СПОСОБ ИССЛЕДОВАНИЯ СИНХРОНИЗМА КАРДИОРЕСПИРАТОРНОЙ СИСТЕМЫ Российский патент 2024 года по МПК A61B5/346 A61B5/313 

Изобретение относится к области медицинской диагностики, в частности, к функциональной диагностике, а именно, к способам диагностики, профилактики и лечения заболеваний, основанных на исследовании электрофизиологических характеристик биологических объектов.

Известен способ исследования механики дыхания, заключающийся в одновременной регистрации сигналов электромиографии с дыхательных мышц и скоростных характеристик вдыхаемого/выдыхаемого воздуха при различных дыхательных маневрах. Регистрируемые сигналы оцифровывают блоком АЦП и дальнейшую их обработку проводят в цифровой форме с помощью ЭВМ. Из объемной скорости движения воздуха вычисляют характеристики ускорения вдыхаемого/выдыхаемого воздуха, расчет показателей электромиограммы проводят отдельно для каждой фазы дыхательного цикла, отдельно рассматривают работу дыхательных мышц во время вдоха и во время выдоха. [Патент 2 414 170РФ. Способ исследования механики дыхания. Н.В. Ульянычев, Е.В. Килин, Ю.М. Перельман, Д.Л. Нахамчен. - Заявка: 2009140655/14, 02.11.2009; Опубл. в Бюл. № 8 20.03.2011]. Способ позволяет исследовать дыхательную мускулатуру как центральное исполнительное звено дыхательной системы и определить вклад каждой дыхательной мышцы в общую работу дыхательной системы. Недостаток способа - отсутствие возможности решать диагностические задачи при наличии достаточно сложного диагностического оборудования.

Известен способ диагностики синдрома утомления дыхательной мускулатуры у больных бронхиальной астмой [Патент 2199948 РФ. Способ диагностики синдрома утомления дыхательной мускулатуры у больных бронхиальной астмой. О.В. Марьянова, И.П. Основина, О.В. Калинина. - Заявка: 2000130701/14, 06.12.2000; Опубл.: 10.03.2003].

В способе анализ степени утомления проводится с помощью стимуляционной электронейромиографии в покое и при проведении нагрузочной пробы. В качестве нагрузки используется провокационная проба с применением аппарата Фролова. Данная методика не может считаться универсальной, так как анализ проводится по абсолютному значению параметра амплитуды, без проведения анализа динамики изменения амплитуды, который позволяет определить утомляемость мышц.

Известен способ оценки эффективности работы дыхательных мышц, согласно которому регистрируют поверхностную электромиограмму (ПЭМГ) с дыхательных мышц при экспираторном усилии. Определяют величину исходной нагрузки как среднее значение среднего экспираторного давления (МЕРср) при максимально глубоком вдохе и максимально глубоком выдохе. Рассчитывают индивидуальную нагрузку, которая составляет 30% от МЕРср; во время регистрации ПМЭГ с дыхательных мышц при предъявлении исходной нагрузки определяют среднее значение амплитуды ПЭМГ (а). Затем определяют среднее значение амплитуды ПЭМГ (b) на предъявление индивидуальной нагрузки. Рассчитывают индекс эффективности дыхательных мышц (ИЭ), как отношение разности значений амплитуды ПЭМГ при исходной и средней нагрузках, к отношению значения величины средней амплитуды к 30. При значении ИЭ больше 70 делают заключение о низкой эффективности работы дыхательных мышц. При значении ИЭ меньше 70 - эффективность работы дыхательных мышц оценивают как высокую. [Патент 2 638 291 РФ. Способ оценки эффективности работы дыхательных мышц. М.Е. Шамсутдинова, И.В. Мирошниченко, К.М. Иванов, А.К. Кунарбаева, М.А. Сидорова, О.К. Сивожелезова. - Заявка: 2016129437, 18.07.2016; Опубл. в Бюл. № 3512.12.2017].

Способ позволяет повысить достоверность оценки эффективности работы дыхательных мышц, что достигается за счет определения вышеуказанных параметров ПЭМГ и расчета ИЭ. Недостаток способа связан с отсутствием возможностей решать диагностические задачи и оценки функционального состояния системы дыхания в целом.

Известен способ для анализа вариабельности показателей внешнего дыхания в VLF-диапазоне, согласно которому сначала проводят запись пневмограммы в течение 30 минут, а затем, без перерыва, в течение 30 минут регистрируют параметры легочного газообмена (легочной вентиляции, потребления кислорода, выделения углекислого газа и других параметров) методом газоанализа “breath-by-breath”. Способ позволяет исследовать ритмичность легочного газообмена и вариабельность дыхательного ритма посредством быстрого преобразования Фурье с последующим использованием этих предикторов для оценки функционального состояния системы дыхания [Гришин, О.В. Вариабельность легочного газообмена и дыхательного ритма / О.В. Гришин, В.Г. Гришин, Ю.В. Коваленко// Физиология человека, 2012, том 38, № 2. - С. 87-93.].

