CC BY
66
НАДЕЖНОСТЬ ЭРГАТИЧЕСКИХ
СИСТЕМ
УДК 004.932.2
МЕТОДИКА РАСШИРЕНИЯ ДИАГНОСТИЧЕСКИХ ВОЗМОЖНОСТЕЙ ПРОГРАММНО-ТЕХНИЧЕСКОГО КОМПЛЕКСА «КАРДИОВИЗОР-06С»
----->- С. С. Садыков, А. С. Белякова --
Введение
В течение последних 20 лет уровень применения компьютеров в кардиологии значительно повысился. Различные программно-технические комплексы используются для проведения обследований, хранения и накопления медицинской информации. Регистрация электрокардиограммы в покое и при нагрузке, суточных данных артериального давления, ультразвуковые исследования сердца, рентгенография проводятся с применением персональных компьютеров [1-3].
Программно-технический комплекс (ПТК) «КардиоВизор-06С» является одной из последних разработок российских ученых в области кардиологии [4]. «КардиоВизор-06С» представляет собой компьютерный скрининг-анализатор, предназначенный для экспресс-оценки состояния сердца по ЭКГ-сигналам от конечностей пациента. Особенностью данного прибора является дисперсионный анализ низкоамплитудных колебаний ЭКГ и выявлений изменений в работе сердца на ранних стадиях.
Целью исследования является разработка методики расширения диагностических возможностей ПТК «КардиоВизор-06С» при определении сердечно-сосудистых патологий за счет анализа дополнительных признаков изображений портрета сердца.
Результаты проведения обследования на «КардиоВизор-06С» представляются 11 дисперсионными характеристиками W = {w1, w2,..., w11} (табл. 1) и цветными RGB изображениями портрета сердца (рис. 1) [5].
Таблица 1
Дисперсионные характеристики
№ Характеристика Диапазон значений Норма
1 Индекс миокарда 0-100 <15
2 Индекс ритма 0-100 <15
3 Пульс 60-90
4-12 Код детализации G1, G2, ..., G9 0-16 0
Портрет сердца служит для визуализации изменений в работе сердца. В норме он имеет ровную зеленую окраску, а при патологии на портрете сердца наблюдаются оттенки красных, фиолетовых цветов. Интенсивность окраски показывает степень поражения. Интерпретация портрета сердца субъективна, так как полностью зависит от особенностей зрительной системы врача-
79
Надежность и качество сложных систем. № 3(7), 2014
кардиолога. Кроме того, часть информации остается невидной глазу в силу невозможности различать незначительные изменения оттенков цвета на изображении.
а) б)
Рис. 1. Изображения портрета сердца: а - левое; б - правое
Расчет и анализ признаков изображений портрета сердца позволит повысить объективность интерпретации его окраски и, следовательно, увеличить диагностические возможности НТК «КардиоВизор-06С».
Согласно схеме, приведенной в [4], каждой из изображений портрета сердца состоит из 15 областей, цветовая окраска которых является индикатором определенных процессов, происходящих в мышце работающего сердца [1]. Каждая из цветовых составляющих RGB несет определенную информацию о цветовых оттенках изображения и поэтому необходимо анализировать все каналы изображений.
Для выявления характерных признаков изображений портрета сердца при различных сердечно-сосудистых заболеваниях (ССЗ) предлагается использовать статистические признаки первого и второго порядка, вычисляемые для каналов R, G, B всех областей сегментированного портрета сердца.
Каждое из изображений портретов сердца fx, у) является дискретным, где x, у - пространственные координаты, а значение функции в любой точке, задаваемой этими координатами, называется интенсивностью изображения в этой точке. Для описания изображений вычисляются следующие признаки для каждой из 15 областей. Распределение вероятностей значений яркости первого порядка определяется как [6]:
P (b) = Pr [f (x, у ) = b}, (1)
где 0 < b < L — 1 - уровни квантования.
