являются далеко не абсолютными. Ошибки электрокардиографической диагностики ИМ, к сожалению, возможны. При диагностике ИМ могут возникать трудности, связанные с анализом начальной части желудочкового комплекса, отражающей деполяризацию желудочков (комплекс QRS), и трудности трактовки изменений конечной части желудочкового комплекса - элементов реполяризации желудочков (интервал ST и зубец Т). По данным различных авторов, своевременно не диагностируется от 10 до 42% случаев ИМ. Чувствительность некоторых ЭКС признаков острого ИМ (ОИМ): зубец ST - 54%, аномальный зубец Q - 31% [17].

Тем не менее, несмотря на имеющиеся недостатки, АВА ЭКС в настоящее время является незаменимым в скрининге и диагностике ССС.

Метод ЧВА ЭКС для диагностики ИМ.

Расширение области представления диагностической информации является принципиальным моментом предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда. Пространственно-спектральные или частотно-временные методы анализа ЭКС позволяют расширить область представления диагностической информации и оценить свойства частотных составляющих ЭКС.

Известно, что ССС соответствует определенный частотный спектр (см. фигуру 15), а развитие патологических процессов приводит к изменению этого спектра частот в виде появления патологических (дисгармонических) колебаний. При клинических обследованиях решение о патологии ССС выносится только с учетом анализа ЭКС в частотной области [18].

В качестве частотно-временного метода анализа ЭКС используется вейвлет-преобразование (ВП) [19]. ВП ЭКС s(t) осуществляется путем его свертки с вейвлет-функцией ψa,b(t):

где W(a,b) - результат ВП ЭКС s(t);

а - параметр масштаба вейвлет-функции ψa,b(t): большие значения масштабирующего параметра |а| соответствуют низким частотам или большому масштабу вейвлет-функции ψa,0(t), малые параметры |а| соответствуют высоким частотам или мелкому масштабу вейвлет-функции ψa,0(t);

b - параметр временной локализации вейвлет-функции ψa,b(t).

Результатом ВП ЭКС s(t) является двухмерный набор коэффициентов W(a,b), которые определяются интегральным значением скалярного произведения сигнала на вейвлет-функцию заданного типа. Набор коэффициентов показывает, насколько поведение сигнала в данной точке похоже на «поведение» вейвлета на данном масштабе.

Чем ближе вид регистрируемой зависимости в окрестности данной точки к виду вейвлета, тем большую абсолютную величину имеет соответствующий коэффициент. Отрицательные коэффициенты показывают, что зависимость похожа на «зеркальное отражение» вейвлета. При этом ЭКС s(t) представляется выражением [20]:

где a - коэффициенты аппроксимации для заданных j и k, d - коэффициенты детализации для заданных j и k, φ(t) - масштабирующая функция, ψ(t) - вейвлет-функция. В результате ВП ЭКС можно рассматривать как во временной области (т.е. развитие процесса во времени), так и в области изменений масштаба (т.е. в частотной области).

По набору детализирующих вейвлет-коэффициентов строится 3D вейвлет-спектрограмма. При этом горизонтальная плоскость 3D вейвлет-спектрограммы построена по осям масштаба и времени. Высота задается значениями вейвлет-коэффициентов.

Примеры построения 3D вейвлет-спектрограмм и «поверхности разницы» элементов ЭКС: комплекса QRS, интервала ST и зубца Т приведены соответственно на фигурах 17, 18 и 19, где буквами обозначены:

а - построение 3D вейвлет-спектрограмм ЭКС здорового пациента;

б - построение 3D вейвлет-спектрограммы ЭКС пациента с диагнозом ИМ;

в - построение «поверхности разницы» ЭКС пациента с диагнозом ИМ.

3D вейвлет-спектрограмма является расширенным представлением ЭКС: добавляется представление ЭКС в частотной области. Суть разработанного метода ЧВА ЭКС для диагностики ИМ заключается в анализе особенностей 3D вейвлет-спектрограммы, позволяющем выявить сингулярность ЭКС в частотно-временной области и более точно оценить состояние сердца пациента. По 3D вейвлет-спектрограмме можно судить о масштабе и интенсивности изменений частотных составляющих ЭКС, локализации частотных составляющих ЭКС по времени, направлении и величине трендов, наличии, расположению и длительности скачков частотных составляющих ЭКС.

