CC BY
43
УДК 621.391:616-7:616.12-07 А. В. Козюра, ассистент,
К. В. Подмастерьев, д-р техн. наук, профессор, зав. кафедрой,
ФГБОУ ВПО «Государственный университет — учебно-научно-производственный комплекс»
Контроль качества электрокардиографических записей с использованием эмпирической модовой декомпозиции
Ключевые слова: контроль качества, электрокардиографическая запись, эмпирическая модовая декомпозиция. Keywords: quality assessment, electrocardiographic record, empirical mode decomposition.
Предложен метод оценки качества электрокардиографических записей, основанный на эмпирической модовой декомпозиции и машинном обучении. Предложенные авторами метрики качества и используемый классификатор на основе композиции решающих деревьев позволяют классифицировать электрокардиографические записи по четырехбалльной шкале качества с точностью 85,7 %.
Актуальность контроля качества электрокардиографических записей
Проблема контроля качества электрокардиографических записей является весьма актуальной, что обусловлено большим количеством причин возникновения различного рода артефактов, сложностью их идентификации и недопустимостью обработки записей с артефактами, приводящими к возникновению врачебных ошибок.
Сложность морфологического анализа и индивидуальная вариабельность сигналов электрокардиограммы порой не позволяют даже опытным врачам однозначно отделить информативные составляющие от шумовых и достоверно отличить артефакты от паталогических изменений. Объем ежедневно регистрируемых электрокардиографических данных постоянно увеличивается, существует ряд специальных методов диагностики. В результате врачи и медицинские сестры в своей практике активно пользуются системами поддержки принятия решения и автоматической интерпретации электрокардиограмм, которые чувствительны к наличию шума и формируют ложные заключения на основе анализа данных неудовлетворительного качества. В частности, это касается анализа данных суточного и прикроватного
электрокардиографического мониторинга, когда специалист не имеет возможности постоянно визуально контролировать качество регистрируемых сигналов.
Кроме того, квалификация специалистов, проводящих электрокардиографические исследования, может быть недостаточной, а значит, возможна регистрация сигналов с ошибками. Данная проблема становится особенно актуальной в связи со все большим распространением электрокардиографических телеметрических систем, когда регистрация записи осуществляется самим пациентом или врачом общей практики, не всегда имеющим достаточный опыт в области интерпретации электрокардиограмм.
В связи с указанными факторами количество ошибок при интерпретации артефактов как заболеваний, а также процент записей с неудовлетворительным качеством, содержащихся в архивах лечебно-профилактических учреждений и использующихся в лечебном процессе, остается на постоянном относительно высоком уровне. Присутствие артефактов в сигнале может привести к диагностической ошибке, составлению неверного плана лечения и необоснованным терапевтическим процедурам, таким как назначение лекарственных препаратов или имплантация электрокардиостимулятора. Показано, что ложная интерпретация артефакта как заболевания — достаточно частое явление в практике специалистов различной квалификации [1]. Так, ошибку в интерпретации артефакта как желудочковой тахикардии допустили 186 врачей функциональной диагностики (всего — 490,38 %), 128 врачей-кардиологов (всего — 221,58 %) и 52 интернов (всего — 55,94 %).
Говоря о причинах артефактов, отметим, что данная проблема может возникнуть при движении пациента (например, при наличии тремора различного происхождения) и при непостоянном контакте электрода с его кожей [2], под действием влияния различ-
ного оборудования, например электрохирургических или терапевтических приборов, использующихся в лечебно-профилактических учреждениях, в том числе совместно с электрокардиоаппаратурой [3].
Неправильное использование фильтров, встроенных в прибор для регистрации электрокардиограммы, также может привести к проблемам в интерпретации записи. Например, среди 256 проанализированных записей только 25 % удовлетворяли требованиям рекомендаций по стандартизации и интерпретации электрокардиограммы Американской ассоциации сердца [4, 5], которыми руководствуются врачи и в Российской Федерации. В остальных записях были определены ошибки, связанные со снижением динамического диапазона до 40 Гц вместо 100 Гц (96 % несоответствующих записей). Для 62 % записей установлено некорректное применение низкочастотного фильтра. Все это приводит к изменениям информативной составляющей сигнала, например к элевации сегмента ST, затрудняет корректный анализ морфологии и постановку верного диагноза.