Анализируемые гистограммные признаки G = {gx,g2,...,g6} вычисляются следующим образом [6]:
1) среднее
L — 1
g1 = ZbP (b); (2)
b = 0
2) дисперсия
L—1
g2 = Z (—g1 )2 P (); (3)
b = 0
3) коэффициент асимметрии
1 L — 1
g3 = -7 Z ( — g1 )3 P(); (4)
g2 b = 0 80
80
Надежность эргатических систем
4) коэффициент эксцесса
1 L -1 §4 =—S ( - §1 )4 P ()-3; §2 b = 0 (5)
5) энергия L -1 2 §5 = S[P(b)]; b = 0 (6)
6) энтропия L -1 §6 =-S P (b)l0g2 [ P (b)} b = 0 (7)
Статистические признаки изображений представляют собой характеристики вероятности распределения яркости изображения и рассчитываются на основе GLC-матрицы смежности или матрицы частот взаимных уровней яркости изображения, предложенной Хараликом [6]. Матрица частот взаимных уровней яркости изображения f(x, y) представляет собой оценку плотности распределения вероятностей второго порядка, полученную по изображению в предположении, что плотность вероятности зависит лишь от расположения двух пикселей. Обозначим элементы GLC-матрицы изображения fix, y) как h (x', y'):
h(x' ') IX f (x y) = x', f (x+k, y+l) = y' ,У |0, f(x, у)ф x или f(x + k, y +1 ) y'. (8)
Функция h (x', у') показывает, имеют ли пиксели, расположенные на заданном расстоянии (k, l), заданные уровни яркости (x', у').
На основе матрицы h (x', у') рассчитываются статистические признаки второго порядка изображений T = (tj,t2,...,t13} [5]:
1) среднее по строкам
ti=S x'Sh( x,, у'У; (9)
x у
2) среднее по столбцам
t2=S y'Sh( x,, y,); (io)
y' x
3) дисперсия средних по строкам
t3 = S (x'-tj)2 S h (x', y'); (11)
x' y'
4) дисперсия средних по столбцам
t4 = S (у'-t2)2 S h( x', y'); (12)
y' x'
5) угловой момент
t5 = S h( x', y')2; (13)
x', y'
6) энтропия
te = -S h( x', y')log h( x', y'); (14)
x', y'
81
Надежность и качество сложных систем. № 3(7), 2014
7) обратный момент разностей
8) момент разностей
9) корреляция
'7 = I
1
/\2
x , у
1 + (x - у')
h(x, у');
'8 = I (X - У ')2 h( x', у');
X', У
I (((X - '2)(у' - 'i ))h( X, у')
ч =
x , у
'з' '4
(15)
(16)
(17)
10) «тень» кластеризации
'10 = I ((x' - '2) + (у' - '1))3 h (x', у');
x , у
11) «выпуклость» кластеров
'11 = I ((x' - '2) + (у' - '1))4 h( x, у');
x , у
12) среднее сумм
13) энтропия сумм
'12 = Iк I h(x, у0;
к x'+у'=к
f ^
'13 =-I I h( X, у )log I h( x', У)
к x'+у'=к ^ x'+у'=к
(18)
(19)
(20)
(21)
Методику расширения диагностических возможностей ПТК «КардиоВизор-06С» можно описать следующим образом:
1) сегментация портрета сердца в соответствие со схемой [5];
2) расчет статистических признаков первого (1-6) и второго (9-21) порядков;
3) формирование обучающих выборок результатов обследований пациентов при исследуемых заболеваниях c учетом индивидуальных параметров пациента и данных других обследований (замеров артериального давления);
4) формирование эталонных значений признаков изображений портрета сердца при исследуемых заболеваниях;
5) на основе п. 4 группирование эталонов по близости между собой и формирование на их основе базы знаний эталонов ССЗ;
6) определение близости параметров сердца случайного пациента к эталонам заболеваний и формирование диагностического заключения. В качестве способа определения близости может использоваться метод ближайших соседей, метод к-средних, дискриминантный анализ и др.