На основе 3D вейвлет-спектрограмм осуществляется построение «поверхности разницы». Согласно алгоритму построения «поверхности разницы» (см. фигуру 16) сначала строится 3D вейвлет-спектрограмма обследуемого пациента, нормализуются ее коэффициенты, затем значения коэффициентов 3D вейвлет-спектрограммы обследуемого пациента вычитаются из значений нормализованных коэффициентов вейвлет-преобразования ЭКС здорового пациента.

Проведенные исследования показали, что ЭКС признаками ИМ в частотно-временной области являются значения от 1,5 до 2,0 модуля коэффициентов «поверхности разницы»:

- для комплекса QRS ЭКС не менее чем в 4 из 12 стандартных отведений (см. фигуру 17в);

- для сегмента ST ЭКС в отведениях II, III, аVF (см. фигуру 18в);

- для зубца Т ЭКС не менее чем в 4 из 12 стандартных отведений (см. фигуру 19в).

Таким образом, частотно-временное разрешение ЭКС расширяет область представления диагностической информации, позволяет на «поверхности разницы» локализовать во времени изменения частотных составляющих ЭКС и выявить ЭКС признаки ИМ в частотно-временной области.

Метод АФА ЭКС для диагностики ИМ.

Известно, что ССС человека характеризуется колебаниями сложного вида (так называемый динамический хаос) и относится к классу нелинейных, автоколебательных, диссипативных, автономных, динамических систем, для которых метод фазовой плоскости является одним из основных методов исследования [21]. Поэтому в предлагаемом способе обработки электрокардиосигнала для диагностики инфаркта миокарда используется метод АФА (см. фигуру 20). При диагностике ИМ анализ фазового портрета, координатами которого являются амплитуда ЭКС и его производная по времени, позволяет судить о структуре комплекса QRS, интервала ST, зубцов Р и Т. Построение фазового автопортрета ЭКС осуществляется в два этапа:

- на первом этапе производится вычисление производной ЭКС методом конечных разностей:

где Y - вектор, содержащий значения отсчетов ЭКС,

Y' - вектор, содержащий значения отсчетов производной ЭКС,

n - количество отсчетов в ЭКС;

- на втором этапе производится построение графика, на котором по оси абсцисс откладываются значения отсчетов вектора Y, а по оси ординат откладываются значения отсчетов вектора Y'. Полученный график является фазовым автопортретом или аттрактором ЭКС. Аттрактор (attractor) в переводе с английского означает «притягиватель». Известно, что ССС обладает странным аттрактором [22]. Слово «странный» подчеркивает два свойства аттрактора [23]. Это, во-первых, необычность его геометрической структуры. Она не может быть представлена в виде кривых или плоскостей, то есть геометрических элементов целой размерности. Размерность странного аттрактора является дробной или, как принято говорить, фрактальной. Во-вторых, странный аттрактор - это притягивающая область для траекторий из окрестных областей. При этом все траектории внутри странного аттрактора динамически неустойчивы.

Для каждого отведения ЭКС осуществляется построение аттрактора согласно выражению (9). Примеры построение аттрактора приведены на фигуре 21, где буквами обозначены:

а - построение аттрактора ЭКС здорового пациента в отведении V5;

б - построение аттрактора ЭКС пациента с диагнозом ИМ (отсутствует зубец R в отведении V2);

в - построение аттрактора ЭКС пациента с диагнозом ИМ (отрицательный зубец T в отведении V5);

г - построение аттрактора ЭКС пациента с диагнозом ИМ (подъем сегмента S-T выше изолинии в отведении V3).

Информационными параметрами ЭКС в амплитудно-фазовой плоскости являются особенности различных графических элементов фазового портрета ЭКС: петли Р, петли QRS, петли Т. Данные элементы соответствуют зубцам ЭКС. На фазовом портрете вертикальная линия (ось ординат) соответствует отсчетам ЭКС с нулевым значением амплитуды. Очевидно, что все отсчеты ЭКС, лежащие на изолинии в амплитудно-временной плоскости, находятся на оси ординат амплитудно-фазовой плоскости. Аналогично горизонтальная линия амплитудно-фазовой плоскости соответствует нулевым значениям отсчетов производной, и на ней находятся отсчеты производной, вычисленные на постоянных участках ЭКС (без возрастания и убывания).