От качества электрокардиографической записи зависит эффективность не только работы специалиста, но и программного обеспечения автоматической интерпретации и поддержки принятия решения. Так, неверная интерпретация артефактов сигнала встроенным программным обеспечением прикроватных электрокардиографических мониторов становится причиной до 43 % ложных тревог [6].
Отечественными исследователями был проведен анализ врачебных ошибок по данным суточного мониторинга [7], по результатам которого выявлено, что в 66 из 528 записей (15,4 %) отмечено невыявление аритмий из-за отсутствия оценки участков записи, которые были ошибочно отнесены средствами автоматической интерпретации в класс артефактов, а в 7 случаях (1,5 %) — неверный программный подсчет частоты сердечных сокращений из-за наличия артефактов. Таким образом, методические ошибки в проанализированных врачебных заключениях зачастую связаны с особенностями работы алгоритмов автоматической интерпретации сигнала.
Кроме того, следует отметить, что цифровые сигнальные процессоры, алгоритмы и схемы предварительной обработки сигнала перед проведением автоматической интерпретации могут удалить из сигнала не только шумовые, но и информативные составляющие, это отразится на эффективности морфологического анализа [8].
Из сказанного выше становится очевидным тот факт, что для снижения количества ошибок специалист, проводящий регистрацию и/или интерпретацию электрокардиограммы, должен принимать решение о целесообразности продолжения или необходимости повторения исследования, учитывая объективные количественные оценки качества электрокардиографической записи и информацию о правильности расположения электродов отведений. Также и в алгоритмах автоматической интерпрета-
ции и анализа в рамках процедур предварительной обработки сигналов обязательно следует проводить контроль качества и оценку возможности дальнейшей интерпретации записи.
Качество электрокардиографической записи
Впервые наиболее полно вопрос качества электрокардиографических записей был систематизирован и исследован в рамках программы «Оптимальная электрокардиография» [9] (фактически данные работы явились основой для формирования общепринятых руководств по стандартизации и интерпретации электрокардиограмм [5]). Здесь исследователи системно рассматривают качество электрокардиографических записей и вводят термин «качество записи» (tracing quality), под которым понимают корректность идентификационных данных и клинической информации (в том числе врачебных заключений), связанных с данной электрокардиограммой, и «техническое качество записи» (technical tracing quality), под которым понимают корректность установки электродов отведений, стабильность базовой линии, наличие артефактов мышечного тремора и наводки от частоты электропитания, правильность работы системы печати, статические и динамические погрешности прибора. Для контроля технического качества записи предлагается использовать пять критериев, которые позволяют оценить запись с позиции наличия артефактов и ошибок по каждому параметру по пятибалльной шкале. Если средняя оценка по данным критериям больше или равна трем, то запись может быть интерпретирована без затруднений. Однако в современных рекомендациях по стандартизации и интерпретации электрокардиограмм данные критерии не используются.
По результатам проведенного обзора литературных источников можно сказать, что зарубежные авторы достаточно широко используют термин «техническое качество записи» в своих исследованиях [10]. Отечественные авторы используют такие термины, как «отношение сигнал/шум» [11], «сигнально-помеховая обстановка» или «помеховая обстановка» [12]. Применение для оценки качества записи общепринятой меры — отношения «сигнал/ шум» является затрудненным. Однозначно разделить шумовые и информативные составляющие электрокардиографического сигнала не представляется возможным из-за того, что одновременно в сигнале способны проявляться различные виды шумов и артефактов, которые могут быть как кратковременными, так и непредсказуемо продолжительными. Стандартные меры мощности шума предполагают стационарность динамики и частотного распределения шума [13].
Важно также отметить, что авторы не нашли нормативной документации (рекомендаций или
стандартов), в которых были бы установлены критерии качества электрокардиографической записи. С учетом вышеизложенного анализа в данной работе принято использовать термины «качество записи» и «техническое качество записи» в соответствии с определениями, приведенными в [9].
Контроль качества электрокардиографических записей
Система контроля качества электрокардиографических записей
В соответствии с принятым определением техническое качество электрокардиографической записи напрямую зависит от наличия ошибок в процедуре регистрации, артефактов сигнала и дефектов прибора, которые также выражаются в виде артефактов. Таким образом, для решения задачи контроля качества записей необходимо сформировать оценки, характеризующие наличие артефактов в сигналах записи, — метрики качества, оценить корректность расположения электродов отведений, параметры ритма сердца и характеристические точки желудочковых комплексов. С точки зрения методов машинного обучения проблема определения качества электрокардиографической записи является типичной задачей классификации.