Экспериментальное исследование методики
Обозначим обучающие выборки результатов обследований пациентов, сформированные для каждого из исследуемых ССЗ: Y1 - здоровые, Y2 - пациенты с артериальной гипертензией, Y3 - пациенты с гипертонической болезнью, Y4 - пациенты с гипертонической болезнью 2-й степени, Y5 - пациенты с гипертонической болезнью 3-й степени Y6 - пациенты с прогрессирующей стенокардией, Y7 - пациенты со стенокардией напряжения. Для каждого вида ССЗ объем выборки составил 200 результатов обследований. У каждого пациента анализировались цветные изоб-
82
Надежность эргатических систем
ражения портрета сердца, значения дисперсионных характеристик и индивидуальных параметров пациента U = {u1,u2,...,u19} (возраст, пол, вес, рост, пульс, замеры артериального давления, жалобы и факторы риска), хранящиеся в текстовом файле, например, результат обследования пациента № 1 при гипертонической болезни (рис. 2).
а)
б)
в)
г)
Рис. 2. Изображение портрета сердца:
а - левое; б - правое; в - экранный снимок файла, хранящего дисперсионные характеристики; г - экранный снимок файла, хранящего значения индивидуальных параметров пациента
В соответствие со схемой сегментации левое и правое изображения портрета сердца делятся на 15 областей, для каждой из которых рассчитываются статистические признаки первого и второго порядков в соответствии с (2-7, 9-21). Для каждого пациента рассчитывается
6(G + T) -15 + W + U = 6(6 + 13) -15 + 11 + 19 = 1740
признаков.
Операции сегментации и расчета признаков осуществляются для всех объектов обучающих выборок. В результате формируются эталонные интервалы каждого из анализируемых признаков (рис. 3).
Рис. 3. Эталонные интервалы признаков: а - среднее значение яркости (1); б - индекс миокарда
Полученные значения признаков при исследуемых ССЗ были нормированы в соответствии с алгоритмом, описанным в [3], и получены эталоны заболеваний.
Затем эталоны заболеваний были группированы на основе анализа близости их друг к другу в соответствии с расстоянием Евклида:
J1740
X (ХУцк ~ ХУ1 jk ) . k=1
83
Надежность и качество сложных систем. № 3(7), 2014
В результате тестирования было выявлено, что для объединения в группу расстояние между эталонами не должно превышать 1. Результаты формирования групповых эталонов приведены в табл. 2.
Таблица 2
Количество эталонов ССЗ
Y Y1 Y2 Y3 Y4 Y5 Y6 Y7
Кол-во групповых эталонов 4 8 10 9 12 13 9
Полученные групповые эталоны используются при определении типа заболевания у пациента: для этого определяют близость значений признаков пациента к каждому из групповых эталонов, затем определяется минимальное расстояние и принимается решения о том, что у пациента с наибольшей вероятностью наблюдается заболевание, расстояние до эталона которого минимально.
В результате исследования данного подхода на тестовой выборке были получены следующие результаты (табл. 3).
Таблица 3
Результаты тестирования
Диагностируемые заболевания Кол-во правильно диагностированных ССЗ, % Ошибки, %
Здоровые 100 0
Артериальная гипертензия 98 2
Гипертоническая болезнь 86 14
Гипертоническая болезнь 2-й степени 94 6
Гипертоническая болезнь 3-й степени 89 11
Прогрессирующая стенокардия 96 4
Стенокардия напряжения 87 13
Среднее 93 7
Имеющиеся ошибки (7 %) связаны с воздействием неконтролируемых факторов и являются приемлемым уровнем точности диагностик ССЗ.
Заключение
В результате исследований были получены следующие результаты:
- предложен набор признаков изображений портрета сердца, позволяющий более подробно описать результаты обследований пациента с помощью ПТК «КардиоВизор-06С»;
- предложена методика расширения диагностических возможностей ПТК «КардиоВизор-06С» за счет анализа признаков изображений портрета сердца и выявления их характерных значений при различных ССЗ;
- использование данной методики направлено на повышение объективности оценки результатов анализа расширенного набора выходных данных, полученных в результате анализа изображений портретов сердца с учетом значений дисперсионных характеристик и индивидуальных параметров пациента.
