CC BY
6УДК 616.12-073.97-71
ИНФОРМАЦИОННАЯ СИСТЕМА АНАЛИЗА СОСТОЯНИЯ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ НА ОСНОВЕ ГИДРОДИНАМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
С. Г. Еловой, А. В. Гавриленко
Сургутский государственный университет, taras.gavrilenko@gmail.com
Статья посвящена разработке части информационной системы для проведения анализа состояния сердечно-сосудистой системы предполагается, что медико-биологические данные по своей природе являются хаотическими, поэтому в физике принято связывать хаотичность с температурой и внутренней энергией, в связи с чем для оценки хаотичности биологических сигналов применяется метод оценки температуры и энергии из гидро- и термодинамики.
Ключевые слова: медико-биологические данные, ритмограммы, гидродинамические показатели.
IT SYSTEM FOR CARDIOVASCULAR SYSTEM CONDITION ANALYSIS BASED ON
HYDRODYNAMIC INDICATORS
S. G. Elovoy, A. V. Gavrilenko
Surgut State University, taras.gavrilenko@gmail.com
The paper covers the development of an IT system component that analyzes cardiovascular system condition. We presume that biomedical values are stochastic by nature. Since randomness is associated with temperature and internal energy in physics, the fluid dynamics methods for temperature and energy evaluation is applied to evaluate the randomness of biologic signals.
Keywords: biomedical data; heart rate record; hydrodynamic indicators.
Современная медико-техническая диагностика основана на данных, полученных в результате всестороннего исследования пациента с помощью лабораторно-клинических анализов и медицинской аппаратуры. Полученные данные являются отображением характеристик показателей пациента, по которым определяют состояние его организма и определяют наличие болезни или её отсутствие, ставят диагноз [4].
Со сбором данных связано их представление. В силу стохастичности характеристик (параметров) сложных биомедицинских систем, объектов, процессов, физиологические показатели обладают значительной вариабельностью. Это приводит к созданию разнообразных диагностических методов и алгоритмов. Поэтому при анализе медицинской информации традиционно используются различные методы математической статистики: корреляционный, регрессионный, дисперсионный анализы, факторный анализ и др.
Основная проблема исследования и анализа медико-биологических данных заключается в следующем: сложность выявления закономерностей, зависимостей для постановки правильного состояния работы сердца человека. Существует способ быстрого определения показателей работы организма человека, анализ-ритмограмма [1, 2].
Обработка проводится для получения и нахождения зависимостей и выявления закономерностей для диагностирования состояния человека (нормогенез или патогенез). Все эти исследования и работы направленны на повышение качества и скорости диагностирования состояния человека, ну и, соответственно, помощи в принятии решения о необходимости оказания той или иной помощи.
Объектом автоматизации являются сбор, обработка и анализ медико-биологических параметров работы сердца человека, полученные в результате обследования групп людей: коренное население, студенты и сотрудники Сургутского государственного университета.
В данной работе рассматриваются медико-биологические параметры состояния работы сердечно-сосудистого ритма, полученные методами электрокардиографии и вариационной пульсогра-фии
Электрокардиография (ЭКГ) является не инвазивным тестом, проведение которого позволяет получать ценную информацию о состоянии сердца. Суть данного метода состоит в регистрации электрических потенциалов, возникающих во время работы сердца и в их графическом отображении на дисплее или бумаге (рис. 1).
в
ОТ интервал
Рис. 1. Электрокардиограмма
ЭКГ является ценным диагностическим инструментом. По ней можно оценить источник (так называемый водитель) ритма, регулярность сердечных сокращений, их частоту. Всё это имеет большое значение для диагностики различных аритмий. По продолжительности различных интервалов и зубцов ЭКГ можно судить об изменениях сердечной проводимости. Изменения конечной части желудочкового комплекса (интервал 8Т и зубец Т) позволяют врачу определить наличие или отсутствие ишемических изменений в сердце (нарушение кровоснабжения).
Информация о состоянии параметров вариабельности сердечного ритма была получена с использованием пульсоксиметра ЭЛОКС-01М. В устройстве ЭЛОКС-01М используется фотооптический датчик, с помощью которого регистрируется пульсовая волна с одного из пальцев испытуемого в положении сидя, в течение 5-минутного интервала изменения. В качестве основного параметра использовались значения межимпульсных интервалов сердечных сокращений [2].
