CC BY
44
- при 1.1< СКФр<1.2 прогнозируется достижение удовлетворительного лечебного эффекта;
- при 1.05< СКФР<1.1 прогнозируется достижение слабого лечебного эффекта;
- при СКФР<1.1 чаще всего прогнозируется отсутствие лечебного эффекта.
Таким образом, представленные данные показали возможность применения разработанного метода компьютерной стабилографической диагностики для прогнозирования и оценки проводимой терапии у больных хронической сосудистой мозговой недостаточностью, сопровождающейся нарушением функции равновесия.
УДК 616.12-073.97 Т 76
ПРОГРАММНО-АППАРАТНЫЙ ХОЛТЕРОВСКИЙ КОМПЛЕКС С БОЛЬШИМ РЕСУРСОМ ВРЕМЕНИ МОНИТОРИРОВАНИЯ
А.Т. Трофимов, Е.Е. Копылова, Т.Е. Петрова
Новгородский государственный университет имени Ярослава Мудрого 173003 Великий Новгород, ул. Б.-Санкт Петербургская, 41 (816-22) 2-61-34, (816-22) 24110, [email protected]
Процесс автоматизированного анализа ЭКГ можно условно разбить на следующие этапы: съем и усиление сигнала электрической активности сердца; фильтрация и выделение полезного сигнала; аналого-цифровое преобразование сигнала; запись сигнала на промежуточный носитель информации; ввод информации в ЭВМ; численный анализ сигнала на ЭВМ с использованием соответствующего алгоритма или программы; выдача заключений. При этом обычно используются четыре вида анализа или их комбинаций: гармонический, периодогармонический, статистический и численный. Все эти методы получения данных основаны на многочасовой записи электрокардиоциклов. Эти данные записываются в электронную память кардиомонитора и в последующем вводятся в компьютер и подвергаются обработке.
Методы анализа вариабельности ритма сердца, которые можно разбить на две основные группы, также предусматривают полную запись кардиосигнала.
К первой группе относятся так называемые методы анализа во временной области, которые применяются для непосредственной количественной оценки вариабельности ритма сердца в исследуемый промежуток времени и, как правило (но не всегда), базируются на оценивании интервалов КЯ между последовательными комплексами нормальных синусовых кардиоциклов и реализуются на
отфильтрованных ритмограммах. Методы второй группы - спектральные (методы анализа в частотной области) - применяются для выявления характерных периодов в динамике изменения длительностей интервалов RR, при этом оценивается вклад тех или иных периодических составляющих в динамику изменения ЧСС.
При использовании предлагаемой методики предполагается, что спектральный метод анализа станет возможным и для Холтеровского мониторирования. При этом будет учитываться вероятность и время нахождения системы в том или ином стационарном состоянии. Таким образом, существующие методы основаны на фиксировании данных и требуют большой объем памяти электрокардиомонитора. Последующая обработка основана на формировании различных статистик, визуальной оценки состояний деятельности сердца и связаны с достаточно большими аппаратными и вычислительными затратами.
На первом этапе в работе обоснован новый подход для анализа поступающей текущей информации в виде электрокардиосигналов. Предлагается описывать
электрокардиосигналы с помощью полигауссовских вероятностных моделей.
В процессе своей жизнедеятельности организм человека пытается занять одно из стационарных состояний. В определение стационарности вкладываются однородность, стабильность статистических характеристик случайных процессов, протекающих приблизительно однородно и имеющих вид непрерывных колебаний вокруг некоторого среднего значения. Таким образом, можно ввести понятие интервала стационарности. Под интервалом стационарности будем понимать временной промежуток, характеризующийся стабильным средним значением измеряемых статистических характеристик, регистрируемого ЭКС.
Итак, сердечная деятельность может быть представлена как переход усредненных значений статистических характеристик из одного стационарного состояния в другое. Учитывая сказанное выше, кардиосигнал в определенный момент времени можно представить суммой среднего значения и некоторого случайного отклонения.
где V - измеряемый ЭКС одного кардиоцикла,
Vср - среднее значение кардиоциклов за стационарный промежуток
Ср
А V - отклонения измеряемого ЭКС одного кардиоцикла от среднего значения.
Под V будем понимать некоторую конечную реализацию случайного процесса, либо вектор, при дискретном представлении процесса. В целом, для достижения поставленной цели, для отдельного стационарного участка может быть использована гауссовская модель N 0 (V ) представления случайных процессов. В
этом случае среднее значение вектора оценивается математическим ожиданием. Вектор отклонений будет определять статистические характеристики гауссовского распределения случайных векторов (гистограммы, корреляционные матрицы).
