Содержание к диссертации
Введение
Глава 1. Разработка критериев для оценки достоверности результатов автоматического анализа ЭКГ 10
1.1.Описание нормальной - ЭКГ 10
1.2. Методы нормирования результатов обработки ЭКГ 14
1.3. Разработка системы оценок достоверности обработки ЭКГ 21
1.4. Методика оценки достоверности алгоритмов 24
Глава 2. Разработка алгоритмов определения опорной точки QRS 28
2.1.Обзор существующих алгоритмов обнаружения QRS - комплексов..28
2.2 Разработка алгоритма выделения QRS 3 (трех разностей) 38
2.3 Исследование алгоритма определения опорной точки QRS 3 40
2.4 Сравнение алгоритмов определения опорной точки QRS комплекса 46
Глава 3. Повышения достоверности классификации элементов кардиограммы 51
3.1 Исследования и разработка алгоритма выделения желудочковых экстрасистол 52
3.2. Разработка алгоритмов выделения предсердных экстрасистол 59
3.2.1.Электрокардиографические признаки предсердной экстрасистолии 59
3.2.2. Алгоритмы обнаружения обнаружения предсердных экстрасистол 61
3.3.Исследование и разработка алгоритмов измерения длительности QT 68
3.3.1. Методики определения длительности QT 68
3.3.2.Оценка погрешности определения момента окончания Т при ручном и автоматическом анализе 77
3.3.3 Исследование достоверности и погрешности измерения интервала QT 85
Глава 4. Разработка и исследование кардиомониторных систем 90
4.1. Разработка структуры аппаратной части кардиомониторных систем 90
4.2 Разработка структуры данных и состава программного обеспечения, систем мониторного наблюдения автоматизированной обработки ЭКГ 97
4.3. Разработка программно аппаратных средств оценки различных алгоритмов автоматического анализа ЭКГ 106
Заключение 109
Список литературы
- Методы нормирования результатов обработки ЭКГ
- Разработка алгоритма выделения QRS 3 (трех разностей)
- Разработка алгоритмов выделения предсердных экстрасистол
- Разработка структуры данных и состава программного обеспечения, систем мониторного наблюдения автоматизированной обработки ЭКГ
Введение к работе
Актуальность работы.
Болезни сердечно сосудистой системы занимают первое место среди причин внезапной смерти, что стимулирует поиски новых информационных свойств в ЭКГ, в частности, электрокардиографических маркеров риска внезапной сердечной смерти. Можно считать доказанным фактом, что низкий показатель вариабельности сердечного ритма тесно коррелирует с риском внезапной смерти, даже более выражено, чем показатели фракции выброса левого желудочка. Известен также другой маркер - синдром удлиненного QT, обнаруженный при регистрации ЭКГ покоя. Однако, общепризнанная методика измерения интервала QT в динамике и его клиническая интерпретация пока отсутствуют. Известно, что типичное изменение длительности QT в течение суток составляет более 3 % от его величины, зависит от частоты сердечных сокращений, пола пациента и возраста.
Достижения микросхемотехники (аналоговой и цифровой) превратили создание собственно технических средств регистрации биопотенциалов сердца в «рутинную» инженерную задачу, а применение цифровой обработки сигналов стало доступным и всеобщим. Возникла ситуация, когда медицинское кардиографическое оборудование, формирующее многообразные автоматические диагностические заключения, не в состоянии гарантировать потребителю их достоверность. В то же время, по формальным признакам такое оборудование относится к средствам измерения медицинского назначения.
Существуют объективные трудности решения задач автоматического анализа ЭКГ, особенно при длительном мониторировании. Более того, даже результаты анализа ЭКГ, выполненные экспертами, могут быть со временем пересмотрены. Так, по итогам обсуждения научной медицинской общественностью, за 18 лет с 1980 по 1998 год, из 109000 «меток» характерных элементов ЭКГ, содержащихся в одной из популярнейших баз данных MIT-BIH Arrhythmia Database, 214 были изменены, что обусловлено физиоло! ической
росилцнонлльнляТ БИБЛИОТЕКА 1
вариабельностью характерных элементов ЭКГ: зубцов, интервалов и сегментов. Эти термины введены для описания морфологии сердечной деятельности, однако, не имеют «абсолютных» норм формы, то есть должны быть скорее «распознаны», чем измерены.
