Содержание к диссертации
Введение
Глава 1. Помехоустойчивые методы обработки электрокардиографической информации 11
1.1. Биоэлектрические сигналы, их структура и информативные параметры 12
1.2. Структура, особенности, статистические и спектральные характеристики ЭКС 15
1.3. Анализ и систематизация помех, возникающих при получении и обработке ЭКГ информации 21
1.4. Анализ методов повышения помехозащищенности САОЭКС 30
1.5. Обзор методов распознавания ЭКС 33
Основные результаты и выводы 48
Глава 2. Разработка структурно-интегрального метода распознавания ЭКС и реализующих его алгоритмов 49
2.1. Обоснование целесообразности применения укрупненного структурного подхода к распознаванию ЭКС 50
2.2. Разработка формального описания ИКИ в рамках укрупненного структурного подхода к распознаванию ЭКС .53
2.3. Разработка методики и критериев для исследования алгоритмов обнаружения и распознавания ИКИ 58
2.4. Разработка структурно-интегрального метода распознавания ЭКС 65
2.5. Разработка и исследование алгоритмов, реализующих структурно-интегральный метод распознавания ЭКС 75
Основные результаты и выводы 91
Глава 3. Разработка структурно-рангового метода распознавания ЭКС и реализующих его алгоритмов 93
3.1. Обоснование и разработка структурно-рангового метода распознавания ЭКС 93
3.2. Разработка и исследование структурного корреляционно-рангового алгоритма распознавания ЭКС 111
3.3. Разработка и исследование алгоритма распознавания ЭКС на основе бинарного квантования дискретных разностей 126
3.4. Сравнительный анализ алгоритмов обнаружения элементов ИКИ 131
3.5. Перспективы дальнейшего совершенствования ранговых алгоритмов обнаружения и распознавания ЭКС 133
Основные результаты и выводы 137
Глава 4. Практическая реализация разработанных методов и алгоритмов автоматической обработки ЭКС 138
4.1. Систематизация САО ЭКС 139
4.2. Разработка и анализ обобщённых структурных схем САО ЭКС для работы в реальном времени 143
4.3. Схемотехнические решения узлов кардиомониторов, защищенные авторскими свидетельствами и патентами 149
4.4. Разработка и внедрение САО ЭКС, работающих в реальном времени 161
4.5. Разработка портативных САО ЭКС 176
Основные результаты и выводы 184
Заключение 186
Перечень сокращений 188
- Структура, особенности, статистические и спектральные характеристики ЭКС
- Обоснование целесообразности применения укрупненного структурного подхода к распознаванию ЭКС
- Обоснование и разработка структурно-рангового метода распознавания ЭКС
- Разработка и анализ обобщённых структурных схем САО ЭКС для работы в реальном времени
Введение к работе
1^ Актуальность работы. Борьба с заболеваниями сердечно-сосудистрй
системы, занимающими первое место по числу смертельных исходов, явля-. ется одной из наиболее важных задач современной медицины. Прогресс в этом направлении может быть достигнут за счет привлечения в медицину новых диагностических средств, созданных на основе применения теории информации и анализа биотехнических систем, цифровой обработки сигналов, измерительной техники, а также последних достижений микрокомпьютерных и информационных технологий. Для своевременного выявления, предупреждения и лечения заболеваний сердечно-сосудистой системы широко
v используется информация, полученная в результате автоматической обработ-
ки ее физического носителя — электрокардиосигнала (ЭКС).
Основными этапами получения и обработки электрокардиографиче
ской (ЭКГ) информации являются: обнаружение и распознавание информа
тивных кардиоимпульсов (ИКИ), измерение амплитудно-временных пара
метров (АВП) сигнала, принятие диагностических решений. Выполнение пе
речисленных операций обеспечивается средствами автоматической обработ
ки электрокардиосигнала (кардиомониторами), которые в комплексе с био-
^ объектом образуют биотехническую систему (БТС). Отдельные элементы
этой системы обладают разнообразными взаимными связями, поэтому ее исследование необходимо проводить на базе системного анализа сложных прикладных объектов.
