Содержание к диссертации
Введение
1. Основные принципы анализа вариабельности сердечного ритма 12
1.1. История развития методики кардиоинтервалографии 12
1.2. Методика кардиоинтервалографии 13
1.3. Традиционные методы анализа вариабельности сердечного ритма 20
1.4. Регистрация электрокардиосигнала 26
1.5. Проблемы реализации методики кардиоинтервалографии... 28
1.6. Физиологические основы анализа сердечного ритма 30
1.7. Характеристика RR-интервального ряда 36
1.8. Выводы 39
2. Методы нелинейной динамики в задачах анализа вариабельности сердечного ритма 41
2.1. Особенности методов нелинейной динамики 41
2.2. Схема оценки состояния регуляторных механизмов на основе традиционных методов анализа вариабельности сердечного ритма 54
2.3. Схема оценки состояния регуляторных механизмов на основе методов нелинейной динамики 64
2.4. Сравнительный анализ результатов исследований на основе линейного и нелинейного методов 69
2.5. Выводы
3. Разработка нелинейной модели динамической системы регуляции вариабельности сердечного ритма 96
3.1. Разработка нелинейной модели регуляции ритма сердца 96
3.2. Исследования нелинейной модели сердечного ритма 113
3.3. Оценка адекватности нелинейной модели регуляции ритма сердца 126
3.3. Классификатор данных анализа ритмограмм, выполненный на основе модели регуляции сердечного ритм 133
3.4. Алгоритмическая модель анализа вариабельности сердечного ритма на основе принципов нелинейной динамики... 140
3.5. Выводы 142
4. Разработка аппаратно-программного комплекса для кардиоинтервалографических исследований на основе методов нелинейной динамики 145
4.1. Целесообразность развития метода и его медицинская интерпретация 145
4.2. Требования к аппаратной части комплекса для проведения кардиоинтервалографических исследований 149
4.3. Реализация аппаратной части комплекса 153
4.4. Принципы реализации отдельных блоков аппаратной части комплекса 157
4.5. Реализация программной части комплекса 165
4.6. Выводы 171
Заключение 172
Список используемых литературных источников 176
Приложения 183
- Физиологические основы анализа сердечного ритма
- Схема оценки состояния регуляторных механизмов на основе традиционных методов анализа вариабельности сердечного ритма
- Классификатор данных анализа ритмограмм, выполненный на основе модели регуляции сердечного ритм
- Требования к аппаратной части комплекса для проведения кардиоинтервалографических исследований
Введение к работе
Организм человека представляет собой сложную многоуровневую систему, управление в которой осуществляется путем передачи управляющих импульсов от сложных систем высшего порядка к простым системам или уровням низшего порядка. Таким образом, четко отлаженная работа всех звеньев такой системы-организма позволяет судить об истинном здоровье человека. В случае воздействия на систему извне формируется ответная реакция путем изменения в работе тех или иных уровней или звеньев в системе-организме. Тогда, если удается получить информацию об этих изменениях, то можно либо своевременно диагностировать ту или иную патологию, либо в донозологический период принять необходимые меры по предостережению от развития вируса в организме человека. Задача эта является очень сложной, и решить ее однозначно нельзя. Однако современное развитие методов анализа вариабельности сердечного ритма позволяет судить о том, что сердечнососудистая система является неким индикатором изменений в организме и позволяет выявить наличие патологий в донозологический период.
Своевременная диагностика и профилактика функциональных нарушений в деятельности сердечно-сосудистой системы в значительной степени зависят от эффективности применяемых методов исследования. Ограниченность традиционных методических возможностей при изучении активности сердечно-сосудистой системы на основе анализа доступных физиологических сигналов делают необходимым поиск более чувствительных и информативных диагностических критериев.
Для анализа «волной» структуры ритма традиционно применяется спектральный и корреляционный анализ, которые позволяют констатировать факт наличия той или иной гармоники, но поставить в соответствие спектральным компонентам системы организма уже нельзя. Таким образом, необходим поиск новых методов, которые бы позволили
5 учесть все особенности глубоких процессов формирования и управления ритмом сердца. В настоящей диссертации предлагается использовать методы нелинейной динамки, применение которых позволяет учитывать эффекты комбинированного воздействия различных факторов, поведения ансамблей нелинейных генераторов больших размерностей, и определить возможные состояния организма в норме и патологии. Таким образом, применение новых методов анализа позволяет отойти от исследования линейных, стационарных процессов и перейти к анализу существенно нелинейных систем со значительной долей случайных и квазислучайных факторов на ритм сердца, и, как следствие, на общее состояние организма человека.