Практически вся диагностика нарушения ритма базируются на подсчете событий (эпизодов) отдельно для нормальных (регулярных), и несвоевременных сокращений (желудочковых и суправентрикулярных). Для достоверного определения параметров вариабельности сердечного ритма и длительности интервала QT требуется использовать интервалы только между нормальными сокращениями.
В настоящее время отсутствуют общепризнанные методики выполнения измерений для формирования диагностических заключений, даже элементарных ЭКГ-синдромов. Поэтому, при разработке новых, высокоинформативных и конкурентоспособных средств мониторирования ЭКГ, на первый план выходят проблемы исследования' и оценки достоверности результатов автоматического анализа ЭКГ, указание действительных, достижимых границ погрешностей измерений амплитудных и временных параметров. Данная проблема является актуальной и представляет несомненный научный и практический интерес.
Цель диссертационной работы. Исследование, разработка и применение методов повышения достоверности анализа ЭКГ в современных кардиомони-торных системах.
Для достижения поставленной цели решались следующие задачи:
Исследование способов и критериев оценки достоверности результатов автоматического анализа ЭКГ.
Применение методики количественной оценки достоверности анализа ЭКГ для совершенствования алгоритмов.
Разработка и исследование вариантов повышения достоверности автоматического анализа ЭКГ при определении опорной точки QRS, классификации экстрасистол, определении длительности интервала QT при длительной регистрации.
Организация серийного производства кардиомониторных систем различного назначения.
Связь с государственными программами. Результаты работы получены в ходе выполнения НИР 03.02.02 в рамках научно-технической программы: «Научные исследования высшей школы по приоритетным направлениям науки и техники», подпрограмма: 204 «Технология живых систем», МО РФ, НГТУ, 2003-2004 г.
Методы исследований. При выполнении работы использовались методы цифровых измерений и обработки сигналов, теория оценок погрешности и математической статистики, методы нечеткой логики, алгоритмы автоматического анализа ЭКГ, экспериментальные исследования с использованием кардиомониторных систем.
Научную новизну представляют:
Методика оценки алгоритмов автоматического формирования элементарных ЭКГ заключений, основанная на определении предложенных интегральных характеристик достоверности -Тг и качества-Qu и общепринятых чувствительности Se и предиктивности +р .
Алгоритмы определения опорной точки QRS комплекса и классификации желудочковых экстрасистол, на базе дискретного нелинейного преобразования QRS Л3.
Применение, предложенной методики количественной оценки достоверности анализа ЭКГ для совершенствования алгоритмов определения опорной точки QRS комплекса, классификации желудочковых и предсердных экстрасистол, измерения длительности QT.
Результаты исследования различных алгоритмов автоматического анализа ЭКГ (определения опорной точки QRS комплекса, классификации желудочковых и предсердных экстрасистол), в том числе при различных сочетаниях помех и фильтров, ( интегральные характеристики: достоверность- Тг, качество-Qu, чувствительность- Se и предиктивность. +Р, определенные в результате тестирования на записях ЭКГ из различных аннотированных баз данных).
Практическая ценность и реализация результатов работы.
На базе проведенных исследований разработана структура и создано семейство кардиомониторных систем различного назначения, использующих предложенные алгоритмы. Организовано их серийное производство. Выпущено около 200 кардиомониторных систем, которые успешно работают во многих медицинских учреждениях различных регионов России и стран СНГ.
Создана база данных NTS- DB, включающая в себя: набор программ для оценки различных алгоритмов автоматического анализа ЭКГ в нормальных условиях и при различных сочетаниях помех и фильтров; средства формирования экспертных аннотаций ЭКГ для каждого кардиоцикла; наборы «эталонных» записей ЭКГ, а также результаты исследований различных алгоритмов.