Основой современных методов автоматической обработки электрокар
диосигнала является обнаружение информативных кардиоимпульсов на фоне
помех, то есть определение их временного положения. Информация, полу
ченная при этом, используется для дальнейшей обработки и измерения пара-
4й метров электрокардиосигнала с целью принятия диагностических решений, а
также для решения задач биоуправления (синхронизации кардиоуправляемых приборов).
5
Для принятия диагностических решений при автоматической обработке
электрокардиосигнала (в том числе, при анализе сердечных аритмий) необ-
^ ходима информация не только о длительностях кардиоциклов (R-R интер-
валов), но и о форме кардиоимпульсов, при этом наиболее важно определить, является ли очередной импульс нормальным (типичным) или патологическим.
Обнаружение и распознавание формы кардиоимпульсов осложняется
их изменчивостью и многообразием (особенно при различных патологиях
сердечно-сосудистой системы), а также наличием помех, различных по сво
ему происхождению, интенсивности, спектральному составу и функциям
^, распределения. В некоторых случаях (при длительном исследовании электро-
кардиосигнала в режиме свободной двигательной активности, нагрузочных пробах, кардиостимуляции, передаче сигнала по различным каналам связи) эти помехи могут превышать уровень полезного сигнала в несколько раз. Поэтому получение достоверной диагностической информации при автоматической обработке электрокардиосигнала требует применения системного подхода, заключающегося в учете взаимного влияния функциональных подсистем общей биотехнической системы.
Большой вклад в теорию и практику автоматической обработки элек-трокардиографической информации и принятия диагностических решений, внесли российские ученые А.П. Немирко, А.И. Калиниченко, Л.А. Манило, В.М. Колтун, В.А. Калантар, СВ. Селищев, Л.И. Титомир, а также зарубежные специалисты J. Pan, W. Tompkins, Н. Wan, J.P. Cammorota, A. Akin, E. Skordalakis, P. Trahinias и другие.
Несмотря на значительные успехи, достигнутые за более чем сорокалетнюю историю автоматического анализа электрокардиографической информации, остаются вопросы, требующие дополнительной проработки. К ним относятся обнаружение и распознавание кардиоимпульсов в условиях интенсивных помех и нестабильности информативного сигнала. Подавляющее большинство существующих методов и средств обработки электро-
кардиосигнала не предназначено для работы в условиях интенсивных помех
(при отношении сигнал/помеха менее 10 дБ). В таких ситуациях кардиомони-
*V' торы либо прекращают исследование и информируют пользователя о недо-
пустимом уровне помех, либо имеют низкую эффективность.
Все это дает достаточно оснований для утверждения, что разработка новых помехоустойчивых алгоритмов обнаружения и распознавания кардио-импульсов и создание систем автоматической обработки электрокардиографической информации на их основе являются актуальными задачами современной медицинской промышленности.
Цель работы - создание помехоустойчивых методов и алгоритмов об-
Ц\ работки электрокардиографической информации и разработка кардиомони-
торов, обеспечивающих принятие решений в реальном масштабе времени.
Задачи исследования. Поставленная цель достигается решением следующих задач:
1) анализ и систематизация помех, возникающих при получении и обработ
ке электрокардиографической информации;
2) анализ и систематизация методов обнаружения и распознавания инфор
мативных кардиоимпульсов с точки зрения повышения помехоустойчиво
го сти кардиомониторов;
разработка новых методов и алгоритмов, обеспечивающих повышение эффективности распознавания кардиоимпульсов в условиях интенсивных помех;
разработка методики и критериев для сравнительного исследования эффективности алгоритмов распознавания информативных кардиоимпульсов;
5) разработка алгоритма принятия диагностических решений, основанного
4*- на обработке информации о форме и периодичности следования кардио
импульсов;
7 6) создание на основе предложенных методов и разработанных алгоритмов технических средств для автоматической обработки электрокардиографической информации в реальном масштабе времени.
Методы исследования. Теоретическая часть диссертационной работы выполнена на базе методов непараметрической статистики, теории сигналов и распознавания образов, алгебры логики. Результаты исследований получены в программных средах Microsoft Excel, Matlab-Simulink и Delphi.