Согласно проведенным исследованиям [3], была представлена двухуровневая система формирования кардиоинтервалов, основными элементами которой являются автономный и управляющий контуры. Рабочими структурами автономного контура регуляции являются: синусовый узел, блуждающие нервы и их ядра в продолговатом мозгу (контур парасимпатической регуляции). Центральный же контур представлен корой головного мозга, высшими вегетативными и подкорковыми нервными центрами, а также сердечно-сосудистый центром продолговатого мозга. Сущность процессов регуляции заключается в непрерывном обмене информацией между контурами управления, которые имеют определенные временные характеристики. Необходимым условием формирования управляющих сигналов является наличие достаточного временного интервала для приема и переработки информации, зависящих от числа элементов, контролируемых и управляемых данным регуляторным механизмом. Чем выше уровень регуляции (управления), чем больше различных уровней (элементов) он должен контролировать, тем больший интервал времени необходим для выработки управляющих сигналов, тем сложнее анализировать происходящие при этом процессы, потому как они происходят на более высоком уровне. При оптимальном
регулировании управление происходит с минимальным участием высших уровней. При неоптимальном управлении необходима активация все более высоких уровней управления. Механизм изменения продолжительности сердечного цикла довольно сложен, но в достаточной степени известен, благодаря исследованиям с внутриклеточным отведением потенциалов [18]. Интервал времени между двумя кардиоциклами зависит от величины порогового потенциала и крутизны деполяризации клетки водителя ритма, которые, в свою очередь, обусловлены проницаемостью клеточных мембран, соотношениями концентрации натрия, кальция и калия и другими сложными процессами, происходящими на клеточном уровне. В результате изменения биофизических условий роль водителя ритма переходит от одной клетки синусового узла к другой. В результате имеет место перемешивание слоев в фазовом пространстве и таким образом получается странный аттрактор, который собственно и характеризует все интересующие исследователей процессы формирования и управления ритмом сердца. Описанное выше представляет собой базис разработанной в диссертационной работе модели нелинейной регуляции вариабельности сердечного ритма на основе принципов нелинейной динамики. Исследования параметров модели в состоянии физиологической нормы и патологии позволили определить численные показатели, которые были использованы экспертами при проведении экспериментов. В качестве экспертов были использованы врачи МУЗ Пятигорской детской городской больницы, МУЗ БСМП №5 г.Таганрога. В процессе работы над диссертацией была разработана система формирования заключения, которая позволила сделать вывод о целесообразности применения методов нелинейной динамики для анализа ритмограмм и доказать их большую информативность по сравнению с линейными.
Основной целью работы является разработка и исследование алгоритмической модели анализа вариабельности сердечного ритма на основе принципов нелинейной динамики, разработка классификатора,
7 позволяющего в пространстве признаков определять физиологическую норму, донозологический период и патологию. Основные особенности разработанной модели:
модель позволяет учесть взаимодействие уровней
функционирования и управления вариабельностью сердечного ритма,
основываясь на глубоком анализе процессов формирования ритма сердца
на физиологическом уровне;
модель обладает свойствами странного аттрактора, который формируется в результате нелинейного воздействия на синусовый узел ансамбля генераторов, представленных корой головного мозга, высшими вегетативными и подкорковыми нервными центрами, а также сердечнососудистым центром головного мозга;
модель является чувствительной к воздействию на ритм сердца фармакологических средств и позволяет моделировать реакцию сердечнососудистой системы под их действием.
Для достижения поставленной цели в диссертации решались следующие основные задачи:
Анализ свойств и характеристик линейных моделей кардиоинтервалографического сигнала;
Анализ особенностей традиционных методов исследования и математических моделей оценки вариабельности сердечного ритма и их экспертное сравнение с методами нелинейной динамики;
Выявление наиболее характерных свойств существующих линейных моделей системы формирования и регуляции ритмом сердца;
4. Построение математических моделей и алгоритмов
формирования заключения оценки состояния организма на основе
наиболее значимых признаков с целью проведения сравнительного
анализа традиционных методов оценки вариабельности сердечного ритма
и методов нелинейной динамики;
8
5. Разработка структуры кардиоинтервалографической
технической системы для проведения исследования вариабельности
сердечного ритма.