Авторами предложена классификация методов распознавания артефактов электрокардиографического сигнала, а также классификация существующих методов контроля качества электрокардиографических записей [14]. Там же приведена обобщенная структура системы контроля качества электрокардиографических записей. В ходе дальнейших исследований структура данной системы была переработана (рис. 1). Наиболее значимым отличием является введение блока декомпозиции сигналов записи.
Предложенная система работает следующим образом. Входным множеством является электрокардиографическая запись, содержащая сигналы 12 стандартных отведений. Данные сигналы поступают в блок декомпозиции сигналов, который предназначен для расчета эмпирической модовой декомпозиции сигналов отведений. Его использование позволяет существенно упростить расчет параметров ритма сердца и, как следствие, определить некорректное расположение электродов. Также появляется возможность расчета метрик качества, более точно характеризующих наличие артефактов в сигнале, в том числе и локальных.
Выходные эмпирические моды поступают на входы блоков расчета метрик качества. В общем случае метод допускает неограниченное количество вычисляемых метрик, так как увеличение рассчитываемых параметров обеспечивает учет большего
Рис. 1 \ Структура системы контроля качества электрокардиографических записей
количества факторов, влияющих на электрокардиографический сигнал. Однако общее количество вычисляемых метрик должно быть ограничено с учетом вычислительных возможностей оборудования, на котором предполагается реализация разрабатываемого метода.
Далее вычисленные значения метрик качества поступают в блоки нормализации и взвешивания. Блоки нормализации необходимы для приведения значений разнородных метрик к одному диапазону выходных значений, что упрощает реализацию классификатора. Блоки взвешивания нужны для присвоения каждой метрике индивидуального веса в зависимости от контекста проводимых электрокардиографических исследований. Количество блоков нормализации и взвешивания соответствует общему количеству вычисляемых метрик.
Оценка качества электрокардиографической записи должна быть зависима от параметров ритма сердца [10], в частности, в случае обнаружения аритмии к качеству записи необходимо предъявить более строгие требования. В связи с этим предложено ввести в систему блок определения параметров ритма сердца, который использует данные эмпирической модовой декомпозиции для расчета положений QRS-комплексов.
Для реализации наиболее полного контроля качества необходим блок определения некорректного положения электродов отведений, который использует данные эмпирической модовой декомпозиции, параметры ритма сердца и исходные данные сигналов отведений для принятия решения.
Блок классификации построен на основе методов машинного обучения и для классификации принимает входной вектор значений, состоящий из значений рассчитанных метрик качества, информации о ритме сердца, наличии аритмии и корректности положения электродов. Результатом работы данного блока является принятие решения о классе качества исследуемого сигнала в соответствии с принятой шкалой порядков качества и перечень методических ошибок в ходе исследования.
Эмпирическая модовая декомпозиция в задачах обработки электрокардиографического сигнала
Для решения задачи оценки качества электрокардиографических записей предлагается использовать метод эмпирической модовой декомпозиции (ЭМД), который был предложен в 1998 году [15] как метод разложения сигнала на центрированные амплитудно-частотно модулированные составляющие путем итеративного отсеивания. Локальный спектр исходного сигнала находится путем применения преобразования Гильберта к рассчитанным составляющим. Обе процедуры — ЭМД и преобразование Гильберта — составляют метод обработки сигнала, который называется преобразованием Гильберта—
Хуанга. Данное преобразование получило распространение во многих практических приложениях для анализа нестационарных и нелинейных временных рядов, когда преобразование Фурье и вейв-лет-преобразование не могут решить стоящие перед исследователями задачи.
Говоря о сущности данного метода, следует отметить, что амплитудно-частотно модулированные составляющие называются эмпирическими модами, или внутренними модовыми функциями (intrinsic mode function). Эмпирическая мода должна удовлетворять следующим критериям: количества локальных экстремумов и пересечений нуля во всей выборке обязательно равны или отличаются максимум на единицу; в каждой точке среднее значение суммы огибающих, определенных локальными максимумами и локальными минимумами, должно быть равно нулю.
