CC BY
164
дыев, А. С. Прохоров, Ю. А. Пирогов // Журнал радиоэлектроники. 2012. № 1.
4. Ханов С. К. Магнитно-резонансная термометрия на основе измерений времени продольной релаксации и химического сдвига: Автореферат дис. канд. физ.-мат. наук. М.: МГУ им. М. В. Ломоносова. 2013. 26 с.
5. Богатов Н. М., Синицын С. А. Влияние температуры объекта на магнитно-резонансные томографические изображения // Современные проблемы физики, биофизики и инфокоммуникационных технологий. Краснодар: ЦНТИ, 2013. С. 91-105.
УДК 57.087
А. А. Таранов, аспирант,
И. Н. Спиридонов, д-р техн. наук, профессор, директор НИИЦ, заведующий кафедрой, Московский государственный технический университет им. Н. Э. Баумана
Бесконтактное измерение частоты артериального пульса
Ключевые слова: бесконтактное измерение, частота артериального пульса, фотоплетизмография, цифровая видеокамера, программно-алгоритмическое обеспечение.
Keywords: non-contact measurement, frequency of arterial pulse, photoplethysmography, digital camera, software, algoritmi-ical software.
Известно, что артериальный пульс является одним из наиболее часто измеряемых характеристик в медицинской практике. Сегодня существует много различных подходов к измерению артериального пульса (пальпация, УЗИ, пульсо-оксиметрия, реоплетизмография, сфигмография и т. д.). Но все эти традиционные методы требуют непосредственного контакта с телом больного и не всегда подходят для пациентов, в частности в случае длительного измерения в реальном времени (что часто требуется в медицинских исследований) или на обездвиженных больных. Но эта проблема может быть решена с помощью бесконтактной фотоплетизмографии, и такая методика измерений может быть реализована с использованием персонального компьютера с веб-камерой. Тем не менее до сих пор эта технология не вышла за пределы лаборатории. В данной статье представлен проект, посвященный развитию системы бесконтактных измерений артериального пульса, в режиме реального времени.
Утвердившиеся в качестве стандарта методы измерения частоты артериального пульса требуют непосредственного контакта измерительных приборов с телом пациента, что не удовлетворяет в полной мере требованиям долговременного мониторинга этого жизненноважного показателя. Особенно актуальной проблема контактных измерений оказывается
при неонатальном мониторинге, лечении ожоговых травм, наблюдениях за иммобилизованными пациентами, а также при некоторых видах лабораторных исследований.
Принципиальная возможность измерения частоты артериального пульса по видеоизображению лица была продемонстрирована в работах [1—4]. Изучив сообщения наших зарубежных коллег, мы предприняли попытку реализовать собственную систему бесконтактных измерений в режиме реального масштаба времени. В состав разработанного нами комплекса входят вычислительный блок (персональный компьютер на базе процессора x86—64 с совместимым набором инструкций), цифровая видеокамера (с разрешением 640 на 480 точек, цветовой формат изображений RAW RGB 24 бита, частота выборок 30 кадров в секунду) и программное обеспечение (для операционных систем MS Windows XP/7/8), с подлицензией GNU GPL.
Принцип работы комплекса основан на потоковой обработке цифрового видеоизображения лица человека, направленной на выявление динамики изменения спектрального состава света, отраженного от покровных тканей лица. Изменения спектрального состава могут быть вызваны или изменением условий освещения, или оптических свойств покровных тканей. Последнее происходит в основном из-за пульсового кровенаполнения сосудов — сокращения сердца генерируют пульсовые волны, которые в свою очередь обусловливают циклические колебания объема крови, прокачиваемой через
биотехносфера
I № 3(33)/20l4
44
Материалы Russian-German conference on Biomedical Engineering
Time, s
Рис. 1 \ Пример зарегистрированной цифровой фотоплетизмограммы
сосуды покровных тканей лица. Изменения кровенаполнения тканей сопровождаются изменениями их светоотражающих свойств, главным образом это связано с изменением абсолютного количества молекул гемоглобина, присутствующих в тканях в течение сердечного цикла. Гемоглобин обладает характерным спектром поглощения и прогнозируемо обусловливает изменение спектрального состава отражаемого от покровных тканей излучения. Не влаваясь в подробности процессов взаимодействия электромагнитного излучения с покровными тканями лица и полагаясь на результаты эмпирических
исследований, описанных в работах [2 и 5], можно утверждать, что артериальная пульсовая волна модулирует спектральный состав отраженного от покровных тканей излучения при освещении лица светом с известным и неизменным во времени спектральным составом. Таким образом, регистрация формы пульсовых волн становится возможной посредством регистрации и отслеживания последовательных изменений спектрального состава излучения, отражаемого покровными тканями.
