WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

Калиниченко Александр Николаевич

КОМПЬЮТЕРНЫЕ МЕТОДЫ АВТОМАТИЧЕСКОГО АНАЛИЗА ЭКГ В СИСТЕМАХ КАРДИОЛОГИЧЕСКОГО НАБЛЮДЕНИЯ

Специальность: 05.11.17 – Приборы, системы и изделия

медицинского назначения

Автореферат

диссертации на соискание ученой степени

доктора технических наук

Санкт-Петербург – 2008

Работа выполнена в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им. В.И.Ульянова (Ленина)

Научный консультант –

доктор технических наук, профессор Немирко А. П.

Официальные оппоненты:

доктор технических наук, профессор Быков Р. Е.

доктор технических наук, профессор Гельман В.  Я.

доктор технических наук Дюк В. А.

Ведущая организация – Московский государственный технический университет им. Н. Э. Баумана

Защита диссертации состоится  «___» _________  2008 г. в час. на заседании совета Д 212.238.09 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан «____» ___________ 2008 г.

Ученый секретарь совета                                                Болсунов К.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ



Актуальность работы. Приборы и системы для медицины постоянно совершенствуются и обновляются. Это связано, с одной стороны, с развитием технологической базы электроники и вычислительной техники, а с другой – с появлением новых медицинских технологий, совершенствованием существующих и с расширением сфер применения медицинской техники.

Одна из наиболее важных задач медицинской электронной аппаратуры – это автоматический анализ биомедицинской информации, целями которого являются: оценка физиологических параметров организма, информационная поддержка диагностических решений врача, а также автоматическая диагностика патологических изменений состояния человека. В связи с этим, практически в любом виде медицинской аппаратуры в том или ином виде присутствуют вычислительные компоненты (микропроцессоры, встраиваемые микро-ЭВМ, персональные компьютеры), программное обеспечение которых реализует функции автоматической обработки данных.

При оценке состояния сердца и сердечно-сосудистой системы ключевую роль играет анализ электрокардиограммы (ЭКГ), представляющей собой запись наблюдаемых на поверхности тела проекций объёмных электрических процессов, происходящих в сердце. ЭКГ несёт информацию как о текущем состоянии сердечно-сосудистой системы, так и о патологических изменениях в самом сердце.

К настоящему времени проблема автоматической обработки и анализа электрокардиосигнала (ЭКС) сложилась в отдельное направление, разветвлённое на множество более частных задач, связанных с различными применениями и аспектами исследования сердечно-сосудистой системы. Одной из таких задач является длительный непрерывный контроль ЭКС, представляющий собой одну из важнейших функций аппаратуры для кардиологического наблюдения, к которой относятся приборы и системы для прикроватного и амбулаторного мониторного наблюдения ЭКГ, телеметрического наблюдения за состоянием организма, автономного контроля сердечной деятельности, функциональных исследований сердечно-сосудистой системы и решения ряда других задач.

Автоматический анализ ЭКС представляет собой достаточно сложную теоретическую проблему. Это в первую очередь связано с физиологическим происхождением сигнала, которое обусловливает его недетерминированность, разнообразие, изменчивость, непредсказуемость, нестационарность и подверженность многочисленным видам помех. Повышение эффективности методов автоматической обработки и анализа ЭКС сдерживается ограничениями, связанными с вычислительной мощность используемых процессоров. Это в наибольшей степени относится к аппаратуре непрерывного наблюдения, так как обработка сигналов в ней должна выполняться в реальном масштабе времени. С другой стороны, производительность вычислительных средств постоянно повышается. В связи с этим, становятся востребованными такие методы обработки и анализа сигналов, применение которых в системах реального времени представлялось ранее технически неосуществимым.

Основной задачей данной работы является разработка теоретической базы и практических методов для создания нового поколения алгоритмов длительного непрерывного автоматического анализа ЭКС, опирающихся на наиболее современные подходы к обработке сигналов и обладающие более высоким качеством работы, чем использовавшиеся ранее.

Внедрение разработанных методов и алгоритмов в приборы и системы медицинского назначения позволяет обеспечить повышение точности и надёжности формируемых диагностических заключений, что, в конечном счёте, способствует повышению эффективности диагностики и лечения патологий сердечно-сосудистой системы человека.

Цель диссертационной работы: Повышение точности и надёжности формирования диагностических заключений о состоянии сердечно-сосудистой системы человека в приборах и системах непрерывного кардиологического наблюдения за счёт развития новых компьютерных методов обработки электрокардиосигнала, а также создания алгоритмического и программного обеспечения, реализующего эти методы.

Для достижения поставленной цели должны быть решены следующие задачи исследования.

  1. Обоснование и разработка общей логической структуры процесса обработки и анализа электрокардиосигнала в системах кардиологического наблюдения, ориентированной на достижение конечных целей автоматического анализа и обеспечивающей информационное согласование всех этапов обработки.
  2. Теоретическое и экспериментальное обоснование выбора параметров процедур предварительной цифровой фильтрации электрокардиосигнала, реализующих эффективное подавление помех и позволяющих обеспечить оптимальные условия для последующих стадий обработки и анализа сигнала.
  3. Разработка и экспериментальное исследование эффективного и помехоустойчивого алгоритма обнаружения желудочкового комплекса ЭКГ, обладающего способностью к адаптации как к сигналу конкретного пациента, так и к динамически возникающим изменениям электрокардиосигнала в ходе длительного непрерывного наблюдения.
  4. Экспериментальное исследование статистических и частотных свойств электрокардиосигнала с целью обоснования выбора информативных признаков и разработки решающих правил для создания эффективного алгоритма автоматической классификации желудочковых комплексов ЭКГ по видам их морфологий.
  5. Экспериментальное исследование частотных методов анализа вариабельности сердечного ритма (ВСР) и артериального давления человека с целью разработки новых процедур расчёта спектральных параметров, позволяющих получать математически корректные и статистически состоятельные оценки спектральных параметров указанных сигналов в условиях возможного появления помех и нарушений стационарности анализируемых процессов.
  6. Создание новых программно-алгоритмических средств, предназначенных для использования в приборах и системах длительного кардиологического наблюдения и обеспечивающих повышение точности и надёжности решения задач автоматического анализа ЭКС с целью получения значимой для диагностики  информации о состоянии сердечно-сосудистой системы человека.

Методы исследования. Для решения поставленных теоретических задач в диссертационной работе использовались методы математической статистики, спектрального анализа, математического моделирования, распознавания образов, анализа случайных процессов.

Экспериментальные исследования выполнены с использованием наборов реальных записей сигналов, полученных как непосредственно в медицинских учреждениях, так и из доступных банков данных, в частности, из баз данных, размещённых на сайте Массачусетского технологического института (США) «http://www.physionet.org/». Программное обеспечение для проведения экспериментов разрабатывалось с использованием программных сред MS Visual C++ и MATLAB.

Научная новизна результатов заключается в разработке и исследовании:

    • комплексного подхода к созданию методов и алгоритмов автоматического непрерывного анализа электрокардиосигнала, заключающегося в ориентации на конечные цели обработки сигнала и в согласовании последовательных стадий обработки как по составу и виду входных и выходных сигналов, так и по используемым математическим методам анализа сигналов;
    • методики оценки влияния параметров процедур предварительной цифровой фильтрации электрокардиосигнала на эффективность решения задачи обнаружения желудочковых комплексов ЭКГ в условиях наличия помех, а также разнообразия форм и изменчивости сигнала;
    • метода автоматического обнаружения желудочкового комплекса ЭКГ, учитывающего статистические характеристики и контекст электрокардиосигнала, обладающего высокой помехоустойчивостью, а также способностью адаптироваться к динамически возникающим изменениям сигнала;
    • теоретической основы и методов для решения задачи классификации форм желудочковых комплексов ЭКГ по видам их морфологий с использованием информативных признаков, вычисляемых как во временной, так и в частотной областях;
    • математической модели сигнала сердечного ритма, способной воспроизводить реалистичный сигнал с заданными значениями частотных параметров вариабельности сердечного ритма и предназначенной для тестирования и оценки качества методов математического анализа ВСР.
    • методов и алгоритмов, обеспечивающих вычисление статистически состоятельных и надёжных оценок спектральных показателей вариабельности сердечного ритма и артериального давления, а также оценки фазовых взаимосвязей между этими сигналами в условиях существования нарушений непрерывности и стационарности сигналов.

Достоверность научных положений и выводов подтверждается результатами использования математических методов анализа, теории исследования случайных процессов, результатами экспериментов с использованием как модельных, так и реальных сигналов, оценкой эффективности разработанных алгоритмов и методов, а также результатами практического использования созданных алгоритмических и программных средств.

Практическую ценность работы представляют следующие полученные в диссертационной работе результаты.

  1. Методы и алгоритмы автоматического анализа электрокардиосигнала, предназначенные для использования в составе программно-алгоритмического обеспечения приборов и систем медицинского назначения:
    • обобщённая логическая структура алгоритмического обеспечения систем кардиологического наблюдения, решающего задачу получения значимой для диагностики информации о текущем состоянии сердечно-сосудистой системы человека.
    • алгоритмы предварительной цифровой фильтрации электрокардиосигнала и оценки уровня шумов, обеспечивающие эффективное подавление помех и создающие оптимальные условия для работы последующих стадий анализа сигнала;
    • алгоритм обнаружения желудочкового комплекса ЭКГ, решающий задачу текущего контроля частоты сердечных сокращений и определения значений RR-интервалов, используемых далее для анализа ритма сердца и его нарушений;
    • алгоритм классификации форм желудочковых комплексов ЭКГ, результаты работы которого используются для последующего анализа вариабельности сердечного ритма, распознавания аритмий и анализа ишемических изменений кардиоцикла ЭКГ;
    • алгоритмы расчёта частотных параметров вариабельности сердечного ритма и совместных характеристик сигналов сердечного ритма и артериального давления, предназначенные для оценки вегетативной регуляции ритма сердца в системах для кардиологического наблюдения и функциональной диагностики.
  1. Прикладные программные средства, реализующие предложенные алгоритмы анализа электрокардиосигнала и предназначенные как для использования в приборах и системах кардиологического наблюдения, так и для решения исследовательских задач.