Наглядное графическое представление элементов ЭКС в фазовой плоскости позволяет выявить особенности состояния ССС пациента. Так, совпадение фазовых портретов в течение нескольких кардиоциклов говорит об отсутствии аритмии. Охват петлей QRS всех четвертей фазовой плоскости с высокой долей вероятности свидетельствует об отсутствии патологий в QRS-комплексе. Наличие петли Т в одной полуплоскости относительно оси ординат и в обеих полуплоскостях относительно оси абсцисс при условии совпадения с направлением петли QRS говорит об отсутствии важных признаков ИМ - отрицательном зубце Т и смещении сегмента ST.

Анализ аттракторов, приведенных на фигуре 21, показывает, что геометрические особенности аттрактора (форма, расположение петель и угол наклона) являются инвариантами состояния ССС пациента. В результате исследований установлены следующие ЭКС признаки ИМ в амплитудно-фазовой области (см. фигуру 21):

1. Петля QRS расположена в отрицательной полуплоскости фазовой плоскости относительно оси ординат в отведениях над областью ИМ.

2. Петля Т расположена в отрицательной полуплоскости фазовой плоскости относительно оси абсцисс в отведениях над областью ИМ.

3. Петля Т расположена в отрицательной полуплоскости фазовой плоскости относительно оси ординат в грудных отведениях над областью ИМ.

Таким образом, метод фазовой плоскости предоставляет принципиальную возможность диагностики состояния ССС в течение кардиоцикла на основе построения и анализа аттрактора ЭКС.

Метод НСА ЭКС для диагностики ИМ.

Одним из путей совершенствования методов анализа электрокардиографической информации является использование нейронных сетей (НС) [24]. Если методы морфологического анализа (ККА, АВА, АФА) и вейвлет-преобразования (ЧВА) определяют дифференциальные характеристики ЭКГ, то нейросетевые методы (НСА) оценивают ЭКС в целом. Результатом НСА ЭКС является интегральная характеристика ЭКС. НС является вычислителем нового класса, позволяющим анализировать ЭКС более точно и достоверно. Теоретическим обоснованием нейросетевого подхода служит следствие из теоремы Колмогорова-Арнольда, доказанное Хехт-Нильсеном, согласно которому произвольная непрерывная функция нескольких переменных может быть аппроксимирована НС с любой наперед заданной степенью точности [25].

Преимуществом нейросетевых методов анализа ЭКС является более эффективная адаптация к нестационарным особенностям ЭКС по сравнению с другими методами, обусловленная алгоритмом обучения. Нейросетевая парадигма анализа ЭКС включает в себя дискретизацию ЭКС, выделение ЭКС признаков ИМ и обработку их в НС, оценку (или классификацию) состояния ССС (см. фигуру 22а).

Из фигуры 22а следует, что задача анализа ЭКС на основе НС относится к классификационным задачам. НС, использующая евклидову меру близости для классификации объектов, называется сетью Кохонена. Недостаток сети Кохонена заключается в отсутствии возможности обучения «с учителем». НС LVQ (см. фигуру 226) является развитием структуры сети Кохонена и устраняет указанный недостаток.

Значение сигнала на выходе НС LVQ определяется по следующей формуле:

где xi - i-й элемент входного вектора,

- i-й элемент вектора весов m-го нейрона конкурирующего слоя,

- j-й элемент вектора весов k-го нейрона линейного слоя,

Fcompet - передаточная функция конкурирующего слоя, выявляющая нейрон-победитель,

Flin - линейная функция активации нейронов распределительного слоя,

N - размерность входного вектора НС,

S - количество нейронов в конкурирующем слое,

Yk - значение k-го выхода НС.

Размерность входного вектора N определяется стандартом SCP-ECG для обмена цифровыми ЭКС [6] и равна N=500.

Размерность выходного вектора К соответствует числу анализируемых классов заболеваний, т.е. каждому заболеванию ССС соответствует один выход НС. Ответы НС LVQ кодируются значением «1» для выхода, соответствующего классу заболеваний, к которому НС отнесла входной сигнал, и «0» для выходов, соответствующих остальным классам заболеваний.

Количество нейронов S в слое Кохонена соответствует числу кластеров, на которые предполагается разделить входные данные. Согласно [24] для осуществления нейросетевого анализа необходимо 50 нейронов в слое Кохонена.