Список литературы
1. Евстигнеева, О. И. Влияние факторов риска на работу сердечной мышцы: наблюдение на кардиовизоре / О. И. Евстигнеева, И. А. Сафиулова, А. С. Белякова // Здоровье населения и среда обитания. - 2011. -№ 4. - С. 34-37.
2. Садыков, С. С. Автоматическая объективная оценка и выбор наиболее значимых параметров для диагностики сердечно-сосудистых заболеваний / С. С. Садыков, И. С. Сафиулова, А. С. Белякова // Автоматизация и современные технологии. - 2012. - № 3. - С. 27-33.
3. Садыков, С. С. Регрессионные модели стенокардии и зависимость их информативности от количества параметров работы сердца / С. С. Садыков, А. С. Белякова // Системы управления и информационные технологии. - 2011. - № 3.1 (45). - С. 190-194.
84
Надежность эргатических систем
4. Исследование взаимосвязи между окраской участков портрета сердца и изменениями электрокардиограмм / С. С. Садыков, А. С. Белякова, О. И. Евстигнеева, С. А. Жолобов // Известия вузов. Приборо-
строение. - 2012. - № 2. - С. 64-69.
5. Анализ и исследование портретов сердца / С. С. Садыков, А. С. Белякова, Д. П. Гранченко, В. А. Комков // Алгоритмы, методы и системы обработки данных. - 2012. - № 19. - С. 20-28.
6. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - М. : Техносфера, 2005. - 1072 с.
УДК 004.932.2
Садыков, С. С.
Методика расширения диагностических возможностей программно-технического комплекса
«КАРДИОВИЗОР -06С» / С. С. Садыков, А. С. Белякова // Надежность и качество сложных систем. - 2014. -№ 3 (7). - С. 79-85.
Садыков Султан Садыкович доктор технических наук, профессор, кафедра информационных систем,
Муромский институт (филиал)
Владимирского государственного университета им. А. Г. и Н. Г. Столетовых,
(600254, Россия, г. Муром, ул. Орловская, 23)
8-920-913-82-42
E-mail: sadykovss@yandex.ru
Белякова Анна Сергеевна старший преподаватель, кафедра информационных систем,
Муромский институт (филиал)
Владимирского государственного университета им. А. Г. и Н. Г. Столетовых,
(600254, Россия, г. Муром, ул. Орловская, 23)
Аннотация. Рассматривается методика расширения диагностических возможностей программнотехнического комплекса «КардиоВизор-06С» на основе расчета и дальнейшего анализа статистических признаков, вычисляемых для каждой из областей изображений портрета сердца. Приводятся результаты тестирования предлагаемой методики при определении основных заболеваний сердечно-сосудистой системы.
Ключевые слова: диагностика, признак, КардиоВи-зор, сердечно-сосудистые заболевания.
Sadykov Sultan Sadykovich doctor of technical sciences, professor, sub-department of information systems,
Murom Institute (branch) of
Vladimir State University
named after A. G. and N. G. Stoletovyh,
(600254, 23 Orlovskaya street, Murom, Russia)
Belyakova Anna Sergeevna senior lecturer,
sub-department of information systems,
Murom Institute (branch) of
Vladimir State University
named after A. G. and N. G. Stoletovyh,
(600254, 23 Orlovskaya street, Murom, Russia)
Abstract. In article the technique of expansion of diagnostic opportunities of the Kardiovizor-06C software and hardware complex on the basis of calculation and the further analysis of statistical signs of the first second order calculated for each of areas of images of a portrait of heart is considered. Results of testing of an offered technique are given when determining the main diseases of cardiovascular system.
Key words: diagnostics, sign, Kardiovizor, cardiovascular diseases.
