Содержание к диссертации
Введение
1 Методы и средства получения и обработки БЭИ 16
1.1 Особенности БС как источников БМИ 16
1.2 Особенности БЭС и систематизация их ИП 22
1.2.1 Особенности измерения параметров БЭС 22
1.2.2 Систематизация информативных параметров БЭС 24
1.3 Методы измерения информативных параметров БЭС 27
1.4 Систематизация погрешностей СМТ и их основные источники 33
1.4.1 Систематизация видов погрешностей СМТ 33
1.4.2 Помехи как основные источники погрешностей СМТ 37
1.5 Систематизация СМТ 39
Основные результаты и выводы 46
2 Теоретические основы комплексного подхода к процессу анализа информативных параметров БЭС 47
2.1 Систематизация методов, порогов и базовых операций, применяемых при распознавании БЭС 48
2.2 Комплексный подход к распознаванию БЭС 60
2.3 Способы формализованного описания БЭС 68
2.3.1 Систематизация терминалов БЭС 68
2.3.2 Сокращенное формализованное описание ИП ЭКС .69
2.3.3 Формализованное описание процесса анализа ИП БЭС 81
Основные результаты и выводы 86
3 Необратимые методы анализа ИП ЭКС 88
3.1 Генетико-прогностическое описание алгоритмов анализа ИП ЭКС 88
3.1.1 Этапы совершенствования алгоритмов анализа ИП формы ЭКС 88
3.1.2 Этапы совершенствования алгоритмов анализа ИП периодичности ЭКС 96
3.2 Методы обнаружения ИСФ ЭКС и анализа их формы 100
3.2.1 Методы ранговой обработки ЭКС 100
3.2.2 Метод сложного компарирования при распознавании ИСФ ЭКС 117
3.2.3 Методы анализа формы импульсов по производной ЭКС 131
3.2.4 Методы определения коэффициентов формы импульсов ЭКС 133
Основные результаты и выводы 137
4 Обратимые методы анализа ИП ЭКС .139
4.1 Возможности ортогональных базисов при исследовании ЭКС 140
4.2 Применение степенных кусочно-постоянных функций Хаара 145
4.3 Wavelets в задачах анализа информативных параметров ЭКС 147
4.3.1 Принципы wavelet-преобразования 147
4.3.2 W-преобразование при анализе ИП ЭКС 152
4.3.3 Wavelet-анализ периодичности импульсов ЭКС 154
4.4 Сравнение возможностей применения wavelets для решения задач анализа ЭКС .156
4.5 Реализация портативных КМ на основе W-преобразования ЭКС 168
4.6 Перспективы применения wavelets для задач анализа ЭКС 173
Основные результаты и выводы 183
5 Исследование хаотической динамики ЭКС при ЭСС 185
5.1 Современные методы и средства электрической стимуляции сердца .186
5.1.1 Основные принципы электрической стимуляции сердца 186
5.1.2 Современные методы ЭСС 188
5.1.3 Систематизация основных режимов работы КС 189
5.2 Нелинейные системы с хаотической динамикой 193
5.3 Связь параметров стимултрующих импульсов с возникновением детерминированного хаоса 197
5.4 Исследование хаотической динамики ЭКС при ЭСС 208
Основные результаты и выводы 217
6 Оценка эффективности технических средств анализа ИП БЭС 218
6.1 Методология тестирования технических средств анализа ИП БЭС 219
6.2 Разработка моделей ТП БЭС на примере ЭКС 220
6.2.1 Разработка МТП периодичности ЭКС 223
6.2.2 Разработка МТП ЭКС с учетом формы сигнала 226
6.2.3 Результаты статистической обработки моделей 234
6.3 Методика оценки эффективности средств анализа ИП ЭКС .235
6.3.1 Выбор МТП для оценки эффективности работы алгоритмов КМ 237
6.3.2 Выбор эффективных алгоритмов анализа ЭКС 239
6.3.3 Выбор базовых критериев оценки эффективности работы алгоритмов 243
6.4Результаты экспериментальной оценки эффективности работы алгоритмов .245
Основные результаты и выводы 250
7 Разработка средств анализа БЭС и обработки БЭИ 252
7.1 Защищенные охранными документами схемотехнические решения .255
7.2 Разработка и внедрение медицинских приборов и систем 262
7.3 Разработка медицинских систем на базе ПК 275
7.4 Программные пакеты и разработки, внедренные в учебный процесс .281
7.5 Внедренные методические разработки 283
Основные результаты и выводы 289
Заключение 291
Библиографический список 294
Приложение 314