Особенностью НСА ЭКС является то, что строится и обучается НС для каждого отведения.

Целью обучения НС при анализе ЭКС является такое упорядочение нейронов (подбор значений их весов), которое минимизирует значение ожидаемого искажения, оцениваемого погрешностью аппроксимации входного вектора xh, значениями весов нейрона-победителя в конкурентной борьбе. Эта погрешность (или ошибка распознавания) может быть представлена в виде:

где p - количество входных векторов,

- i-й элемент вектора весов m-го нейрона конкурирующего слоя при предъявлении входного вектора xh. Алгоритм обучения НС LVQ [24] представлен на фигуре 23 и работает следующим образом:

1. Присваивается всем весам слоя Кохонена одно и то же начальное значение .

2. Выбирается из обучающей выборки очередной вектор xh.

3. Изменяются элементы вектора xh в соответствии в формулой:

где t - номер эпохи обучения,

P(t)- монотонно возрастающая функция, меняющаяся от 0 до 1 по мере обучения.

4. Определяется евклидово расстояние между вектором xh и каждым нейроном конкурирующего слоя по формуле:

5. Определяются 2 нейрона с наименьшим евклидовым расстоянием dm до входного вектора x'.

6. Проверяется условие:

где d1 - евклидово расстояние между вектором х' и весами первого найденного нейрона,

d2 - евклидово расстояние между вектором х' и весами второго найденного нейрона,

ε - значение, выбираемое из диапазона 0,2÷0,3 [4].

При выполнении условия (11) осуществляется переход к п.7, иначе происходит возврат к п.2.

7. Изменяются веса найденных нейронов.

При правильной классификации вектора х' выполняется корректировка по формуле:

При ложной классификации выполняется «отторжение» весов нейрона по формуле:

где ηt - величина скорости обучения НС.

8. При минимизации ошибки обучения Eq (см. выражение 11) прекращается цикл обучения, иначе осуществляется переход к п.2.

Важным методологическим аспектом использования НС для диагностики ССС является возможность определения ИП ЭКС, которые необходимо изменить, чтобы состояние ССС соответствовало определенному классу. Например, изменяя в различных направлениях значения тех или иных ИП ЭКС и тестируя эти изменения, можно определить классы состояний ССС, к которым относятся эти изменения. Предположим, что сеть обучена дифференцировать больных и здоровых людей по набору ИП ЭКС. Изменяя на компьютере эти ИП ЭКС, можно добиться, чтобы «измененный» набор ИП ЭКС, ранее определяемый как "больной", стал принадлежать классу "здоровый". В результате определятся ИП ЭКС, которые необходимо скорректировать для улучшения состояния больного.

В предлагаемом способе обработки электрокардиосигнала для диагностики инфаркта миокарда НСА ЭКС осуществляется на основе адаптированной, предварительно настроенной и обученной нейронной сети LVQ. Степень повреждения миокарда и локализация зоны повреждения при НСА ЭКС оценивается с помощью решающих правил, согласно которым класс принадлежности ЭКС определяется по максимальному числу отведений, соответствующих каждому классу. Например, если 9 из 12 отведений распознаются как отведения ЭКС здорового человека, остальные 3 - как отведения ЭКС больного острым ИМ (ОИМ) задней стенки левого желудочка (ЛЖ), то данный набор сигналов признается набором сигналов с отклонением от нормы. Если количество отведений, отнесенных к разным типам ЭКС, совпадает, то выводится сообщение о неопределенности типа ЭКС. Решающие правила при выдаче рекомендаций о состоянии сердца следующие: считается, что

- пациент здоров в случае, если все отведения в норме (допускается одно ненормальное отведение);

- отклонение от нормы в случае, если 2-3 отведения - ненормальные;

- подозрение на ОИМ, если 4 или более отведений - ненормальные.

В качестве примера для тестирования разработанной и обученной НС LVQ использовалась общедоступная база данных ЭКС пациентов с клинически подтвержденным диагнозом состояния ССС [26], которая предоставляет бесплатный доступ через Интернет к большой коллекции ЭКС. С сайта www.PhisioNet.org [26] получен ЭКС с диагнозом заднебокового ОИМ - s0010_re.hea. На фигуре 24 приведены результаты НСА этого сигнала. Из анализа фигуры 24 следует, что 5 из 12 отведений - ненормальные. Согласно решающему правилу, если 4 или более отведений - ненормальные, то подозрение на ОИМ. Совместный анализ фигуры 24 и таблицы 2 определяет локализацию ОИМ: заднебоковая поверхность ЛЖ.