Для расчета эмпирических мод исходного сигнала x(t) используется процедура ЭМД, которая реализует следующий алгоритм:
1) определить все локальные экстремумы x(t);
2) рассчитать нижнюю огибающую x^(t) путем интерполяции точек локальных минимумов и верхнюю огибающую x^(t) путем интерполяции локальных максимумов;
3) рассчитать среднее значение огибающей e(t) =
Хц (t) + XL (t)
= 2 ;
4) рассчитать разностный сигнал d(t) = x(t) — e(t);
5) если разностный сигнал d(t) удовлетворяет критериям эмпирической моды, то d(t) — первая эмпирическая мода C1(t), если нет, то следует возвратится к первому действию и в качестве исходного сигнала использовать разностный сигнал d(t); итерации продолжать до тех пор, пока d(t) не будет удовлетворять критериям эмпирической моды или не выполнится критерий останова;
6) рассчитать остаточный сигнал r(t) = x(t) — c£(t);
7) повторить предыдущие шаги 1—6 для расчета остальных эмпирических мод; итеративный процесс следует продолжать до тех пор, пока остаточный сигнал r(t) не будет являться монотонной функцией.
Таким образом, в результате декомпозиции из исходного сигнала извлекается конечное число эмпирических мод n(c1(t) ... cn(t)) и остаточный сигнал r(t), который представляет собой либо постоянную величину, либо медленно меняющийся тренд [8]. Исходный сигнал может быть представлен следующим образом:
x(t) = £ ci (t) + r(t),
Ь=1
где е(;) — ь-я эмпирическая мода.
Интерполяция на шаге (2) может быть произведена с помощью различных методов: кубическая сплайн интерполяция, полиномиальное сглаживание, сглаживание Гауссовым ядром и др. Исполь-
3500
3000
2500
g 2000
1500
1000
500
4 6 8 10 12
Количество эмпирических мод
14
Рис. 2
Гистограмма распределения количества эмпирических мод при декомпозиции электрокардиографи-
ческих сигналов
зование данного метода хорошо показало себя в задачах анализа электрокардиографических записей, поскольку сигнал электрокардиограммы по своей природе является нестационарным и нелинейным. Известны, например, применения данного метода в задачах: определения положения желудочковых комплексов и его характеристических точек [16] анализа вариабельности сердечного ритма [17] адаптивной фильтрации и устранения шумов [8, 12] определения наличия аритмии [18]. Использование ЭМД для решения задачи оценки качества электрокардиографических записей пока в литературе не выявлено.
В данной работе для расчета эмпирической мо-довой декомпозиции был использован пакет ЭМД системы статистических вычислений R. При расчете использовались следующие параметры: максимальное количество эмпирических мод — 15, граничные условия — wave, метод сглаживания — кубическая сплайн интерполяция.
Для выбора максимального количества эмпирических мод проведен предварительный расчет для выборки из 500 записей (6000 сигналов) и получено распределение количества эмпирических мод для электрокардиографических сигналов (рис. 2).
Метрики качества
электрокардиографических записей
Для решения задачи оценки качества предлагается использовать эмпирическую модовую декомпозицию, так как данный метод позволяет решить ряд проблем:
• определить положения QRS-комплексов и наличие аритмии;
• провести разложение сигналов отведений на частотные компоненты для последующей оценки их параметров в качестве метрик качества;
• использовать рассчитанные параметры желудочковых комплексов для определения инверсии электродов отведений.
В соответствии с предложенной структурой для контроля качества электрокардиографических записей и принципами ее работы на основе предварительного разведочного анализа были предложены следующие метрики качества электрокардиографических записей:
• количество сигналов грудных и стандартных отведений с одной эмпирической модой (метрика показывает количество отсутствующих сигналов с грудных отведений или содержащих артефакт, связанный с отключением электрода или насыщением входных цепей усилителя);
• абсолютное значение третьего статистического момента (коэффициента асимметрии), распределения амплитуд суммы первых пяти эмпирических мод и значение четвертого статистического момента (коэффициента эксцесса), распределения амплитуд суммы эмпирических мод за исключением последних двух составляющих и остаточного сигнала (метрики характеризуют высокочастотные составляющие в сигнале и являются индикаторами наличия электромиографических и кратковременных артефактов с высокой скоростью нарастания амплитуды);
• дисперсия распределения амплитуд суммы первых пяти эмпирических мод;
• количество пересечений нуля суммы первых пяти эмпирических мод по отношению к длине выборки;
• дисперсия распределения амплитуд суммы остаточного сигнала и последней эмпирической моды (метрика характеризует низкочастотные составляющие в сигнале и является индикатором наличия помех, связанных с движением пациента или дыханием);
• наличие аритмии и частота сердечных сокращений (метрика является параметром, повышающим требования к качеству записи, так как для постановки корректного диагноза в данном случае необходим сигнал с меньшим количеством артефактов и шумов);
• процент QRS-комплексов, успешно определенных на каждом отведении, по отношению к количеству QRS-комплексов на всех отведениях (метрика показала свою высокую эффективность [19]).