- Методы измерения информативных параметров БЭС
- Методы ранговой обработки ЭКС
- Связь параметров стимултрующих импульсов с возникновением детерминированного хаоса
- Внедренные методические разработки
Методы измерения информативных параметров БЭС
С целью обобщения сведений об измерении информативных параметров БЭС необходимо систематизировать их методы, основываясь на описании ИП БЭС, приведенном выше. В литературе нет достаточно полной и свободной от противоречий классификации методов измерений ИП БЭС. Все медицинские параметры, подлежащие измерению, обычно подразделяют на две группы [4]: измеряемые непосредственно и измеряемые опосредованно. К первым относятся, например, перемещения вследствие сердечных сокращений, температура тела, биоэлектрические потенциалы, съем которых производится с помощью устройств, непосредственно воспринимающих от исследуемого биообъекта изменения измеряемых параметров. Ко вторым — параметры, которые трудно или невозможно измерить непосредственно, но девиация которых приводит к изменению вспомогательных параметров, более удобных для измерения. Например, электрическое сопротивление участка тела характеризует кровенаполнение этого участка, изменение степени поглощения света тканями связано с изменениями объема органа или части тела и т. д. Следовательно, виды измерений параметров БС следует подразделять на прямые и косвенные, а многомерность и многофакторность многих видов МБИ обуславливает применение еще двух традиционных групп — методов совокупных и совместных измерений (рисунок 1.4). Кроме рассмотренного деления методов измерения по способу получения числового значения измеряемой величины, их классифицируют по характеру использования мер, что справедливо также и для методов медицинских измерений, правда, с учетом более широкой трактовки терминов. В связи с практическим отсутствием эталонов БЭС [19] в биомедицинских измерениях в качестве образцовых сигналов используются искусственные сигналы (модели) или участки реальных сигналов, причем последние представляют собой либо среднестатистические кривые, либо участки зарегистрированных БЭС, являющиеся наиболее яркими, типичными представителями классов нормы и патологии для различных заболеваний, выбранные группой квалифицированных врачей-экспертов [20]. Технические средства, формирующие на выходе такие сигналы, можно отнести к мерам для медицинских измерений.
Следует отметить, что большие трудности представляет использование в медицине метода замещения, т. к. вследствие особенностей БЭС, перечисленных выше, формирование параметров, замещающих биологические, далеко не всегда возможно, поэтому метод замещения в медицинских измерениях находит ограниченное применение. Кроме того, нулевой метод также редко используется в медицинских измерениях из-за невозможности обеспечения высокой точности образцовых средств (мер биофизических параметров).
Рассмотрим специфику методов медицинских измерений. Во-первых, по виду взаимодействия с биообъектом (по направлению потока энергии) их делят на пассивные, требующие подключения к объекту внешнего источника энергии, и активные, использующие энергию объекта исследования. Во-вторых, по соотношению веса операций измерения и контроля можно выделить промежуточные и окончательные медицинские измерения, т. е. измерения, которые используются в неявном виде для анализа и подсчета результатов (т. е. для определения количества норм или патологий БС или для выполнения операции контроля - сравнения с нормой), и измерения явного вида, когда результатом является числовое значение измеряемой величины (измерения в единицах физических величин). В-третьих, по виду ИП БЭС целесообразно подразделить методы биоизмерений на локальные и интегральные, предварительно разбив их по типу измеряемых параметров на методы измерения амплитуды, длительности и формы БЭС (рисунок 1.5).
