6ИССЛЕДОВАНИЯ ЗАВИСИМОСТИ РАЗБРОСА ОЦЕНОК СПЕКТРАЛЬНЫХ ИНДЕКСОВ КАРДИОИНТЕРВАЛОГРАММЫ ОТ ПРОДОЛЖИТЕЛЬНОСТИ ВРЕМЕННЫХ РЯДОВ
1 2 11 Ю.М. Ишбулатов , С.М. Вербицкий , А.С. Караваев , Б.П. Безручко
1 Саратовский филиал института радиотехники и электроники им. В.А. Котельникова РАН
2Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского E-mail: ishbulatov95@mail.ru
Аннотация: Спектральный анализ последовательности временных интервалов между R-пиками электрокардиограмм важен для медицинской терапии и фундаментальных исследований, однако, существующие регламенты ограничивают длину исследуемых временных рядом, что негативно сказывается на границах применимости методов. В работе на примере анализа сигналов математических моделей исследуется зависимости разброса оценок спектральных индексов в зависимости от продолжительности временных рядов.
Ключевые слова: сердечно-сосудистая система, спектральный анализ, медицинская диагностика, математическое моделирование
Расчет индексов активации системы автономного контроля сердечного ритма является распространенной практикой в медицинской диагностике и фундаментальных исследованиях [1-5]. Общепринятая процедура расчета данных индексов включает выделение последовательности временных интервалов между R-пиками электрокардиограмм (RR-интервалограммы) и последующий расчет спектральных индексов [6, 7]: VLF - спектральную плотность мощности в диапазоне частот 0.005-0.04 Гц, LF - спектральную плотность мощности в диапазоне частот 0.04-0.15 Гц; HF - спектральную плотность мощности в диапазоне частот 0.15-0.4 Гц;
В Российской Федерации расчет данных спектральных индексов стандартизирован [7]. Спектры оцениваются методом Уэлча, с использованием Хемминга, во временных окнах продолжительностью по 3 минуты и перекрытием в одну минуту. В уважаемых зарубежных работах также предлагается использовать короткие временные окна. Обоснованием данных строгих регламентов является нестационарность сердечнососудистой системы, а также необходимость принять как можно большее количество пациентов за ограниченный срок. Однако окно в 3 минуты содержит только 18 периодов наиболее выраженного ритма LF диапазона, который связывают с влиянием симпатического контроля на сердечный ритма. Из опыта радиофизики следует, что 18 характерных периодов, как правило, недостаточно для достоверной оценки спектральных характеристик. Для ритмов VLF диапазона ситуация еще сложнее.
Данные рассуждения подтверждаются также практикой биомедицинских исследований [8], в которых наблюдается значительный разброс LF и HF индексов. Таким образом, перспективным представляется
исследование, направленное на подбор минимально необходимой продолжительности временных реализаций для оценки данных спектральных индексов.
Проведение подобных исследований на примере экспериментальных данных сопряжено с принципиально непреодолимыми проблемами. Для получения достоверных результатов необходима большая статистика, но, как отмечалось ранее, сердечно-сосудистая система нестационарна, также значения спектральных индексов значительно флуктуируют для разных испытуемых. Таким образом, оценка разброса спектральных индексов по экспериментальным данным даст оценку, зависящую не только от точности метода, но и от вариабельности индексов среди испытуемых.
В настоящей работе разброс индексов исследуется на примере анализа сигналов математической модели RR-интервалограммы, которая представляет собой нормальный белый шум, которому был задан спектральный профиль реальной КИГ, усредненный по данным 50 здоровых испытуемых. Были получены зависимости коэффициенты вариации (отношение стандартного отклонения к среднему значению, выраженное в процентах) полеченных оценок VLF, LF и HF индексов в зависимости от длины временного окна. Окна перебирались в диапазоне 330 минут, перекрытие оставалось равным трети окна, результат усреднялся по 3 окнам. Для каждой длины временного окна стандартное отклонение рассчитывалось по 100 реализаций модели. Было показанно, что при использовании 3 минутных коэффициенты вариации для VLF, LF и HF диапазонов составляют 50%, 18 % и 14%, соответсвенно. При использовании 30 минутных окон коэффициент вариации составляет для VLF, LF и HF диапазонов составляют 17%, 4 % и 6%, соответсвенно.