Научные положения, выносимые на защиту:

  1. Наиболее эффективное решение задач автоматической обработки и анализа электрокардиосигнала достигается при условии информационного и логического согласования всех этапов обработки сигнала с ориентацией на конечные цели анализа.
  2. Выбор оптимальных параметров процедур предварительной фильтрации электрокардиосигнала позволяет существенно повысить эффективность обнаружения желудочкового комплекса ЭКГ. При этом наилучшие результаты обеспечиваются при последовательном использовании адаптивной фильтрации сетевой наводки и полосовой фильтрации в диапазоне частот от 5 Гц до 30 Гц.
  3. Повышение качества процедуры обнаружения желудочкового комплекса ЭКГ достигается за счёт использования алгоритма, учитывающего контекст электрокардиосигнала и его статистические параметры, а также обладающего способностью к адаптивному отслеживанию динамически изменяющихся свойств сигнала.
  4. Использование двух синхронно снимаемых отведений для решения задачи обнаружения желудочкового комплекса ЭКГ даёт существенный прирост качества работы алгоритма по сравнению со случаем использования одного отведения. В то же время, добавление третьего отведения ЭКГ сказывается на результатах работы алгоритма незначительно.
  5. Задача классификации форм желудочковых комплексов ЭКГ наиболее эффективно решается за счёт одновременного использования морфологических признаков, рассчитанных альтернативными методами: во временной области, в частотной области, с использованием корреляции. При этом наилучшие результаты даёт совместное использование частотного и корреляционного методов.
  6. Наибольшей точностью и статистической устойчивостью обладают спектральные оценки вариабельности сердечного ритма, рассчитанные периодограммным методом на основе быстрого преобразования Фурье при использовании прямоугольного окна.
  7. Наиболее точные оценки показателей фазовых соотношений (задержек) между сигналами сердечного ритма и мгновенного артериального давления получаются с использованием метода непосредственного сопоставления фазовых спектров, рассчитанных отдельно для каждого из сигналов, при условии наличия существенной когерентности меду сигналами в соответствующих частотных диапазонах.

Реализация результатов работы. Полученные в диссертационной работе результаты теоретических и прикладных исследований использовались при выполнении НИР в СПбГЭТУ «ЛЭТИ» (более 20 проектов). В том числе по грантам РФФИ: 97-01-00260 «Исследование методов распознавания образов для анализа биомедицинских сигналов» (1997-1999); 00-01-00448 «Исследование методов обработки и распознавания биомедицинских сигналов» (2000-2002); 02-01-08073-инно «Разработка и создание опытного образца компьютерного комплекса для функциональных исследований в кардиологии» (2002-2004); 03-01-00216 «Исследование методов распознавания формы биомедицинских сигналов» (2003-2005); 06-01-00546 «Разработка методов и алгоритмов распознавания биомедицинских сигналов» (2006-2008); 08-01247-а «Компьютерный комплекс мониторного контроля» ЭКГ (2006 – 2008).

В рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники гражданского назначения» автор участвовал в выполнении проектов: 0201.05.251 «Разработка информационных технологий и инструментальных средств для создания и развития прикладных инструментальных систем в технике, образовании, медицине и в системах специального назначения» (1999-2001); 01.37.03.01.05 «Методы распознавания образов, обработки сигналов и изображений для самоорганизующихся систем» (2002-2004).

Результаты научных исследований внедрены в виде пакетов прикладных программ в компьютерной системе мониторного контроля ЭКГ «РИТМОН» и диагностическом комплексе «Кардиометр-МТ», разработанных соответственно предприятиями Санкт-Петербурга ООО «Биосигнал» и ЗАО «Микард-Лана» совместно с СПбГЭТУ «ЛЭТИ».

Полученные в ходе исследований результаты внедрены в учебный процесс СПбГЭТУ «ЛЭТИ» по направлениям подготовки специалистов в области медицинского приборостроения: «Биомедицинская техника» и «Биомедицинская инженерия». Они включены в разработанные автором учебно-методические комплексы по дисциплинам: «Методы обработки биомедицинских сигналов и данных», «Компьютерные технологии в медико-биологических исследованиях».

Апробация работы. Основные научные и практические результаты диссертационной работы докладывались и обсуждались в период 1980 – 2008 гг. более чем на тридцати конференциях и симпозиумах по проблемам теории и практики обработки и распознавания биосигналов, медицинского приборостроения и автоматизации электрокардиографических исследований, в том числе на следующих Международных и Всероссийских конференциях и симпозиумах:

Всесоюзной научно-технической конференции «Проблемы создания технических средств для диагностики и лечения заболеваний сердечно-сосудистой системы» (1990, Львов); 5th and 7th International Conference on Biomedical Engineering and Medical Informatics (SYMBIOSIS 1997, Brno; SYMBIOSIS 2003, St. Petersburg); • International Workshop «Biomedical Engineering & Medical Informatics» - BEMI'97, (1997, Gliwice, Poland); Международных конференциях «Распознавание образов и анализ изображений: новые информационные технологии» (РОАИ-5-2000, Самара; РОАИ-6-2002, Великий Новгород; РОАИ-7-2004, С.-Петербург; РОАИ-8-2007, Йошкар-Ола; РОАИ-9-2008, Нижний Новгород.); II и VII Международных симпозиумах «Электроника в медицине. Мониторинг, диагностика, терапия» (КАРДИОСТИМ-1998, С.-Петербург; КАРДИОСТИМ-2000, С.-Петербург); The 24th and 35th Annual Conference Computers in Cardiology (1997, Lund, Sweden; 2008, Bologna, Italy); The 3rd European Medical and Biological Engineering Conference EMBEC05 (2005, Prague, Czech Republic); а также на ежегодных научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ» (1980-2007 гг.)

Публикации. По теме диссертации опубликованы 92 научные работы, из них: – 29 статей (опубликованных в ведущих рецензируемых журналах и изданиях, определенных ВАК Минобрнауки РФ – 11 статей), 57 работ – в материалах российских и международных научно-технических конференций, 1 монография, 5 официально зарегистрированных комплексов алгоритмов и программ.

Структура и объем диссертации. Диссертация состоит из введения, шести глав, заключения, списка литературы, включающего 156 наименований, списка условных обозначений и аббревиатур. Основная часть работы изложена на 253 страницах машинописного текста. Работа содержит 84 рисунка и 22 таблицы.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении к диссертационной работе обосновывается актуальность темы, формулируется цель работы, кратко излагаются основные решаемые задачи и полученные результаты, включая научную новизну и практическую ценность, рассмотрены используемые методы исследования, освещены итоги реализации результатов работы, приведены научные положения, выносимые на защиту, излагается краткое содержание работы.

В первой главе представлен анализ проблем, связанных с автоматическим непрерывным анализом электрокардиосигнала в приборах и системах кардиологического наблюдения. Дан обзор современного уровня развития математических методов и алгоритмов автоматической обработки ЭКС. Отмечены существующие концептуальные трудности и сформулированы проблемы, требующие решения для достижения более высокой эффективности использования технических средств автоматического наблюдения за состоянием сердечно-сосудистой системы человека.

Отмечено, что отдельным направлением развития медицинской техники, предназначенной для решения диагностических и терапевтических задач, связанных с сердечной деятельностью человека, являются приборы и системы кардиологического наблюдения, к которым относятся:

  • приборы и системы для прикроватного наблюдения;
  • системы Холтеровского мониторного контроля;
  • носимые анализаторы ЭКГ;
  • телеметрические системы контроля состояния организма;
  • системы для функциональных исследований.

Представлен анализ задач автоматического анализа ЭКГ в системах кардиологического наблюдения, основными из которых являются:

  • текущий контроль частоты сердечных сокращений;
  • распознавание нарушений сердечного ритма (аритмий);
  • анализ ишемических изменений ЭКГ;
  • анализ вариабельности сердечного ритма.

Рассмотрены особенности электрокардиосигнала с точки зрения решения задач его автоматического анализа в режиме непрерывного мониторного контроля. Отмечено, что электрокардиосигнал обладает большим многообразием форм и изменчивостью. Сформулирован вывод о необходимости создания методов автоматического анализа электрокардиосигнала, способных адаптироваться как к характеру ЭКС конкретного пациента, так и к динамическим изменениям сигнала.

Рассмотрен вопрос о выборе числа анализируемых отведений в системах кардиологического наблюдения. Отмечено, что при наличии технических и эксплуатационных возможностей в приборах и системах кардиологического наблюдения предпочтительнее использовать два и более отведения ЭКГ. В то же время, в разрабатываемых алгоритмах необходимо предусматривать способность к адаптации к фактически используемому числу каналов сигнала.

Рассмотрены наиболее характерные виды помех, неизбежно присутствующих в электрокардиосигнале при его длительном наблюдении:

  • сетевая наводка с частотой 50 (или 60) Гц;
  • контактный шум электродов;
  • артефакты, связанные с механическим движением;
  • помехи, вызванные мышечными сокращениями (электромиограмма);
  • смещение базовой линии и модуляция амплитуды, вызываемые дыханием;
  • аппаратный шум, генерируемый электронными устройствами;
  • электрохирургический шум.