Таким образом, результаты проверки показывают эффективность НСА ЭКС для диагностики инфаркта миокарда.

В заключение следует отметить, что выявление характерных особенностей ЭКС, определяющих состояние ССС, является главной задачей анализа электрокардиографической информации. Анализ практических ЭКС [16, 26, 27] показывает, что новые свойства предлагаемого способа обработки электрокардиосигнала для диагностики инфаркта миокарда, обусловленные использованием разных методов анализа ЭКС, способствуют решению этой задачи и позволяют врачу эффективнее оценить состояние сердца пациента.

Список использованных источников

1. Патент РФ №2315556. Способ диагностики Q-инфаркта миокарда при неинвазивном электрокардиографическом картировании поверхности сердца. / Загидуллин Н.Ш., Загидуллин Ш.З., Зулкарнеев Р.Х. // Официальный бюллетень «Изобретения. Полезные модели». №3, 2008.

2. Амиров Р.3. Интегральные топограммы потенциалов сердца. - М.: Наука, 1973, 108 с.

3. Патент США №3554187. Method and apparatus for automatically screening of electrocardiac signals. / Harvey F., Clinton O., Lee R., 12.01.1971.

4. Кондалакис Е., Траханиас П. Применение компьютеров для исследования сердца // Сб. «Микрокомпьютеры в физиологии». М.: Мир, 1990, 214-239 с.

5. Патент РФ №2217045. Способ обработки электрокардиосигнала в динамике для диагностики инфаркта миокарда. / Белоцерковский О.М., Виноградов А.В., Шебеко С.В., Самгин Ю.С., Виноградов Н.А., Гамоля С.В., Конотоп Ю.И. // Официальный бюллетень «Изобретения. Полезные модели». №11, 2003.

6. Плотников А.В., Прилуцкий Д.А., Селищев С.В. Стандарт SCP-ECG для обмена цифровыми ЭКС // Тезисы докладов Международной конференции по биомедицинскому приборостроению "Биомедприбор-98" - Москва, ВНИИМП РАМН. - 6-8 октября 1998, 213-215 с.

7. Международная классификация болезней МКБ-10. Диагнозы. Электронная версия. Класс: Болезни системы кровообращения. Блок: Ишемическая болезнь сердца /http://www.mkb10.ru/?class=9&bloc=57.

8. Гельфанд И.М., Розенфельд Б.И., Шифрин М.А. Очерки о совместной работе математиков и врачей. / Под ред. Гиндикина С.Г. Изд. 2-е, испр. и доп. - М.: Едиториал УРСС, 2005, 320 с.

9. Prineas R.J., Crow R.S., Blackburn H. The Minnesota Code Manual of Electrocardiographic Findings. Standards and Procedures for Measurement and Classification. - Boston, Bristol, London, 1982.

10. Moody G.B. The MIT-BIH Arrhythmia Database // Harvard-MIT Division of Health Sciences and Technology, August, 1992.

11. Норма в медицинской практике. / Справочное пособие. - М.: МЕДпресс, 2001, 144 с.

12. Уайт П.Д. Ключи к диагностике и лечению болезней сердца. М., Наука, 1960.

13. Зайченко К.В., Жаринов О.О., Кулин А.Н., Кулыгина Л.А., Орлов А.П. Съем и обработка биоэлектрических сигналов: Учебное пособие. / Под ред. К.В. Зайченко. СПбГУАП, СПб., 2001, 140 с.

14. Патент РФ №2294139. Способ выделения начала кардиоцикла и устройство для его осуществления. / Бодин О.Н., Жулев И.О., Логинов Д.С., Митрошин А.Н., Прошкин В.В. // Официальный бюллетень «Изобретения. Полезные модели». №6, 2007.

15. Инфаркт миокарда // Электронное справочное пособие для врача скорой медицинской помощи //http://www.med2000.ru/cito/cor.htm.

16. Ю.И.Зудбинов. Азбука ЭКГ. - Ростов н/Д: Феникс, 2003, 240 с.