Научная новизна работы
1. Систематизированы помехи, возникающие при получении и обработке электрокардиографической информации, и проведен сравнительный анализ методов распознавания информативных кардиоимпульсов, на основе чего определены пути повышения их помехоустойчивости. . 2. Предложен укрупненный структурный подход к обработке электрокардиографической информации в условиях интенсивных помех, в рамках которого разработаны структурно-интегральный и структурно-ранговый методы распознавания информативных кардиоимпульсов.
На основе структурно-интегрального метода разработан и исследован помехоустойчивый структурно-интегральный скользящий алгоритм распознавания информативных кардиоимпульсов, основанный на разложении сигнала по дискретным функциям Уолша и отличающийся высокой скоростью обработки электрокардиосигнала.
В рамках структурно-рангового метода распознавания информативных кардиоимпульсов разработаны и исследованы структурный корреляционно-ранговый алгоритм, отличающийся повышенной помехоустойчивостью, и алгоритм бинарного квантования дискретных разностей сигнала, имеющий простую техническую реализацию.
Создан комплексный алгоритм принятия диагностических решений, основанный на обработке информации о форме и периодичности следования кардиоимпульсов и обеспечивающий обнаружение наиболее распространенных и опасных нарушений сердечного ритма.
8
6. Разработаны схемотехнические и программные решения, реализующие
предложенные методы и алгоритмы распознавания кардиоимпульсов, на
v} базе которых создан ряд помехоустойчивых средств автоматической об-
работки электрокардиографической информации, обеспечивающих работу в реальном масштабе времени.
Практическое значение диссертации. В работе обобщены проведен
ные при непосредственном участии автора в Пензенском государственном
университете теоретические исследования, способствующие решению науч
но-технической проблемы создания методов и средств автоматической обра
ботки электрокардиографической информации. Практические результаты
,г диссертации получены в ходе выполнения министерской программы «Новая
медицинская техника», хоздоговорных и госбюджетных НИР и ОКР, в которых автор являлся ответственным исполнителем. На основе предложенных в диссертации алгоритмов был изготовлен и внедрен ряд средств автоматической обработки электрокардиосигнала.
Реализация результатов работы. Основные результаты теоретических и экспериментальных исследований автора использованы при создании средств автоматической обработки электрокардиосигнала и внедрены в практику и учебный процесс в Пензенском государственном университете. Ре-
-ft
зультаты диссертации в виде алгоритмов и технических средств внедрены на предприятиях городов Пензы и Кузнецка. Всего представлено 9 актов внедрения результатов работы.
Основные положения, выносимые на защиту:
Структурно-интегральный метод распознавания электрокардиосигнала и реализующий его структурно-интегральный скользящий алгоритм, основанный на разложении сигнала по дискретным базисным функциям Уол-ша и обеспечивающий высокую скорость обработки информации.
Структурно-ранговый метод распознавания электрокардиосигнала и алгоритмы на его основе: структурный корреляционно-ранговый алгоритм, отличающийся повышенной помехоустойчивостью, и алгоритм бинарного
9 квантования дискретных разностей сигнала, имеющий простую техническую реализацию.
Методика и система критериев для исследования эффективности алгоритмов автоматической распознавания и обнаружения информативных кар-диоимпульсов.
Комплексный алгоритм принятия диагностических решений, основанный на обработке информации о форме и периодичности следования кардио-импульсов и позволяющий обнаружить наиболее распространенные и опасные нарушения сердечного ритма.
Схемотехнические и программные решения, реализующие разработанные алгоритмы и обеспечивающие работу кардиомониторов в реальном масштабе времени.