Недостатком способа является отсутствие возможности осуществлять классификацию получаемых в результате исследований данных и получении диагностических заключений по состоянию системы дыхания.

Наиболее близким к предлагаемому способу является способ оценки синхронизма кардиореспираторной системы, основанный на сравнении мощностей спектров ритма дыхания, полученных из поверхностной электромиграммы дыхательных мышц и кардиосигнала. Способ позволяет формировать дескрипторы для обучаемых классификаторов функционального состояния системы дыхания путем оценки распределения векторов, полученных в пространстве вейвлет-коэффициентов поверхностной электромиграммы дыхательных мышц и кардиосигнала. Векторы формируются из вейвлет- коэффициентов, дислоцируемых на вейвлет-плоскостях в области ритма дыхания. [Филист С.А., Кузьмин А.А., Хайдер Алавси Х.А., Песок В.В., Пшеничный А.Е. Классификации функционального состояния системы дыхания на основе анализа кардиореспираторного синхронизма. International Journal of Open Information Technologies ISSN: 2307-8162 vol. 11, no.4, 2023. - С. 21-28].

Недостатком способа является сложность поиска и, как следствие, высокие погрешности определения дислокации области ритма дыхания на вейвлет-плоскости, что приводит к низким показателям качества классификации у классификаторов, построенных на основе дескрипторов, полученных на основе этого способа.

Технической задачей предлагаемых способа является повышение достоверности и оперативности классификации функционального состояния системы дыхания.

Поставленная задача решается посредством того, что в известном способе классификации системы дыхания, заключающемся в параллельной записи электромиосигнала дыхательных мышц x(t) и кардиосигнала y(t) на апертуре 60…120 секунд, осуществляются дискретные оконные преобразования Фурье (ОПФ) в N-m1 окнах этих сигналов, где N-число дискретных отсчетов на апертуре наблюдения сигналов, m1-число отсчетов в окне. Амплитудные спектры ОПФ Xi и Yi дискриминируется по частоте и амплитуде. Частотная дискриминация заключается в том, что из спектра отчетов удаляются все отчеты, которые лежат выше и ниже полосы частот ритма дыхания. Амплитудная дискриминация спектра ОПФ заключается в том, что спектральные коэффициенты, величина которых ниже заданного порога, обнуляются. Затем для каждого ОПФ с номером n определяется показатель кардиореспираторного синхронизма по формуле

где m2 - ширина окна ОПФ в отсчетах после частотной селекции, Xjn и Yjn – отсчеты спектральных составляющих кардиосигнала и RMS электромиосигнала после частотной и амплитудной селекции, ϴ1n - множество номеров отсчетов {Xjn}, ϴ2n - множество номеров отсчетов {Yjn}.

Функциональное состояние кардиореспираторной системы дыхания определяют на основе обучаемого классификатора, в качестве которого может быть использована логистическая модель

,

где z=a₀+a₁k₁+a₂k₂+…+a_nk_n+…+a_N-m1k_N-m1; a₀, a₁,, a₂,…,a_n,…a_N-m1 - настраиваемые параметры_.

На фиг. 1 представлена структурная схема устройства для реализации способа.

На фиг. 2 представлена схема расположения электродов для регистрации поверхностной ЭМГ дыхательных мышц.

На фиг. 3 представлены эпюра RMS электромиосигнала и эпюра кардиосигнала на апертуре 30 с.

На фиг. 4 представлены оконные спектры RMS электромиосигнала и кардиосигнала.

На фиг. 5 представлена структурная схема преобразования сигналов при классификации функционального состояния системы дыхания.

На фиг. 6 показан цуг спектра ритма дыхания, полученный по результатам анализа Фурье сигнала пневмограммы.

На фиг. 7 представлены спектры спектра фотоплетизмосигнала в полосе частот ритма дыхания (вверху), сегмент спектра RMS в полосе частот ритма дыхания (в центре), эпюра произведения спектров двух сигналов (внизу).

На фиг. 8 представлена ROC-кривая с показателями качества прогнозирования функционального состояния системы дыхания на контрольной выборке.

На фиг. 9 представлена таблица с показателями качества прогнозирования функционального состояния системы дыхания на контрольной выборке.

Способ классификации функционального состояния системы дыхания осуществляется с помощью устройства, структурная схема которого представлена на фиг. 1. Устройство осуществляет съем сигналов электромиограммы и кардиограммы с пациента 1 посредством подключенных к нему кардиографа 2 и электромиграфа 3, оцифровку сигналов кардиографа и электромиграфа осуществляется с помощью подключенных к их выходам аналого-цифровых преобразователей (АЦП) 4 и 5, и обработку оцифрованных сигналов посредством ЭВМ 6, на входы которой поступают сигналы с выходов АЦП 4 и 5.