Остановимся сначала на локальных методах измерения амплитудных, временных параметров и формы импульсов БЭС. Для измерения амплитуды импульсов БЭС чаще всего применяют два основных метода: метод преобразования импульсного напряжения в квазипостоянное на заданном интервале времени (метод расширения импульсов или пиковое детектирование) и метод амплитудно-временного преобразования [13, 22]. При измерениях интервалов времени БС используют пороговые устройства, срабатывающие под действием импульса и фиксирующие начало и конец измеряемого интервала. Наибольшее распространение получили счетно-импульсный метод и метод с промежуточным преобразованием время-амплитуда [13, 22]. Основой методов автоматизированного анализа формы импульсов является преобразование форма-код, которое заключается в выделении ИП сигнала в виде унифицированного ряда значений напряжений и преобразования их в код для последующей обработки. Широко распространенным является метод анализа формы сигналов, основанный на стробоскопическом преобразовании форма-код [21], реализуемом методами аналого-цифрового преобразования [23].
Существуют принципиально иные методы измерения параметров сигналов, основанные на выделении интегральных информативных характеристик. Такие методы широко распространены и заключаются в преобразовании сигналов, основанном на интегрировании. К ним относится детектирование модулированных сигналов, измерение мощности сигналов на основе тепловых эффектов, нахождение спектров сигналов по различным ортогональным системам функций. В настоящее время для измерения интегральных параметров однократных импульсов применяют два метода - нелинейное интегральное преобразование [9,22] и линейное интегральное преобразование форма-код [21]. Интегральный метод измерения импульсов на основе нелинейного интегрального преобразования заключается в выражении амплитуды, длительности и формы импульсов через интегральные (энергетические) параметры. Наиболее распространенными в практике измерений интегральными параметрами, характеризующими импульсы, являются площадь импульса S (характеризующая количество электричества или заряд) и энергия импульса W. Эти параметры дают весьма общую характеристику импульсов, описывая их в целом; на них не влияют даже существенные локальные изменения формы импульсов, неравномерности основания и вершины, выбросы. В целом, предложенная систематизация методов измерения параметров БЭС необходима для обобщения опыта в данной области и понимания сути проблемы, она позволяет развивать известные методы, выявлять их недостатки и синтезировать новые алгоритмы.
Выделим основные особенности методов медицинских измерений:
— необходимость измерения ИП биообъектов без нарушения их целостности;
— исследование биообъектов в условия их существования, без ограничения подвижности, что требует применения соответствующих методов измерений;
— широкое использование в медицине методов математической статистики вследствие изменчивости ИП БЭС и помех;
— сложность измерений из-за со сравнительно малых значений измеряемых величин при больших уровнях шумов как вследствие работы различных подсистем организма (внутренних шумов), так и из-за помех во внешней среде.
Перечисленные трудности влияют на погрешности методов и средств анализа БЭС, снижение которых повышает эффективность ЛДП. Поэтому необходимо рассмотреть источники погрешностей средств медицинской техники.
Методы ранговой обработки ЭКС
Непараметрические алгоритмы обнаружения ИСФ ЭКС
При длительном исследовании в режиме свободной двигательной активности (СДА) ЭКС пациентов с НСРП, при кардиостимуляции, при передаче ЭКС по каналам связи возникает задача обнаружения ИСФ ЭКС в условиях интенсивных помех. При этом ЭКС содержит помехи, различные по своему происхождению, интенсивности, спектральному составу и функциям распределения [67, 68]. В процессе исследования меняются свойства ЭКС, что делает невозможным использование методов параметрической статистики [69] и малоэффективным применение нелинейных полиномиальных фильтров, исследованных в [70]. Для обнаружения таких сигналов не подходят методы, основанные на поиске сходства с опорным ИСФ, так как понятие обобщенной модели не применимо, кроме того, нельзя использовать ни последний, ни среднестатистический ИСФ. Более целесообразно использовать опорную помеху, то есть выборку ЭКС, в которой заведомо не содержится ИСФ [71]. (Первый участок определяется в период настройки в диалоговом режиме, последующие определяются автоматически, для чего используется ЭКС после обнаруженного ИСФ [72]). Известно много непараметрических методов обнаружения импульсов, отличающихся своими свойствами [37, 69, 73-75]. С целью их анализа применительно к обнаружению ИСФ ЭКС предложена систематизация алгоритмов непараметрической статистики, схема которой приведена на рисунке 3.3. В данной схеме выделены ключевые признаки, в зависимости от наличия которых алгоритмы кодируются по двоичной системе счисления. В результате каждому конкретному алгоритму присваивается семизначный код, полностью характеризующий его свойства. Рассмотрим их подробнее.