Апробация работы. Основные положения диссертационной работы обсуждались и докладывались на конгрессах и конференциях различного уровня, а именно: всесоюзной НТК «Актуальные вопросы применения радиоэлектроники в медицине» (г. Москва-Куйбышев, 1988 г.); международных НТК «Диагностика, информатика, метрология-95», «ДИМЭБ-96» (г. Санкт-Петербург, 1995, 1996 гг.); научной сессии МИФИ-98 (г. Москва, 1998 г.); международных симпозиумах «Актуальные проблемы анализа и обеспечения надежности и качества приборов, устройств и систем» (г. Пенза, 1997, 1998 гг.); НТК «Измерения, контроль и автоматизация производственных процессов» (г. Барнаул, 1997 г.); IV Всесоюзном съезде кардиологов (г. Пенза, 1991 г.); II и III международных конгрессах «КАРДИОСТИМ» (г. Санкт-Петербург, 1995, 1998 гг.); XI научных чтениях памяти акад. Н.Н. Бурденко (г. Пенза, 1998 г.); НТК «Медико-технические технологии на страже здоровья» (г. Геленджик, 2000 г.); международной НТК «Биомедприбор 2000» (г. Москва, 2000 г.); международной НТК «Измерения 2000» (г. Пенза, 2000 г.); IV международном симпозиуме «Надежность и качество 2001» (г. Пенза, 2001 г.); IV международной НТК «Радиоэлектроника в медицинской диагностике» (г. Москва, 2001 г.).
10 Публикации. По материалам диссертации опубликованы 54 печатные работы, в том числе 4 авторских свидетельства на изобретения, 2 патента РФ и свидетельство на полезную модель. Исследования и разработки отражены в 4 отчетах о НИР и ОКР. Основные положения работы докладывались и обсуждались на 16 научно-технических и медицинских конференциях, симпозиумах, съездах и конгрессах различного ранга, в том числе на 10 международных.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав основного материала, заключения, списка литературы из 147 наименований и приложений. Общий объем работы составляет 204 страницы основного текста, включая 55 рисунков и 17 таблиц. Приложения содержат листинги программ и материалы, подтверждающие внедрение результатов работы.
Структура, особенности, статистические и спектральные характеристики ЭКС
Электрокардиосигнал является разновидностью БЭС, поэтому все положения предыдущего раздела справедливы и для него. Для получения (регистрации) ЭКС используют электрокардиографические электроды, положение которых на поверхности тела называют отведением. ЭКС имеет вид повторяющихся от одного сердечного цикла к другому комбинаций импульсов и отражает процесс возбуждения и покоя различных участков сердечной мышцы. На рисунке 1.1 показано графическое изображение ЭКС с обозначением основных элементов.
Цикл электрокардиосигнала обычно представлен в виде трех комплексов - Р, QRS и Т. Каждый комплекс содержит несколько разнонаправленных (разнополярных) импульсов. Число импульсов в каждом комплексе неодинаково в разных отведениях и у разных пациентов. Р и Т комплексы обычно состоят из одного или двух разнонаправленных импульсов, а Ж-комплекс содержит до семи разнонаправленных импульсов [1, 2, 7]. В дальнейшем комплексы ЭКС (в основном это касается QRS-комплексов) будем называть информативными кардиоимпульсами.
При нормальном функционировании сердца синусовый узел, расположенный в правом предсердии, генерирует импульсы с определенной частотой (60-80 импульсов в минуту). На ЭКС эти импульсы не регистрируются. Через несколько сотых долей секунды импульс от синусового узла достигает миокарда предсердий и приводит к их деполяризации и сокращению. Сокращение предсердий способствует наполнению кровью желудочков. От предсердий возбуждение распространяется по атриовентри-кулярному (АВ) соединению, где происходит задержка импульса (примерно на 0,08 с), вследствие более медленного его проведения на этом участке. Такая задержка позволяет завершиться механической систоле предсердий. Миновав АВ-соединение, возбуждение проходит по пучку Гиса и волокнам Пуркинье к миокарду желудочков. Клетки миокарда желудочков деполяризуются, что приводит к сокращению желудочков и выталкиванию крови в систему кровообращения. После сокращения желудочков наступает период восстановления (реполяризации), который длится до тех пор, пока сердце вновь не придет в исходное состояние. К этому моменту сердечный цикл заканчивается, и импульс от синусового узла может запустить новый цикл. На ЭКС Р-комплекс соответствует деполяризации предсердий. Длительность интервал P-Q равна времени проведения импульса по проводящим путям от предсердий к желудочкам. Комплекс QRS отражает процесс сокращения миокарда желудочков, зубец Т соответствует фазе их восстановления. Сегмент ST отражает период охвата возбуждением всего миокарда желудочков и период ранней реполяризации. Реполя-ризация предсердий на ЭКС не проявляется [1, 2, 4, 7].