3.Результаты исследований используются в учебном процессе при чтении лекций и проведении лабораторных работ по курсам «Медицинские информационные системы» "Кардиомониторные системы" для студентов специальности 190500 Новосибирского государственного технического университета.
На защиту выносятся:
Методика оценки алгоритмов автоматического формирования элементарных ЭКГ заключений, основанная на определении предложенных интегральных характеристик достоверности -Тг и качества-Qu и общепринятых чувствительности Se и предиктивности +Р, позволяющая проводить подбор параметров алгоритмов.
Алгоритмы определения опорной точки QRS комплекса и классификации желудочковых экстрасистол, на базе дискретного нелинейного преобразования QRS Д , позволяющие повысить достоверность результатов обработки при анализе длительной записи ЭКГ в условиях сильной зашумленности и вариабельности сигнала.
Результаты исследования различных алгоритмов автоматического анализа ЭКГ (определения опорной точки QRS комплекса, классификации желудочковых и предсердных экстрасистол, измерения длительности интервала QT) с использованием предложенной методики.
Апробация работы. Результаты работы докладывались и обсуждались на 7 семинарах и конференциях: «Актуальные проблемы электронного приборостроения» АПЭП-1994, 1996, 1998, 2000, 2002, Международных симпозиумах "Электроника в медицине. Мониторинг, диагностика, терапия", «Кардиостим» 1998,2004.
Личный вклад. Постановка задачи, способы решения и основные научные результаты принадлежат автору. Экспериментальные исследования выполнялись в НГТУ, отделе медицинской техники ООО «Фирма СЭМ», медицинских учреждениях г. Новосибирска при участии автора.
Публикации. По результатам исследований опубликовано 17 работ.
Структурами объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и четырех приложений. Изложена на 120 страницах, содержит 36 рисунков и 5 таблиц, список литературы включает 85 наименований.
Методы нормирования результатов обработки ЭКГ
Устройства (системы, приборы или их части) осуществляющие восприятие, отображение и документирование биоэлектрических потенциалов сердца человека, независимо от характера применения (в операционной, при электрофизиологическом обследование, «стресс тесте» и т.д.), исторически относятся к средствам измерения медицинского назначения. Массовое применение в их составе цифровых методов обработки привело к тому, что в конце 80 годов возникла острая необходимость пересмотреть существовавшие на тот момент нормы, а проблема оценки качества и достоверности автоматического анализа ЭКГ стала одной из ключевых. Так, например, в 1989 году в European Community был начата работа по проекту "Conformance Testing Services For Computerized Electrocardiography" (CTS-ECG), результатом которой стала формулировка требований для разработки национальных и международных стандартов для тестирования оборудования, применяемого в «компьютерной (цифровой) электрокардиографии».
Современное оборудование сохранило функции, созданных ранее кардиографов, в части преобразования биопотенциалов сердца к виду удобному для восприятия человеком, и предоставило множество новых возможностей, а кардиографы, из условно линейных систем превратились в нелинейные. Соответственно, и нормативная база, определяющая требования к оборудованию для электрокардиографии, была дополнена методами оценки достоверности алгоритмов обработки ЭКГ. Во всех развитых странах в течение последних нескольких лет были пересмотрено содержание стандартов, определяющих требования к результатам автоматической обработки ЭКГ (в англоязычной литературе это документы с текстом в названии: «essential performance» и разделы - «accuracy of operating data» ).
Отметим, что требования этих стандартов охватывают практически все основные применения наружной ЭКГ, кроме регистрации ЭКГ при проведения дефибрилляции и специфических видов обработки (например, ЭКГ высокого разрешения, для обнаружения поздних потенциалов). Отдельными документами регламентируются требования к инвазивной электрокардиографии (расположение хотя бы одного ЭКГ электрода эндокардиально или в пищеводе), а также к имплантируемым кардиостимуляторам и средствам их программирования.