Свойства непараметрических методов обнаружения ИСФ
Непараметрические методы, к которым относят ранжирование сигналов, применяют, когда вид распределения входных данных не известен, а заданы лишь общие отличия между ситуациями наличия или отсутствия сигнала [76]. Априорная информация, используемая при синтезе непараметрических обнаружителей, имеет скорее качественный характер, поэтому непараметрические методы обработки специфичны по сравнению с классическими и адаптивными. В отличие от них, в непараметрических методах упор делается не на оптимизацию характеристик системы, а на обеспечение их нечувствительности к условиям работы. Поэтому непараметрическими называют системы обнаружения сигналов, уровень ложных тревог которых а 0 инвариантен к виду распределения помехи [37].
Поскольку уровень а0 однозначно определяется функцией распределения тестовой статистики V(X), то отсюда вытекают два требования: во-первых, ее распределение при отсутствии сигнала должно быть точно известным и неизменным, каково бы ни было распределение помехи на входе системы, во-вторых, при появлении сигнала инвариантность V(X) должна нарушаться с тем, чтобы сохранялось возможность различения ситуаций 0= 0 и 0= 1 [69].
В настоящее время не существует формализованных методов синтеза непараметрических обнаружителей, удовлетворяющих указанным условиям и обеспечивающих одновременно наилучшее качество обнаружения, поэтому их синтез производится преимущественно эвристическими методами. При эвристическом подходе можно выделить общие закономерности. Главная из них состоит в том, что непараметрические обнаружители содержат в качестве составного элемента устройства, осуществляющие инвариантное преобразование S массива выборочных значений X , в результате которого преобразования образуется новый массив Z=SX, распределение его элементов при отсутствии сигнала точно известно.
Преобразование S , выбираемое эвристически, позволяет свести задачу обнаружения на фоне помех с неизвестным распределением к задаче проверки простой гипотезы относительно распределения массива Z. Соответственно и синтез непараметрических обнаружителей выполняют в два этапа: на первом выбирают вид инвариантного преобразования S, во втором - способ обработки преобразованных данных. Примером такого преобразования является жесткое ограничение (3.1).
Следовательно, преобразование (3.1) переводит массив с произвольным, симметричным относительно нулевого уровня распределением в новый массив, имеющий равномерное распределение независимо от конкретного вида исходного распределения [69]. Если при появлении сигнала симметрия распределения нарушается, то задачу обнаружения можно сформулировать как проверку простой гипотезы (3.3), против альтернативной гипотезы p(zi=l/0=l) i . (3.4)
Оптимальным решением такой задачи является критерий знаков [37]: V(X)=sgn(x) (з.5)
Если имеется независимая выборка наблюдений, то можно синтезировать непараметрические алгоритмы обнаружения сигналов, которые сохраняют вероятность ложной тревоги неизменной при любых распределениях стационарной помехи и при произвольных размерах выборки. Вероятность пропуска сигнала при использовании таких алгоритмов, конечно, всегда будет больше минимальной теоретически возможной и будет зависеть от распределения помехи. Известны непараметрические алгоритмы обнаружения сигналов, использующие знаковые, ранговые и знаково-ранговые статистики [69].