Кроме описанных элементов проводящей системы, имеются дополнительные тракты, по которым импульсы могут проходить обходным путем. При нарушении проводящих путей, АВ-соединение и нижняя часть пучка Гиса могут также быть центрами автоматизма и вырабатывать импульсы с частотой 40-60 и 25—40 импульсов в минуту соответственно [8].
При работе сердца в окружающей его среде создается электрическое поле, характер которого на поверхности тела определяется взаимным расположением и электрическими свойствами органов и тканей грудной клетки. Вследствие этого, значение разности потенциалов на поверхности тела, создающейся функционированием сердца, зависит от очень многих факторов, которые с разным весом влияют на формирование ЭКС.
Однако при отсутствии патологий во всех отведениях формируются стандартные элементы ЭКС (импульсы и интервалы между ними), повторяющиеся от одного сердечного цикла к другому и отражающие последовательность возбуждения сердечной мышцы. Импульсы (зубцы) Р, R, Т являются обязательными компонентами ЭКС в любом отведении. Импульсы Q и S непостоянные и обнаруживаются в зависимости от положения оси выбранного отведения относительно положения сердца.
Амплитудные и временные параметры основных импульсов ЭКС достаточно стабильны у одного и того же здорового человека, в то же время имеют довольно широкий разброс у разных лиц. Даже при отсутствии патологий существует множество вариантов конфигурации ИКИ, что значительно осложняет подходы к автоматической обработке ЭКС [6].
На основании литературы [1, 2, 9] была составлена таблица 1.1, в которой приведены сведения о значениях амплитуды и длительности элементов ЭКС при отсутствии патологий. При различных патологиях значения амплитуды и длительности импульсов, их форма, полярность, а так же длительности интервалов между импульсами могут значительно изменяться, что дает основание использовать ЭКГ информацию для диагностики многих заболеваний сердечно-сосудистой системы.
Обоснование целесообразности применения укрупненного структурного подхода к распознаванию ЭКС
ЭКС обладает некоторой характерной структурой, которая подчиняется вполне определенным правилам, рассмотренным в 1-й главе. Исходя из этого структурные (лингвистические) методы распознавания достаточно широко применяются при автоматической обработке ЭКС и позволяют эффективно решить задачу анализа формы ИКИ [11, 28, 30, 31, 36, 50, 51]. Эти методы основаны на хорошо разработанном аппарате математической лингвистики, который базируется на синтезе формальных грамматик и последующем синтаксическом анализе (грамматическом разборе) полученных описаний. Основой структурного анализа служит разбиение (сегментация) ЭКС на мельчайшие элементы, представляющие собой простейшие градации грамматики. В процессе сегментации входной сигнал представляется в виде последовательности простейших элементов (горизонтальных и наклонных отрезков прямой, фрагментов полиномов 2-го и 3-го порядков и т.д.). Сегментированный сигнал подвергается далее грамматическому разбору с использованием алгоритмов, в основу которого положены эмпирические представления о структуре сигнала. При анализе принимаются во внимание такие структурные связи между элементами сигнала, как взаимное расположение, соседство, включение и т.п. Структурные методы характеризуются наглядностью, удобством для программирования, универсальностью, а также возможностью снижения избыточности информации, описывающей сигнал.
Высокая сложность и избыточность известных алгоритмов требует значительных объемов вычислительных операций и, как следствие этого, больших затрат времени на распознавание ИКИ [50, 51]. Однако при создании САО ЭКС, работающих в режиме реального времени, необходимы простые, быстрые и надежные алгоритмы обнаружения и распознавания кардиоимпульсов, основанные на упрощенном непротиворечивом описании.
Традиционным путем применения структурного подхода для распознавания ИКИ является сжатое описание сигнала опорными грамматиками, оперирующими символами или числовыми параметрами элементов ЭКС [11, 28, 36]. Однако лингвистическая методика позволяет рассматривать только описания с цепочной или древовидной структурой. Расширение разновидностей структур описаний может быть получено, если исследовать опорные структуры с заданными для них свойствами (отношениями). Применительно к исследованию ЭКС такой подход изложен в работах [14,56].
