CC BY
136
Истомина Т.В., Истомина Е.В., Лавреев А.А., Попечителей Е.П. ПУТИ ПОВЫШЕНИЯ НАДЕЖНОСТИ СИСТЕМ ЦИФРОВОЙ ОБРАБОТКИ ЭЛЕКТРОКАРДИОСИГНАЛА
В настоящее время актуальность задачи повышения общей надежности медицинских диагностических систем ни у кого не вызывает сомнений, так как в случаях их неисправностей или отказов (вне зависимости от степени восстанавливаемости элементов), зачастую речь может идти об альтернативе жизни или смерти пациента [1]. К решению данной задачи необходимо подходить комплексно, с учетом всех составляющих лечебнодиагностического процесса, которые адекватно отражаются в структурах конкретных систем, обеспечивающих качество постановки медицинского диагноза.
Всю медицинскую практику можно представить как многоэтапный многократно повторяющийся лечебнодиагностический процесс, целью которого является выявление симптомов заболевания и устранение их причин [2]. Основными этапами этого процесса являются:
1) сбор данных,
2) прямое преобразование данных,
3) обработка данных, включающая выделение врачебных информативных признаков и усиление их значимости на основе вычисления математических закономерностей (статистического или детерминированного характера),
4) интерпретация результатов обработки,
5) обратное преобразование данных,
6) оценка степени расхождения входных и выходных данных,
7) принятие диагностического решения.
Кроме того, особым этапом является хранение данных, так как это этап взаимосвязан со всеми перечисленными выше и, в идеале, должен обеспечивать постоянное или временное (в зависимости от установленных приоритетов) запоминание входной, промежуточной и выходной информации.
Одной из важных составляющих комплексной оценки состояния здоровья пациента является снятие и анализ электрокардиосигнала (ЭКС). Существует большой класс приборов для регистрации, а в ряде случаев и анализа ЭКС. Следует отметить, что особенно эффективное использование медицинской аппаратуры на современном этапе стало возможно благодаря появлению микрокомпьютеров, поскольку приборы на основе микро-ЭВМ позволяют производить сложную математическую обработку данных и представить большой объём информации различной степени детализации в ясной и доступной для медицинского персонала форме, что является непременным условием для быстрого принятия необходимых решений [3].
Таким образом, современные кардиомониторы по мере развития информационно-коммуникационных технологий становятся все более интеллектуальными. К сожалению, в технической литературе слишком мало внимания уделяется вопросам повышения надежности их функционирования, в то время как основные усилия разработчики прикладывают в направлении повышения качества диагностики таких систем [4]. Конечно, эта проблема, постоянно присутствует из-за низкой амплитуды, высокой изменчивости и сильной помехозашумленности ЭКС, однако в случае отказа всей системы или ее части, она, безусловно, отходит на второй план.
Нормативной научно-технической документации, регламентирующей общие технические требования и методы испытаний на надежность цифровых систем обработки ЭКС в настоящее время не существует. Действует только ГОСТ «Приборы для измерения биоэлектрических потенциалов сердца. Общие технические требования и методы испытаний» [5], в котором подробно указаны требования к техническим характеристикам и методы их контроля, а также показатели надежности и методы испытаний для электрокардиографов и электрокардиоскопов, однако данный стандарт не распространяется на приборы с автоматическим анализом и диагностикой. Таким образом, вопросы оценки и повышения общей надежности совершенно не проработаны для современных интеллектуальных кардиомониторов с цифровым выходом. Автоматизация учтена в п. 2.18 стандарта [5] в минимальных объемах, для обеспечения вспомогательных функций приборов, таких как самотестирование, автоматическая калибровка, программное управление и т.п.
Основным способом повышения общей надежности цифровых кардиомониторов является, на наш взгляд, применение классического системного подхода. Необходимо в комплексе рассмотреть всю систему во взаимосвязи с перечисленными выше этапами лечебно-диагностического процесса, связать эти этапы со структурой всей системы цифровой обработки ЭКС на уровне ее подсистем, а также рассмотреть пути повышения общей надежности системы на уровне внешней структуры и вопросы обеспечения метрологической надежности [6] в контексте обеспечения показателей точности на уровне функционирования отдельных подсистем внутренней структуры.
На внешнем уровне иерархии можно выделить следующие пути повышения надежности систем цифровой обработки ЭКС:
резервирование функций системы (аппаратная и программная избыточность); дублирование алгоритмов решения одноименных диагностических задач;
повышение степени интеграции системы (например, уменьшение количества проводов, блоков и разъемов);
общая обратная связь с выхода на вход системы;
общая адаптивность системы;
поэтапный подход к обработке информации;
повышение общей помехоустойчивости системы;
повышение общей точности системы;
увеличение степени подробности анализа конкретного отведения; введение дополнительных дублирующих отведений;
системный подход к биообъекту (включение анализа других биоэлектрических сигналов в функции системы в комплексе с ЭКС, например, кривых давления, пульса, дыхательной активности); диалоговый режим функционирования; повышение интеллектуализации системы.