Рассмотрены предлагаемые в литературных источниках методы предварительной обработки ЭКС. Данные методы основаны преимущественно на математическом аппарате линейной цифровой фильтрации и выполняют две основные функции:

  • подавление имеющихся в сигнале помех;
  • выделение информативных признаков для дальнейшего анализа сигнала.

Предложена и обоснована следующая последовательность этапов предварительной обработки ЭКС:

  • устранение сетевой наводки;
  • анализ уровня помех;
  • фильтрация нижних частот;
  • фильтрация верхних частот.

Рассмотрены существующие подходы к решению задачи обнаружения QRS-комплекса ЭКГ, в основе которых лежат следующие группы методов:

  • вычисление производных сигнала;
  • линейная цифровая фильтрация;
  • адаптивная цифровая фильтрация;
  • согласованная фильтрация;
  • вейвлет-преобразование;
  • нейронные сети;
  • синтаксические методы.

Отмечено, что учитывая специфику ЭКС при длительном кардиологическом наблюдении, предпочтение следует отдавать методам, опирающимся на наиболее общие свойства и характеристики сигнала. Этому требованию в наибольшей степени удовлетворяют методы, основанные на использовании цифровой фильтрации.





Рассмотрены наиболее широко используемые методы классификации QRS-комплексов ЭКГ по типам их морфологий:

  • на основе признаков формы, вычисляемых во временной области;
  • спектральные методы;
  • методы на основе корреляционных функций;
  • использование вейвлет-преобразования;
  • использование разложения на главные компоненты;
  • использование нейронных сетей.

Отмечены сильные и слабые стороны каждого из методов и предложено исследовать возможность решения задачи классификации форм QRS-комплексов путём комбинированного использования трёх наиболее распространённых и относительно простых в вычислительном отношении подходов: на основе признаков формы, корреляционного и спектрального методов.

Рассмотрены существующие методы анализа вариабельности сердечного ритма (ВСР), используемые для получения количественных оценок регуляторного воздействия различных отделов вегетативной нервной системы на ритм сердца. Отмечено существование ряда проблем, затрудняющих получение корректных оценок спектральных показателей ВСР: нестационарность анализируемого сигнала, а также наличие в сигнале нарушений непрерывности, вызываемых помехами, нарушениями ритма и ошибками предшествующих алгоритмов обнаружения QRS-комплекса ЭКГ.

Рассмотрены методы и средства оценки качества разрабатываемых алгоритмов и программ автоматического анализа ЭКС, в частности – базы верифицированных записей электрокардиосигналов. Сформулированы требования, которые должны предъявляться к составу проверочных баз данных и к их программному обеспечению. Отмечено, что в наибольшей степени этим требованиям удовлетворяет база данных аритмий Массачусетского технологического института (MIT/BIH), которая в настоящее время де-факто стала всеобщим признанным стандартом для тестирования приборов, систем и программных средств, предназначенных для кардиологического наблюдения.

На основании проведённого анализа современного состояния методов автоматического непрерывного анализа электрокардиосигнала сформулирован вывод о необходимости комплексного подхода к разработке новых алгоритмов и методов. Комплексность, в частности, должна проявляться в согласованности всех этапов обработки сигнала, как по входным и выходным данным, так и по виду применяемых математических методов.

Предложена обобщённая структура комплекса алгоритмов автоматического анализа электрокардиосигнала в системах кардиологического наблюдения, включающая следующую последовательность процедур:

  • предварительная фильтрация ЭКС и оценка зашумлённости сигнала;
  • обнаружение QRS-комплекса ЭКГ и измерение RR-интервала;
  • анализ морфологии QRS-комплексов и их разделение на классы комплексов фонового ритма и патологии;
  • распознавание нарушений ритма сердца на основе информации о величинах RR-интервалов и классах морфологии QRS-комплексов;
  • анализ вариабельности сердечного ритма с использованием в качестве входного сигнала последовательности интервалов времени между QRS-комплексами фонового ритма (NN-интервалов);
  • анализ ишемических изменений кардиоцикла только для QRS-комплексов фонового ритма.

Сформулированы выводы по результатам рассмотрения состояния проблемы, а также актуальные задачи непрерывной автоматической обработки ЭКС, решение которых является предметом исследования в данной работе.

Вторая глава посвящена исследованию процедур предварительной фильтрация ЭКС, предшествующих алгоритмам, которые осуществляют анализ сигнала, и служащих для выполнения преобразований сигнала, направленных на улучшение условий работы и повышение эффективности этих алгоритмов. Предложено использовать следующую последовательность процедур предварительной обработки электрокардиосигнала:

  • подавление сетевой наводки;
  • оценка зашумлённости сигнала и отказ от дальнейшей обработки текущего фрагмента при недопустимо высоком уровне шумов;
  • фильтрация нижних частот (подавление высокочастотных помех);
  • фильтрация верхних частот (подавление низкочастотных помех и снижение относительной амплитуды T-зубцов ЭКГ);

На основании анализа публикаций по оперативному анализу ЭКС предложено использовать частоту дискретизации равную 250 Гц, что отражает разумный компромисс между достижением удовлетворительной точности представления ЭКС и стремлением к снижению вычислительных затрат при обработке сигнала в реальном масштабе времени.

В работе предложена методика экспериментального исследования алгоритмов предварительной фильтрации ЭКС, в основе которой лежит задача обеспечения наилучших условий для выделения желудочковых комплексов ЭКГ на фоне других компонент кардиоцикла и помех.

Исследование алгоритмов выполнено с использованием специально сформированного набора записей реального электрокардиосигнала. Данный набор включает 50 трёхканальных записей ЭКГ, длительностью по 60 с каждая. Частота дискретизации ЭКС составляет 250 Гц, а разрядность цифро-аналогового преобразования – 12 бит. Фрагменты были отобраны таким образом, чтобы они не содержали существенных помех и в то же время включали как QRS-комплексы фонового ритма, так и патологические желудочковые комплексы. Общее число QRS-комплексов в наборе – 3384, в том числе 3113 комплексов фонового ритма и 271 комплекс патологической формы. Все фрагменты ЭКГ были приведены к нулевым средним значениям и верифицированы: отмечены границы каждого комплекса и условный класс формы. Сформированный набор записей был случайным образом разделён на 2 одинаковых по объёму поднабора: обучающий (используемый для оптимизации параметров алгоритмов) и контрольный (для оценки качества разработанных алгоритмов).

В качестве модели помехи предложено выбрать реализацию нормально распределённого белого шума, спектр которого ограничен полосой частот, соответствующей полосе пропускания аналогового тракта стандартного усилителя электрокардиосигнала (от 0,05 Гц до 100 Гц). Сгенерированная с использованием программного датчика случайных чисел реализация помехи после полосовой цифровой фильтрации была приведена к нулевому среднему значению и к единичному стандартному отклонению. Для получения сигнала с заданным отношением сигнал/шум соответствующая реализация ЭКГ суммировалась с помехой, делённой на требуемое значение отношения сигнал/шум.

Для исследования алгоритмов предварительной фильтрации предложено выбрать в качестве меры искажения электрокардиосигнала в результате обработки относительное изменение размаха анализируемого желудочкового комплекса, а изменение помехи оценивать по отношению значений её стандартного отклонения до и после фильтрации.

В работе показано, что наиболее подходящим классом фильтров для предобработки ЭКС являются нерекурсивные цифровые фильтры с симметричной импульсной характеристикой и нечётным числом коэффициентов, определяемые разностным уравнением вида:

       ,

где – соответственно отсчёты входного и выходного сигналов, – коэффициенты фильтра, а – нечётное целое число, характеризующее количество коэффициентов. Такие фильтры всегда устойчивы, имеют гарантированную линейную фазовую характеристику и вносят в сигнал постоянную задержку, равную целому числу интервалов дискретизации.

По результатам экспериментального исследования процедур фильтрации нижних и верхних частот были определены диапазоны оптимальных значений частоты среза и ширины переходной полосы для обоих видов фильтров, значения которых составили:

  • для ФНЧ – ;
  • для ФВЧ – .

Предложены практические варианты обоих фильтров, удовлетворяющие этим условиям и имеющие такие значения коэффициентов, которые позволяют выполнять цифровую фильтрацию только средствами целой арифметики компьютера, что существенно снижает затраты времени процессора. Данные ФНЧ и ФВЧ имеют соответственно следующие наборы коэффициентов:

       ;

       .

Для устранения из ЭКС сетевой наводки промышленной частоты 50 Гц предложено использовать адаптивную цифровую фильтрацию. Это обусловлено тем, что адаптивные фильтры при сравнительной простоте их реализации обеспечивают высокую эффективность подавления синусоидальной составляющей заданной частоты, а также то, что они способны подстраиваться под сетевую наводку и компенсировать ее, не влияя на близкие по частоте составляющие полезного сигнала. Рассмотрен алгоритм адаптивной компенсации сетевой наводки, основанный на принципе минимизации полной выходной мощности. Параметром, оказывающим наибольшее влияние на качество фильтрации, является шаг адаптации алгоритма. Исследовано влияние шага адаптации на добротность фильтра, скорость настройки и на вносимые в электрокардиосигнал искажения.

На рис. 1 показаны последовательные стадии предварительной обработки фрагмента электрокардиосигнала с использованием предложенных фильтров.

Рис. 1. Этапы предварительной обработки электрокардиосигнала.

Предложен метод контроля уровня помех в сигнале, основанный на оценке относительного содержания в сигнале высокочастотных составляющих. Выделение высокочастотной составляющей сигнала предложено осуществлять с использованием фильтра второй разности отсчётов, определяемого уравнением , где – соответственно отсчёты входного и выходного сигналов. Текущее значение оценки уровня помех рассчитывается с использованием рекуррентной формулы скользящего среднего:

       ,

где – сигнал с выхода фильтра второй разности, а – размер скользящего окна в отсчётах. Решение о наличии в сигнале помехи в момент времени, соответствующий отсчёту с индексом , принимается при выполнении одного из следующих условий:

       ,

где – выбранные экспериментально константы.