Для реализации способа в ЭВМ 6 имеются следующие программные модули: модуль вычисления RMS 7, модуль формирования временного окна 8, модули спектрального анализа 9 и 10, модуль формирования дескрипторов 11 и модуль классификатора 12.

Способ осуществляется следующим образом. К пациенту 1 подключаются датчики кардиосигнала 2 и электромиосигнала 3. В качестве датчика кардиосигнала можно использовать электрокардиограф или пульсоксиметр в типовом (стандартном) включении. Схема наложения электродов электромиографа на поверхность кожи пациента представлена на фиг.2. АЦП 4 и АЦП 5 оцифровывают кардиосигнал и электромиосигнал и подают их отсчеты на входы ЭВМ 6. По команде «Измерение» ЭВМ 6 активирует модули 7, 8, 9 и 10, которые формируют последовательность частотных отсчетов ОПФ кардиосигнала и электромиосигнала. Перед подачей электромиосигнала на спектральный анализатор 10 он подвергается предварительной обработки в модуле 7, заключающейся в переходе от мгновенных отсчетов электромиосигнала x_i к их среднеквадратическому значению RMS, вычисляемому в скользящем окне шириной n по формуле

, (1)

где n число дискретных отсчетов x_k пЭМГ, которые накапливаются в памяти ЭВМ 6 до текущего отсчета m.

После получения синхронной записи файлов с заданным числом отсчетов N1 в каждом файле в модуле формирования временных окон 8 осуществляется формирование окон (по одному окну на отсчет) по m1 отсчетов в каждом, в которых осуществляется ОПФ. На фиг. 3 представлены эпюры сигналов RMS (вверху) и фотоплетизмосигнала (внизу) в 30-секундном окне. На апертуре наблюдения сигналов в N1 отсчетов можно получить картеж таких окон в количестве N1-m1, где m1 - число отсчетов в скользящем окне. Этот кортеж окон кардиосигнала и кортеж окон электромиосигнала поступает на вход модуля спектрального анализа 9 и модуля спектрального анализа 10, соответственно, в которых определяются ОПФ каждого окна. Эпюры ОПФ RMS электромиосигнала дыхательных мышц (вверху) и спектр фотоплетизмосигнала (внизу) в окне шириной 30 с, которое вычисляется в блоках 9 и 10, соответственно, представлены на фиг. 4.

ОПФ поступают на модуль формирования дескрипторов 11 (фиг. 5). Модуль 11 включает последовательно соединенные частотный селектор 13, на входы которого поступают N1-m1 ОПФ RMS электромиосигнала и N1-m1 ОПФ кардиосигнала, амплитудный дискриминатор 14, на входы которого поступают N1-m1 селектированных отсчетов ОПФ RMS электромиосигнала и N1-m1 селектированных отсчетов ОПФ кардиосигнала, соответствующих полосе частот, занимаемой ритмом дыхания, и блок корреляторов 15, входы которого соединены с соотвествующими выходами амплитудного дискриминатора 14, а выходы предназначены для подключению ко входам классификатора 12.

В частотном селекторе 13 формируются частотные окна путем «вырезки» из спектра ОПФ (фиг. 4) частот, принадлежащих частотному диапазону ритма дыхания. Цуг спектра ритма дыхания, полученный по результатам анализа Фурье сигнала пневмограммы, определяет спектральный диапазон ритма дыхания, который занимает полосу частот от 0,13 Гц до 0,45 Гц. Пример этого спектра приведен на фиг. 6. Таким образом, из m1 отсчетов в окне ОПФ модуль формирования частотного окна выделяет m2 отсчетов, лежащих в области полосы частот ритма дыхания. На фиг. 7 вверху и в центре представлены эпюры окон фиг. 4 после частотной селекции.

Селектированные по частоте дискретные спектральные отсчеты ритма дыхания X_i и Y_i поступают на пороговые устройства θ₁ и θ₂ амплитудного дискриминатора 14. В пороговых устройствах отчеты спектров X_in и Y_in преобразуются согласно выражений

(2)

(3)

В каждой паре окон ОПФ с номером n определяется коэффициент синхронизма по формуле

(4)

где m2 - ширина окна ОПФ в отсчетах после частотной селекции, Xjn и Yjn –отсчеты спектральных составляющих кардиосигнала и RMS электромиосигнала на выходе частотного селектора 14, ϴ1n-множество номеров отсчетов {Xjn}, ϴ2n-множество номеров отсчетов {Yjn}.

