CC BY
471
А.В. Максимов МЕТОД ЦИФРОВОЙ ОБРАБОТКИ ЭКГ-СИГНАЛОВ
В современной клинике для диагностики заболеваний сердца широко и весьма успешно применяют электрокардиографический метод исследования. Это обусловлено тем, что данный метод дешев, удобен, совершенно безвреден и безболезнен для пациента. Электрокардиография дает весьма ценную информацию о состоянии сердечно-сосудистой системы, позволяющую значительно улучшить диагностику различных заболеваний. И наряду со всем этим далеко еще не исчерпаны информационные резервы электрокардиографии как метода диагностики.
Обычно при съеме ЭКГ для подавления мешающих факторов, таких как сетевые помехи, мышечный тремор, используют различного вида фильтрацию, с использованием НЧ, ВЧ, полосовых, режекторных фильтров. Из теории радиотехнических фильтров известно, что любой высокодобротный фильтр имеет свои недостатки, влияющие на обрабатываемый сигнал. Например, высокодобротный режекторный фильтр имеет так называемый «звон фильтра», дающий в дальнейшем ВЧ-колебания, которые на этапе распознавания могут распознаваться как новые комплексы и тем самым искажать истинную картину исследуемой ЭКГ. Хороший НЧ фильтр обладает нелинейной фазовой характеристикой, влияющей на местоположение зубцов. Нерекурсивный фильтр приводит к уменьшению амплитуды и увеличению длительности зубцов (получается эффект расползания) и в то же время требует очень большого числа вычислений, что нехорошо при обработке в реальном масштабе времени.
Т аким образом, видно, что в сигналах, связанных с электрической деятельностью сердца, в данном случае в ЭКГ, можно выделить группу комплексов, которые требуют для своей обработки, обнаружения и классификации применения нетрадиционных методов. Эти комплексы, в сравнении с остальными комплексами кардиосигнала, имеют очень малую амплитуду. К этой группе можно отнести такие полезные для дальнейшем обработки феномены ЭКГ, как потенциалы замедленной деполяризации миокарда, потенциалы пучка Г иса, И-зубец, Р-зубец.
При постановке диагноза достаточно важно знать форму вершины Р-зубца, которая говорит о синхронности и асинхронности работы предсердий. При обычной фильтрации, фильтр искажает форму верхушки зубца, делая из нее параболу, и поэтому невозможно корректно диагностировать работу левого и правого предсердия.
При некоторых исследованиях представляют интерес малоамплитудные элементы QRS-комплекса, так называемые Я', 8'—зубцы. При обычной записи ЭКГ определить, является ли этот элемент ЭКГ просто помехой или это действительно «зазубрина» на 8-зубце, довольно сложно. Каждая такая «зазубрина» - это нарушение проводимости в миокарде.
Необходимо как можно более точно определять форму 8-Т сегмента, т. к. искажения могут образовываться как физиологически (акт дыхания или смена положения), так и патологически. Патология — это может быть, например, кислородное голодание или гемодинамическая нагрузка на сердце. Нужно уметь правильно выделить эти сигналы из зашумленной ЭКГ.
Для того чтобы избавиться от использования фильтрации и получить амплитуду искомого комплекса, достаточную для дальнейшей обработки по классификации и определению патологии, предлагается использовать метод накопления. Метод накопления позволит избавиться от рассмотренных недостатков предвари-
305
тельной обработки сигнала ЭКГ. Этот метод основан на том, что имеются коррелированные участки ЭКГ и некоррелированный шум. При накоплении некоррелированный шум не накапливается, а осуществляется накопление только информативного сигнала. Для работы метода необходимо синхронизировать накапливаемые участки и какому-либо зубцу, который можно определить достаточно достоверно, например, по Я-зубцу.
Следует отметить, что существуют некоторые виды патологий, которые не позволяют применить метод накопления в полном объеме. Например, ЭКГ с переменной длиной Р^- сегмента, ЭКГ с частой желудочковой экстрасистолией (в последнем случае накопление возможно лишь с одновременной классификацией морфологии комплекса), такие ЭКГ в общей массе обследований составляют 57%.
При возникновении патологических ситуаций, например при выраженной тахикардии или при миграции водителя ритма, присутствует патологический ге-нез ЭКГ-сигнала, и при этом нарушается стационарность. В сигнале нарушается согласованность в расположении зубцов QRS-комплекса, наблюдается полностью беспорядочный ритм Р-зубцов с изменчивостью их формы, Р-зубец накладывается на другие зубцы электрокардиограммы и может быть трудно различим или вовсе незаметен.
При обработке таких ситуаций для корректного анализа аритмий необходимо осуществлять обнаружение Р-зубцов и указать их место расположения на электрокардиограмме.