Фактически, в действующих нормативных документах можно выделить два различных набора требований: порядок определения амплитудно-временных параметров характерных элементов ЭКГ (условно единичного кардиоцикла) с использованием специально созданного набора (CTS test atlas) тестовых ЭКГ подобных калибровочных и аналитических сигналов, допустимые погрешности и способы их определения. Процедура автоматического измерения амплитудно-временных параметров в России производится в соответствии с МИ 2398-97 [22] следующим образом. С генератора образцовых сигналов на вход поверяемой системы подаются строго периодические ЭКГ подобные сигналы, амплитудные и временные параметры характерных элементов ЭКС известны. В российском ГОСТе 19687-89 [4] этот метод рекомендован вне зависимости от наличия или отсутствия цифровой автоматической обработки, при выключенных фильтрах.
Для проверки основной относительной погрешности измерений напряжений П.3.4 упомянутого ГОСТа рекомендует использовать образцовый меандр с частотой 10 Гц ±2% и размахом в соответствии с приведенной там же таблицей с одновременной подачей постоянного напряжения ±300 мВ ± 10%. Выход генератора образцового сигнала подключают к резистивно-емкостной на 17 грузке параметры которой приведены в обязательном Приложении №3 рис.2, ГОСТа (импедансный «эквивалент человека»). Для проверки нелинейности и неравномерности АЧХ п.3.5 и пЗ.11 предлагает использовать гармонические сигналы различной частоты. При этом образцовый сигнал отличается от реального не только тем, что является строго периодическим, но и формой. Действующий стандарт практически не учитывает особенности биологического происхождения сигнала, а именно, принципиальное отсутствие одного источника ЭДС сердца, присутствие ЭДС множества мышц, выступающие как источники помех, изменчивость формы и не строгая периодичность. Условия проведения испытаний при отключенных фильтрах не соответствует реальным условиям применения приборов, где используется даже не один фильтр, а некоторое множество, в зависимости от помеховой обстановки. Такие условия испытаний приводят к тому, что искажения, которые вносят фильтры как во временные, так и в амплитудные параметры характерных элементов кардиоцикла не нормируются и не проверяются. Это может привести к формированию ошибочного врачебного ЭКГ заключения.
Диагностические заключения, формируемые по ЭКГ, в настоящей работе условно разделены на две группы: «элементарные» и «синдромальные». Элементарные заключения формируются, как правило, для каждого кардиоцикла или относительно короткого интервала ЭКГ (эпизоды фибрилляции, пробежки и т.д.) в результате анализа формы — классификации элементов ЭКГ. Синдромальные заключения, используют полученные элементарные ЭКГ признаки для интерпретации их в пользу того или иного заболевания.
В основе действующих нормативных документов лежат несколько общих соглашений. Определен набор тестовых сигналов, для которых известны «эталонные» элементарные заключения. Используется метод сличения заключений, формируемых тестируемым устройством, с образцовыми (принятыми за эталонные). Вычисляется набор характеристик для описания результата сличения. Подразумевается, что для проверки будут использованы аннотированные записи ЭКГ, экспертные заключения которых признаны авторитетными международными организациями, такими как, AHA (American Heart Association), AAMI, ISE (International Society of Electrocardiology), МЭК (IEC) [7, 60, 61]. Следует уточнить, что под термином база данных (db) в литературе посвященной проблемам автоматического анализа ЭКГ и в настоящей работе понимается набор разнообразной информации включающий: собственно, набор записей ЭКГ и их описание (аннотации), отобранных по определенному признаку. Чаще всего, в соответствии с медицинской це лью измерения ЭКГ, определенных заключений. — короткие, многоканаль ные (CSE), CAL - калибровочные, Ana- аналитические, для тестирования алгоритмов обработки ЭКГ покоя, сегмент ST-DB для оценки уровня ST при стресс- тестах, QT-DB для оценки длительности интервала QT, SD-DB (Sudden death) набор записей ЭКГ пациентов, с установленным диагнозом «внезапная коронарная смерть » , MIT-DB (ЗАПИСИ 100-234, длитель ность 30 минут и их аннотации ),. LT-DB - (LongTermST) (длительные, суточная 24 часа), SVDB и другие [47, 52, 69, 72, 74,81]. описание соглашения - в какой форме и что понимается под результатом автоматического анализа, соглашение о кодировании результатов. Перечень элементарных ЭКГ синдромов, принятых в MIT-BIH [81] приведен в Приложении 1. набор программных средств (готовые программы и модули), для выполнения тестирования алгоритмов на различных аппаратных платформах, документацию (вспомогательные текстовые документы, статьи). Фактическим стандартом «де-факто» в настоящее время является MIT BIH DB [81], прежде всего потому, что содержит достаточно полный набор ин струментов и доступно описанных протоколов, для сопоставления различных алгоритмов.