17. Slater D.K., Hiatky М.А., 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, 766-770 p.

18. Polikar Robi. The Engineer's Ultimate Guide to Wavelet Analysis. The Wavelet Tutorial/http://www.public.iastate.edu/~rpolikar/wavelets/wttutorial.html.

19. Добеши И. Десять лекций по вейвлетам. - Москва - Ижевск: НИЦ Регулярная и хаотическая диалектика, 2004, 464 с.

20. Бодин О.Н., Бурукина И.П. Особенности анализа электрокардиографической информации с использованием вейвлет-преобразования // Медицинская техника, №2, 2006, 26-29 с.

21. Анищенко B.C., Астахов В.В., Вадивасова Т.Е., Нейман А.Б., Стрелкова Г.И., Шиманский-Гайер Л. Нелинейные эффекты в хаотических и стохастических системах. - Москва-Ижевск: Институт компьютерных исследований, 2003, 544 с.

22. Анищенко B.C., Янсон Н.Б., Павлов А.Н. Может ли режим сердца здорового человека быть регулярным? // Радиотехника и электроника, 1997, т.42, №8, 1005-1010 с.

23. Климонтович Ю.Л. Введение в физику открытых систем. М.: Янус-К, 2002.

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

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

26. www.PhisioNet.org.

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

Похожие патенты RU2383295C1

название год авторы номер документа
СПОСОБ ОБРАБОТКИ ЭЛЕКТРОКАРДИОГРАММ С ЦЕЛЬЮ ВЫДЕЛЕНИЯ СТАДИЙ В ДИНАМИКЕ ИЗМЕНЕНИЙ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ МИОКАРДА 2016
  • Романец Илья Александрович
  • Копылов Филипп Юрьевич
  • Гурия Георгий Теодорович
RU2632756C2
СПОСОБ НЕЙРОСЕТЕВОГО АНАЛИЗА СОСТОЯНИЯ СЕРДЦА 2011
  • Бодин Олег Николаевич
  • Волкова Наталья Александровна
  • Логинов Дмитрий Сергеевич
  • Рябчиков Роман Вадимович
  • Фунтиков Вячеслав Александрович
RU2461877C1
СПОСОБ НЕЙРОСЕТЕВОГО АНАЛИЗА СОСТОЯНИЯ СЕРДЦА 2018
  • Безбородова Оксана Евгеньевна
  • Бодин Олег Николаевич
  • Герасимов Андрей Ильич
  • Полосин Виталий Германович
  • Рахматуллов Фагим Касымович
  • Рахматуллов Руслан Фагимович
  • Шерстнёв Владислав Вадимович
  • Ожикенов Касымбек Адильбекович Касымбек Адильбекович
  • Алимбаева Жадыра Нурдаулетовна
RU2704913C1
СПОСОБ ОБРАБОТКИ ЭЛЕКТРОКАРДИОСИГНАЛА В ДИНАМИКЕ ДЛЯ ДИАГНОЗА ИНФАРКТА МИОКАРДА 2001
  • Белоцерковский О.М.
  • Виноградов А.В.
  • Шебеко С.В.
  • Самгин Ю.С.
  • Виноградов Н.А.
  • Гамоля С.В.
  • Конотоп Ю.И.
RU2217045C2
СПОСОБ ВЫДЕЛЕНИЯ QRS-КОМПЛЕКСА ЭЛЕКТРОКАРДИОСИГНАЛА 2009
  • Бодин Олег Николаевич
  • Зайцева Оксана Александровна
  • Кривоногов Леонид Юрьевич
  • Логинов Дмитрий Сергеевич
  • Рахматуллов Фагим Касымович
RU2410023C1
СПОСОБ ВЫДЕЛЕНИЯ НАЧАЛА РЕПОЛЯРИЗАЦИИ ЖЕЛУДОЧКОВ СЕРДЦА 2013
  • Бодин Олег Николаевич
  • Логинов Дмитрий Сергеевич
  • Балахонова Светлана Александровна
  • Петровский Михаил Александрович
  • Рахматуллов Фагим Касымович
  • Макарова Татьяна Александровна
  • Бальзанникова Елена Алексеевна
RU2522392C1
СПОСОБ ВЫДЕЛЕНИЯ НАЧАЛА КАРДИОЦИКЛА 2007
  • Бодин Олег Николаевич
  • Логинов Дмитрий Сергеевич
RU2359606C2
СПОСОБ ЭКСПРЕСС-ОЦЕНКИ ЭЛЕКТРИЧЕСКОЙ СТАБИЛЬНОСТИ СЕРДЦА 2013
  • Бодин Олег Николаевич
  • Кривоногов Леонид Юрьевич
  • Рахматуллов Фагим Касымович
  • Петровский Михаил Александрович
  • Иванчуков Антон Геннадьевич
RU2567271C2
СПОСОБ АДАПТИВНОГО ПОДАВЛЕНИЯ ПОМЕХ В ЭЛЕКТРОКАРДИОСИГНАЛЕ 2011
  • Бодин Олег Николаевич
  • Кривоногов Леонид Юрьевич
  • Тычков Александр Юрьевич
  • Чураков Пётр Павлович
  • Волчихин Владимир Иванович
  • Шурыгин Владимир Анатольевич
RU2486862C1
СПОСОБ И УСТРОЙСТВО ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ ОКАЗАНИИ ЭКСТРЕННОЙ КАРДИОЛОГИЧЕСКОЙ ПОМОЩИ 2020
  • Полосин Виталий Германович
RU2737860C1