Несмотря на широкое распространение лингвистического анализа ЭКС, в литературе отсутствует единый подход к обозначениям и терминологии. Очевидно, что каждое конкретное описание может быть целесообразно в свете решаемых исследователями задач, однако применительно к вопросам синтеза решающих правил для распознавания в реальном масштабе времени, описания, используемые в работах [11, 28, 31] обладают высокой сложностью и избыточностью. Для создания РП, используемых при создании помехоустойчивых САО ЭКС, достаточно применения логики предикатов и булевой алгебры.
Изучение известных алгоритмов распознавания элементов ЭКС, на основе структурного подхода позволило сделать вывод о целесообразности использования понятия опорных структур с отношениями при разработке формального описания формы ИКИ. Для повышения помехоустойчивости алгоритмов автоматической обработки ЭКС целесообразно укрупнить опорные градации грамматики [56], служащие основой для построения решающих правил распознавания кардиоимпульсов, по сравнению с известными формализованными описаниями [11, 28, 50, 51]. Автором предложен укрупненный структурный подход к распознаванию ЭКС, заключающийся в том, что элементы перепадов - фронтов (А) и спадов (В) являются мельчайшими обнаруживаемыми фрагментами ИКИ (низший уровень градации) и представляют собой линейно аппроксимируемые участки сигнала, из которых составляется слово (последовательная кодовая цепочка).
Фронт и следующий за ним спад (или наоборот, спад и следующий за ним фронт) будем называть сегментом ИКИ (S). Если сегмент состоит из фронта и следующего за ним спада, то его будем называть положительным и обозначать S
При таком подходе выполняется принцип структурности, т.е. из одних и тех же элементов может быть составлен ИКИ любой формы. Распознавание ИКИ сводится к параллельному обнаружению элементов ЭКС двух видов — фронтов и спадов и последовательному составлению из них кодовой цепочки, соответствующей ИКИ определенной формы. Дальнейшее кодирование последовательностей укрупненных терминалов позволя 53 ет существенно снизить длину кодовых цепочек, количество возможных вариантов перебора, а, следовательно, и время исследования.
Обоснование и разработка структурно-рангового метода распознавания ЭКС
Непрерывная автоматическая обработка электрокардиографической информации в реальном времени и при свободной двигательной активности пациентов требуют создание помехоустойчивых методов распознавания ЭКС в условиях воздействия интенсивных помех. Алгоритмы, разработанные в рамках этих методов, должны быть достаточно просто реализуемы, в том числе и в портативных кардиомониторах. В общем случае помехи, возникающие при получении и обработке ЭКГ информации, представляют собой случайные процессы, которые подчиняются некоторым законам распределения вероятностей, поэтому при обнаружении и распознавании ИКИ и их элементов необходимо использовать методы математической статистики. При обработке ЭКС нет полного объема априорных данных о свойствах сигналов и помех, поэтому распознавание ИКИ приходится проводить в условиях априорной неопределенности.
Несмотря на изменчивость и многообразие форм ИКИ (особенно при различных патологиях сердечно-сосудистой системы), ЭКС обладает некоторой характерной структурой. В соответствии с обоснованным и предложенным во 2-й главе укрупненным структурным подходом к распознаванию ЭКС, все ИКИ представлены в виде опорных структур, состоящих из набора элементов только двух видов (фронтов и спадов), что позволяет повысить быстродействие и помехоустойчивость их анализа по сравнению с традиционными структурно-лингвистическими методами. Это позволило автору предложить структурно-ранговый метод распознавания, основанный на последовательном обнаружении фронтов и спадов кардиоимпульсов [88] с целью распознавания их формы в условиях интенсивных помех. Надежное обнаружение элементов ИКИ данным методом позволит с высокой достоверностью отнести исследуемый кардиоим пульс к одной из восьми опорных структур, разработанных во 2-й главе.