Последняя задача может быть решена посредством проведения одновременного анализа сигналов
Диаграмма кросс-корреляции измерений
Диаграмма Блэнда-Алтмана
120
и н
Д 110
ti
^
и 100
S
н
ф
ft ф
й
и S
90
80
70
60
25
н 20
н
Л 15 ti
* 10
5 0 -5 -10
8 -15
Kl CS
fc -20
70 80 90 100 110
Контрольные измерения, уд./мин
120
-25
*
♦ _ tj *
• * * л-™.-;- v- S4ea«+2 S& &---
-___ -- -A-W.W« • M. Ш " v+v *
* -VH + * + ■ » » ............. Wean—2-Sfr
N = 17R tamnlpt • •
Mean = 1,5 bpm
SD = 2,3 bpm
KM SE = 2,Vb pm
60 66 72 78 84 90 96 102 108 114 120 Полусумма измерений, уд./мин
Рис. 2 | Результаты проверки точности измерений частоты артериального пульса
№ 3(33)/2014 I
биотехносфера
от совокупности полупроводниковых фотосенсоров, чувствительных к разным диапазонам длин волн. Достаточным функционалом для подобного рода наблюдений обладают большинство современных цифровых видеокамер со спектрально-избирательным Байеровским фильтром. Например, в рамках своего исследования мы использовали веб-камеру потребительского уровня Logitech C270 (среднерыночная цена меньше 1000 руб.), тем не менее разработанный программный интерфейс не накладывает ограничений на использование других моделей цифровых видеокамер.
Подробное описание алгоритма работы комплекса требует большего объема сообщения, поэтому здесь мы вынуждены ограничиться описанием полученных результатов. На рис. 1 приведен пример зарегистрированного комплексом сигнала цифровой фото-плетизмограммы (изменений интенсивности света, отражаемого покровными тканями лица, отсчеты нормированы на величину выборочного среднеква-дратического отклонения). На рис. 2 приведены диаграмма кросс-корреляции и диаграмма Блэнда— Алтмана для выборки из 976 парных измерений частоты артериального пульса разработанным комплексом (тестовые измерения) и пульсоксиметром choicemmed md 300 c 318 (контрольные измерения).
Исходные коды программно-алгоритмического обеспечения, разработанного в рамках описанной работы, размещены по адресу http://sourceforge. net/projects/pulsecapture/ в режиме свободного доступа. Выражаем благодарность авторам работ [1—5], а также разработчикам свободных программных библиотек Open CV, Qt, FFTW, ALGLIB.
Литература
1. Ming-Zher Poh, Daniel J. McDuff, Rosalind W. Picard «Non-contact, automated cardiac pulse measurements using video imaging and blind source separation» // OPTICS EXPRESS. 2010. Vol. 18. N. 10. Р. 10763-10774.
2. Takano C., Ohta Y. Heart rate measurement based on a time-lapse image // Med. Eng. Phys. 2007. 29(8). P. 853-857.
3. Hao-Yu Wu, Rubinstein M., Shih E. et. al. Eulerian video magnification for revealing subtle changes in the world //ACM Transactions on Graphics (TOG) - SIGGRAPH 2012 Conference Proceedings 31 (4).
4. SahindrakarP., Haan G., Kirenko I. Improving motion robustness of contact-less Monitoring of Heart Rate using video analysis // Department of Mathematics and Computer Science of Technische Universiteit Eindhoven [in internet]: http://alexandria. tue.nl/extra1/ afstversl/wsk-i/sahindrakar2011.pdf, (2011).
5. Verkruysse W., Svaasand L. O., Nelson J. S. Remote ple-thysmographic imaging using ambient light // Opt. Express. 2008. 16(26). Р. 21434-21445.
УДК 519.+578.27+616.9
В. В. Котин, канд. физ.-мат. наук, доцент кафедры,
Московский государственный технический университет им. Н. Э. Баумана
Прогнозирование заболеваемости: динамические модели и временные ряды
Ключевые слова: нечеткие временные ряды, параметрическая идентификация, прогноз временных рядов, нейронечеткая сеть, инфекционные заболевания.
Keywords: indistinct temporary ranks, parametrical identification, forecast of temporary ranks, neuro and indistinct network, infectious disease.
Представлена методика прогнозирования течения инфекционных заболеваний пациентов на основе анализа данных, предоставленных кафедрой эпидемиологии и доказательной медицины Первого МГМУ им. И. М. Сеченова. Были апробированы следующие подходы: параметрическая идентификация SIR-модели, анализ временных рядов с использованием показателя Херста, адаптивные методы прогноза временных рядов с использованием методов Брауна и Хольта—Уинтерса, прогнозирование временных рядов заболеваемости с использованием искусственных нейронных сетей и тестирование нейронечеткой гибридной сети.
Проблемы популяционной динамики инфекционных заболеваний человека [1], традиционно актуальные и всегда занимавшие важное место в науках о жизни, в настоящее время приобретают качественно новые характеристики. Методология и аппарат количественного описания эпидемических процессов могут быть сведены к следующим направлениям: 1) динамические модели — синтез, анализ, параметрическая идентификация и верификация математических моделей, формализованных в виде систем дифференциальных уравнений [1]; 2) модели данных — статистические методы, регрессии, анализ временных рядов (ВР) [2-4]; 3) имитационные мо-
биотехносфера
| № 3(33)72014