Третья глава посвящена исследованию алгоритмов обнаружения QRS-комплекса ЭКГ.

Рассмотрены и исследованы шесть различных вариантов цифровых дифференциаторов (как описанных в литературе, так и предложенных автором), служащих для выделения QRS-комплекса непосредственно на входе процедуры его обнаружения. При этом в качестве критериев оценки эффективности предложено использовать показатели, характеризующие как степень относительного ослабления зубцов Р и Т, так и эффективность выделения желудочковых комплексов на фоне широкополосных шумов. По результатам проведённых исследований предложено использовать сглаживающий дифференциатор, определяемый уравнением:

,

где – соответственно отсчёты входного и выходного сигналов.

Рассмотрен вариант простейшего порогового алгоритма обнаружения QRS-комплекса, на вход которого может быть подан взятый по модулю сигнал с выхода предложенного выделителя желудочкового комплекса. Показано, что при отсутствии существенных помех, а также низкоамплитудных QRS-комплексов, такой алгоритм способен эффективно обнаруживать желудочковые комплексы на фоне других компонентов ЭКГ. В то же время, для практического использования в системах кардиологического контроля необходимо применение более сложных алгоритмов, обладающих способностью к адаптации и учёту контекста электрокардиосигнала.

С целью разработки практического алгоритма обнаружения QRS-комплекса, на основе статистического анализа реальных записей ЭКГ были определены соотношения, характеризующие зависимости длительностей некоторых интервалов кардиоцикла от величины RR-интервала :

       ;

       ;

       .

Здесь – интервал от вершины R-зубца до вершины Т-зубца, – соответственно нижняя и верхняя границы возможного разброса параметра , – интервал от вершины Р-зубца до вершины R-зубца.

Ниже приводится краткое описание предложенного алгоритма обнаружения желудочкового комплекса. Предполагается, что к моменту начала поиска очередного желудочкового комплекса известны:

  • опорная точка (точка в пределах комплекса, относительно которой вычисляется оценка RR-интервала) последнего обнаруженного ()-го желудочкового комплекса , которая для удобства изложения далее будет принята за исходный момент времени (т.е. будет считаться, что );
  • текущее среднее значение максимальной амплитуды входного сигнала алгоритма для участков, содержащих желудочковые комплексы;
  • текущее среднее значение величин RR-интервалов.

На первом этапе работы алгоритма вычисляются величины параметров, зависящих от текущих значений и , т. е. интервалы времени , интервал , а также – тангенс угла наклона порога обнаружения на его спадающем участке. Здесь – эмпирически определенные постоянные коэффициенты алгоритма. Промежуток времени от исходной точки до момента пропускается, так как предполагается, что на этом участке не может встретиться очередной комплекс. Начиная с отсчета, соответствующего моменту времени выставляется линейно спадающий порог , начальное значение которого равняется . Наклон этого порога характеризуется параметром и определяется точкой , в которой его значение становится равным величине (где ). Спад порога продолжается до момента времени , после чего порог остается неизменным до обнаружения следующего желудочкового комплекса и равняется (где ).

Если, начиная с момента , абсолютное значение некоторого отсчета превысит текущее значение порога , то предполагается наличие на соответствующем участке сигнала очередного желудочкового комплекса. Сигнал просматривается на 0,15 с вперед, и если зафиксированное значение текущего максимума не превышено, то комплекс считается предварительно обнаруженным. Если ранее, чем через 0,15 с от момента времени, соответствующего текущему максимуму, будет найден отсчет, значение которого больше или равно , то фиксируется новое значение переменной и процедура просмотра вперед повторяется до тех пор, пока не будет найден абсолютный максимум, превышающий текущее значение порога на интервале ±0,15 с.

Далее, если значение зафиксированного максимума , ниже величины (где ), то предполагается, что этот максимум может принадлежать P-зубцу. На интервале от до выставляется новый порог, равный (где ). Если этот порог не превышен в пределах указанного интервала времени, то очередной комплекс считается обнаруженным, а точка, где зафиксировано значение последнего текущего максимума (отсчет с индексом ) принимается за предварительную опорную точку найденного желудочкового комплекса. В противном случае, ранее найденный максимум считается принадлежащим P-зубцу и анализ сигнала продолжается уже для нового текущего максимума.

После того как обнаружен желудочковый комплекс, выполняется определение его опорной точки . Оценка RR-интервала, предшествующего -му найденному комплексу, вычисляется, как промежуток времени между опорными точками двух последних комплексов:

       .

Текущие средние значения и обновляются с учетом величин и , соответствующих вновь обнаруженному (-му) комплексу. За исходный момент времени принимается отсчет с индексом и происходит возврат к процедуре поиска очередного желудочкового комплекса.

В алгоритме, предложенном в предыдущем разделе, используются четыре постоянных коэффициента (), которые выбраны с учётом статистических оценок соответствующих характеристик электрокардиосигнала.

Для уточнения опорной точки, определённой описанным выше алгоритмом, предложена процедура, основанная на вычислении площади под кривой сигнала на участке QRS-комплекса, обладающая более высокой устойчивостью к изменениям сигнала и помехам.

Предложенный алгоритм обнаружения QRS-комплекса был положен в основу алгоритма, использующего два или три отведения ЭКГ. В качестве входного сигнала для этого алгоритма используется суммарный сигнал, получаемый соответственно из двух или трёх отведений ЭКГ, прошедших описанные выше процедуры предобработки и выделения QRS-комплекса. Логика работы алгоритма остаётся той же, но отличаются значения некоторых из используемых параметров. Кроме того, в алгоритм добавлена возможность его автоматической перестройки при внезапном изменении числа входных каналов, что отражает часто встречающуюся в ходе длительного наблюдения ЭКГ ситуацию, когда по каким-либо причинам сигнал на отдельных каналах может временно пропадать и потом восстанавливаться.

Тестирование разработанных алгоритмов осуществлялось с использованием контрольного набора данных. При этом оценка качества выполнялась с использованием критериев, предложенных для тестирования детекторов QRS-комплексов с использованием стандартной базы данных аритмий MIT-BIH:

       ,

       .

Показатель носит название чувствительности и определяется как процент числа правильно обнаруженных комплексов по отношению к сумме этой величины и числа пропущенных алгоритмом комплексов . Показатель называют положительной предсказательностью и определяют как процент по отношению к сумме и числа ошибочно обнаруженных комплексов .

Для сравнительной оценки качества разработанного алгоритма (алгоритма А) он сопоставлялся с разработанным ранее аналогичным по назначению алгоритмом (алгоритмом Б), который использовался в первоначальных версиях программного обеспечение мониторной системы «РИТМОН» и комплекса для функциональных исследований «Кардиометр-МТ» (см. главу 6). В таблице 1 приведены результаты оценки качества работы всех вариантов алгоритмов.

Таблица 1. Оценки качества алгоритмов обнаружения QRS-комплексов, полученные на контрольном наборе записей ЭКГ.

Алгоритм

Число отведений

Показатель

Отношение сигнал/шум

Без помехи

20:1

15:1

10:1

А

1

, %

100,0

99,77

99,45

95,9

, %

100,0

99,75

98,8

88,7

2

, %

100,0

99,89

99,61

96,8

, %

100,0

99,86

99,1

92,2

3

, %

100,0

99,90

99,72

97,0

, %

100,0

99,88

99,2

93,1

Б

1

, %

100,0

99,7

99,2

95,1

, %

100,0

99,7

98,3

82,3

Как видно из таблицы, наиболее существенное улучшение качества работы алгоритма достигается за счёт использования двух отведений вместо одного. Обработка сигнала одновременно по трём отведением даёт относительно небольшой прирост качества по сравнению с вариантом двух отведений. При отношении сигнал/шум ниже 15:1 качество всех алгоритмов резко ухудшается, хотя алгоритмы, использующие два или три отведения, оказываются более помехоустойчивыми.

Оценки качества, полученные с использованием записей из базы данных MIT-BIH, приведены в таблице 2.

Таблица 2. Оценки качества алгоритмов обнаружения QRS-комплексов, полученные с использованием записей из базы данных MIT-BIH.

Алгоритм

Число отведений

Показатель

, %

, %

А

1

99,13

98,01

2

99,29

98,76

Б

1

98,93

97,34

Четвертая глава посвящена исследованию проблемы классификация QRS-комплексов по характеру их морфологии. Задача классификации форм QRS-комплексов осложняется их разнообразием и изменчивостью, а также наличием помех. Наибольшее распространение находят следующие три основных типа методов:

  • анализ параметров формы, вычисляемых во временной области (метод I);
  • использование взаимной корреляционной функции (метод II);
  • анализ спектральных параметров (метод III).

Как показывают исследования и данные литературных источников, ни один из перечисленных подходов не позволяет достичь безошибочной классификации. С другой стороны, так как каждый из методов основан на использовании различных свойств сигнала, то можно предположить, что совместное применение этих методов может дать гораздо более высокую точность классификации, чем каждый из них, взятый в отдельности. Целью представленного исследования была оценка разделяющей способности и помехоустойчивости трёх перечисленных методов вычисления признаков формы QRS-комплексов, как при их раздельном использовании, так и в сочетании друг с другом. При проведении исследований были поставлены следующие основные задачи:

  • оценка разделяющей способности каждого вида признаков и оптимизация параметров процедур их вычисления;
  • выбор наиболее эффективного сочетания признаков;
  • разработка решающего правила как для каждого из видов признаков, так и для их сочетаний.