Основные результаты диссертационной работы были представлены и
обсуждались на следующих конференциях:
Всероссийский конгресс с международным участием «Искусственный интеллект», 2001 г.
Международная конференция IEEE по Системам искусственного интеллекта, 2002 г.
Конференция «Медицинские информационные системы» 1998г, 2000г, 2002г.
Научно-техническая конференция «Компьютерные технологии в инженерной и управленческой деятельности», г. Таганрог, 1998 г.
Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы. Биомедсистемы», г.Рязань, 1999 г, 2000 г.
Шестая международная научно-техническая конференция студентов и аспирантов «Радиоэлектроника электротехника и энергетика», г.Москва, 2000 г.
II Международный симпозиум «Электроника в медицине. Мониторинг, диагностика, терапия», г. Санкт-Петербург, 2000 г.
Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Новые информационные технологии. Аспекты применения», Таганрог 2001г.
По теме диссертации опубликовано 15 печатных работ, основными из них являются:
1. Захаревич В.Г., Сахарова О.Н. К вопросу анализа кардиоинтервалографических показателей на основе нелинейной
9 динамики.: Всероссийский конгресс с международным участием «Искусственный интеллект», г. Геленжик, сборник докладов, 2001 г.
Захаревич В.Г., Сахарова О.Н. Нелинейный анализ вариабельности сердечного ритма.: Журнал «Программные продукты и системы», 2002 г.
Захаревич В.Г., Сахарова О.Н. Экспертная система анализа вариабельности сердечного ритма на основе принципов нелинейной динамики.: Конференция ШЕЕ по Системам искусственного интеллекта, г. Геленжик, сборник докладов 2002 г.
Сахарова О.Н. Фрактальный анализ вариабельности сердечного ритма.: Всероссийская научно-техническая конференция «Медицинские информационный системы», г.Таганрог, сборник докладов 2002 г.
Zakharevich V.G., Sakharova O.N. Events of Construction of Expert System of the Analysis of Heart-Rate Variability Based on Principles of Nonlinear Dynamics.: The IEEE International Conference Artificial Intelligence Systems, Computer Press, 2002
Захаревич В.Г., Сахарова О.Н. Нелинейная модель регуляции сердечного ритма.: Международная конференция «AIS'03», г. Геленжик, сборник докладов 2003 г.
Сахарова О.Н. Классификация результатов исследования вариабельности сердечного ритма на основе принципов нелинейной динамики.: Шестая всероссийская научная конференция молодых ученых и аспирантов «Новые информационные технологии. Разработка и аспекты применения», г.Таганрог, сборник докладов 2003 г.
Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 78 наименований, 4 приложения. Работа содержит 180 страниц текста и 56 рисунков (всего 239 страниц).
В первой главе диссертационной работы представлено описание метода диагностики с помощью кардиоинтервалографии. Представлены
10 история развития методики, техника ее проведения, основные традиционные методы анализа вариабельности сердечного ритма, рассмотрены вопросы регистрации сигнала, основные проблемы реализации метода, физиологические основы анализа сердечного ритма, а также характеристика самого сигнала.
Во второй главе рассмотрены методы нелинейной динамки, схема оценки состояния регуляторных механизмов на основе традиционных методов анализа вариабельности сердечного ритма, схема оценки состояния регуляторных механизмов на основе нелинейных динамических методов анализа, а также проведена сравнительная оценка исследований ритмограмм с помощью их.
В третьей главе представлена разработанная модель регуляции сердечного ритма, учитывающая нелинейные особенности его формирования, рассчитаны параметры модели, доказана ее адекватность реальным процессам, определены поля пространства признаков, разработан классификатор характеристик, содержащий численные значения, соответствующие градациям физиологической нормы, донозологического периода и патологии, разработана модель анализа вариабельности сердечного ритма на основе принципов нелинейной динамики.
В четвертой главе определены основные технические требования технической реализации метода анализа вариабельности сердечного ритма на основе традиционных методов и методов нелинейной динамки, представлена практическая реализация комплекса, который позволил провести исследования в области анализа вариабельности сердечного ритма. Отдельно рассмотрены вопросы аппаратной и программной части.