Иллюстрации к изобретению RU 2 383 295 C1

Реферат патента 2010 года СПОСОБ ОБРАБОТКИ ЭЛЕКТРОКАРДИОСИГНАЛА ДЛЯ ДИАГНОСТИКИ ИНФАРКТА МИОКАРДА

Изобретение относится к медицине, а именно к кардиологии. Для реализации способа выполняют следующие действия. Производят автоматический съем электрокардиосигнала (ЭКС) пациента в трех стандартных, трех усиленных и шести грудных отведениях, его регистрацию, оцифровку и анализ, формирование при анализе ЭКС кода снимаемых данных последовательно во всех отведениях. Затем выполняют выделение кардиоцикла, комбинированный анализ ЭКС и выбор результата комбинированного анализа ЭКС. При комбинированном анализе ЭКС во всех отведениях осуществляют выявление ЭКС признаков ИМ и оценку состояния сердца по результатам анализа ЭКС в амплитудно-временной, частотно-временной и амплитудно-фазовой областях, а также по результатам нейросетевого анализа и комплексного контурного анализа ЭКС. При выборе результата комбинированного анализа ЭКС используют мажоритарный принцип. Способ позволяет в автоматическом режиме провести дифференциальную диагностику инфаркта миокарда и его осложнений по данным электрокардиографического обследования пациента при скрининге или в условиях скорой и неотложной помощи. 7 з.п. ф-лы, 2 табл., 25 ил.

Формула изобретения RU 2 383 295 C1

1. Способ обработки электрокардиосигнала (ЭКС) для диагностики инфаркта миокарда, включающий автоматический съем ЭКС пациента в трех стандартных, трех усиленных и шести грудных отведениях, его регистрацию, оцифровку и анализ, формирование при анализе ЭКС кода снимаемых данных последовательно во всех отведениях, построение исходного контурного графа с заданными параметрами его вершин и ребер, определение набора параметров из них, который используют для комплексного анализа контура ЭКС, определение подграфов QRS-комплекса, Р-комлекса, Т-комплекса, ST-сегмента и РТ-сегмента в каждом отведении, распознавание подграфов, соответствующих шумовым искажениям ЭКС, с последующей сглаживающей деформацией исходного контурного графа, формирование контурного описания конфигурации элементов и их взаиморасположения, выявление отклонений ЭКС, связанных с нарушением сердечного ритма, проводимости сердца и ишемическими изменениями его работы, и формирование диагностического заключения, отличающийся тем, что осуществляют выделение кардиоцикла, комбинированный анализ ЭКС, выбор результата комбинированного анализа ЭКС, при комбинированном анализе ЭКС во всех отведениях осуществляют выявление ЭКС признаков инфаркта миокарда и оценку состояния ССС по результатам анализа ЭКС в амплитудно-временной, частотно-временной и амплитудно-фазовой областях, а также нейросетевой анализ ЭКС, включающий построение решающих правил для нейросетевого анализа ЭКС и оценку состояния ССС по результатам нейросетевого анализа ЭКС.