Исследование проводилось с использованием обучающего набора реальных записей ЭКГ и модели шумов, позволяющей выполнить оценку помехоустойчивости разрабатываемых алгоритмов. При этом оценивалась ошибка классификации, отражающая способность алгоритмов группировать QRS-комплексы одинакового класса морфологии и разделять комплексы, относящиеся к разным классам. Для каждого из трёх методов расчёта признаков формы исследовались зависимости ошибок классификации от отношения сигнал/шум. В качестве показателя ошибки классификации использовалось значение относительной ошибки в точке пересечения кривых для ошибок I и II рода, полученных по нормализованным распределениям расстояний (значений показателей сходства) между QRS-комплексами, относящимися к одному и тому же классу формы, и комплексами, относящимися к разным классам.

В случае использования параметров формы, вычисляемых во временной области (метод I) для каждого из QRS-комплексов анализируемой ЭКГ рассчитываются четыре признака формы: длительность , с; размах , мВ; смещение относительно нулевой линии , мВ и суммарная площадь волн , мВ·с. Расчёт признаков выполняется по следующим формулам:

       

       

       

       

где – число отсчётов сигнала в пределах QRS-комплекса, – интервал дискретизации сигнала при частоте отсчётов , – отсчёты сигнала в пределах данного QRS-комплекса (). При этом значение первого отсчёта соответствующего комплекса условно принимается за уровень нулевой линии.

Сопоставление форм двух QRS-комплексов между собой выполняется с помощью показателя сходства , рассчитываемого следующим образом:

       ,

где признаки формы с индексами и относятся к соответствующим комплексам, – это нормировочные коэффициенты, необходимые для приведения всех признаков формы к безразмерным единицам и для уравнивания их масштабов, а – весовые коэффициенты, учитывающие значимость используемых параметров формы . Нормировочные коэффициенты рассчитывались как средние значения модулей соответствующих признаков для всех QRS-комплексов экспериментального набора записей ЭКГ, а весовые – определены путём минимизации показателя ошибки классификации и имеют следующие значения: .

В случае использования корреляционного метода (метода II), для двух QRS-комплексов вычисляется взаимная корреляционная функция (ВКФ):

,

где – значение сдвига, – максимальный сдвиг, и – отсчёты двух сравниваемых комплексов (-го и -го), – число отсчётов в каждом из образцов сигнала, и – соответствующие стандартные отклонения. Величина максимального сдвига (или 20 мс) выбрана из тех соображений, чтобы учесть возможную ошибку в определении условной опорной точки QRS-комплекса, которая может приводить к неточному совмещению сопоставляемых сигналов. Показатель сходства форм двух QRS-комплексов (-го и -го) рассчитывается с использованием максимума из для всех заданных значений сдвига по формуле:

       ,

благодаря чему обеспечивается условие, что чем лучше коррелированны два сигнала, тем ближе к нулю будет значение показателя , а случаю наихудшей корреляции () будет соответствовать значение . По результатам минимизации показателя ошибки классификации величина длительности фрагмента сигнала для расчёта ВКФ выбрана равной 45 отсчётам (180 мс).

В случае подхода на основе спектральных методов (метода III), вычисляется дискретное преобразование Фурье (ДПФ) для участка сигнала, соответствующего QRS-комплексу:

,

где – отсчёты сигнала, а – размер фрагмента сигнала (окна), по которому рассчитывается ДПФ. Далее вычисляется амплитудный спектр:

       .

Компоненты амплитудного спектра могут рассматриваться в качестве признаков формы QRS-комплекса. Так как большая часть энергии ЭКС в пределах QRS-комплекса сосредоточена в полосе частот от 4 Гц до 50 Гц, то для расчёта показателя сходства форм используются только спектральные компоненты, относящиеся к этому диапазону частот. Показатель сходства форм QRS-комплексов (-го и -го) рассчитывается по формуле:

       ,

где и – спектральные компоненты с номером для соответствующих комплексов, – номер элемента разложения для частотного поддиапазона, включающего частоту 50 Гц, а и – соответствующие стандартные отклонения. Альтернативным подходом может служить использование не амплитудного спектра, а спектра мощности, однако сравнительный анализ ошибки классификации показал, что использование амплитудного спектра даёт лучшие результаты. По результатам минимизации показателя ошибки классификации размер окна для расчёта ДПФ выбран равным 64 отсчётам (256 мс).

Оптимизация параметров каждого из методов позволила получить зависимости оценок показателя ошибки классификации от отношения сигнал/шум (см. ниже рис. 3). Логично предположить, что совместное использование исследованных методов может обеспечить более высокое качество классификации, чем каждый из них в отдельности. В то же время, не исключена возможность, что показатели сходства форм QRS-комплексов, получаемые с помощью этих методов, могут оказаться коррелированными между собой. В таком случае их совместное использование не даст заметного выигрыша. Попарная оценка коэффициентов корреляции между показателями сходства форм QRS-комплексов для этих методов показала, что наиболее коррелированны между собой методы I и III (до 0,57), а наименее – пара методов II и III (не более 0,32).

С целью проверки предположения о возможном преимуществе совместного использования различных типов признаков, были получены совместные распределения значений используемых показателей сходства форм QRS-комплексов для всех трёх возможных пар методов при различных значениях отношения сигнал/шум. Анализ попарных распределений показателей сходства форм для трёх методов показал, что использование любой из трёх возможных пар методов способно дать лучший результат, чем каждый из методов в отдельности. Исходя из характера распределений, в качестве разделяющей линии предложено использовать дугу окружности с центром в начале координат. Минимизация показателя ошибки классификации позволила определить оптимальные значения радиуса этой окружности для каждой из трёх пар методов (см. рис. 2).

Рис. 2. Совместные распределения значений показателей сходства форм QRS-комплексов для трёх пар методов при значении отношения сигнал/шум 30:1, а также разделяющие линии (дуги), при которых достигаются наименьшие значения показателя ошибки классификации.

Был также исследован вариант совместного использования всёх трёх методов. Для этого случая предложено использовать разделяющую поверхность в форме сегмента сферы с центром в начале координат. Минимизация показателя ошибки классификации позволила определить оптимальные значения радиуса этой сферы. На рис. 3 приведены графики зависимостей ошибки классификации от отношения сигнал/шум для каждого из трёх рассмотренных методов в отдельности (левый график), а также для случаев попарного использования методов и комбинации из всех трёх методов (правый график). Из приведённых зависимостей видно, что наилучший результат (ошибка классификации около 2%) достигается в случае совместного использования методов II и III, т.е. корреляционного и спектрального методов. Использование третьего метода в дополнение к данным двум даёт лишь незначительное снижение ошибки.

Рис. 3. Графики зависимостей ошибки классификации от отношения сигнал/шум.

Для вариантов алгоритмов классификации, продемонстрировавших наилучшие результаты, было выполнено тестирование на контрольном наборе записей ЭКГ, результаты которого представлены в таблице 3.

Таблица 3. Результаты тестирования методов классификации QRS-комплексов.

Метод

Показатель ошибки классификации (в %)

при разных значениях отношения сигнал/шум

15:1

20:1

30:1

50:1

100:1

II+III

4,7

3,9

2,6

2,5

2,2

I+ II+III

4,4

3,7

2,5

2,0

1,9

Пятая глава посвящена исследованию методов анализа вариабельности сердечного ритма (ВСР). В основе методик анализа вариабельности сердечного ритма лежит представление о том, что последовательность, образуемая величинами длительности интервалов времени между смежными сокращениями сердца фонового ритма (NN-интервалами), несёт информацию о регуляторных функциях вегетативной нервной системы организма. Одним из наиболее распространённых подходов к анализу ВСР является оценка спектральных параметров сигнала, образуемого этой последовательностью. При этом в первую очередь ставится задача определения суммарных мощностей, сосредоточенных в трёх частотных диапазонах: очень низких частот VLF (Very Low Frequency, 0,003-0,04 Гц), низких частот LF (Low Frequency, 0,04-0,15 Гц) и высоких частот HF (High Frequency, 0,15-0,4 Гц). Корректное решение данной задачи с использованием общепринятых методов частотного анализа сигналов затрудняется следующими факторами:

  • Наблюдается не сама функция управления сердечным ритмом, которая является предметом анализа, а вторичный по отношению к ней сигнал – последовательность NN-интервалов, представляющая собой последовательность точечных событий, неравномерно распределённых по времени.
  • Получаемая в результате анализа ЭКГ последовательность RR-интервалов может содержать интервалы не только фонового ритма, но и другого происхождения (связанные с нарушениями ритма, помехами или ошибками обнаружения QRS-комплекса).
  • Поскольку сигнал сердечного ритма является случайным процессом, то и рассчитанные по нему показатели будут являться случайными величинами. При этом не существует возможности однозначной верификации получаемых результатов.
  • Сигнал сердечного ритма является нестационарным сигналом, что связано как с природой его возникновения, так и с внешними факторами, оказывающими влияние на пациента в процессе съёма сигнала.

В работе была поставлена задача исследования предлагаемых методов получения оценок спектральных показателей ВСР с точки зрения точности и статистической состоятельности получаемых результатов. Рассматривались два альтернативных подхода:

  • Использование представления функции управления сердечным ритмом в виде последовательности равноотстоящих отсчётов, восстановленной по исходной последовательности NN-интервалов.
  • Непосредственный анализ последовательности NN-интервалов.

В рамках первого из подходов были исследованы непараметрические методы на основе ДПФ (периодограммный с различными видами окон и метод Уэлча с окном фон Ханна), а также параметрические (авторегрессионное моделирование на основе методов Берга, ковариационного и модифицированного ковариационного). Для реализации второго подхода использовался периодограммный метод Ломба-Скаргле, представляющий собой обобщение ДПФ на случай описания процесса в виде последовательности точечных событий.