Работа выполнена при поддержке Российского научного фонда, грант № 19-12-00201.
Библиографический список
1. Dimitriev D.A., Saperova E.V., Dimitriev, A.D. State anxiety and nonlinear dynamics of heart rate variability in students // PLoS ONE. 2016. V. 11. e0146131.
2. Goldstein D.S., Bentho O., Park M.Y., Sharabi Y. Low-frequency power of heart rate variability is not a measure of cardiac sympathetic tone but may be a measure of modulation of cardiac autonomic outflows by baroreflexes // Exp. Physiol. 2011. V. 96(12). P. 1255-1261.
3. Shvartz V.A., Karavaev A.S., Borovkova E.I., Mironov S.A., Ponomarenko V.I., Prokhorov M.D., Ishbulatov Y.M., Lapsheva E.E., Gridnev V.I., Kiselev A.R. Investigation of statistical characteristics of interaction between the low-frequency oscillations in heart rate variability and photoplethysmographic waveform variability in healthy subjects and myocardial infarction patients. // RusOMJ. 2016. V. 5. e0203.
4. Sommers V.K., Dyken M.E., Mark A.L., Abboud F.M. Sympathetic-nerve activity during sleep in normal subjects // N. Engl. J. Med. 1993. V. 328. P. 303-307.
5. Zemaityte D., Varoneckas G., Sokolov E. Heart rhythm control during sleep // Psychophysiology. 1984. V. 21. P. 279-289.
6. Heart rate variability. Standards of measurement, physiological interpretation, and clinical use. Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology // Circulation. 1996. V. 93. P. 1043-1065.
7. Баевский Р.М., Иванов Г.Г., Чирейкин Л. В., Гаврилушкин А. П., Довгалевский П.Я., Кукушкин Ю.А., Миронова Т.Ф., Прилуцкий Д.А., Семенов А.В., Федоров В.Ф., Флейшман А.Н., Медведев М.М. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем: методические рекомендации // Вестник аритмологии. 2001. No. 24. С. 65-87.
8. Kiselev A.R., Mironov S.A., Karavaev A.S., Kulminskiy D.D., Skazkina V.V., Borovkova E.I., Shvartz V.A., Ponomarenko V.I., Prokhorov M.D. A comprehensive assessment of cardiovascular autonomic control using photoplethysmograms recorded from the earlobe and fingers // Physiol. Meas. 2016. V. 37. No. 4. P.580-595.
КОМПЬЮТЕРНАЯ СИСТЕМА ОБУЧЕНИЯ ЭКЗОФТАЛЬМОМЕТРИИ
С.Ю. Алдашкин, И.В. Бакуткин, В.В. Бакуткин «ООО «Международная академия консалтинга, аудита и образования», г. Саратов
E-mail: bakutv@bk.ru
Аннотация: Экзофтальмометрия является распространенной методикой обследования при различных заболеваниях. Имеется необходимость в обучении данной методике с помощью компьютерных симуляционных программ. Разработан аппаратно-программный комплекс обучения экзофтальмометрии и специализированная компьютерная программа для контроля приобретенных знаний. Аппаратная часть обеспечивает создание различных клинических случаев, при которых необходимо применение экзофтальмометрии. Программная часть обеспечивает анализ процесса приобретения практических навыков, в том числе в дистанционном варианте.
Ключевые слова: комппьютерные методы, экзофтальмометрия, диагностика состояния органа зрения, обучение, контроль приобретаемых знаний, симуляционное обучение.
Актуальность проблемы. Экзофтальмометрия широко применяемый диагностический метод, позволяющий выявить выстояние глазного яблока по отношению к окружающим тканям [1]. Положение глазного яблока определяется прежде всего по отношению к наружным анатомическим ориентирам орбиты и глазной щели [2]. Возможно смещение глазного яблока в полость орбиты, которое называется энофтальмом, так и смещение кнаружи от орбитальных тканей, которое называется экзофтальмом [3]. Изменения положения глазного яблока возможно при многих заболеваниях. Чаще всего экзофтальм появляется при различных эндокринных заболеваниях [4]. Методика экзофтальмометрии требует специальной подготовки специалистов. В настоящее в системе медицинского обучения возможны только симуляционные методы время обучения [5]. Имеется большая потребность в создании современных методов симуляционного обучения с созданием специализированных компьютерных методов.