Таким образом, на внешнем системном уровне существенного повышения общей надежности кардиомониторов можно добиться с помощью перехода к интеллектуальному аналого-цифровому преобразователю (АЦП) ЭКС, обеспечивающему формирование на своих выходах массивов цифровых отсчетов по основному и резервному отведениям с точностью преобразования на уровне 24 разрядов. Эта заведомая избыточность информации позволит обеспечить метрологическую надежность всей системы в целом. Такие АЦП со встроенными фильтрами на основе вейвлет-преобразования теоретически описаны в [7], причем глубина проработки проблемы позволяет надеяться на скорую их практическую реализацию на базе ПЛИС.
На внутреннем уровне иерархии (при рассмотрении подсистем структуры в соответствии с этапами лечебно-диагностического процесса применительно к цифровой обработке ЭКС) для определения путей повышения надежности выделим перспективные направления совершенствования подсистем, представленных на рисунке, а именно:
повышение помехоустойчивости ввода ЭКС;
увеличение разрешающей способности аналого-цифрового преобразования;
обеспечение надежного хранения входных данных, промежуточной и выходной информации на всех этапах обработки;
повышение степени информативности выделяемых признаков анализа;
обеспечение адаптивной подстройки параметров на каждом этапе обработки данных;
одновременное применение различных алгоритмов анализа, взаимно подтверждающих получаемые результаты;
контроль результатов на основе обратного преобразования данных и сравнения полученных результатов.
Программная часть системы обычно считается несоизмеримо более надежной, чем аппаратная, к которой относятся только подсистемы сбора и преобразования данных. Классический подход к повышению общей надежности технических систем применительно к кардиомониторам актуален, прежде всего, при анализе и экспериментальных испытаниях именно их аппаратной части, вес которой в общей структуре системы для цифровой обработки ЭКС постоянно уменьшается. Более детальное рассмотрение этих подсистем позволяет выделить основные аппаратные узлы, такие как электрокардиографические (ЭКГ) электроды, усилитель биосигналов, фильтр, коммутатор отведений и канал аналого-цифрового преобразования, пути повышения которых заключаются, прежде всего, в увеличении степени интеграции, в применении сигма-дельта преобразования ЭКС, в уменьшении количества проводных контактов и разъемов, в обеспечении избыточности каналов и существенного запаса по метрологическим характеристикам аппаратной части системы.
Рассмотрим возможности повышения надежности программной части по каждой из подсистем обработки данных, интерпретации результатов обработки, принятия решения, хранение и отображения информации. В данном контексте следует обеспечить применение современных методов обработки информации, к которым, прежде всего, относятся: разложение ЭКС по базисным функциям, алгоритмы нечеткой логики, кластерный анализ,
нейронные сети, структурный подход, ранговые алгоритмы и пороговые предсказатели.
Множество задач, связанных с повышением надежности цифровых кардиомониторов, а именно, повышение точности аналого-цифрового преобразования, обеспечение эффективного сжатия информации, повышение помехоустойчивости, а также даже усиление значимости информационных диагностических признаков и достижение новых возможностей при трехмерной визуализации, позволяет решить применение многомасштабного преобразования ЭКС.
Исторически первой базисной функцией для многомасштабного анализа сигналов стал вейвлет Хаара, поэтому целесообразно изложить основные особенности этого подхода, опираясь на математическое описание системы финитных функций Хаара и функций Шаудера, имеющих более высокую степень гладкости, что актуально при анализе формы импульсов ЭКС [8].
Напомним, что ненормированные кусочно-постоянные функции Хаара Ну(к) строятся группами и определяют-
ся как
Н у (х)
Здесь у
Н
(х)
+к; I+
1, еслиХ є I+, -1, еслиХ є I 0, еслиХ і I+
. (1)
к 2к +1 ; 1 = 2к +1 к +1
2 7 2 7 2 2
р - номер группы; к - номер функции в группе; I - интервалы, где функция Н у (х) отлична от нуля. Рассмотрим способы формирования кусочно-линейных функций Хаара (функций Шаудера), получаемых интегрированием системы Хаара [9]. Система Шаудера определена на отрезке [0,1] и состоит из функций Б0 (х) = 1, Б0 (х) = х и треугольных функций, определяемых как
X - к +
приХ 6 I ,
Б Н (у , х)
2 Р-1 к+1
2 р-1-Х
, приХ є I
(2)
0, приХ і I
Подобно системе Хаара базис Шаудера также допускает построение коэффициентов разложения группами, исходя из этого любую непрерывную на [0;1] функцию Ї (х) можно представить рядом по системе функций Шаудера:
N
/(х) = ЪоБн(0,х) + ^ЪуБн(у,х) , (3)
у-1
Р к
Р-1
2
равномерно сходящимся к f (х).