Для исследования методов оценки спектральных показателей ВСР была разработана модель сигнала сердечного ритма, обладающая заданными частотными свойствами. В качестве отправной точки для построения модели использовалась функция СПМ, имеющая вид, характерный для сигнала ВСР в норме: приблизительно одинаковая концентрация мощности в диапазонах частот VLF, LF и HF при значениях суммарной мощности в данных диапазонах, имеющих порядок от 300 мс2 до 1000 мс2. В диапазонах частот VLF, LF и HF были сформированы три огибающие функции СПМ в форме гауссовых кривых, центр каждой из которых расположен в середине соответствующего диапазона частот, а значения на границах диапазона составляют приблизительно 1% от максимума для данной кривой. Масштаб каждой из трёх кривых был выбран так, чтобы величина площади под ней соответствовала 500 мс2.

Выражение для отсчётов полученной функции имеет вид:

       , мс2/Гц,

где – выбранное число отсчётов по частоте в диапазоне частот от 0 Гц до Гц, – шаг по частоте, – номер диапазона частот (соответственно для диапазонов VLF, LF и HF), – среднеквадратичное отклонение для соответствующей гауссовой кривой (здесь и – границы -го диапазона). По модельной СПМ были восстановлены значения модулей амплитудного спектра:

       , мс.

Далее значения компонент амплитудного спектра были использованы для получения модельного сигнала функции управления сердечным ритмом:

       , мс,

где – выбранное число отсчётов сигнала, мс – интервал дискретизации (соответствует частоте дискретизации 100 Гц), мс – произвольно выбранное среднее значение RR-интервала, а – фазовый сдвиг для -ой синусоиды, полученный как случайное число с равномерным распределением в диапазоне от 0 до 1 (случайный фазовый сдвиг использован для предотвращения интерференции синусоид с частотами кратными ). В результате была получена реализация модельного сигнала, имеющая длительность 1024 секунды (или 17 минут и 4 секунды), с частотой дискретизации 100 Гц.

Модельная последовательность NN-интервалов была сгенерирована с использованием концепции модели порождения сигнала сердечного ритма, известной как IPFM (Integral Pulse Frequency Modulation, интегральная импульсно-частотная модуляция). Далее с помощью интерполяции кубическими сплайнами была восстановлена исходная функция управления в виде равномерно дискретизованного сигнала с частотой отсчётов . Число отсчётов полученной реализации составило 4096. Расчёт СПМ по модельной реализации показал высокую степень её совпадения с изначально заданной (значение стандартного отклонения – около 0,9%). Таким образом, было показано, что модельный сигнал обладает заданными частотными свойствами и может рассматриваться в качестве образца реализации сигнала сердечного ритма, стационарного на всём его протяжении.

Для получения оценок точности и статистической устойчивости результатов из модельной последовательности RR-интервалов случайным образом выбирались 20 фрагментов продолжительностью по 5 минут (300 секунд) каждый. Эти фрагменты были использованы для вычисления СПМ и спектральных параметров с помощью каждого из перечисленных методов. На рис. 4 приведены примеры графиков СПМ для одного и того же фрагмента сигнала, полученных с использованием различных методов, а также указаны рассчитанные значения оценок спектральных параметров ВСР.

Рис. 4. примеры графиков СПМ, полученных с использованием различных методов: а) периодограммный метод с прямоугольным окном; б) метод Уэлча с окном фон Ханна; в) модифицированный ковариационный метод с порядком равным 20; г) метод Ломба-Скаргле. На графиках также показана СПМ модельного сигнала и приведены значения оценок спектральных параметров ВСР.

Как можно видеть из приведённых графиков, величины показателей ВСР, полученные разными методами, существенно отличаются как от теоретических значений, так и друг от друга. Статистический анализ ошибок показал, что точность и устойчивость результатов, получаемых с помощью простейшего периодограммного метода с использованием прямоугольного окна, оказывается не ниже, чем при использовании других методов, которые значительно сложнее в вычислительном отношении. Этот результат объясняется тем, что в самом принципе расчёта частотных параметров ВСР заложено усреднение по частоте, что избавляет от необходимости использования дополнительных процедур усреднения, а также нивелирует эффект спектральной утечки, свойственный прямоугольному окну. Наилучшие результаты продемонстрировали следующие варианты методов:

  • периодограммный с использованием прямоугольного окна;
  • авторегрессионная модель на основе модифицированного ковариационного метода при значении порядка модели от 20 до 30;
  • метод Ломба-Скаргле.

Оценки относительных среднеквадратичных ошибок расчёта параметров ВСР для диапазонов частот VLF, LF и HF оказались для этих вариантов примерно одинаковыми и составили соответственно: 30-32 %; 9-11 % и 5-6 %.

В работе исследованы методы оценки стационарности сигнала сердечного ритма с целью решения задачи автоматической сегментации продолжительных реализаций сигнала на локально-стационарные фрагменты, что позволяет избежать получения заведомо ошибочных результатов на участках сигнала, содержащих переходные процессы или помехи. Исследование выполнено с использованием как специально предложенной модели сигнала, позволяющей получать реализации, включающие локально стационарные (с точки зрения спектрального описания) сегменты, разделённые переходными процессами, так и набора реальных записей сигнала, полученных при проведении ортостатических функциональных проб (36 реализаций длительностью от 12 до 15 минут каждая). Исследованы три различных подхода, которые по данным литературных источников позволяют наиболее эффективно осуществлять оценку стационарности сигналов:

  • метод мониторинга коэффициентов авторегрессии;
  • метод анализа сигнала с удалённым трендом;
  • метод на основе обобщенного отношения правдоподобия.

В результате исследования с использованием модельных сигналов для каждого из методов была определена область значений параметров, при которых достигаются удовлетворительные результаты. Исследование на реальных записях позволило определить оптимальные значения данных параметров, при которых среднеквадратичная ошибка (СКО) определения границ локально стационарных участков оказывается наименьшей. Наилучшие результаты (относительная СКО около 15 %) продемонстрировал метод на основе обобщённого отношения правдоподобия, в котором используется принцип оценки средней ошибки предсказания авторегрессионной модели в скользящем окне.

С появлением технической возможности одновременной регистрации сигналов сердечного ритма и мгновенного кровяного давления возникла необходимость разработки математических методов, позволяющих выявить и количественно оценить взаимосвязи между этими двумя сигналами. Использование традиционно применяемых методов, рассчитанных на обработку сигналов, имеющих физическое или техническое происхождение, не всегда позволяет получать статистически устойчивые результаты, что связано со спецификой биологических сигналов. Задача представленного в работе исследования состояла в том, чтобы используя как записи реальных сигналов, так и модели сигналов, обладающие свойствами, характерными для сигналов сердечного ритма и мгновенного кровяного давления, разработать методы их совместного анализа, которые позволяют получить корректные оценки параметров, характеризующих взаимосвязи данных сигналов. При этом наибольший интерес для физиологов представляют оценки взаимной спектральной плотности мощности (ВСПМ) сигналов и взаимных фазовых спектров (частотных зависимостей задержек).

Рассмотрены следующие альтернативные подходы:

  • Непосредственное вычисление ВСПМ по ДПФ двух синхронно снятых дискретных выборок сигналов.
  • Получение оценки ВСПМ как ДПФ от оценки ВКФ.
  • Расчёт оценки ВСПМ с использованием одного из распространённых методов практического спектрального анализа – периодограммного метода Уэлча.

С целью оценки точности и статистической устойчивости рассчитываемых взаимных характеристик сигналов, была предложена модель двух рассматриваемых процессов, обладающая заданным видом как амплитудных, так и фазовых спектров, и имеющая частотные и статистические свойства, характерные для сигналов сердечного ритма и артериального давления.

В результате исследований на модельных сигналах было показано, что первый из перечисленных методов позволяет получить точность, как оценок спектральной мощности, так и оценок фазовых сдвигов, в 3-10 раз выше, чем в случае использования двух других методов. Показано также, что статистически устойчивые оценки фазовых сдвигов удаётся получить только на тех участках частотного диапазона, где относительная взаимная мощность составляет не менее 3-5 % от общей взаимной мощности сигналов.

В работе также предложен альтернативный метод получения оценок временного сдвига между сигналами сердечного ритма и мгновенного кровяного давления, основанный на анализе ВКФ двух сигналов, пропущенных через один и тот же полосовой фильтр. Значение временного сдвига непосредственно измеряется по ВКФ, как расстояние от первого положительного пика до точки, соответствующей нулевому сдвигу. Полоса пропускания фильтра выбирается на основании анализа предварительно полученной ВСПМ сигналов с целью выделить тот или иной частотный диапазон, в котором отчётливо выражено наличие когерентных колебаний.

Шестая глава посвящена вопросам реализации разработанных методов и алгоритмов автоматического анализа электрокардиосигнала в практических системах медицинского назначения.

При реализации методов и алгоритмов обработки сигналов в системах кардиологического наблюдения неизбежно приходится учитывать ряд ограничений, связанных с необходимостью непрерывной обработки сигнала в реальном масштабе времени. В первую очередь это касается требующихся вычислительных ресурсов: быстродействия вычислителя и объёма доступной оперативной памяти. Наиболее остро данная проблема встаёт при реализации приборов и систем обработки сигналов на базе микропроцессоров.