Знаковым вектором выборки называется вектор sgnx с компонентами . sgiD ), произвольная функция знакового вектора есть знаковая статистика, а алгоритм, использующий только знаки элементов выборки, - знаковый алгоритм. Если распределение стационарной помехи симметрично относительно нуля, то число положительных и отрицательных знаков в выборке независимо от вида помехи равновероятно. При появлении положительного постоянного сигнала на фоне помехи вероятность положительных знаков выборки становится больше вероятности отрицательных, что позволяет обнаружить сигнал. Таким образом, знаковые алгоритмы реагируют на постоянную составляющую сигнала [69].
Рангом і - го элемента ХІ массива выборочных значений X называется порядковый номер Ri этого элемента в вариационном ряду
Когда вид V(X) задан, нетрудно вычислить пороговую константу П с учетом заданного уровня ложных тревог а0, так как при отсутствии сигнала распределение преобразованного массива Z точно известно. Следовательно, можно определить распределение тестовой статистики U(Z) и путем решения уравнения Ра(П/0=О) = 1-а найти значение П [37]. Выбором порога П определяется эффективность процедуры обнаружения, при этом встает задача анализа помехоустойчивости, решение которой сопряжено с вычислительными трудностями. Инвариантное преобразование S является необратимым, т. к. его эффект обусловлен сокращением избыточности входной информации. Вследствие этого вероятность правильного обнаружения D непараметрических обнаружителей ниже потенциально достижимой. Но эта потеря помехоустойчивости имеет место лишь по сравнению с традиционной оптимальной обработкой, в которую заложена полная априорная информация о виде распределения данных. Если эта информация неверна, то непараметрические обнаружители будут превосходить традиционные по своей эффективности, т. к. кроме стабилизации уровня ложных тревог они обеспечивают частичную стабилизацию вероятности правильного обнаружения [69].
На область применения ранговых процедур накладывают ограничения по сравнению с оптимальным инвариантным преобразованием. Прежде всего, необходимо, чтобы при отсутствии сигнала ранжируемая выборка была статистически однородна, что обеспечивает стабилизацию уровня ложных тревог при априорно неизвестном распределении помехи. Но не менее важно, чтобы появление сигнала нарушало однородность выборки. В противном случае в результате ранжирования будет потеряно различие между ситуациями 0= Ои 0=1.
Пусть кроме испытуемых сигнальных отсчетов X: {х .-.х,, имеются дополнительные отсчеты Y: {у .- Ут соответствующие "чистой" помехе. Тогда распределение помехи можно оценить по дополнительной выборке (опорной или по-меховой), а вместо алгоритма оценивания фактического распределения выборки
Связь параметров стимултрующих импульсов с возникновением детерминированного хаоса
Задача прогнозирования предхаотических состояний при ЭСС требует рассмотрения путей перехода от периодических движений к хаотическим через изменения параметров. Следует выяснить, не обнаруживает ли система стационарного или периодического поведения в некоторой области пространства параметров (так проверяют детерминированность системы и отсутствие в ней внутренних источников случайного шума). Изменяя параметры, следят за появлением периодического отклика. Одним из характерных предвестников хаотического движения является появление субгармонических периодических колебаний. Известно три пути перехода от нормального состояния к хаотическому [115], характеристика которых приведена в таблице 5.1. Определить какой из них происходит в конкретной биосистеме можно только всесторонне исследовав ее динамические свойства с помощью математического моделирования, подкрепленного экспериментами. Возможно, что существуют и другие, еще не изученные пути перехода к хаотической динамике, поэтому необходимы исследования систем, в которых наблюдаются хаотические сдвиги, в частности, электрической активности миокарда при ЭСС, и анализ закономерностей, связанных с переходами в эти состояния. Переход от предхаотического состояния к хаосу может иметь три формы [115]:
1) Путь к хаосу через удвоение периода.