Из (1) и (2) следует, что, если Н у (х) ^ 0, то Б Н (у , х) ^ 0 и при у ¿0
Ну( х) = И1(2р-1 х - к), ¿н (у, X) = ¿и (1,2 ^ 1 х - к) . (4)
Таким образом, системы функций Хаара и Шаудера, исходя из (4), могут быть сформированы при помощи
сжатия и сдвига Н1 (х) и Б Н (1,х) . Так как функция
S H (1, х)
Х, Хе
0,1
2
1 -X, Хе
1,1
2
(5)
зеркально симметрична относительно прямой x = 1/2, то функции Шаудера могут быть получены при помощи f М = 2x при х б[0, 1/2] с использованием операции сжатия, сдвига и зеркального отображения [9].
Точность аппроксимации произвольных биологических кривых можно повысить, используя базисы кусочноквадратических (параболических) функций Хаара, система которых определяется как
Pj(x)--
где
(X-
2 Р
-1
■XV +
1
0, Хе
-,у+-
2Р-1 1
-Х)4, Хе
1
2Р
-1
2Р
-1
(6)
2 Р-1’ 2 Р-1 _
[log2 j] +1, j = 1, N-1,v = j - 2p-1 .
Р = [log2 j ] +1 j = 1N -V = j
связаны с функциями Шаудера следующей зависимостью:
Pj (x) = 4SH (j, x)[1 / 2p-1 - SH (j, x)]
Из соотношений (6) следует, что параболические функции Хаара
JK , и^, „ и^ ,, . (7)
Тогда алгоритм генерирования параболических функций Хаара можно представить в виде
Pj(x) = Sh(j,h)[Nj - Sh (j,h)],h = 0,N-1
(8)
где N j = N /2 p-1.
Рассмотренные три вида функций Хаара достаточно легко преобразуются друг в друга, и, главное, исследования, проведенные на большом массиве реальных QRS-комплексов ЭКС, показали, что такое представление сегментов сложных импульсов полностью описывает все встречающиеся на практике формы [8].Таким образом, параллельный алгоритм идентификации сегментов информативных импульсов ЭКС, базирующийся на использовании функции Хаара нулевой, первой и второй степени, совместно с разработанным ранее [10] последовательным структурным алгоритмом анализа сочетаний сегментов QRS-комплексов ЭКС, описываемых с помощью системы предикатов формы, несомненно, имеет хорошие перспективы применения при создании портативных кардиомониторов на базе микро-ЭВМ и сигнальных процессоров.
Ступенчатая функция Хаара как "материнский" wavelet, имеет только один ноль и является наименее гладкий из всех известных в настоящее время базисных wavelet-функций. Поэтому, его считают слишком простым и не удостаивают большого внимания, особенно, когда нет существенных ограничений в программновременных ресурсах. Несмотря на это, пакеты Хаара включаются во все словари, используемые для поиска лучшего базиса. Этот факт, наряду с простотой реализации и предыдущими исследованиями, подтвердившими эффективность алгоритмов анализа формы импульсов ЭКС, основанных на применении ступенчатых функций Хаара [11], говорит о целесообразности использования данного wavelet в сочетании с его более гладкими вариантами для повышения надежности цифровых алгоритмов идентификации информативных параметров ЭКС. В работе [7] проведен анализ математических свойств сплайновых вейвлет, который показал потенциальную возможность их аппаратно-программной реализации в режиме реального времени. Сравнивая временные диаграммы линейной, параболической и кубической аппроксимации ЭКС, автор делает вывод о том, что оптимальным вариантом является применение базисных функций с переменной гладкостью, которая устанавливается аппаратно в зависимости от характера процесса. С точки зрения повышения надежности, на наш взгляд, более целесообразно использовать аппаратно-программную избыточность и производить параллельную обработку ЭКС указанными функциями всех трех степеней гладкости.
Для повышения надежности кардиосистем, как уже отмечалось, необходимо применение адаптивного подхода, на уровне разработки алгоритмов обработки ЭКС это требует адаптации "окна" анализа к длительности QRS-комплекса, что существенно усложняет техническую реализацию. Применение адаптивных решающих правил обеспечивает одинаково подробный анализ как нормальных, так и уширенных патологических комплексов. Для неадаптивных же алгоритмов имеет место зависимость от длительности QRS-комплекса, что снижает общую надежность вследствие различной степени "подробности" осуществления анализа.