Таким образом, формируется вектор из 74 параметров (6 параметров для каждого из сигналов 12 отведений и 2 параметра записи) для оценки качества записи. В случае обнаружения инверсии электродов отведений анализируемой записи присваивается класс качества «неудовлетворительно», так как корректная интерпретация записи невозможна.
Для вычисления положения желудочковых комплексов предлагается использовать алгоритм, основанный на определении положений максимумов суммы первых трех эмпирических мод [20]. Инверсия электродов отведений определяется по параметрам полярности QRS-комплексов в соответствии с эмпирическими правилами, приведенными в [21].
0
2
Экспериментальная база данных и шкала порядков качества электрокардиографических записей
В качестве базы экспериментальных данных с электрокардиографическими сигналами используются множества записей Physionet Challenge 2011 Set-A и Set-B, подготовленные специалистами Мас-сачусетского технологического университета в рамках конкурса Physionet Challenge 2011 [22]. Данный конкурс был посвящен разработке алгоритмов оценки качества электрокардиографических записей в условиях телемедицинского мониторинга с помощью мобильных телефонов. Участникам предлагалось разработать алгоритмы бинарной (годен/ негоден) классификации качества электрокардиографических записей.
Множества Set-A и Set-B содержат 1000 и 500 записей 12 стандартных электрокардиографических отведений соответственно и открыты для использования в исследованиях. Длительность записей составляет 10 с, частота дискретизации — 500 Гц, разрядность аналого-цифрового преобразователя — 16 бит. Для записей из множества Set-A предоставлена бинарная классификация «годен/негоден», в то время как записи из Set-B использовались для тестирования конкурсных алгоритмов и, соответственно, не имеют аннотации.
Для аннотации множества Set-B была проведена экспертная оценка с привлечением четырех практикующих кардиологов, имеющих высокую квалификацию в предметной области. Экспертам предложили оценить качество записей в контексте решения задачи диагностического морфологического анализа, исходя из ответов на следующие вопросы:
• Есть ли возможность достоверно интерпретировать данную запись?
• Есть ли необходимость в повторной регистрации?
Оценки выставлялись по четырехбалльной шкале порядков качества записей, которая была разработана в ходе работы с экспертами на базе анализа литературных источников [19]. Описание шкалы порядков качества приведено в таблице. Для обеспечения удобства экспертной оценки разработано специализированное для просмотра и аннотации записей программное обеспечение на платформе Micro-
soft .Net Framework 4.0 с использованием технологий WPF и MVVM Light.
Обобщение результатов экспертных оценок произведено путем расчета медианной оценки. Распределение записей по классам качества представлено на рис. 3, а. Анализ неудовлетворительных записей
а)
300
п 250 о
ч
н 200
б)
в)
s
150
s s о M
100
50
300
n 250
о
s
н 200
Fh
S
"150
s s 0 M
100
50
300
250
200
о
и &
о ф
№ S S 0 M
150
100
50
Рис. 3
Неуд. Удовл. Хор.
Класс качества
Отл.
Неуд.
Удовл.
Хор.
Отл.
Класс качества
Неуд.
Удовл.
Хор.
Отл.