2) Квазипериодический путь к хаосу. Пусть в системе с ростом движений вступают в действие нелинейности, и она выходит на предельный цикл. Такие переходы называются бифуркации Хопфа. Если происходят две и более бифуркаций Хопфа, так что одновременно есть три связанных предельных цикла, становится возможным хаотичное движение, т.е. возможен путь трехчастотного перехода к хаосу. (Если отношение col / со 2 - рациональное число, отображение Пуанкаре распадается на набор точек, выстраивающихся вдоль окружности. При изменении параметра может разрушаться квазипериодическая тороидальная структура. Существует следующая схема: одно периодическое движение; два; хаос).
3) Перемежаемость - тип сигнала (рисунок 5.3), в котором случайным образом чередуются длинные регулярные (ламинарные) фазы и относительно короткие нерегулярные всплески. Такие сигналы обнаруживаются во многих экспериментах. Замечено также, что число хаотических всплесков нарастает при увеличении внешнего параметра, т. е. перемежаемость представляет собой непрерывный переход от регулярного движения к хаотическому. В свою очередь, различают три рода перемежаемости [115], характеристика которых представлена в таблице 5.2. В настоящее время точно неизвестно, перемежаемость какого рода присутствует в биологических ритмах. Возможно, что при различных начальных условиях и в разных ситуациях воздействия внешних влияющих факторов могут проявляться все три рода перемежаемости, а на протяженных временных интервалах даже их сочетания. Это подчеркивает сложность и актуальность исследований хаотической динамики биоритмов, особенно ЭКС при ЭСС. Таблица 5.2.
На третьем пути к хаосу длительные интервалы регулярного поведения перемежаются со вспышками хаоса, причем временные интервалы между хаотическими всплесками не фиксированы, а непредсказуемы. Здесь же проявляется эффект кризисов [12] из-за столкновения хаотического аттрактора с независимой неустойчивой неподвижной точкой или периодической траекторией, означающего резкое изменение хаотического состояния при изменении параметра системы (хаотическая система может стать периодической или интервал изменения хаотического отклика резко расширяется). Существует также понятия переходного хаоса, определяемое как следствие кризиса, когда возникшие при изменениях параметров хаотические колебания через небольшой промежуток времени вырождаются в периодическое или квазипериодическое поведение [115]. На рисунке 5.4 приведен фрагмент бифуркационной диаграммы в области касательной бифуркации периода 3. Пунктиром обозначена неустойчивая орбита периода 3 при касательной бифуркации; при г наблюдается кризис.
При достижении разрыва обнаруживается переходный хаос, т. е. траектории, кажущиеся хаотическими, экспоненциально быстро стремятся к периодическим. Скорость сходимости является степенной функцией расстояния (в пространстве параметра) от разрыва. Считается [12], что почти все внезапные изменения в хаотической динамике происходят из-за кризисов, схемы переходов к которым для ЭКС предложены в [120].
Проблема хаотической динамики электрической активности миокарда в настоящее время активно исследуется рядом ученых в области математики и медицины, хороший обзор современных достижений в этой области сделан в работе [11]. Рисунок 5.5 иллюстрирует проявление хаотического движения в пространственно-связанных нелинейных системах, например в электрической активности миокарда при электрокардиостимуляции [115].
В настоящее время однозначно не решен вопрос о том, какой из рассмотренных путей перехода к хаотической динамике характерен для ЭКС при ЭСС, возможно, что в разных случаях могут происходить любые из возможных вариантов таких переходов. В связи с этим актуальной является задача исследования математических моделей, имитирующих электрическую активность миокарда с целью определения возможных путей перехода к хаотической динамике в процессе ЭСС, а также условий возникновения кризисов [115]. Известно [11], что периодическая стимуляция возбудимой одномерной ткани при низких частотах приводят к возникновению периодических распространяющихся волн возбуждения равной амплитуды, которые следуют за периодическим СТИ в соотношении 1:1. При увеличении частоты простое распространение волн равной амплитуды в отношении 1:1 к стимулу не наблюдается. Существуют два объяснения [11]: каждый стимул по-прежнему приводит к возникновению волны возбуждения, но амплитуды последующих волн изменяются или некоторые из волн блокируются и обнаруживаются ритмы вида N:M при N M.