Многомасштабно-временная обработка сигналов, основы теории и принципы реализации которой изложены в [11], как раз и позволяет работать с изменяющимся по масштабам окном анализа; кроме того, варьируются не только временные, но и амплитудные масштабы базисных функций. Перемасштабированные вейвлеты покрывают фазовую плоскость прямоугольниками постоянной площади, но разной формы. Благодаря этому вейвлеты хорошо локализуют низкочастотные "детали" сигнала в частотной области, а высокочастотные (всевозможные резкие скачки, пики, и т.п.) - в пространственной. Таким образом, целесообразность применения wavelets
для решения задачи повышения надежности анализа сложных биоэлектрических сигналов, в частности, ЭКС, не поддается сомнению [12-16]. Главная проблема заключается в выборе оптимального базиса или пакета в существующем уже в настоящее время многообразии модификаций волновых функций и алгоритмов wavelet-анализа сигналов. При этом выбор существенно зависит, прежде всего, от конкретного способа реализации кардиомонитора - портативный или стационарный вариант исполнения, реальный или отсроченный масштаб времени и так далее.
Пути дальнейшего совершенствования систем цифровой обработки ЭКС можно охарактеризовать следующим образом. Наиболее высокую степени надежности, практически близкую к идеальной, может обеспечить кардиосистема, содержащая интеллектуальный датчик, состоящий из электродов для съема ЭКС и непосредственно интегрированных в ее структуру, выдающая на выходе элементарное диагностическое решение о наличии опасных для жизни нарушений, снабженная микро-экраном для отображения опасных участков сигнала, а также имеющая звуковой и вибрационный сигнализатор опасных для жизни состояний. Все остальные записи ЭКС должны храниться в флеш-памяти для последующего детального рассмотрения путем сопряжения с КПК, ноутбу-
ком или стационарным ПК, на которых должно быть установлено основное программное обеспечение с целью более точной диагностики.
ЛИТЕРАТУРА
1. РД 50-707-91. Методические указания. Изделия медицинской техники. Требования к надежности. Правила и методы контроля показателей надежности. - М.: Изд-во Госстандарт РФ, 1991.
2. Микрокомпьютерные медицинские системы: Проектирование и применения. /Под ред. У. Томпкинса, Дж.
Уэбстера: Пер. с анг. - М: Мир, 1991.
3. Микрокомпьютеры в физиологии: Пер. с англ./Под ред. П.Фрейзера. - М.: Мир, 1990.
4. Пахарьков Г.Н., Попечителев Е.П. Принципы и методы обеспечения качества медико-технического осна-
щения здравоохранения: Учеб. пособие. - СПб.: изд-во СПб ГЭТУ «ЛЭТИ», 2003.
5. ГОСТ 19687-89. Приборы для измерения биоэлектрических потенциалов сердца. Общие технические требования и методы испытаний. - М.: Изд-во Госстандарт СССР, 1989.
6. Ткачев С.В., Михотин В.Д. Планирование эксперимента для испытания датчиковой аппаратуры на метрологическую надежность. - Пенза, изд-во ПГТУ, 1996.
7. Бурукина И.П. Совершенствование автономных медицинских измерительных приборов на основе сплайно-вых вейвлет фильтров. Дис. кандидат. тех. наук - Пенза, 2007.
8. Истомина Т.В. Алгоритмы и устройства измерения и анализа информативных параметров электрокардиосигнала. Дис. кандидат. тех. наук - Пенза, 1987.
9. Садыхов Р.Х., Чеголин П.М., Шмерко В.П. Методы и средства обработки сигналов в дискретных бази-
сах. - Минск: Наука и техника, 1987.
10. Истомина Т. В., Кривоногов Л. Ю., Полубабкин Ю. В., Шахов Э. К. Применение метода разложения по
системам функций Уолша и Хаара к процессу классификации QRS-комплексов ЭКС. - Пенза: Пенз. политехн.
ин-т, ВИНИТИ, № 7222-В86, Деп. 1986.
11. Истомина Т.В., Чувыкин Б.В., Щеголев В. Е. Применение wavelet -преобразования для задач обработки информации. - Пенза, изд-во ПГУ, 2002.
12. Кравченко В.Ф., Рвачев В.А. Wavelet-системы и их применение в обработке сигналов. - Зарубежная радиоэлектроника, 1994, №4.
13. Кравченко В.Ф., Попов А.Ю. Особенности применения цифровых фильтров при обработке ЭКГ человека.
- Измерительная техника, 1994, №2.
14. M. Akay, Wavelet applications in Medicine, IEEE Spectrum, 1997, Vol 34, №5.
15. P.S.Ivanov, M.S.Rosenblum and oth. Scaling Behaviour of Heartbeat Intervals Obtained by Wavelet
- Based Tame - Series Analysis. Nature, 1996, Vol 383, No 26.
16. Горожанин Д.В. и др. Wavelet- преобразование и электрокардиография высокого разрешения. Вестник аритмологии, 1998, № 8.