Таким образом, можно сформулировать следующие положения, выносимые на защиту:
1. Доказано, что нелинейные алгоритмы и математические модели,
предложенные в диссертации, позволяют получить качественно
11 новые результаты при кардиоинтервальном анализе вариабельности сердечного ритма.
Разработана математическая модель системы формирования ритма сердца, которая представляет собой совокупность трех нелинейных осцилляторов с сильными взаимными связями.
Доказано, что нелинейная модель формирования ритма сердца позволяет продемонстрировать сопровождающийся бифуркацией в системе переход организма от адекватного поддержания гомеостаза к срыву процессов адаптации, приводящей к срыву нормальной деятельности организма.
Показано, что совокупность параметров (корреляционная и фрактальная размерности, экспонента Ляпунова и энтропия Колмогорова-Синая) являются основой для кластерного анализа ритмограмм и отнесения к соответствующим классам физиологической нормы, донозологического и преморбидного состояния, а также срыва адаптации.
Физиологические основы анализа сердечного ритма
Однако представить нестационарный сигнал, например, в виде суммы ряда синусоид точно практически не возможно, появляется погрешность, порядок которой в настоящее время не исследован. Использование ДПФ и БПФ для физиологических сигналов не дает возможности анализировать процессы, происходящие в организме человека. Можно только констатировать факт наличия той или иной гармоники, но поставить в соответствие спектральным компонентам системы организма уже нельзя. Поэтому появилась необходимость нахождения новых методов представления сигнала. В настоящее время уже используют ряд методик, таких как вейвлет-преобразование [46, 47]. Его использование позволяет получить приемлемое соотношение между разрешением по частоте и по амплитуде, что особенно важно для нестационарных сигналов, информативность, которых располагается своеобразными сгустками по оси времени. В настоящей диссертации предлагается использовать методы нелинейной динамики, применение которых дает возможность учитывать эффекты комбинированного воздействия различных факторов, поведения ансамблей нелинейных генераторов больших размерностей, и определить возможные состояния организма в норме и патологии, чего не позволяют достичь как применяемые до сегодняшнего дня традиционные методы анализа вариабельности сердечного ритма, так и методы вейвлет-анализа. Отдельной задачей является исследование переходов организма из одного состояния в другое (под воздействием каких факторов это происходит). Последнее очень важно для планирования лечения и подборе медикаментов.
Таким образом, применение новых методов анализа позволяет отойти от исследования линейных, стационарных процессов и перейти к анализу существенно нелинейных систем, со значительной долей случайных и квазислучайных факторов на ритм сердца, и, как следствие, на общее состояние организма человека.
В настоящем разделе рассмотрим процесс формирования ритмограммы с точки зрения физиологии. Живой организм можно рассматривать как многоуровневую самоуправляемую систему, состоящую из иерархически связанных двухуровневых элементов. Каждый такой элемент - это самостоятельная система, которая включает высший и низший (центральный и автономный) контуры, взаимодействующие на основе обмена информацией по каналам прямой и обратной связи. Уровень функционирования физиологических систем зависит от степени централизации управления: чем сильнее воздействие центрального контура на автономный, тем выше активность центральных механизмов управления, тем выше уровень функционирования системы в целом. Обычный (нормальный или средний) уровень функционирования физиологических систем обеспечивается при минимальной активации центральных механизмов управления. Автономная деятельность низших уровней «освобождает» высшие от необходимости постоянно участвовать в локальных регуляторных процессах. Высшие уровни участвуют в этих процессах только в том случае, когда низшие не справляются со своими функциями, когда необходима координация деятельности нескольких подсистем. Оптимальное сочетание принципов централизации и автономности управления в живом организме обеспечивает максимальные адаптационные возможности целостной системы при ее взаимодействии с окружающей средой.
Повышения уровня функционирования организма и его отдельных элементов (систем) требует все более активного вмешательства центральных механизмов в деятельность автономных. При этом, не смотря на сохранение гомеостаза, адаптивное уравновешивание организма со средой происходит за счет роста напряжения процессов регуляции. Активность управляющих систем, необходимую для поддержания соответствующего уровня функционирования организма или для его перехода на другой уровень, более адекватный условиям среды, можно определить по степени напряжения регуляторных механизмов. Степень напряжения их - это «цена» их адаптации, а уровень функционирования -это ее результат. Повышение степени напряжения регуляторных механизмов обеспечивается как усилением активности специфических нейрогуморальных систем, так и вовлечением в процесс адаптации новых элементов функциональной системы.
