Алгоритм обнаружения опорных точек на цифровой электрокардиограмме в режиме реального времени

Обложка

Цитировать

Полный текст

Аннотация

Актуальность темы обусловлена применением цифровых электрокардиографов и кардиомониторов со встроенными алгоритмами автоматической обработки, анализа и интерпретации электрокардиограмм, что позволяет врачу эффективно выполнять диагностику нарушений сердечного ритма. Известно, что для оказания обследуемому экстренной помощи продолжительность диагностики аритмий не должна превышать нескольких десятков секунд, что требует появления новых алгоритмов обнаружения информативных признаков, указывающих на аритмию, работающих в режиме реального времени. Необходимость внедрения новых эффективных технологий диагностики сердечно-сосудистых заболеваний также отражена в государственных программах развития здравоохранения.Целью исследования является разработка и анализ показателей качества алгоритма обнаружения опорных точек на цифровой электрокардиограмме, несущих информативные признаки для процедуры диагностики аритмий. Используемые методы. Исследование основано на анализе существующих подходов к решению задачи обнаружения опорных точек на цифровой электрокардиограмме, а также проведении экспериментальной проверки предлагаемого алгоритма методами математического моделирования. Предложены показатели качества рассматриваемых алгоритмов, определенные в соответствии с принципами теории обнаружения сигналов и диагностического тестирования, на стыке которых расположена задача обнаружения опорной точки кардиокомплекса. Экспериментальная проверка предлагаемого алгоритма осуществлена на материалах открытой верифицированной базы данных MIT-BIH Arrhythmia Database, которая широко применяется для верификации и валидации алгоритмов обработки сигнала цифровой электрокардиограммы, работающих в режиме реального времени.Решение. В работе предложен алгоритм обнаружения опорных точек на цифровой электрокардиограмме, который основан на цифровой фильтрации сигнала с применением решающего правила на базе трехэтапной двухпороговой схемы сравнения величин сигнала предобработанной электрокардиограммы на скользящем окне, обладающий элементами научной новизны. Эксперимент на материалах открытой верифицированной базы данных MIT-BIH Arrhythmia Database показал, что качество предложенного алгоритма обнаружения опорных точек выше, чем у алгоритмов, применяемых в современных цифровых электрокардиографах и кардиомониторах. Значимость. Полученные в работе результаты могут быть использованы при разработке устройств цифрового мониторинга сердечно-сосудистой системы, а также для автоматической обработки, анализа и интерпретации сигнала цифровой электрокардиограммы в режиме реального времени с применением ЭВМ.

Об авторах

Б. К. Акопян

Санкт-Петербургский государственный университет аэрокосмического приборостроения

Email: akopyan.bella@yandex.ru
ORCID iD: 0000-0001-5298-9015
SPIN-код: 3728-6254

Список литературы

  1. Юлдашев З.М. Продолжительность диагностики аритмий для оказания экстренной помощи не должна превышать нескольких десятков секунд // Медвестник. 2018. URL: https://medvestnik.ru/content/interviews/Prodoljitelnost-diagnostiki-aritmii-dlya-okazaniya-ekstrennoi-pomoshi-ne-doljna-prevyshat-neskolkih-desyatkov-sekund.html (дата обращения 30.09.2024)
  2. Нестерова Е.А. Основы электрокардиографии. Нормальная ЭКГ // Кардиология: Новости. Мнения. Обучение. 2016. № 2(9). С. 77‒85. EDN:WFLXIP
  3. Рудницкий Л.В. Карманный справочник медицинских анализов. СПб.: Питер, 2014. 320 с.
  4. Акопян Б.К. Классификация эпизодов нарушений сердечного ритма по информативным признакам во временной области электрокардиограммы // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 4. С. 305‒314. doi: 10.17586/0021-3454-2024-67-4-305-314. EDN:DSWAXC
  5. Иванов Г.Г., Дворников В.Е., Сбеитан С., Булгакова Е.Ю., Александрова М.Р., Грибанов А.Н. Анализ показателей структуры вариабельности ритма сердца у здоровых лиц по данным РР- и RR-интервалов // Вестник Российского университета дружбы народов. Серия: Медицина. 2007. № 4. С. 26‒34. EDN:JVDXGH
  6. Анциперов В.Е., Забросаев И.В., Растягаев Д.В. Детектирование нарушений сердечного ритма с использованием техники аналитических спектров // Журнал радиоэлектроники. 2015. № 12. С. 16. EDN:VHTMVJ
  7. Friesen G.M., Jannett T.C., Jadallah M.A., Yates S.L., Quint S.R., Nagle H.T. A comparison of the noise sensitivity of nine QRS-detection algorithms // IEEE Transactions on Biomedical Engineering. 1990. Vol. 37. Iss. 1. PP. 85‒98. doi: 10.1109/10.43620
  8. Akopyan B. Development of the automated cardiac rhythm disorders detection and classification algorithm // Bulletin of the UNESCO Department “Distance education in engineering” of the SUAI. 2022. Iss. 7. PP. 28‒31. EDN:QSKIML
  9. Kohler B.-U., Hennig C., Orglmeister R. The principles of software QRS detection // IEEE Engineering in Medicine and Biology Magazine. 2002. Vol. 21. Iss. 1. PP. 42‒57. doi: 10.1109/51.993193
  10. Zong W., Moody G.B., Jiang D. A robust open-source algorithm to detect onset and duration of QRS-complexes // Proceedings of the Conference on Computers in Cardiology (Thessaloniki, Greece, 21‒24 September 2003). IEEE, 2003. PP. 737‒740. doi: 10.1109/CIC.2003.1291261
  11. Жаринов О.О., Жаринов И.О. Применение корреляционно-экстремального метода для решения задач обнаружения и оценивания положений опорных точек QRS-комплексов в электрокардиограмме // Научно-технический вестник информационных технологий, механики и оптики. 2011. № 5(75). С. 85‒90. EDN:OCBFFH
  12. Боженко В.В., Черныш Н.Ю., Татарникова Т.М. Интеллектуальный анализ данных в диагностике анемии по клиническим показателям // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 4. С. 321‒329. doi: 10.17586/0021-3454-2024-67-4-321-329. EDN:AUAHNY
  13. Раскопина А.С., Боженко В.В., Татарникова Т.М. Использование глубокого обучения при диагностировании пневмонии по рентгеновским снимкам // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 4. С. 315‒320.doi: 10.17586/0021-3454-2024-67-4-321-329. EDN:UPSNQQ

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».