Попытки модельного описания динамики поведения функциональных систем организма человека традиционно базировались на моделях периодических и квазипериодических процессов (дыхание, работа сердца, биопотенциалы мозга и т.д.). В рамках теории хаоса-самоорганизации предполагается другой подход для описания якобы произвольных или непроизвольных периодических или квазипериодических движений и любых других динамических процессов (в норме и при патологии) в организме человека [6, 7]. При этом показано, что часто нормой является хаотическая динамика поведения вектора состояния организма человека, а периодические или стационарные режимы динамики характерны для патологии [1].
Эксперимент данной работы основан на попытке рассмотреть медико-биологические данные (МБД) с точки зрения физики, узнать, что нам может показать термодинамика. МБД по своей природе являются хаотическими, в физике принято связывать хаотичность с температурой и внутренней энергией.
Данный вид расчёта взят за основу, в связи с тем что большинство исследователей говорят о том, что МБД по своей природе являются хаотическими [1]. Физике принято связывать хаотичность с температурой и внутренней энергией, так как для оценки хаотичности биологических сигналов применяется метод оценки температуры и энергии из гидро- и термодинамики [3, 9].
Предположим, что частицы имеют одинаковые положительные массы. Тогда плотность исследуемой области в двухмерном пространстве будет определяться:
1 п
р = т £ т•
г=1
где N - количество частиц в пространстве; п - количество частиц в исследуемой области; 5 - площадь исследуемой области; т - масса частицы в пространстве.
Гидродинамическую кинетическую энергию скорости частиц в исследуемой области по выбранному измерению двухмерного пространства можно определить следующим образом [3]:
1 п
р1=1
где р - плотность исследуемой области; п - количество частиц в исследуемой области; - скорость движения частицы в _|-ой компоненте.
Определив среднекинетическую энергию хаотического движения частицы с помощью (1), получаем формулу для определения внутренней энергии единицы массы газа исследуемой области (2), а также давление (3).
{2=пШ и2-п (И) ■ (1>
где п - количество частиц в исследуемой области; - скорость движения частицы по выбранной компоненте.
« = I2 • (2)
2р
где е - среднекинетическая энергия хаотического движения частицы; р - плотность исследуемой области.
, = $. (3)
где е - среднекинетическая энергия хаотического движения частиц. Классическое уравнение Клапейрона—Менделеева для определения состояния идеального газа
, = ЯрТ • (4)
где Я - газовая постоянная; р - плотность; Т - температура.
Сигналы, полученные с помощью пульсометра, принимаем как движение частиц, это даст позволит использовать возможности термодинамики, вследствие этого используем уравнение Клапейрона - Менделеева. Получая в результате энергию и температуру наших частиц, мы можем увидеть динамику их изменений: чем выше температура, тем сильнее интенсивность их движения и, соответственно, внутренняя энергия [3, 8].
Модель разработанной системы содержит две диаграммы: контекстная диаграмма нулевого уровня (обобщенная) и контекстная диаграмма декомпозиции первого уровня (детализированная). Контекстная диаграмма нулевого уровня представлена на рис. 2.
На контекстной диаграмме нулевого уровня «Ритмограммы» представлены 1-е входное воздействие и 2-е выходное. Механизмом является пользователи АИС и ЭВМ. Входными данными в системе будут являться данные межимпульсных интервалов.
На диаграмме декомпозиции первого уровня представлено 4 функциональных блока:
- модуль входных данных (массив данных, содержащий межимпульсные интервалы);
- модуль математической обработки данных с помощью уравнения Менделеева—Клайперона;
- модуль графической обработки данных (представление энергии, температуры на графиках);
- модуль выходных данных (сохранение результатов программы в файл *.хкх).
Рис. 2. Декомпозиция нулевого уровня
Рис. 3. Диаграмма декомпозиции первого уровня контура системы
В данном случае функциональная модель представлена с точки зрения программных функций системы и их связей.