Класс качества
Распределение записей по классам качества: а — записи множества Set-B; б — записи множества Set-B с исключенными грубыми ошибками; в — итоговое множество записей
0
0
0
Таблица 1 Описание шкалы порядка качества электрокардиографических записей
Класс качества Описание
Отлично Отличное качество без видимых шумов или артефактов. Данную запись может быть сложно интерпретировать по морфологическим причинам, но не по техническим
Хорошо Хорошее качество записи с кратковременным артефактом или шумом низкой амплитуды, которые не мешают интерпретации. Все отведения зарегистрированы
Удовлетворительно Запись плохого качества, которая может быть с трудом интерпретирована, или хорошая запись, но с отсутствующими сигналами одного или более отведений
Неудовлетворительно Запись неприемлемого качества, которая не может быть уверенно интерпретирована из-за значительных технических проблем. Отсутствуют сигналы отведений
биотехносфера 1 № 5(29)/2013
а) 100 80
60 40 20
0
в) 100 80 60 40 20
0
д) 100 80 60 40 20
Неуд.
Удовл.
Хор.
Отл.
Неуд.
Удовл.
Хор.
Отл.
Неуд.
Удовл.
Хор.
Отл.
б) 100 80 60 40 20 0
г) 100 80 60 40 20 0
е) 100 80 60 40 20
Неуд.
Удовл.
Хор.
Отл.
Неуд.
Удовл.
Хор.
Отл.
Неуд.
Удовл.
Хор.
Отл.
Рис. 4
Диаграммы матриц неточности для анализируемых методов машинного обучения: а — линейный дискриминантный анализ; б — метод опорных векторов; в — нейронная сеть (алгоритм AutoMLP); г — метод к-ближайших соседей; д — наивный Байесовский классификатор; е — композиция деревьев принятия решений;
| | — «отлично»; ^ — «хорошо»; Ц — «удовлетворительно»; Ц — «неудовлетворительно»
показал, что среди них большое количество записей, в которых отсутствуют сигналы стандартных отведений (имеет смысл исключить их для последующего расчета метрик качества). Распределение записей по классам качества с исключенными записями, не имеющими сигналов стандартных отведений, представлено на рис. 3, б.
Анализ данного распределения показывает, что доля неудовлетворительных записей составляет 11,7 %, что согласуется с данными, приведенными во введении. Очевидно, что получившееся множество не является сбалансированным по классам качества, а значит, возможны проблемы в выборе классификатора. Для ее решения предложено добавить неудовлетворительные записи из множества Бе^А, из которых предварительно исключаются записи, не содержащие сигналы стандартных отве-
дений. Распределение результирующего множества представлено на рис. 3, в. Результирующее множество содержит 587 записей.
Классификатор качества электрокардиографического сигнала
Для определения оптимальной реализации классификатора качества проведен анализ работы возможных методов машинного обучения. С учетом того, что известны экспертные оценки для записей в экспериментальном множестве, выбрана группа методов обучения с учителем. С целью исключить переобучение для всех методов проведена перекрестная проверка методом к-!!оЫ с количеством итераций, равным 5. К методам машинного обучения предъявляются следующие требования:
0
0
• возможность классификации на несколько классов;
• использование численных и именованных параметров;
• работа с отсутствующими параметрами в множестве.
Для анализа эффективности и выбора наиболее оптимального классификатора выбраны следующие методы построения классификаторов:
• нейронная сеть (алгоритм Аи'ЪоМЪР);
• метод опорных векторов;
• линейный дискриминантный анализ; наивный Байесовский классификатор;
• метод ^-ближайших соседей;
• композиция деревьев принятия решений.
Обучение алгоритмов классификации, проверка
их работы и анализ результатов проведены с использованием системы машинного обучения с открытым исходным кодом RapidMiner 5.3. По результатам анализа получены матрицы неточностей, для которых были построены соответствующие диаграммы (рис. 4). Они показывают в процентном соотношении ошибки в классификации записей по различным классам качества для анализируемых методов машинного обучения. В каждом столбике диаграммы для отдельного класса качества своим цветом показана вероятность его отнесения в соответствующий данному цвету класс. Таким образом, в идеальном случае столбики должны быть полностью окрашены в цвет своего класса. Общая точность классификации (количество верно классифицированных записей по отношению к общему количеству записей в тестовой выборке):
• нейронная сеть (алгоритм АиЪоМЪР) — 58,99 %;
• метод опорных векторов — 60,11 %;
• линейный дискриминантный анализ — 59,55 %;
• наивный Байесовский классификатор — 58,44 %;
• метод ^-ближайших соседей — 60,67;
• композиция деревьев принятия решений — 85,7 %.