Хотя возможно более сложное распространение волн, рассмотрим эти два типа динамики. Физиологическую основу для их понимания составляют три наблюдения, сделанные Майнсом [11]: 1) по мере увеличения частоты стимуляции скорость распространения волны уменьшается; 2) по мере увеличения частоты стимуляции длительность возбуждения уменьшается; 3) после возбуждения следует рефрактерный период, во время которого следующий стимул не может привести к возбуждению. Включение этих свойств в математическую модель позволяет частично понять описанную выше динамику.
Схема процесса ЭСС представлена на рисунке 5.6 [11]. Основными параметрами стимуляции являются: рефрактерный период (РП), определяемый в зависимости от режима стимуляции и представляющий интервал времени, в течение которого сердце не реагирует на повторный импульс (обычно 250 мс); интервал стимуляции (ИС) - время между соседними стимулами; период готовности (ПГ) -интервал после окончания РП до следующего стимула; период выжидания (ПВ) -технический АВ-интервал (АВ-задержка) между стимулом и откликом (0,20 мс). SRi-i APDj.1
Внедренные методические разработки
В предыдущих главах уже говорилось о необходимости методической проработки ряда вопросов, связанных с измерением и анализом параметров БЭС. Прежде всего, требует совершенствования методическая база проведения тестирования медицинских приборов и систем, а методик определения безопасных параметров СТИ для КС, учитывающих возможность хаотических срывов, и формирования хаотических сигналов для моделирования помех - просто нет. Методика подбора безопасных параметров ЭСС при ЭСС Проблема подбора безопасных параметров стимуляции сердца крайне актуальна, в связи с тем, что нередко применение ИКС не только не улучшают состояния пациентов, но даже приводят к резким ухудшениям, таким как фибрилляция желудочков сердца. Появление у больных с ИКС опасных нарушений ритма может свидетельствовать об угрозе возникновения детерминированного хаоса, поэтому результаты исследования возможностей прогнозирования риска возникновения хаотических состояний по ЭКС, представленные в 5 главе, необходимо использовать в клинической практике. Под руководством автора разработана и внедрена методика, позволяющая осуществлять управление процессом подбора безопасных параметров КС на основе определения степени риска ухудшения состояния пациента при конкретных значениях интервала и частоты стимуляции, которая содержит три части: предоперационный контроль, подбор параметров ИКС во время операции и послеоперационный периодический контроль.
Апробация и внедрение методики проходили на базе Пензенского государственного института усовершенствования врачей, акт внедрения приведен в приложении. Предложенная методика позволяет уменьшить риск от некорректного подбора КС и их параметров и дает возможность предсказывать возникновение угрожающих состояний у широкого спектра кардиологических больных. Методика разработана при участии специалистов кафедры терапии ПГИУВ и включает две части - частьі "Методика индивидуального предоперационного подбора безопасных параметров ЭСС", позволяющую адаптировать стандартные режимы стимуляции с учетом особенностей функционирования сердечно-сосудистой системы (ССС) конкретного пациента и частьІІ "Методика периодического послеоперационного (технического) контроля параметров ЭСС и оптимизации режима стимуляции", обеспечивающую своевременное обнаружение снижения эффективности ЭСС, прогнозирование на основе математического моделирования динамики взаимодействия КС и миокарда данного больного в режиме временной стимуляции программируемыми одиночными тестирующими экстрастимулами и последующую корректировку параметров, а при необходимости и режимов КС.
РАЗДЕЛ I. ПРЕДВАРИТЕЛЬНАЯ ПОДГОТОВКА К ЭКСПЕРИМЕНТУ
1. Медицинский аспект:
1.1. Сбор и анализ данных: определение необходимого количества зарегистрированных ЭКГ с заключениями, из них выбор наиболее сложных случаев, связанных с режимом КС; анализ собранных данных и предварительные выводы о выборе оптимального варианта применения методики.