Интерфейс ИС реализован целиком в рамках стандарта операционной системы Windows, с применением стандартных компонентов и механизмов разработки интерфейса Microsoft Visual Studio 2013. При разработке соблюдался принцип модульности, чтобы группы процедур и функции, предназначенные для решения конкретной прикладной задачи, были отделены от общесистемных процедур, вынесенных в отдельные модули. Таким образом, экранные формы реализуют только взаимодействие с пользователем и вызовы процедур обработки данных (рис. 4-6).
Заключение
Разработанная часть информационной системы анализа состояния сердечно-сосудистой системы позволяет проводить обработку медико-биологических данных с использованием предложенного математического аппарата. А также вести сравнительный статистический анализ полученных результатов для помощи в диагностировании выявления нормогенеза или патогенеза.
Рис. 4. Главная форма
в ¡з1 Ритмограмма Файл Загрузить Сохранить СЕЗсасж]
| Исходные данные Результаты Графики Анализ Сравнение
ФИО е Т Наименование Иванов
Иван Иванов 13892... 11133,...
Иван Иванов 10438... 8417.5... е среднее 147740.11
Иван Иванов 20813... 1668В.... е минимальное 104981.33 208133.33
Иван Иванов 13832... 11133,...
е максимальное
Т среднее 11846.03
Т минимальное 8417.57
Т максимальное 16688,46
Дисперсия Е 1877047175.00562
Отклонение Е 37520.4661652035
ДисперсияТ 12067655.7874684
Отклонение Т 3008.4500728118
| Подбор ] [ Анализ |
Рис. 5. Форма вкладки «Анализ»
"Ь1 Ритмограмма _ П
Файл Загрузить Сохранить
Исходные данные Результать Графики Анализ ;Сравне
Группа Испытуемый 3асхождения
Наименование 123 вася кедров
е среднее 225335.67 177232.52 22.72
е минимальное 104581.33 104581.33
е максимальное ^63220 463220
Тсреднее 18388.82 14210.81 22.72
Т минимальное 8417.57 8417.57
Т максимальное 37141.71 37141.71
Дисперсия Е 26138123646.57 12418681500.64 52.45
Отклонение Е 140012.83 105065.83 24.56
Дисперсия Т 168044217.58 75840761.2 52.45
Отклонение Т 11226.45 8424.34 24.56
Рис. 6. Форма вкладки «Сравнение»
ЛИТЕРАТУРА
1. Вохмина Ю. В. Стационарные режимы поведения сложных биосистем в рамках теории хаоса-самоорганизации // Вестник новых медицинских технологий. V. 21. I. 1. C. 141-144.
2. Вукалов Э. А. Основы статистического анализа. Практикум по теории вероятности, статистическим методам и исследованию с использованием пакетов «Statistica» и «Excel» : учеб. пособие. 2-е изд. исправ. и доп. М. : ФОРУМ, 2008. 464 с.
3. Гавриленко Т. В., Поскина Т. Ю., Сидоренко Д. А., Васильева А. Ю., Ярмухаметова В. Н. Влияние раздражения слухового анализатора на параметры сердечно-сосудистой системы с позиции теории хаоса-самоорганизации // Вестник новых медицинских технологий (электронный журнал). 2013. № 1.
4. Гавриленко Т. В. Прогнозирование долгожительства у российской народности ханты по хаотической динамике параметров сердечно-сосудистой системы // Экология человека. 2014. Вып. № 11.
5. Галкин В. А. Анализ математических моделей. М. : Бином : Лаборатория знаний, 2011. 408 с.
6. Еськов В. В., Вохмина Ю. В., Гавриленко Т. В., Зимин М. И. Модели хаоса в физике и теории хаоса-самоорганизации // Сложность. Разум. Постнеклассика. 2013. № 2. С. 42-57.
7. Еськов В. М., Буров И. В., Филатова О. Е., Хадарцев А. А. Основы биоинформационного анализа динамики макрохаотического поведения биосистем // Вестник новых медицинских технологий. 2012. № 1. С. 15-18.
8. Кобзарь А. Е. Прикладная и математическая статистика. Для инженеров и научных работников. М. : ФИЗМАТЛИТ, 2006. 816 с.
9. Реброва О. Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA - Медиа Сфера-2002.