При разработке структурно-рангового метода необходимо определить наиболее эффективный подход к обнаружению элементов опорных структур ИКИ, а именно, фронтов и спадов. Задача обнаружения сигнала на фоне помех представляет собой статистическую задачу различения двух типов распределений (плотностей вероятности) - гипотетического С(х) и альтернативного F(x). При обнаружении сигналов одним из наиболее удобных методов является метод проверки статистических гипотез [19]. Статистической гипотезой является предположение (допущение) относительно параметров сравниваемых выборок, выраженное в терминах вероятности, которое может быть проверено по выборочным характеристикам.
Задача обнаружения сигнала на фоне помех состоит в определении алгоритма обработки наблюдаемого процесса x(t), который может быть только помехой ,(() или комбинацией сигнала s(t) и помехи %(/). В соответствии со статической трактовкой задачи обнаружения, входные данные, поступающие на обнаружитель, рассматриваются как массив выборочных значений Х„ имеющий определенное распределение вероятностей. На основании априорных сведений о свойствах массива Х-, в ситуациях отсутствия и наличия сигнала формируются соответственно испытуемая (нулевая) Н0 и альтернативная На статистические гипотезы, т.е. некоторое предположение о виде распределения вероятностей Х\. В зависимости от степени конкретизации этих предположений и принятого критерия качества выбирается решающее правило V(X), т.е. некоторый функционал от входных данных, и пороговая константа (порог) С. Решение принимается путем сравнения значения V{Xt) с порогом С. Если V{Xi) С, то принимается решение в пользу альтернативной гипотезы Н„, т.е. о наличии сигнала, в противоположном случае - в пользу испытуемой (нулевой) гипотезы Ноу т.е. об отсутствии сигнала в выборке [35, 65].
Алгоритмы обнаружения (решающие правила) целесообразно формулировать при помощи решающей функции Ф(х), заданной на выборочном пространстве X, следующим образом где Х\ - область принятия гипотезы На - сигнал присутствует (критическая область); Х0 — область принятия гипотезы Н0 - сигнала нет.
При обработке ЭКС, как правило, используются гауссовские модели сигналов и помех [13, 15, 107]. Однако такие модели для многих реальных ситуаций являются лишь удобной математической идеализацией, так как во многих случаях при исследовании ЭКС сигналы и помехи не являются гауссовскими. Традиционно для проверки статистических гипотез используют параметрические критерии, однако существует несколько факторов, ограничивающих их применение для исследования ЭКС: не уверенность в гауссовском распределении входных данных; малый объем выборки, доступной для обработки (если выборка очень мала и составляет 10-30 значений, то критерии, основанные на нормальности, следует использовать только при наличии уверенности, что переменная действительно имеет нормальное распределение, однако на малой выборке это предположение проверить сложно [89]); низкая точность измерений при получении отсчетов сигнала или выполнение измерений не в интервальной, а в порядковой шкале.
Исходя из этого, становится ясной необходимость применения статистических процедур, позволяющих обрабатывать данные "низкого качества" из выборок малого объема с переменными, распределение которых неизвестно. Для этих ситуаций, достаточно часто возникающих на практике при обработке ЭКС, целесообразно применять специальные непараметрические методы, которые не основываются на оценке параметров (таких как математическое ожидание или СКО) при описании выборочного распределения интересующей величины. Поэтому такие методы называют свободными от параметров или свободно распределенными [89].
Непараметрические алгоритмы обнаружения сигналов применяют, когда функциональный вид входных данных неизвестен, а заданы лишь самые общие отличия между ситуациями наличия и отсутствия сигнала. Эти алгоритмы используют для обнаружения сигналов не значения наблюдаемых величин, а ту или иную форму их упорядоченности, закономерности результатов наблюдений. Априорная информация, используемая при синтезе непараметрических обнаружителей, имеет скорее качественный, чем количественный характер [19, 35, 65].
Разработка и анализ обобщённых структурных схем САО ЭКС для работы в реальном времени
Данная глава посвящена вопросу практической реализации полученных в работе результатов теоретических исследований и решению возникающих при этом методических, алгоритмических и схемотехнических задач.