Разработка алгоритма выделения QRS 3 (трех разностей)
Недостатком известных автору алгоритмов с подобной структурой является использование только одного параметра для адаптации к конкретным условиям сигнальной и помеховой обстановки - уровня срабатывания детектора. Существенного улучшения алгоритма удалось добиться за счет применения для «обострения и выделения комплекса» дискретного нелинейного преобразования - названного преобразованием разностей или QRS Д3 .
Идея преобразования состоит в том, чтобы сформировать некоторый функционал, достигающий различных значений в окрестностях сигнала, соответствующих локальным экстремумам в окрестностях сигнала, где эти экстремумы отсутствуют. Если при этом рассматривать поведение сигнала не в одной зоне, а по некоторому набору ее окрестностей, можно повысить устойчивость преобразования к шумам. При этом используются оценки производной сигнала в виде конечных разностей - различные знаки первой разности сигналов в левой и правой окрестности рассматриваемой точки являются признаком наличия экстремума, а произведение значений этих первых разностей является оценкой скорости нарастания сигнала в области локального экстремума.
Особенности анализа ЭКГ сигнала таковы, что обнаружению подлежат зубцы (пики) различной длительности и частотного состава - QRS, Т и Р, в то время как зубцы (пики) слишком короткие (шум импульсной природы) или длинные (медленный дрейф изолинии) должны быть проигнорированы. Поэтому, в зависимости от целей обработки возможно подбирать «подходящую» (наилучшую по какому-либо критерию) функцию F и параметр т , а также комбинацию преобразований типа (2.1) .
В результате было установлено, что при действии сетевой, либо высокочастотной (70Гц) помехи без применения фильтров алгоритмы работают до амплитуды помехи 0,01мВ. При действии дыхательной помехи с частотой 15 дыханий в минуту (д/м) алгоритм «три произведения» работает до амплитуды помехи 7мВ, тогда как алгоритм «три левых разности» - только до амплитуды ІмВ. В то же время, при частоте дыхательной помехи ЗОд/м оба алгоритма работают до амплитуды помехи в 0,5мВ. При использовании фильтров наблюдалась практически схожая картина. Так при фильтрации сетевой помехи неадаптивным режекторным фильтром, оба алгоритма работали до уровня помехи в 1мВ, а при использовании адаптивного сетевого фильтра алгоритм «три произведения» работал до амплитуды помехи 0,5мВ, тогда как алгоритм «три левых разности» - только до амплитуды 0,1мВ. При фильтрации дыхательной помехи адаптивным фильтром дрейфа изолинии фильтра алгоритм «три произведения» работал до амплитуды помехи 70мВ, а алгоритм «три левых разности» - только до амплитуды 1мВ.
Вывод: более простой в реализации и более быстродействующий алгоритм «три левых разности» несколько лучше определяет нормальные QRS комплексы кардиосигнала, однако показывает заметно худшие результаты при определении желудочковых и наджелудочковых QRS, а также менее устойчив к помехе дрейфа изолинии. Поэтому для дальнейших исследований был выбран алгоритм «три произведения».