Сущность процессов регуляции заключается в непрерывном обмене информацией между контурами управления, которые имеет определенные динамические характеристики. Необходимым условием формирования управляющих сигналов является наличие достаточного временного интервала для приема и переработки информации, зависящего от числа элементов, контролируемых и управляемых данным регуляторным механизмом. Чем выше уровень регуляции (управления), чем больше различных уровней (элементов) он должен контролировать, тем больший интервал времени необходим для выработки управляющих сигналов, тем сложнее анализировать происходящие при этом процессы, потому как они происходят на более высоком уровне.
Рассмотрим модель регуляции сердечного ритма по Баевскому [1]. На рис.6 представлена общепринятая иерархическая структура управления функциями, включающая последовательные уровни гуморальной, гормональной вегетативной и центральной (корковой) регуляции. Этим уровням соответствуют определенные анатомо-физиологические структуры: 1. подкорковые нервные центры, обеспечивающие вегетативный гоместаз; 2. высшие вегетативные центры, осуществляющие уравновешивание гуморально-гармонально-вегетативных звеньев управления под контролем корковых механизмов; 3. центральная нервная система, координирующая все процессы управления в организме в соответствии с условиями окружающей среды.
Схема оценки состояния регуляторных механизмов на основе традиционных методов анализа вариабельности сердечного ритма
Метод анализа фазовых траекторий с помощью сечений Пуанкаре позволяет получать качественную информацию о геометрии аттрактора. Автором было разработано программное обеспечение применения сечения Пуанкаре для исследований данных, полученных от реальных пациентов экспертами-клиницистами МУЗ Пятигорской детской городской больницей, МУЗ БСМП №5 г.Таганрога, которые показали, что даже в состоянии преморбидного периода, когда размерность фазового пространства наименьшая, равная 5.8, сечение Пуанкаре не дает наглядного представления о режиме динамики в фазовом пространстве. Наиболее приемлемые результаты получаются лишь в случае малой размерности (не более трех). Исследования геометрических особенностей предельных множеств в многомерных пространствах уже не являются столь наглядными [41, 51].
Другой наиболее важной характеристикой аттрактора является спектр характеристических показателей Ляпунова, который является критерием устойчивости системы, т.е. определяет экспоненциальную дивергенцию исходно близких в пространстве кривых. Таким образом, если имеется равномерный детерминированный процесс, который характеризует устойчивое состояние системы, то экспонента Ляпунова будет иметь нулевое значение. Если же экспонента Ляпунова принимает положительные значения, то следствием этого будут: непериодичность в зависимости от времени любой из координат состояния, сплошной спектр мощности и спадающая во времени автокорреляционная функция. В соответствии с [24] можно сделать вывод, что подобными свойствами обладает процесс, порожденный детерминированными законами, и называется такой процесс детерминированным хаосом.
Наибольшие экспоненты Ляпунова могут быть вычислены с помощью оценочной процедуры, предложенной Вульфом [53, 55]. В данном случае под экспонентой Ляпунова (ЭЛ) понимается показатель экспоненты Ляпунова. Начиная с точки Х(к0), идет поиск ближайшего «евклидова» соседа в фазовом пространстве. Расстояние до него равно Цк0). Расстояние L (k0+Ak) между обрабатываемыми точками (после прохождения временного интервала ожидания М) рассматривается для того, чтобы оценить индивидуальные ошибки предсказания для каждой точки Х(к). Значение ошибок предсказания всех точек Х(к), нормализованных до временного интервала предсказания Ак, является достаточной аппроксимацией наибольшей ЭЛ, если Исследования данных, полученные от реальных пациентов на основании экспертной оценки специалистов МУЗ Пятигорской детской городской больницы, МУЗ БСМП №5 г. Таганрога, показали, что значения экспоненты Ляпунова в состоянии физиологической нормы всегда больше нуля и не превышают значения 4.4, в донозологический период - начинают падать практически до нуля, а в преморбидный период - резко уходят в область отрицательных значений, в состоянии срыва адаптации - резко увеличивается до 9.2 и выше. Таким образом, анализируя численные значения экспоненты Ляпунова, можно сделать вывод о том, что в состоянии физиологической нормы в организме человека преобладает детерминированный хаос, поскольку 0.9 ЭЛ 4.4. Это означает, что фазовые траектории принадлежат странному аттрактору (ограниченному притягивающему множеству), а их разбегание происходит в пределах данной ограниченной области фазового пространства, т.