Для обнаружения феноменов в таких ситуациях логичнее использовать полуавтоматический метод, в котором на этапе обработки исследователь в интерактивном режиме указывает вид комплекса, который необходимо найти на ЭКГ, и далее обнаружение происходит в автоматическом режиме.
Для обнаружения Р-зубцов можно использовать теорию корреляционной обработки. При этом на вход алгоритма обнаружения в явном виде задается форма Р-зубца и QRS-T-комплекса. Далее решается задача обнаружения известного сигнала. В данном случае, цель фильтрации заключается уже не в воспроизведении формы сигнала (известной) с минимумом среднеквадратичной ошибки, а в наиболее надежном обнаружении полезного сигнала. Алгоритм решения этой задачи можно представить следующим образом.
На первом этапе осуществляется предобработка, заключающаяся в том, что для всей ЭКГ производится коррекция дрейфа изолинии и обнаружение зон нахождения QRS-T-комплексов. После чего алгоритм должен удалить образцовый QRS-T-комплекс из каждой обнаруженной зоны. Для этого необходимо решить задачу синхронизации образцового QRS-T-комплекса с текущим обнаруженным по какой-либо характерной точке или наборе точек. В конкретном реализованном алгоритме использована синхронизация по вершине R-зубца. На следующем этапе алгоритма формируется оптимальный фильтр для Р-зубца и осуществляется обработка ЭКГ с помощью сформированного фильтра.
В радиотехнике известны примеры решения задач обнаружения известного сигнала на фоне помех. Однако в данном случае характер помех отличается от чисто радиотехнических ситуаций. Помеха занимает ту же полосу частот, что и полезный сигнал, кроме того, она может иметь значительную детерминированную компоненту. Наиболее мощная детерминированная компонента — QRS-комплекс удаляется на предыдущем этапе. В связи с этим чисто вероятностные методы здесь не подходят, т. к. даже единичный случай пропуска или ложного обнаружения Р-зубца может существенно изменить характер аритмии. При анализе меры
306
отклонения участка сигнала от эталона используется пороговый метод обнаружения известного сигнала. Для этого сигнал преобразуется во временную функцию, представляющую меру отклонения. Это можно сделать различными способами. Наиболее простой способ — определение евклидова расстояния в к-мерном пространстве, где к—размерность эталона в отсчетах. В случае многомерного сигнала размерность пространства увеличивается пропорционально размерности сигнала. Таким образом, многомерный сигнал преобразуется в одномерную временную функцию, в идеале принимающую нулевое значение на место Р-зубцов, полностью совпадающих с заданным многомерным эталоном. На практике, на месте обнаруживаемых Р-зубцов функция может иметь ненулевое значение, обусловленное изменчивостью (нестационарностью) Р-зубцов и воздействием помех. Для решения задачи отделения обнаруживаемых Р-зубцов от артефактов можно воспользоваться априорными знаниями о возможном распределении Р-зубцов на оси времени. С этой целью необходима предварительная оценка желудочкового ритма и его статистических характеристик (анализ RR-интервального ряда). Если RR-интервальный ряд нехаотичный (вариационный размах не, более 10%), то ритм желудочков может быть одним из трех типов: синусовый, желудочковый, АВ-соединения. В любом из этих случаев соотношение РР-интервалов и RR-интервалов может находиться в виде простых дробей, не превышая значений 3— 4. Это означает, что зная количество RR-интервалов можно достаточно точно оцепить верхнюю границу РР-интервалов. Зная такую границу N можно осуществить классификацию минимумов построенной функции отклонения от эталона на Р-зубцы и артефакты с использованием порога для принятия классифицирующего решения. Естественно, особую важность в этом случае имеет правильный выбор порога. Для выбора порога строится распределение частоты попадания минимумов функции в набор амплитудных интервалов. Далее, двигаясь от минимального интервала, суммируются частоты по интервалам, пока сумма не достигнет N. Это означает, что при уровне порога, соответствующего последнему интервалу, количество экстремумов будет порядка N. Если дополнительно поставить условие од-номодальности распределения частот попадания в интервалы, качество определения порога улучшится.
В.В.Югринов ПРИБОР ДЛЯ ОПРЕДЕЛЕНИЯ РН ВНУТРИ ЖЕЛУДКА БЕЗЗОНДОВЫМ МЕТОДОМ
Разработано устройство для определения РН внутри желудка беззондовым методом. Данное устройство актуально, так как в настоящее время при исследовании секреторной функции желудка используются более длительные и весьма неприятные процедуры.
Прибор разработан на основе современного микроконтроллера фирмы Ые1, с возможностью подключения к ПК для обработки и анализа результатов, а также формирования баз данных по результатам исследования.
В данной работе используется метод, основанный на пропускании переменного электрического тока через объект (тело человека), то есть метод неразрушающего послойного исследования внутренней структуры объекта посредством его многократного просвечивания в различных пересекающихся направлениях (число пересечений может быть от 10 о 106).