При этом точность классификации крайнего метода по различным классам качества следующая: «неудовлетворительно» — 97,5 %; «удовлетворительно» — 66,6 %; «хорошо» — 62,5 %; «отлично» — 93,0 %.
Таким образом, для решения задачи классификации качества с предложенными метриками целесообразно использовать метод композиции деревьев принятия решений. Кроме того, следует отметить, что расширение набора метрик и оптимизация параметров классификатора может повысить точность классификации.
Заключение
Существует проблема контроля качества электрокардиографических записей, связанная со сложностью анализа и идентификации артефактов, не-
возможностью осуществления постоянного контроля за качеством врачом, а также квалификацией специалистов. Данная проблема непосредственно влияет на количество врачебных ошибок в лечебной практике, что подтверждается многочисленными отечественными и зарубежными исследованиями.
Для решения обозначенной проблемы предложена система контроля качества электрокардиографических записей, основанная на методах эмпирической модовой декомпозиции и машинного обучения. Разработана шкала порядков качества, проведена экспертная аннотация 500 электрокардиографических записей, сформирована база данных для обучения и тестирования разрабатываемой системы. Предложены метрики качества, основанные на расчете параметров эмпирической модовой декомпозиции сигналов отведений, которые в сочетании с выбранным на основе анализа наиболее приемлемым классификатором позволяют получить точность классификации электрокардиографических записей до 85,7 % по принятой шкале порядков качества, при этом погрешность отнесения неудовлетворительной записи в класс пригодных для анализа не превышает 2,5 %.
Литература
1. Knight B. P., Pelosi F., Midland G. et al. Physician interpretation of electrocardiographic artifact that mimics ventricular tachycardia // Am. J. Med. 2001. Vol. 110, N 5. P. 335-338.
2. Srikureja W., Darbar D., Reeder G. S. Tremor-Induced ECG Artifact Mimicking Ventricular Tachycardia // Circulation. 2000. Т. 102. N 11. P. 1337-1338.
3. Patel S. I., Souter M. J. Equipment-related electrocardio-graphic artifacts: causes, characteristics, consequences, and correction // Anesthesiology. 2008. Т. 108. N 1. P. 138-148.
4. Kligfield P., Okin P. M. Prevalence and clinical implications of improper filter settings in routine electrocardiography // Am. J. Cardiol. 2007. Т. 99. N 5. P. 711-713.
5. Kligfield P., Gettes L., Bailey J. et al. Recommendations for the standardization and interpretation of the electrocardiogram. Part I: The electrocardiogram and its technology: a scientific statement from the American Heart Association Electrocardiography and Arrhythmias Committee, Council on Clinical Cardiology; the American College of Cardiology Foundation; and the Heart Rhythm Society endorsed by the International Society for Computerized Electrocardiology // Circulation. 2007. Т. 115. N 10. P. 1306-1324.
6. Aboukhalil A., Nielsen L., Saeed M. et al. Reducing false alarm rates for critical arrhythmias using the arterial blood pressure waveform // J. Biomed. Inform. 2008. Т. 41. N 3. P. 442-451.
7. Шубик Ю. В., Апарина И. В., Медведев М. М. и др. Качество врачебных заключений по данным суточного монитори-рования ЭКГ // Вестник аритмологии. 2007. № 49. С. 5-10.
8. Кривоногов Л. Ю., Егоров М. С. Подавление высокочастотных помех в электрокардиосигналах на основе усеченной эмпирической модовой декомпозиции // Материалы IV Межрегиональной научной конференции «Актуальные проблемы медицинской науки и образования»: Электронное науч. издание. ФГУП НТЦ «Информрегистр», Депозитарий электронных изданий, 2013. С. 485-491.
Метрология в биомедицинской инженерии
9. Sheffield L. T., Prineas R., Cohen H. et al. Task force II: Quality of electrocardiographic records // Am. J. Cardiol. 1978. Т. 41. № 1. С. 146-157.
10. Behar J., Oster J., Li Q. et al. ECG signal quality during arrhythmia and its application to false alarm reduction // IEEE Trans. Biomed. Eng. 2013. Т. 60. N 6. P. 1660-1666.
11. Истомин Б. А. Систематизация методов анализа ЭКГ с учетом помехуостойчивости // Известия ЮФУ. Технические науки. Тематич. вып. «Медицинские информационные системы». 2010. Т. 8. № 109. С. 86-91.