Реализация разработанных автором методов и алгоритмов помехоустойчивой обработки электрокардиографической информации включает следующие этапы: создание комплексного алгоритма принятия диагностических решений при анализе ЭКС в реальном времени; разработка макетных образцов и опытных партий приборов для автоматической обработки ЭКС и их внедрение в производство на промышленных предприятиях и в учреждениях здравоохранения; разработка программно-аппаратного имитатора БЭС, позволяющего проводить тестирование, испытания и проверку работоспособности САО ЭКС; разработка универсального измерительно-вычислительного комплекса, осуществляющего обработку ЭКС на базе персонального компьютера, и позволяющего отлаживать алгоритмы обработки ЭКС; разработка и внедрение макетных образцов портативных САО ЭКС. Для решения вопросов технической реализации и сравнительного анализа эффективности функционирования различных вариантов САО ЭКС необходимо определить основные пути их развития, а также сопоставить особенности и потребительские характеристики. Для этого необходимо разработать систематизацию САО ЭКС и синтезировать их обобщенные структуры. На сегодняшний день в мире разработано и производится большое количество разнообразных устройств, предназначенных для получения, визуализации, регистрации и анализа ЭКС. Большая часть из них обеспечивает автоматическую обработку ЭКС, заключающуюся в обнаружении информативных участков сигнала, распознавании элементов ЭКС, измерении параметров сигнала, принятии диагностических решений, отображении и регистрации входного сигнала и результатов его обработки. Для лучшего понимания путей развития САО ЭКС, сопоставления особенностей и потребительских характеристик, автором предложена их дихотомическая систематизация по функциональным признакам [110] (рисунок 4.1). Основными признаками для систематизации являются: длительность исследования — кратковременное, в течение нескольких секунд или длительное (12 — 48 часов); режим исследования - исследование в реальном времени или отсроченное на несколько часов (или даже суток) с предварительной записью в память; двигательная активность пациентов - свободная (в естественных жизненных условиях) или ограниченная (постельный режим); количество исследуемых отведений — 1-3 (чаще всего 2) "монитор-ных" отведений или (стандартных) и более; наличие центрального стационарного блока, осуществляющего основную обработку, регистрацию, визуализацию входного сигнала и результатов анализа. На основе этой систематизации выделено несколько основных подгрупп САО ЭКС. 1. Средства холтеровского исследования (СХИ) — подгруппа 10100. Метод многочасовой регистрации 2-3 отведений ЭКС в условиях свободной двигательной активности пациентов и последующего анализа в ускоренном режиме был предложен Ы. Дж. Холтером в 1961 г. и впоследствии назван его именем. ЭКС записывается на портативный носимый регистратор в аналоговом или цифровом виде. Отсроченная обработка ЭКС осуществляется с использованием специализированного вычислительного блока или серийного ПК. Главный недостаток САО данной подгруппы — отсроченный анализ ЭКС, что не позволяет оперативно вмешиваться в лечебно-диагностический процесс при опасных состояниях. 2. Измерительно-диагностические электрокардиографы и элек трокардиоскопы (ИДЭ) - подгруппа 01010. ИДЭ осуществляют кратковременный анализ 12-и и более отведений в реальном масштабе времени при ограниченной двигательной активности пациентов. При этом исходный ЭКС, результаты измерения и анализа, дополнительные данные либо записываются на бумажный носитель, либо индицируются на экране. Основные недостатки таких САО - кратковременное исследование ЭКС при ограниченной двигательной активности пациента и отсутствие электронной регистрации входного ЭКС и результатов исследования. 3. Прикроватные средства наблюдения и контроля (ПСНК) подгруппа 11000. ПСНК работают в реальном масштабе времени при ограниченной двигательной активности пациентов. Они обеспечивают длительное непрерывное наблюдение за 1-2 отведениями ЭКС (в том числе и у нескольких пациентов), обнаруживают нарушения сердечного ритма и сигнализируют о тревожных состояниях. Недостатком САО данной подгруппы является исследование при ограниченной двигательной активности, и обработка лишь 1-2 отведений ЭКС.
Похожие диссертации на Методы и алгоритмы помехоустойчивой обработки электрокардиографической информации