Обозначим интервал стационарности через т. Тогда ЭКС, отражающий состояние сердечной деятельности, будет представлять собой некоторую последовательность из этих интервалов (т=1...М). Каждый период стационарности характеризуется определенной совокупностью статистических параметров. Для каждого временного интервала эта совокупность будет разной. Соответственно, различными будут и математические ожидания.
Статистические характеристики вектора отклонения, в свою очередь, определяют корреляционную матрицу гауссовского распределения (Я).
На основании этих двух параметров можно судить о вероятности
пребывания ЭКС одного кардиоцикла в заданном интервале стационарности (Цт ).
Вероятность пребывания естественным образом связана со временем
Этот совокупный процесс достаточно точно описывается полигауссовской плотностью распределения вероятности. Плотность распределения вероятностей
V = V + А V ,
п ср п ’
времени,
пребывания тт в том или ином стационарном состоянии:
случайного вектора V представима конечной выпуклой комбинацией
гауссовских плотностей распределения вероятностей N0 m (V ) со своими средними значениями Vcp m (математическими ожиданиями) и корреляциями Rm :
W (V )_ Z Ч m ■ N 0 (v /Vp m ■ Rm )
m _ 1
Заметим, что данное представление почти единственное известное и возможное на сегодня описание в аналитическом виде плотностей распределения вероятностей негауссовских случайных процессов и полей. Вероятность пребывания кардиоцикла в интервале стационарности может быть графически представлена в виде гистограммы, по которой можно судить о нарушениях процесса сердечной деятельности.
Можно сказать, что предлагаемая модель полигауссовского распределения вероятностей, за счет учета изменения средних значений при статистическом методе обработки, практически лишена потери значимой информации. А совокупность
параметров i^m , Vcp m , Rm )m _i м является достаточной для
диагностирования состояния сердечно - сосудистой системы.
На основе указанной модели синтезированы алгоритмы обработки электрокардиосигналов, позволяющие классифицировать электрокардио-сигналы по гипотетически сформулированным состояниям сердечной деятельности. В частности, в простейшем случае предлагается рассматривать два состояния: нормальное и патологическое, без классификации конкретного заболевания. Синтезированные алгоритмы опробированы путем имитационного моделирования, с применением 24 часовой записи электрокардиографических данных. При этом были решены задачи фильтрации постоянной составляющей, выбора «опорной» точки и совмещения кардиоциклов.
В настоящий момент разработана структурная схема аппарата. Она содержит следующие элементы: электроды, фильтры низких частот, инструментальные
усилители, сигма-дельта АЦП, сигнальный микропроцессор, блок индикации, электронный винчестер (Flash-ROM),таймер времени, адаптер и блок питания.
Работа аппарата может быть кратко описана следующим образом. Электрические потенциалы сердца, снимаемые с поверхности тела специализированными электродами, ограничиваются по верхним частотам ФНЧ и по каждому каналу усиливаются инструментальными усилителями до уровня необходимого для работы сигма-дельта АЦП. В усилителях реализованы предварительные фильтры по нижним частотам. С трех инструментальных усилителей ЭКС поступает на 12-ти разрядный сигма-дельта АЦП AD 7716 рекомендуемый фирмой Analog Devices для работы в составе кардиомониторов. В нем производится оцифровка и цифровая фильтрация ЭКС. Применение сигма-дельта АЦП позволит уменьшить аналоговую часть прибора, сместив процедуру обработки сигналов в цифровую область. Оцифрованный сигнал далее поступает на сигнальный микропроцессор, в котором реализуются следующие функции:
- осуществляет прием оцифрованной кардиограммы с трех отведений;
- производится окончательная фильтрация сигналов. В нем реализован ФНЧ, ФВЧ и рекурсивный фильтр на 50 Гц;
- осуществляет сжатие сигнала при помощи теории полигаусовских представлений негаусовских случайных процессов с целью экономии ресурсов памяти Flash-ROM;
- реализует временную привязку кардиограмм при помощи имеющегося в приборе таймера времени. Знание времени, в которое произошел тот или иной кардиокомплекс необходим для постановки врачом правильного диагноза о заболевании сердечно-сосудистой системы;
- отслеживает наличие плохого контакта электрода с кожей. При наличии плохого контакта изменяется вид и уровень ЭКС, микропроцессор отслеживает эти изменения и включает индикацию. Индикация осуществляется светодиодом на панели прибора и звуковым сопровождением при помощи встроенного в прибор пьезозуммера;
• организует процес записи и считывания информации с Р^И-ЯОМ;
• управляет процессом обмена информации с внешними устройствами;
• осуществляет контроль напряжения батарей питания.
Для связи с внешними устройствами применяется адаптер интерфейс Я8232. Протокол Я8232 является одним из наиболее распространенных протоколов обмена данными между различными усторойствами в последовательном коде. Источник питания вырабатывает постоянное напряжение как для аналоговых, так и для цифровых элементов схемы.