В работе рассмотрены возможные меры как алгоритмического, так и чисто технического характера, позволяющие снизить загрузку процессора и потребность в оперативной памяти при анализе сигналов в режиме реального времени. К таким мерам относятся следующие:

  • в случае наличия альтернатив, выбор математических методов и алгоритмических решений, требующих наименьших вычислительных затрат;
  • оптимизация методов обработки сигналов с целью снижения их вычислительной сложности;
  • тестирование разрабатываемых программно-алгоритмических средств с целью оценки требующихся вычислительных ресурсов;
  • использование средств и языков программирования, обеспечивающих получение в результате компиляции эффективных исполняемых кодов;
  • использование, там где это возможно, целочисленной арифметики;
  • использование методов буферизации потоков входных и выходных данных;
  • соблюдение правил программирования, обеспечивающих рациональный расход ресурсов процессора.

Предложенные методы и алгоритмы обработки электрокардиосигналов были внедрены в следующих компьютерных системах медицинского назначения:

  1. Комплекс мониторного наблюдения ЭКГ «РИТМОН».

Комплекс предназначен для круглосуточного мониторного контроля сердечной деятельности кардиологических пациентов в отделениях интенсивной терапии и реанимации клиник и рассчитан на одновременное наблюдение ЭКГ восьми пациентов. Комплекс «РИТМОН» выпускается ООО «Биосигнал» (Санкт-Петербург), и к настоящему времени эксплуатируется более чем в 100 клиниках России, а также более чем в 50 клиниках Польши.

В составе программного обеспечения комплекса «РИТМОН» реализованы следующие разработанные автором методы и алгоритмы:

  • алгоритм предварительной цифровой фильтрации электрокардиосигнала и оценки его зашумлённости;
  • одноканальный алгоритм обнаружения желудочкового комплекса ЭКГ;
  • алгоритм классификации форм QRS-комплексов ЭКГ;
  • алгоритм расчёта оценок частотных показателей ВСР.

Пакет программ автоматической обработки электрокардиосигнала в комплексе «РИТМОН» официально зарегистрирован в РосАПО РФ.

  1. Компьютерная система для функциональных исследований сердечно-сосудистой системы «Кардиометр-МТ».

Система «Кардиометр-МТ» выпускается ЗАО «Микард-Лана» (Санкт-Петербург) и к настоящему времени эксплуатируется более чем в 400 медицинских учреждениях России. Система предназначена для использования в кабинетах функциональной диагностики поликлиник и стационаров и рассчитана на проведение нескольких видов стандартных исследований:

  • съём и автоматическая интерпретация ЭКГ в 12-ти общепринятых отведениях;
  • проведение нагрузочных проб;
  • исследование вариабельности сердечного ритма;
  • проведение электрофизиологических исследований с искусственной электрокардиостимуляцией сердца.

В составе программного обеспечения системы «Кардиометр-МТ» реализованы следующие разработанные автором методы и алгоритмы:

  • алгоритм предварительной цифровой фильтрации электрокардиосигнала и оценки его зашумлённости;
  • многоканальный алгоритм обнаружения желудочкового комплекса ЭКГ;
  • алгоритм классификации форм QRS-комплексов ЭКГ;
  • алгоритм расчёта оценок частотных показателей ВСР;
  • метод автоматической сегментации сигнала сердечного ритма на локально стационарные участки.

Пакеты программ автоматической обработки электрокардиосигнала, используемые в компьютерной системе «Кардиометр-МТ» («КардиоКит – Стимуляция», «КардиоКит – Стресс-тест», «КардиоКит – Анализ ритма»), официально зарегистрированы в РОСПАТЕНТ РФ.

  1. Пакет прикладных программ «Оценка вариабельности сердечного ритма и артериального давления, измеряемого методом непрерывной неинвазивной регистрации».

Пакет предназначен для проведения как клинических, так и научных исследований сердечно-сосудистой системы и проходит клиническую апробацию в ФГУ Федеральный центр сердца, крови и эндокринологии им. В.А. Алмазова (Санкт-Петербург).

В составе данного программного пакета реализованы следующие разработанные автором методы и алгоритмы:

  • алгоритм расчёта оценок частотных показателей ВСР;
  • метод автоматической сегментации сигнала сердечного ритма на локально стационарные участки;
  • алгоритм вычисления оценок взаимной спектральной мощности и взаимных фазовых сдвигов сигналов сердечного ритма и мгновенного кровяного давления.

Пакет прикладных программ «Оценка вариабельности сердечного ритма и артериального давления, измеряемого методом непрерывной неинвазивной регистрации» официально зарегистрирован в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам РФ.

Накопленный автором опыт научно-исследовательской и педагогической работы, связанной с проблемами автоматической обработки биомедицинских сигналов, позволил ему выполнить перевод на русский язык монографии известного канадского учёного профессора Р.М. Рангайяна, представляющей собой фундаментальное учебное пособие для студентов и аспирантов, обучающихся по данному направлению: Рангайян Р.М. Анализ биомедицинских сигналов. Практический подход / Пер. с англ. А.Н. Калиниченко под ред. А.П. Немирко. М.: ФИЗМАТЛИТ, 2007. – 440 с.

В заключении излагаются основные результаты теоретических исследований и практических разработок, представленных в диссертационной работе.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В результате проведения представленных в диссертации теоретических и экспериментальных исследований, был решен ряд проблем теоретического характера и создан комплекс методов цифровой обработки и анализа биомедицинских сигналов, что позволило расширить класс анализируемых  показателей сердечной деятельности человека и повысить качество и надежность приборов и систем кардиологического наблюдения за счет реализации разработанных алгоритмов и методов в виде прикладных программных комплексов.

  1. Разработана обобщённая структура алгоритмического обеспечения анализа электрокардиосигнала в системах кардиологического наблюдения, основанная на комплексном подходе к созданию методов и алгоритмов автоматического непрерывного анализа электрокардиосигнала.
  2. Обоснован выбор параметров процедур предварительной цифровой фильтрации, обеспечивающих оптимальные условия для решения задачи обнаружения желудочкового комплекса ЭКГ. Показано, что наилучшие результаты достигаются при использовании полосовой фильтрации электрокардиосигнала с частотами среза цифрового фильтра равными 5 Гц и 30 Гц при значениях ширины переходной полосы соответственно равных 4 Гц и 25 Гц.
  3. Разработан алгоритм автоматического обнаружения желудочкового комплекса ЭКГ по электрокардиосигналу в одном отведении, учитывающий статистические характеристики и контекст электрокардиосигнала, обладающий высокой помехоустойчивостью, а также способностью адаптироваться к динамически возникающим изменениям сигнала. Оценка качества разработанного алгоритма показала его преимущество перед ранее разработанным алгоритмом аналогичного назначения.
  4. Разработан алгоритм обнаружения желудочкового комплекса ЭКГ по электрокардиосигналу в двух или трёх синхронно снимаемых отведениях, обладающий существенно более высокими показателями качества работы, чем алгоритм, использующий одно отведение ЭКГ.
  5. Разработан и исследован алгоритм классификации форм желудочковых комплексов ЭКГ, основанный на одновременном использовании морфологических признаков, рассчитанных во временной области, в частотной области и с использованием корреляции. Алгоритм продемонстрировал качество классификации в 1,5-2 раза превышающее результаты, получаемые для каждого из перечисленных методов в отдельности.
  6. Предложена и разработана математическая модель сигнала сердечного ритма, способная воспроизводить реалистичный сигнал с заданными значениями частотных параметров вариабельности сердечного ритма и предназначенная для тестирования и оценки качества методов математического анализа ВСР.
  7. Предложены процедуры расчёта спектральных показателей вариабельности сердечного ритма, позволяющие получить наиболее точные и статистически устойчивые оценки параметров ВСР.
  8. Разработаны и исследованы методы оценки стационарности сигнала сердечного ритма, позволяющие локализовать стационарные участки продолжительных записей сигнала с целью исключения возможности получения некорректных и статистически несостоятельных оценок спектральных показателей вариабельности сердечного ритма.
  9. Разработаны методы оценки фазовых соотношений между сигналами сердечного ритма и мгновенного артериального давления, позволяющие количественно охарактеризовать временные задержки между когерентными колебаниями данных двух сигналов.
  10. Созданы новые программные средства для компьютерных систем и приборов кардиологического наблюдения и диагностики, а также исследовательские комплексы, позволяющие решать задачи текущего контроля сердечной деятельности человека, оценки регуляторной функции вегетативной нервной системы и состояния организма по частотным показателям ВСР, что способствует повышению эффективности применения средств компьютерной диагностики и автоматизации в лечебном процессе. Разработанные алгоритмы предварительной фильтрации ЭКГ, обнаружения и классификации форм желудочковых комплексов и методы анализа ВСР внедрены в практические компьютерные системы «РИТМОН» и «Кардиометр-МТ», которые имеют регистрационные удостоверения МЗ РФ, а также сертификат Госстандарта РФ и выпускаются несколькими предприятиями г. С.-Петербурга.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, определённых ВАК Минобрнауки РФ:

  1. Калиниченко, А.Н. Влияние частоты дискретизации ЭКГ на точность вычисления спектральных параметров вариабельности сердечного ритма / А.Н. Калиниченко, О.Д. Юрьева // Информационно-управляющие системы. – 2008. – № 2. – С. 46 – 49.
  2. Калиниченко, А.Н. О точности и достоверности спектральных методов расчёта показателей вариабельности сердечного ритма / А.Н. Калиниченко // Информационно-управляющие системы. – 2007. – № 6. – С. 41 – 48.
  3. Калиниченко, А.Н. Исследование алгоритмов оценки стационарности сердечного ритма / А.Н. Калиниченко, М.И. Коляденко // Известия СПбГЭТУ "ЛЭТИ" (Известия Государственного электротехнического университета). Сер. Биотехнические системы в медицине и экологии. – 2006. –Вып. 2. – С. 101-105.
  4. Калиниченко, А.Н. Оценка разделяющей способности методов классификации форм ЭКГ/ А.Н. Калиниченко // Известия СПбГЭТУ "ЛЭТИ" (Известия Государственного электротехнического университета). Сер. Биотехнические системы в медицине и экологии. – 2006. – Вып. 1.– С. 21- 30.
  5. Investigation of Time, Amplitude, and Frequency Parameters of a Direct Fetal ECG Signal during Labor and Delivery (Исследование временных, амплитудных и частотных параметров электрокардиосигнала плода непосредственно снимаемого во время родов) / R.A. Shepovalnikov, A.P. Nemirko, A.N. Kalinichenko, et al. // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 2006. – Vol. 16, No 1. – P. 74 – 76.
  6. Software Complex for the Recognition of Diagnostically Significant ECG Changes (Программный комплекс для распознавания диагностически значимых изменений ЭКГ) / A.P. Nemirko, A.N. Kalinichenko, P.V. Murashov, et al. // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 2006, Vol. 16, No 1. – P. 9–11.
  7. Пакет программ для функциональных электрокардиографических исследований / А.Н. Калиниченко, А.П. Немирко, П.В. Мурашов и др. // Известия СПбГЭТУ "ЛЭТИ" (Известия Государственного электротехнического университета). Сер. Биотехнические системы в медицине и экологии. – 2004. – Вып. 1. – С. 36–39.
  8. Исследование методов анализа электрокардиограммы плода во время родов / Р.А. Шеповальников, А.П. Немирко, А.Н. Калиниченко и др. // Известия СПбГЭТУ "ЛЭТИ" (Известия Государственного электротехнического университета). Сер. Биотехнические системы в медицине и экологии. – 2004. – Вып. 1. – С. 33–36.
  9. Software Package for the Functional Investigations Using ECG (Программный комплекс для функциональных исследований с использованием ЭКГ) / A.P. Nemirko, A.N. Kalinichenko, Y.I. Goncharenko, et al. //- Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 2003. – Vol. 13, No 2. – P. 308 – 310.
  10. Кардиомониторная система RITMON для отделений интенсивной терапии и реанимации / А.П. Немирко, А.Н. Калиниченко, С.Ю. Левашов и др. // Научное приборостроение. – 1996. – Т. 6, № 1. – С. 115–116.
  11. Nemirko, A.P. Waveform>

и в других изданиях:

  1. Kalinichenko, A.N. Investigation of the ECG QRS-complex morphologies>
  2. Kalinichenko, A.N. ECG waveform>
  3. Калиниченко, А.Н. Анализ спектральных параметров вариабельности сердечного ритма в реальном масштабе времени / А.Н. Калиниченко, Ю.И. Гончаренко, Н.И. Родина // В кн.: Биотехнические системы в медицине и биологии. Под общ. ред. проф. Е.П. Попечителева. – СПб.: Изд-во "Политехника", 2002. – С. 68–71.
  4. Kalinichenko, A.N. Real-time Analysis of HRV Spectral Parameters (Анализ параметров вариабельности сердечного ритма в реальном масштабе времени) / A.N. Kalinichenko, M.V. Boyarkin, Y.I. Goncharenko, et al. // In: SYMBIOSIS 2001. VI International Conference, Szczyrk, Poland, 11-13 Sept., 2001, Conference Proceedings. –2001. – P. 228–230.
  5. Nemirko, A.P. Computer Net for ECG Monitoring (Компьютерная сеть для мониторного контроля ЭКГ) / A.P. Nemirko, A.N. Kalinichenko, D.V. Korobkov et al. // In: SYMBIOSIS 2001. VI International Conference, Szczyrk, Poland, 11-13 Sept., 2001, Conference Proceedings. –2001. – P. 145–148.
  6. Вальденберг, А.В. Мониторный контроль ЭКГ в интенсивной терапии / А.В. Вальденберг, А.Н. Калиниченко // Мир медицины. – 1999. – № 2. – С. 42–45.
  7. Калиниченко, А.Н. Автоматическая диагностика фибрилляции предсердий / А.Н. Калиниченко, Л.А. Манило, А.А. Саяпина // Материалы 3-й Международной конференции «Радиоэлектроника в медицинской диагностике», Москва, 29 сент. - 1 окт. 1999. – М., 1999. – С. 96 – 99.
  8. Kalinichenko, A.N. Waveforms>
  9. Nemirko, A.P. Reconstruction of cardiac rhythm control function for the spectral estimation of heart rate variability (Восстановление функции управления для получения спектральных оценок  вариабельности сердечного ритма) / A.P. Nemirko, L.A. Manilo, A.N. Kalinichenko // Proceedings of 5th International Symposium SYMBIOSIS'97; Jiri Holcik, Peter Fedra, Jan Slezak (Eds.), Brno, Sept. 10 – 12 1997. Brno: Techn. Univ. Brno. – P. 40 – 44.
  10. Kalinichenko, A.N. The ECG analysis algorithm and software for noninvasive electrophysiological studies (Алгоритм анализа ЭКГ и программное обеспечение для неинвазивных электрофизиологических исследований) / A.N. Kalinichenko, D.V. Korobkob, K.V. Sveshnikov // Proceedings of 5th International Symposium SYMBIOSIS'97; Jiri Holcik, Peter Fedra, Jan Slezak (Eds.), Brno, Sept. 10 – 12 1997. Brno: Techn. Univ. Brno. – P. 67-69.
  11. Boyarkin, M.V. Heart Rate Variability as an Index of Autonomic Heart Regulation in Acute Miocardial Infarction Patients (Вариабельность сердечного ритма как показатель вегетативной регуляции у пациентов с острым инфарктом миокарда) / M.V. Boyarkin, A.N. Kalinichenko, A.P. Nemirko // In: Computers in Cardiology, IEEE. – 1997. – Vol. 24. – P. 45–48.
  12. Valdenberg, A.V. The Experience of Computer-Based Monitoring System Utilization in CCU (Опыт использования компьютерной системы мониторного контроля в отделении интенсивной терапии) / A.V. Valdenberg, A.N. Kalinichenko, A.P. Nemirko // In: Computers in Cardiology, IEEE. – 1997. – Vol. 24. – P. 429-432.
  13. Калиниченко, А.Н. Алгоритм анализа ЭКГ при электрокардиостимуляции / А.Н. Калиниченко, А.Ю. Левин, А.А. Трушев // Известия СПбГЭТУ "ЛЭТИ" (Известия Государственного электротехнического университета). – 1996. – Вып. 491. – С. 44–51.
  14. Nemirko, A.P. Algorithm and Software for ECG Monitoring System (Алгоритмическое и программное обеспечение для системы мониторного контроля ЭКГ) / A.P. Nemirko, A.N. Kalinichenko, S.Y. Levashov, et al. //. In: Analysis of Biomedical Signals and Images. 13-th Biennial International Conference BIOSIGNAL'96. Proceedings. J. Jan, P. Kilian, I. Provaznic (eds). Technical University Brno Press. – 1996. – P. 192 – 194.
  15. Калиниченко, А.Н. Мониторы для наблюдения больных в клинике / А.Н. Калиниченко // Медицинская техника и химические реактивы. Информационный бюллетень. – 1996. – № 4. – С. 2–4.
  16. Калиниченко, А.Н. Оперативная обработка многоканальной ЭКГ / А.Н. Калиниченко, С.Ю. Левашов. // Известия СПбГЭТУ "ЛЭТИ" (Известия Государственного электротехнического университета). – 1994. – Вып. 468. – С. 26-31.
  17. Kalinichenko, A.N. Method of QRS detection based on digital filtering (Метод обнаружения QRS-комплекса на основе цифровой фильтрации) / A.N. Kalinichenko // Proceedings of the International Symposium SYMBIOSIS'93, Brno, Technical University of Brno. – 1993. – P. 75–89.
  18. Кардиомониторы. Аппаратура непрерывного контроля ЭКГ / А.Л. Барановский, А.Н. Калиниченко, Л.А. Манило и др.; под ред. А.Л. Барановского и А.П. Немирко. – М.: Радио и связь, 1993. – 248 с.
  19. Оценка вариабельности сердечного ритма и артериального давления, измеряемого методом непрерывной неинвазивной регистрации (программа для ЭВМ): Федеральная служба по интеллектуальной собственности, патентам и товарным знакам РФ, гос. рег. № 2007615223 / О.В. Мамонтов, Е.А. Бирюкова, А.Н. Калиниченко и др., заявитель ФГУ Федеральный центр сердца, крови и эндокринологии им. В.А. Алмазова. – 2007.
  20. Программа исследования ЭКГ при электрокардиостимуляции (КардиоКит – Стимуляция): РОСПАТЕНТ РФ, гос. рег. № 2003611609 / А.П. Немирко, А.Н. Калиниченко, Ю.И. Гончаренко и др., заявитель Общество с ограниченной ответственностью "Биосигнал". – 2003.
  21. Программа автоматизации нагрузочной пробы (КардиоКит – Стресс-тест): РОСПАТЕНТ РФ, гос. рег. № 2003611610 / А.П. Немирко, А.Н. Калиниченко, Ю.И. Гончаренко и др., заявитель Общество с ограниченной ответственностью "Биосигнал". – 2003.
  22. Программа исследования сердечного ритма (КардиоКит – Анализ ритма): РОСПАТЕНТ РФ, гос. рег. № 2003611611 / А.П. Немирко, А.Н. Калиниченко, Ю.И. Гончаренко и др., заявитель Общество с ограниченной ответственностью "Биосигнал". – 2003.
  23. Программный комплекс мониторного контроля ЭКГ "RITMON": РосАПО РФ, гос. рег. № 960002 / А.П. Немирко, А.Н. Калиниченко, С.Ю. Левашов и др., заявитель Товарищество с ограниченной ответственностью "БИОСИГНАЛ". – 1996.





© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.