е. траектории рано или поздно будут возвращаться в малую окрестность любой точки аттрактора, при этом они никогда не замыкаются и не пересекаются. Когда значения ЭЛ начинают уменьшаться и стремиться к нулю, что происходит в донозологический период, в движении фазовых траекторий в пространстве появляется сначала несколько явно выраженных направлений, а потом постепенно остается только одно, в котором величина первоначального отклонения от анализируемой фазовой траектории не меняется в процессе эволюции. Это направление соответствует выбору возмущения вдоль самой фазовой траектории (если рассмотреть две соседние точки на фазовой траектории, то расстояние в среднем между ними не будет меняться). Это означает, что в системе с уменьшением экспоненты Ляпунова появляется и нарастает периодичность процессов, т.е. донозологический период характеризуется периодичностью процессов. Если же значения ЭЛ переходят в отрицательную область, что происходит в преморбидный период, то это означает, что фазовые траектории в пространстве «сходятся» друг к другу и фазовый объем сжимается, а аттрактор в этом случае является устойчивым. В случае же резкого увеличения значений ЭЛ, что характеризуется в состоянии срыва адаптации, фазовые траектории в пространстве начинают разбегаться, т.е. выделить притягивающее множество уже не возможно и система является неустойчивой. Это означает, что происходит нарастание хаотичности процессов, и система уже будет характеризоваться недетерминированным хаосом.
Помимо описанных ранее вероятностных и метрических характеристик, для анализа применяется фундаментальная характеристика степени случайности хаотического сигнала - энтропия Колмогорова -Синая (КС). Для нахождения энтропии Колмогорова-Синая рассматривают две точки фазовой кривой с минимальным расстоянием между ними и прослеживают их судьбу при движении в фазовом пространстве, измеряя каждый раз расстояние между точками [39, 40]. Величина h (энтропия КС) вычисляется по формуле: где d0 - исходное расстояние между точками, dj - расстояние в момент времени i, N - число просчитанных пар точек, t - время между замерами расстояний. То есть, h - это по сути средняя скорость "разбегания" изначально близких друг к другу точек в фазовом пространстве. Если h О, то система эволюционирует к фиксированной точке, если h = 0, то это предельный цикл или тор. Система, для которой h 0, - хаотична. Кроме того, h - величина размерная ([h] = 1/с), а величина, обратная h, определяет Tmix "время перемешивания" в системе; по прошествии промежутка времени t » Tmix система "расплывается" по всему странному аттрактору; т.е. при t » Tmix описание системы может быть только вероятностным. Однако для малых t поведение системы можно предсказать с точностью, не превышающей точность задания начального положения фазовой точки.
Классификатор данных анализа ритмограмм, выполненный на основе модели регуляции сердечного ритм
Исследования модели регуляции сердечного ритма, учитывающей нелинейные особенности его формирования и регуляции, показали адекватность применения методов нелинейной динамики для анализа вариабельности сердечного ритма. Таким образом, для внедрения предлагаемого метода анализа в поликлинической практике необходимо было разработать классификатор полученных данных на основе следующих характеристик, таких как корреляционная размерность, фрактальная размерность, экспонента Ляпунова, энтропия Колмогорова-Синая, который позволил выделить классы физиологической нормы, донозологических и преморбидных состояний, а также срыва адаптационных механизмов регуляции. В данной диссертационной работе не ставилась задача разработки различного рода классификаторов, поэтому целесообразно использовать стандартный метод, который показал наилучшие результаты классификации. В качестве такого метода использовался кластерный анализ [47].