2. Способ по п.1, отличающийся тем, что анализ ЭКС в амплитудно-временной области осуществляется путем определения амплитудно-временных параметров ЭКС в 12 стандартных отведениях, определения ЭКС признаков инфаркта миокарда в амплитудно-временной области, сравнения амплитудно-временных параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в амплитудно-временной области, выдаче заключения «Подозрение на инфаркт миокарда» в случае совпадения при сравнении и выдаче заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения при сравнении.

3. Способ по п.1, отличающийся тем, что анализ ЭКС в частотно-временной области осуществляется путем определения частотно-временных параметров ЭКС в 12 стандартных отведениях, определения ЭКС признаков инфаркта миокарда в частотно-временной области, сравнения частотно-временных параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в частотно-временной области, выдаче заключения «Подозрение на инфаркт миокарда» в случае совпадения при сравнении и выдаче заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения при сравнении.

4. Способ по п.1, отличающийся тем, что анализ ЭКС в амплитудно-фазовой области осуществляется путем определения амплитудно-фазовых параметров ЭКС в 12 стандартных отведениях, определения ЭКС признаков инфаркта миокарда в амплитудно-фазовой области, сравнения амплитудно-фазовых параметров ЭКС в 12 стандартных отведениях с ЭКС признаками инфаркта миокарда в амплитудно-фазовой области, выдаче заключения «Подозрение на инфаркт миокарда» в случае совпадения результата сравнения и выдаче заключения «Признаков инфаркта миокарда не обнаружено» в случае несовпадения результата сравнения.

5. Способ по п.1, отличающийся тем, что нейросетевой анализ ЭКС осуществляется путем построения нейронной сети для анализа ЭКС в каждом отведении, причем количество нейронов в выходном слое нейронной сети равно количеству диагностируемых инфарктов миокарда.

6. Способ по п.3, отличающийся тем, что ЭКС признаками инфаркта миокарда в частотно-временной области являются значения от 1,5 до 2,0 модуля коэффициентов «поверхности разницы»:
для комплекса QRS ЭКС не менее чем в 4 из 12 стандартных отведений;
для сегмента ST ЖС в отведениях II, III, αVF;
для зубца Т ЭКС не менее чем в 4 из 12 стандартных отведений.

7. Способ по п.4, отличающийся тем, что ЭКС признаками инфаркта миокарда в амплитудно-фазовой области являются расположение
петли QRS в отрицательной полуплоскости фазовой плоскости относительно оси ординат в отведениях над областью ИМ;
петли Т в отрицательной полуплоскости фазовой плоскости относительно оси абсцисс в отведениях над областью ИМ;
петли Т в отрицательной полуплоскости фазовой плоскости относительно оси ординат в грудных отведениях над областью ИМ.

8. Способ по п.6, отличающийся тем, что построение «поверхности разницы» в частотно-временной области осуществляется путем вычитания значений нормализованных коэффициентов вейвлет-преобразования ЭКС обследуемого пациента из значений нормализованных коэффициентов вейвлет-преобразования ЭКС здорового пациента.

Документы, цитированные в отчете о поиске Патент 2010 года RU2383295C1

RU 22117045 С2, 17.10.2001
СПОСОБ ДИАГНИСТИКИ Q-ИНФАРКТА МИОКАРДА ПРИ НЕИНВАЗИВНОМ ЭЛЕКТРОКАРДИОГРАФИЧЕСКОМ КАРТИРОВАНИИ ПОВЕРХНОСТИ СЕРДЦА 2006
  • Загидуллин Науфаль Шамилевич
  • Загидуллин Шамиль Зарифович
  • Зулкарнеев Рустем Халитович
RU2315556C1
КЕЧКЕР М.И
Руководство по клинической электрокардиографии
- М., 2000, с.395
БОДИН О.Н
Особенности анализа электрокардиографической информации с использованием вейвлет-преобразования
Медицинская техника, 2006, №2, с.26-29
SLATER D.K
et al
Outcome in suspected acute myocardial

RU 2 383 295 C1

Авторы

Бодин Олег Николаевич

Зайцева Оксана Александровна

Логинов Дмитрий Сергеевич

Моисеев Александр Евгеньевич

Даты

2010-03-10Публикация

2008-09-08Подача