На основании анализа проведенных экспериментов было установлено, что, алгоритм QRS А3 демонстрирует лучшие характеристики одновременно по всем выбранным критериям при выборе значений Т= 11 мс, тг= 31 мс, Тз-59 мс. Показатели по предиктивности и селективности для всех трех наборов х отличаются крайне незначительно (разность 0,0130 и 0.0001) , лишь у достоверности разность 0,0203. Следует отметить, что в суточной записи, при среднем ЧСС =70, за сутки фиксируется порядка 100000 QRS комплексов, то есть 0,001 соответствует не обнаружению (пропуску) примерно 1000 комплексов возможно патологических.
Сравнение всех четырех алгоритмов из баз данных ЭКГ с целью выбора лучшего. Сравнение предложенного алгоритма QRS Д3 (с выбранными параметрами т) с другими алгоритмами проведено на всех аннотированных записях ЭКГ из четырех различных баз данных ( MIT db (32 записи), Qt db (82 записи), SV db (32 записи), ST db (28 записей)) при различной заданной допустимой погрешности (в мс) совпадения положения опорной точки. Результаты оценки чувствительности, придективности и достоверности и качества всех алгоритмов по каждой записи ЭКГ из - MIT-db, QT- db, ST- db и SV -db и базам данных в целом приведены в соответствующих таблицах П2.11. -П2.18. Приложения 2. В таблице 2.3 приведены сведения о полученных характеристиках всех исследуемых алгоритмов на всех четырех базах данных.
Разработка алгоритмов выделения предсердных экстрасистол
Качественные, но не количественные электрокардиографические признаки «наджелудочковых комплексов» (предсердной экстрасистолии) можно сформулировать следующим образом [17,21,45].
Во-первых - неполная компенсаторная пауза. Общая длительность экстрасистолического (преждевременного) и пост-экстрасистолического RR - интервалов будет меньше суммы длительностей двух нормальных RR — интервалов. Хотя предсердная экстрасистола свидетельствует о «разряде» синусового узла, следующий импульс возникает через нормальный для данной ЭКГ период времени. Однако, использование данного признака может быть затруднено тем обстоятельством, что сам ритм (т.е. длительности последовательных RR - интервалов) часто нерегулярен. Так, те же множественные предсердные экстрасистолы могут быть причиной абсолютно неритмичного пульса [45].
Во-вторых, так как предсердный импульс возбуждения обычно распространяется по проводящей системе тем же путем, что и импульс синусового узла, то форма QRS - комплекса предсердного сокращения совпадает с таковой для нормального сокращения. Тем не менее, достаточно часто форма QRS предеердной экстрасистолы из-за нарушения проведения может сильно отличаться от нормальной.
В-третьих, зубцы Р предсердных экстрасистол обычно отличаются амплитудой, формой и (или) полярностью от синусовых зубцов Р, что также обусловлено нарушением пути проведения возбуждения в предсердиях в случае возникновения экстрасистолы. Однако, в ряде случаев зубец Р экстрасистолы может наслаиваться на зубец Т предыдущего сокращения и маскироваться им, что усложняет выявление патологии. Также нередко предсердный импульс возбуждения по времени может приходиться на рефрактерный период проводящей системы желудочков, в результате чего возбуждения и сокращения последних не происходит, a QRS — комплекс не регистрируется на ЭКГ. В таких случаях предсердная экстрасистола может быть ошибочно принята за другое событие, например, синоатриальную блокаду II степени [17].