Кластерный анализ предназначен для разбиения множества объектов на заданное или неизвестное число классов на основании некоторого математического критерия качества классификации (cluster (англ.) — гроздь, пучок, скопление, группа элементов, характеризуемых каким-либо общим свойством). Критерий качества кластеризации в той или иной мере отражает следующие неформальные требования: а) внутри групп объекты должны быть тесно связаны между собой; б) объекты разных групп должны быть далеки друг от друга; в) при прочих равных условиях распределения объектов по группам должны быть равномерными. Требования (а) и (б) выражают стандартную концепцию компактности классов разбиения; требование (в) состоит в том, чтобы критерий не навязывал объединения отдельных групп объектов. Узловым моментом в кластерном анализе считается выбор метрики (или меры близости объектов), от которого решающим образом зависит окончательный вариант разбиения объектов на группы при заданном алгоритме разбиения. В каждой конкретной задаче этот выбор производится по-своему, с учетом главных целей исследования, физической и статистической природы используемой информации и т. п. Другой важной величиной в кластерном анализе является расстояние между целыми группами объектов. Приведем примеры наиболее распространенных расстояний и мер близости, характеризующих взаимное расположение отдельных групп объектов. Пусть Wi — і-я группа (класс, кластер) объектов, Ni — число объектов, образующих группу Wj, вектор qi — среднее арифметическое объектов, входящих в Wi (другими словами [( — «центр тяжести» і-й группы), а р ( wi, wm ) — расстояние между группами Wi и wm
Выбор той или иной меры расстояния между кластерами влияет, главным образом, на вид выделяемых алгоритмами кластерного анализа геометрических группировок объектов в пространстве признаков. Так, алгоритмы, основанные на расстоянии ближайшего соседа, хорошо работают в случае группировок, имеющих сложную, в частности, цепочечную структуру. Расстояние дальнего соседа применяется, когда искомые группировки образуют в пространстве признаков шаровидные облака. И промежуточное место занимают алгоритмы, использующие расстояния центров тяжести и средней связи, которые лучше всего работают в случае группировок эллипсоидной формы. Для наибольшей точности работы кластерного анализа целесообразно использовать комплексный метод, основанный на определении всех трех мер близости расстояний (рис.45).
Для определения соответствующего состоянию механизмов адаптации класса по четырем характеристиках в соответствии с предлагаемым методом необходимо использовать четырехмерное пространство, чтобы воссоздать полное облако каждого кластера. Поскольку для восприятия такое четырехмерное пространство достаточно сложно, рассмотрим классификацию признаков на двумерной плоскости, охватывающей изменение фрактальной размерности и энтропии Колмогорова-Синая отдельно, и экспоненты Ляпунова и корреляционной размерности отдельно. Для этого определим зоны соответствующие состоянию механизмов адаптации, которые представлены в таблице 22.
В соответствии с формулами для расчета расстояний между классами 3.16-3.21 были получены следующие распределения кластеров в пространстве признаков, представленные на рис.46 и 47, которые позволяют достаточно легко диагностировать по значениям рассмотренных характеристик состояние механизмов адаптации. Для этого, получив численные значения характеристик, система определяет положение точки в пространстве распределения кластеров, рассчитывает расстояние до всех кластеров и простым сравнением определяет до какого кластера расстояние меньше, к тому кластеру значит и принадлежит эта точка. Каждый кластер имеет свой номер и в соответствии с таблицей 20 определяется состояние механизмов адаптации.
Таким образом, разработанный классификатор на основании нелинейной модели регуляции ритма сердца позволяет классифицировать значения представленных характеристик, что дает возможность широкого применения нелинейных методов для анализа ритмограмм в стационарной и поликлинической практике. Более того, классификатор разработан таким образом, что позволяет учесть все подсостояния физиологической нормы, донозологиче-ского и преморбидного периода, а также срыва или полома адаптационных механизмов и поставить им в соответствие численные значения характеристик. Следовательно, разработанный в рамках данной диссертационной работы классификатор является легко модифицируемым для диагностики механизмов адаптации, учитывающей нелинейные особенности системы формирования и регуляции ритма сердца.
Требования к аппаратной части комплекса для проведения кардиоинтервалографических исследований
Построение медицинских систем является достаточно сложной задачей для разработчиков, поскольку и в случае обследования, и в случае терапии, и при мониторировании аппарат подключен к пациенту. Поэтому всегда необходимо учитывать требования по электробезопасности медицинской аппаратуры. Согласно ГОСТ Р50444 необходимо наличие гальванической развязки (ГР) между аппаратом и персональным компьютером (ПК), которая должна удерживать напряжение пробоя между компьютером и аппаратом до 4 кВ. ГР должна защищать от проникновения электрического тока на тело пациента в случае пробоя блока питания ПК, с которым соединен аппарат любой медицинской системы. Данное требование является основным для всех медицинских систем, в том числе и для системы кардиоинтервалографии.