Функциональное состояние кардиореспираторной системы можно определить посредством обучаемого классификатора, который настраивается на выделение одной из патологий кардиореспираторной системы. В качестве обучаемого классификатора 12 можно, например, использовать логистическую модель (5):

, (5)

где - вероятность того, что бинарный результат R (риск) равен 1 при заданном векторе синхронизма K; K - вектор информативных признаков, компоненты которого равны выходам корреляторов 15; z=a₀+a₁k₁+a₂k₂+…+a_nk_n+…+a_N-m1k_N-m1; a₀, a₁,, a₂,…,a_n,…a_N-m1 - настраиваемые параметры модели, которые определяются входе обучения.

По своей сути логистическая модель регрессии просто берет уравнение линейной регрессии и использует его как параметр сигмовидной функции, записанной в правой части уравнения (5).

Для экспериментального исследования показателей качества классификации риска системы дыхания, основанного на вышеизложенном способе формирования дескрипторов, по результатам ретроспективного анализа историй болезни пациентов лечебных учреждений г. Курска с диагнозом «внебольничная пневмония» (ВП) была сформирована экспериментальная группа в количестве 200 пациентов больных ВП с четко поставленным диагнозом (рентгенография, рентгеновская томография, данные лабораторного анализа) и группа волонтеров без легочных патологий. Диагнозы кодируются символами "1" - класс ω1 и "0" - класс ω2. Из полученной обучающей выборки методом скользящего экзамена формируются контрольные выборки.

Используя получаемые различные показатели, характеризующие риск ВП, как шкалы для построения гистограмм распределения классов ω1 и ω2, были определены классификационные пороги, позволившие решать задачу ROC-анализа. Полученная модель классификатора была проанализирована посредством ROC-анализа. ROC-кривая представлена на фиг. 8. Площадь под кривой (AUC) составила 0,88 (очень хорошее качество модели, p<0,001).

Осуществлено сопоставление результатов полученной модели риска ВП с результатами экспертного оценивания и результатами, полученными на основе известных рентгенографических методах (фиг.9). Модель классификатора на контрольной выборке продемонстрировала очень хорошую прогностическую способность (AUC=0,88), при чувствительности ДС = 90%; специфичности ДС=86%.

Показатели качества классификации синтезированного классификатора позволяют рекомендовать его для телекоммуникационных систем дистанционного мониторинга степени тяжести внебольничной пневмонии.

Изобретение относится к области медицины, а именно пульмонологии, и может быть использовано для исследования синхронизма кардиореспираторной системы. Осуществляют параллельную запись электромиосигнала дыхательных мышц x(t) и кардиосигнала y(t) на апертуре 60…120 секунд. Определяют дискретные оконные преобразования Фурье в N-m1 окнах этих сигналов, где N - число дискретных отсчетов на апертуре наблюдения сигналов, m1 - число отсчетов в окне. Амплитудные спектры X_i и Y_i дискриминируются по частоте путем удаления из спектров отсчетов частот, которые лежат ниже или выше полосы частот, занимаемой ритмом дыхания. Над селектированными частотными отсчетами оконного преобразования Фурье осуществляют амплитудную дискриминацию, заключающуюся в том, что спектральные коэффициенты, величина которых ниже заданного порога, обнуляются, а затем для каждой пары отсчетов оконного преобразования Фурье с номером n определяются показатели кардиореспираторного синхронизма по заявленной формуле. Способ обеспечивает возможность оценки функционального состояния системы дыхания за счет исследования синхронизма кардиореспираторной системы. 9 ил.

Способ исследования синхронизма кардиореспираторной системы, заключающийся в параллельной записи электромиосигнала дыхательных мышц x(t) и кардиосигнала y(t) на апертуре 60…120 секунд и определении их дискретных оконных преобразований Фурье, отличающийся тем, что дискретные оконные преобразования Фурье определяются в N-m1 окнах этих сигналов, где N - число дискретных отсчетов на апертуре наблюдения сигналов, m1 - число отсчетов в окне; амплитудные спектры X_i и Y_i дискриминируются по частоте путем удаления из спектров отсчетов частот, которые лежат ниже или выше полосы частот, занимаемой ритмом дыхания, а над селектированными частотными отсчетами оконного преобразования Фурье осуществляют амплитудную дискриминацию, заключающуюся в том, что спектральные коэффициенты, величина которых ниже заданного порога, обнуляются, а затем для каждой пары отсчетов оконного преобразования Фурье с номером n определяются показатели кардиореспираторного синхронизма по формуле

,

где m2 - ширина окна оконного преобразования Фурье в отсчетах после частотной селекции, X_jn и Y_jn – отсчеты спектральных составляющих кардиосигнала и RMS электромиосигнала после амплитудной дискриминации в окне с номером n, θ1_n – множество номеров отсчетов {X_jn}, θ2_n – множество номеров отсчетов {Y_jn}; предназначенные для формирования входного вектора у классификаторов функционального состояния кардиореспираторной системы.