По приведенным выше ЭКГ признакам предсердный экстрасистолии можно сделать вывод о том, что диагностика данного вида нарушений ритма предполагает анализ неполных (при необнаружении зубца Р или отсутствии сокращения желудочков) или нечетко определенных (длительность RR - интервала, типичная для данной ЭКГ; форма QRS - комплекса) исходных данных. При этом в случае визуального анализа ЭКГ врач обычно полагается на свой опыт и не допускает диагностических ошибок. В случае автоматического анализа ЭКГ формальные признаки предсердной экстрасистолии должны быть четко сформулированы. Попытка решить эту задачу с использованием схем диагностики, приводимых в медицинской литературе, натыкается на следующего рода рекомендации [45]: «за зубцом Р» обычно следует комплекс QRS, похожий на таковой при синусовом ритме», «если зубцов Р предсердных экстрасистол обнаружить не удается , ритм может ошибочно трактоваться как синусовая брадикардия», «постэктопический цикл, который короче компенсаторного, указывает на вероятность предсердной экстрасистолы» и т.п. Общая черта таких рекомендаций — наличие предположительных, вероятностных утверждений, которые не могут быть использованы для формирования четких логических правил вывода заключения о наличии патологии, решающих правил. Отсюда вытекает необходимость разработки алгоритма автоматического выявления предсердных экстрасистол с помощью новых, нетрадиционных подходов.
Алгоритм определения суправентрикулярных QRS комплексов предназначен для формирования из множества QRS-комплексов, предварительно разделенных на два типа комплексов - нормального и желудочкового типа (N и V), множества QRS трех типов: N, V и SV (чаще всего SV тип выделяется из N типа QRS ).
На выходе «нечеткой» системы - вполне четкое значение, которое показывает степень вероятности формирования заключения. Этот процесс называется де-фаззификацией. С использованием аппарата нечеткой логики разработан алгоритм классификации предсердных экстрасистол, использующий на входе три параметра ], [83]:: внеочередность появления QRS-комплекса, компенсаторную паузу и несинусовый тип зубца Р. На выходе алгоритма заключение о наличии, возможности наличия, либо отсутствии предсердной экстрасистолы.
Алгоритм реализован в виде нечеткой системы в виде Лз-файла пакета Matlab Fuzzy Logic Toolbox [20]. Детали системы (лингвистические переменные, база правил) описываются в текстовом виде. В составе пакета Matlab Fuzzy Logic Toolbox были найдены исходные файлы для реализации базовой логики работы с нечеткими системами формата .fis. Эти исходные файлы были переработаны для использования в виде классов языка C++. В таком виде они использовались в программном обеспечении для суточного регистратора ЭКГ и составили основу нового, «нечеткого» алгоритма классификации предсердных экстрасистол.
Разработка структуры данных и состава программного обеспечения, систем мониторного наблюдения автоматизированной обработки ЭКГ
Структура и состав ПО мониторных систем можно условно представить в виде набора взаимосвязанных задач, подобных задачам, решаемых в промышленных системах контроля и диспетчерского управления. Первую группу образуют задачи восприятия биологических сигналов -взаимодействия с модулями ввода данных, которые должны функционировать в реальном масштабе времени. Однако невысокий частотный диапазон контролируемых сигналов делает допустимым задержку на 1-4 с и переход к пакетному режиму обмена данными.
Вторая группа - задачи автоматической обработки биологических сигналов, прежде всего ЭКГ, формирование диагностических заключений, сигналов оповещения при изменении состояния пациента или аппаратуры, ведение архивов - исходных данных, результатов обработки, журналов событий.
Третья группа — задачи взаимодействия с персоналом (интерфейс пользователя) — отображение цифровой и графической информации, восприятие управляющих воздействий (нажатие клавиш), обеспечение удобного доступа к архивным данным (трендам) и взаимодействие с другими информационными системами.
Общие принципы организации работы ПО «Кармон-01» Овалами обозначены наборы программных модулей, работающие в параллельных потоках. Средства синхронизации потоков работают на уровне добавления/чтения данных из CKarData. Многие драйвера организуют внутренний рабочий поток и обеспечивают синхронизацию своими силами. Драйверы получают отсчеты или результаты измерений с аппаратных контролеров, а менеджер драйверов сохраняет полученные отсчеты в циклический буфер отсчетов. Анализаторы всех видов (ЭКГ, Sa02, IBP, NIBP, RR) работают последовательно в одном потоке. Каждый анализатор сообщает менеджеру анализаторов о результате работы. Цель каждого анализатора выполнить расчет параметров и выдать сигнал тревоги в случае выхода контролируемых параметров за установленные границы. Один раз в секунду накопленные результаты помещаются в массив результатов CKarData и инициализируется команда отображения результатов.