Произведем анализ основных технических характеристик прибора для регистрации кардиоинтервалограмм. На основании оценки технических данных имеющихся на отечественном рынке подобных систем можно выделить следующие важные характеристики, влияющие на качество регистрируемого и анализируемого сигнала: количество каналов, амплитуда сигнала, частотный диапазон сигнала, уровень шумов, коэффициент ослабления синфазного сигнала, частота дискретизации, разрядность АЦП.
Определим необходимое количество каналов. Как было сказано ранее, для целей кардиоинтервалографии достаточно реализовать стандартную одноканальную систему отведений, т.е. регистрировать сигнал, например, с отведения «левая рука - правая рука». В стандартных системах регистрации использовались два дополнительных электрода: «левая нога», «правая нога», один из которых применялся для заземления, а другой для компенсации синфазной помехи, наводящейся на пациента. Однако практические результаты работы с реальными пациентами позволили выявить ситуации, когда вместо ЭКГ регистрировалась изолиния, или очень низкоамплитудный сигнал, не позволяющий регистрировать R-зубцы. Такое возможно в том случае, если электрическая ось сердца направлена горизонтально или почти горизонтально (отклонение на несколько градусов) между левой и правой рукой. В этом случае регистрирующие электроды необходимо размещать в положении «рука-нога». Для того чтобы при наложении электродов однозначно быть уверенным, что регистрироваться будет обычная ЭКГ, предлагается использовать двухканальную систему, в которой один из каналов будет регистрировать сигнал «рука-рука», а другой - «рука-нога». В этом случае в независимости от расположения электрической оси сердца хотя бы по одному каналу будет идти высокоамплитудная ЭКГ. В процессе регистрации определяется по какому каналу поступает ЭКГ с более высокой амплитудой и именно этот канал выбирается для дальнейшего кардиоинтервалографического анализа.
Поскольку сигнал, регистрируемый с пациента, имеет достаточно низкую амплитуду, 0.3-5 мВ и частоту порядка синфазной помехи 0.1-70 Гц, то необходимо реализовать достаточно высокий коэффициент ее ослабления. Для этого целесообразно использовать инструментальный усилитель, который позволяет получить КОСС 93 дБ при коэффициенте усиления 10. Использование гальванической развязки дает возможность реализации КОСС 15 дБ [74]. Применение плавающего питания также обеспечивает КОСС приблизительно 15 дБ [74]. Таким образом, получаем суммарное значение КОСС 123 дБ. Реализация подобного высокого КОСС дает возможность уменьшения синфазной помехи до уровня, который достаточно мал по сравнению с полезным сигналом.
Поскольку для кардиоинтервалографии важны из кардиосигнала только R-зубцы, то, в соответствии с табл.1, амплитуда полезного сигнала находится в диапазоне 0.3-5 мВ. Частотный диапазон сигнала расположен в полосе 1-35 Гц. Это обуславливается тем, что частное значение R-зубца находится в диапазоне 14-25 Гц. В большинстве случаев частота R-зубца составляет 17-18 Гц, что является половиной задаваемого частотного диапазона и позволяет регистрировать его без искажения, а также исключить возможность влияния синфазной помехи. При применении фильтров нижней и верхней частоты Батерворта или Бесселя, применяемые для усилителей биопотенциалов, будет обеспечена корректная полоса пропускания для передачи R-зубца.
На точность расчетов величины RR-интервалов влияют два параметра: разрядность АЦП и частота дискретизации.
Основным параметром АЦП является число разрядов, используемых для кодирования входного напряжения. При двоичном коде число разрядов определяется числом двоичных элементов, каждый из которых может находиться в одном из двух состояний: с нулевым или не нулевым напряжением на выходе. Поскольку число разрядов АЦП конечно и исключается квантование с неограниченной точностью, то появляется ошибка квантования при оцифровки сигнала. Эта ошибка квантования обычно рассматривается как аддитивный шум, спектр которого является линейчатым и содержит только частоты, кратные частоте входного сигнала. Из-за того, что он имеет зубчатую форму, спектр шума богат высшими гармониками. Появление на частотном спектре сигнала спектра шума искажает полезную информацию, что может привести к неправильно сделанному заключению [55].