1.2. Выявление сложных моментов КС : определение возможных; факторов риска при электрокардиостимуляции; выявление различных видов несовместимости.
1.3. Выводы о возможности и целесообразности компьютерного подбора КС.
2. Технический аспект
1.2. Выбор схемы эксперимента.
1.3. Согласование аппаратурных компонентов: защитные заземления, типы КС, кабели отведений, приборы контроля и т.д.
1.4. Определение технических характеристик КС.
3. Определение и согласование метода эксперимента
3.1. Натурный эксперимент с временной стимуляцией без моделирования.
3.2. Математическое моделирование на ПК.
3.3. Натурный эксперимент с временной стимуляцией и с моделированием.
РАЗДЕЛИ. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
1. Натурный эксперимент без моделирования
1.1. Измерение параметров КС пациента и расчет интервалов их варьирования.
1.2. Временная стимуляция одиночными тестирующими экстрастимулами.
1.3. Анализ результатов временной стимуляции, корректировка параметров и интервалов варьирования.
1.4. Анализ результатов эксперимента и выработка практических рекомендаций.
2. Моделирование без воздействия на объект изменением параметров
2.1. Измерение параметров КС пациента и расчет интервалов их варьирования.
2.2. Ввод параметров моделирования и определение режима прогнозирования.
2.3. Математический анализ индивидуально скорректированной модели на ПК по каждому из выбранных параметров стимуляции.
2.4. Анализ результатов эксперимента и выработка практических рекомендаций.
3. Натурный эксперимент с моделированием
3.1. Измерение параметров КС пациента и расчет интервалов их варьирования.
3.2. Временная стимуляция одиночными тестирующими экстрастимулами.
3.3. Анализ результатов временной стимуляции, корректировка параметров и интервалов варьирования.
3.4. Ввод параметров моделирования и определение режима_прогнозирования.
3.5. Математический анализ индивидуально скорректированной модели на ПК по каждому из выбранных параметров стимуляции.
3.6. Сопоставление результатов моделирования и временной стимуляции.
3.7. Анализ результатов эксперимента и выработка практических рекомендаций.
РАЗДЕЛЫ. КОНТРОЛЬНО-АНАЛИТИЧЕСКАЯ ЧАСТЬ
1. Установка рекомендованных параметров на КС в режиме временной стимуляции и контроль по ЭКС.
2. Имитация снижения напряжения источника питания с помощью изменения параметров КС в прогнозируемом диапазоне и контроль по ЭКС.
3. Анализ результатов и выработка рекомендаций для имплантации КС и прогноза динамики его использования для данного пациента.
Предложенная методика является многоуровневой и имеет несколько вариантов использования в зависимости от конкретных исследовательских задач. При этом рекомендуется выполнение всех разделов методики, в то время как внутри разделов некоторые пункты и подразделы могут быть опущены. Основными вариантами применения методики являются следующие:
- натурный эксперимент перед имплантацией КС в режиме временной чреспи-щеводной электрокардиостимуляции;
- натурный эксперимент перед имплантацией КС в режиме временной внешней электрокардиостимуляции;
- натурный эксперимент после имплантации КС в режиме перепрограммирования параметров СТИ при возникновении отрицательных факторов в ходе постоянной электрокардиостимуляции.
Данная методика реализуется с помощью пакета алгоритмов, обобщенные блок-схемы которых показаны на рисунке 7.16. На рисунке 7.16, а) представлена блок-схема последовательности основных разделов методики, на рисунке 7.16, б) показана блок-схема множественного выбора возможных вариантов применения методики, на рисунке 7.16, в) - блок-схема раздела II, а на рисунке 7.16, г) - блок-схема проверки параметров имплантированных КС для раздела III методики.
Похожие диссертации на Методы и средства обработки биоэлектрической информации