Класс обеспечивает всю функциональную полноту по преобразованию времени в отсчеты, астрономическое время в номер отчета от начала записи. Содержит масштабные переменные - частота дискретизации в пересчете на мм (пиксель), амплитуда отсчеты в мВ на мм. Определяет интерфейс доступа к данным ЭКГ для всех производных классов.
Класс является надстройкой над базовым классом, инкапсулирует обработку ЭКГ в псевдопараллельном режиме с основным потоком. Вводит понятие QRS комплекса и функции для работы с QRS комплексами. Определяет и обеспечивает интерфейс доступа к результатам определения QRS комплексов и их предварительной классификации (желудочковые / нормальные / наджелу 101 дочковые). Обеспечивает расчет средних значений ЧСС, смещение сегмента ST и других параметров за любые промежутки времени.
Класс CDATA — описывает базовую логику доступа к отчетам сигнала ЭКГ и параметрам сигнала (частота дискретизации и значение милливольта, наименования каналов). Сами отсчеты в памяти не хранятся, за их получение отвечает производный класс (CFileArchive).
Класс CECGJDATA - реализует хранилище информации о метках QRS комплексов и фрагментах шума и определяет базовую логику доступа к ним. Для ускорения работы программы по массивам данных формируется кэш RR интервалов и уровней смещения сегмента ST. Класс обеспечивает методы работы с массивами и КЭШем, в том числе методы быстрого анализа средних RR, ST за любой интервал времени. Все массивы хранятся в памяти. В классе также присутствуют методы для инициализации процесса обработки.
Класс CFileArchive — обеспечивает логику получения данных из файла, сохранение изменений на диск и загрузку информации в элементы данных базовых классов.
Класс CEvents - содержит списки однотипных событий. Кол-во списков устанавливается динамически, в зависимости от определенных событий. Результаты расчета событий не сохраняются в файле и всегда рассчитываются динамически.
1. читать ЭКГ- данные, записанные в различных, стандартных форматах (общепринятых баз данных ЭКГ) на электронных носителях, а также сканированные с бумажных носителей и отображать их в стандартных размерах (по амплитуде 1 мВ — 10 мм и кратные им, и скорости развертки 25(50, 100) мм в с), а также аннотации — результаты обработки ЭКГ.
2. добавлять к исходному сигналу аддитивный шум - случайный, сетевую помеху, дрейф изолинии т.д. для оценки устойчивости различных алго . ритмов к помехам.
3. обеспечить возможность использовать различные алгоритмы обработки, цифровые фильтры и т.п., как встроенные, так и тестируемые, за счет открытого протокола и структуры данных.
4. расставлять и корректировать положение и наименование характерных элементов ЭКГ (зубцов, интервалов, сегментов) и амплитудные параметры с целью создания «эталонных» элементарных ЭКГ заключений, а также автоматически определять различные статистические характеристики.
5. выполнять сравнение положения характерных элементов ЭКГ в исходном сигнале, в сигнал+шум и в сигнал+шум+фильтр, а также положения характерных элементов ЭКГ, определенных различными алгоритмами.
6. экспорт сигнала и файла аннотации положения характерных элементов ЭКГ в текстовом формате и в формате MIT-BIH
7. выбор фрагмента ЭКГ сигнала и передача его для преобразования в аналоговую форму (например, от одного до трех метрологически аттестованных генераторов сигналов специальной формы типа ГФ05).
Предложена методика оценки автоматических алгоритмов обработки ЭКГ (классификации элементарных ЭКГ событий), основанная на вычислении интегральных характеристик достоверности и качества, позволяющая обобщить результаты верификации алгоритма на различных базах образцовых ЭКГ сигналов.