12. Тычков А. Ю., Кривоногов Л. Ю., Чураков П. П. Автоматизированная система обработки и анализа электрокар-диосигналов в условиях интенсивных помех различного вида // Известия высших учебных заведений. Поволжский регион. Технические науки. 2011. Т. 1. № 17. С. 117-125.
13. Clifford G. D., Azuaje F., McSharry P. Advanced Methods and Tools for ECG Data Analysis. [S.l.] Artech House, 2006. 384 p.
14. Козюра А. В. Разработка метода оценки качества электрокардиографического сигнала // Биотехносфера. 2012. № 3-4. С. 98-102.
15. Huang N. E., Shen Z., Long S. et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis // Proc. R. Soc. A Math. Phys. Eng. Sci. 1998. Т. 454. N 1971. P. 903-995.
16. Nimunkar A. J., Tompkins W. J. R-peak detection and signal averaging for simulated stress ECG using EMD //
Conf. Proc. IEEE Eng. Med. Biol. Soc. 2007. T. 2007. P. 1261-1264.
17. Omar M. O. A., Mohamed A. S. A. Application of the empirical mode decomposition to ECG and HRV signals for congestive heart failure classification // 2011 1st Middle East Conference on Biomedical Engineering / IEEE. [S.l.,] 2011. P. 392-395.
18. Wang Y.-J. W. Y.-J., Song L.-X. S. L.-X., Kang S.-Q. K. S.-Q. Arrhythmia Recognition Based on EMD and Support Vector Machines // 2010 4th International Conference on Bioinfor-matics and Biomedical Engineering / IEEE. [S.l.,] 2010. P. 1-4.
19. Clifford G. D., Lopez D., Li Q. et al. Signal Quality Indices and Data Fusion for Determining Acceptability of Electrocardiograms Collected in Noisy Ambulatory Environments // Computing in Cardiology 2011: Conference proceedings, 18 Sept 2011. Hangzhou, 2011. P. 285-288.
20. Hadj Slimane Z.-E., Nant-Ali A. QRS complex detection using Empirical Mode Decomposition // Digit. Signal Process. 2010. T. 20. N 4. P. 1221-1228.
21. García-Niebla J., Llontop-García P., Valle-Racero J. I. et al. Technical mistakes during the acquisition of the electrocardiogram // Ann. Noninvasive Electrocardiol. 2009. T. 14. N 4. P. 389-403.
22. Silva I., Moody G. B., Celi L. Improving the Quality of ECGs Collected Using Mobile Phones: The PhysioNet // Computing in Cardiology 2011: Conference proceedings, 18 Sept 2011. Hangzhou, 2011. P. 273-276.
/Г
ОАО «Издательство "ПОЛИТЕХНИКА" предлагает:
JI. О. Калинина, И. В. Климова
ВЛАДИМИР КЛИМОВ
ISBN 978-5-7325-1023-2 Объем 319 с. Формат 70x100 1/16 Тираж 1000 экз. Цена 530 руб.
Книга посвящена одному из основателей российской конструкторской школы авиационного двигателестроения генеральному конструктору поршневых (1935—1946) и реактивных (1947—1960) авиационных двигателей Владимиру Яковлевичу Климову и является одной из первых полных биографий выдающегося ученого.
В годы Великой Отечественной войны 90 % истребительной авиации СССР летало на массовом авиамоторе М-105, созданном В. Я. Климовым. А в начале 1950-х годов на его первых турбореактивных двигателях ВК-1 Россия достойно мерилась силами с авиацией противника в «холодном» противостоянии.
Книга основана на глубоком изучении отечественных архивов, ранее не опубликованных материалов, а также на воспоминаниях людей, хорошо знавших В. Я. Климова. Будет интересна специалистам и широкому кругу читателей, интересующихся историей авиации и техники.
Для приобретения книги по издательской цене обращайтесь в отдел реализации: Тел: (812) 312-44-95, 710-62-73; тел./факс: (812) 312-57-68;
e-mail: sales@polytechnics.ru, gfm@polytechnics.spb.ru, через сайт: www.polytechnics.ru Возможна отправка книг «Книга—почтой». Книги рассылаются покупателям в России наложенным платежом (без задатка). Почтовые расходы составляют 40 % и выше от стоимости заказанных Вами книг.
Jf
