CC BY
49
УДК 621.391:616-7:616.12-07 А. В. Козюра, аспирант, ассистент,
ФГОБУ ВПО «Государственный университет — учебно-научно-производственный комплекс»
Разработка метода оценки качества электрокардиографического сигнала1
Ключевые слова: классификация, метод, электрокардиографический сигнал, оценка качества. Key words: classification, method, electrocardiographic signal, quality assessment.
Статья посвящена решению основополагающих задач разработки метода контроля качества электрокардиографического сигнала — разработке классификаций существующих методов распознавания артефактов в сигнале и методов оценки качества сигнала, а также формированию требований к методу.
Актуальность проблемы
Во время анализа данных электрокардиографических исследований почти всегда можно выявить эпизоды искажения электрокардиографического сигнала (ЭКС), вызванные помехами и артефактами. К сожалению, остается высоким процент ошибок, связанных с некорректной интерпретацией участков ЭКС, содержащих артефакты, врачами-кардиологами и специализированными компьютерными алгоритмами. Например, по результатам исследования [1], из 528 врачебных заключений по данным холтеровского суточного мониторирования было выявлено, что в 66 случаях в записи не было участков, пригодных для анализа, а в 7 случаях отмечен неверный расчет частоты сердечных сокращений из-за наличия артефактов. Подобные ошибки приводят к тому, что пациенту назначается неправильное лечение [2], вплоть до операции для имплантации электрокардиостимулятора [3].
Согласно статистике [4], значительную проблему представляет неправильное расположение электродов на груди пациента, которые устанавливает медицинский персонал, ответственный за проведение процедуры, связанной с функциональными электрокардиографическими пробами. В конечном счете это ведет к неверной регистрации электрокардиограммы (ЭКГ) и интерпретации ошибочных записей. Так, по результатам исследований было показано, что правильное расположение грудных электродов VI и У2 смогли указать 90 % техников, 49 % медсестер,
1 Исследование выполнено при поддержке Министерства образования и науки Российской Федерации, соглашение 14.B37.21.0175 «Метод и инструментальные средства оценки функционального состояния систем организма».
31 % электрофизиологов и 16 % врачей-кардиологов. По разным оценкам, ежегодно 2 % ЭКС регистрируются с указанными ошибками [5—7].
Очевидно, что для снижения количества подобных ошибок специалист, проводящий регистрацию и/или расшифровку ЭКГ, должен принимать решение о целесообразности продолжения или необходимости повторения исследования на основе объективных количественных оценок качества ЭКС и информации о правильности расположения электродов на груди пациента. Под оценкой качества в данной работе понимается количественная вероятностная величина, характеризующая наличие и характер артефактов в сигнале и их влияние на информативные составляющие в зависимости от вида исследования (холтеровское мониторирова-ние, функциональные стресс-пробы и т. д.).
От качества ЭКС зависит эффективность не только работы специалиста, но и программного и аппаратного обеспечения. Так, неверная интерпретация артефактов сигнала встроенным программным обеспечением прикроватных мониторов ЭКГ становится причиной 43 % ложных тревог [8].
Кроме того, следует отметить, что цифровые сигнальные процессоры, алгоритмы и схемы фильтрации, предназначенные для борьбы с помехами и артефактами, могут удалить из сигнала не только шумовые, но и полезные, информативные составляющие.
Особенно актуальной проблема оценки качества ЭКС становится благодаря продолжающемуся распространению телемедицинских технологий в лечебной практике. В данном случае регистрация ЭКС проводится там, где находится пациент, не обязательно в лечебно-профилактическом учреждении, и по линиям связи результаты направляются специалисту кардиологу для постановки диагноза. Зачастую подобные исследования проводятся неспециалистами в области кардиологии (допускается снятие ЭКГ самим пациентом с помощью мобильных телемедицинских средств) в сложных условиях, и полученные сигналы могут содержать шумы и артефакты, существенно снижающие качество сигнала [8, 9]. Данная проблема существенно повышает на-
№ 3-4 (21-223/2012 |
биотехносфера
грузку на специалиста, занимающегося интерпретацией полученных сигналов, и увеличивает время принятия лечебного решения. Идеальным случаем является получение заключения о диагностической значимости сигнала в реальном времени или через несколько минут после завершения исследования, пока пациент еще на месте и есть возможность повторить исследование с учетом полученных рекомендаций по улучшению качества сигнала.
Тематике повышения качества электрокардиографических телемедицинских систем, основанных на мобильных телефонах (смартфонах), был посвящен конкурс PhysioNet Challenge 2011, проведенный на базе международного сообщества PhysioNet. В нем приняли участие 49 научных коллективов, среди них не было отечественных специалистов. Мероприятие подтвердило возрастающий интерес международного научного сообщества к проблемам оценки качества ЭКС в различных областях и, возможно, недостаточное внимание со стороны отечественных разработчиков к данному вопросу.
Основной целью данной работы является решение основополагающих и системообразующих задач разработки метода оценки качества электрокардиографических исследований. К ним относятся:
• разработка классификации существующих методов оценки качества ЭКС;
• разработка классификации существующих методов распознавания артефактов ЭКС;
• формирование перечня требований к методу контроля качества ЭКС.
Классификация существующих методов распознавания артефактов ЭКС
На основе анализа литературных источников разработана классификация существующих методов распознавания артефактов ЭКС (рис. 1). Главным классификационным признаком является математический аппарат, заложенный в базовый алгоритм метода распознавания артефакта. Основные группы методов распознавания артефактов ЭКС:
• параметрические методы [10-14], основанные на расчете и анализе прямых параметров ЭКС, например максимальной амплитуды или длительности отдельных сегментов;
• статистические методы [12, 15, 16], в соответствии с которыми проводятся расчет и анализ различных статистик сигнала, например крутизны
Рис. 1 \ Классификация существующих методов распознавания артефактов ЭКС
распределения амплитуд сегментов желудочковых комплексов ^ИЯ-комплексов);
• частотные методы [10, 12, 17] на основе анализа отношений мощности сигнала или его отдельных сегментов в различных полосах частот;
• частотно-временные методы [18], позволяющие проанализировать параметры вейвлет образа сигнала и образы оконного преобразования Фурье;
• аналитические методы [11, 12, 15, 19, 20] — аналитические сравнения эффективности работы различных алгоритмов обработки ЭКС;
• корреляционные методы [5, 11, 15, 21], обеспечивающие анализ корреляционных связей между сигналами отведений и различных параметров сигнала;
• другие методы [14, 22], которые трудно отнести к какой-либо указанной группе.
Классификация существующих методов оценки качества ЭКС
Классификация разработана на основе аналитических обзоров литературных источников (рис. 2). Ее основу составили следующие признаки:
• количество используемых метрик качества;
• вид используемых метрик качества;
• необходимость предварительного расчета параметров QRS-комплекса;
• необходимость предварительных преобразований, в частности фильтрации;
• возможность определения неверного расположения электродов;
• использование медицинской информации;
• возможность расчета интегральной метрики качества;
Рис. 2 \ Классификация существующих методов оценки качества ЭКС
№ 3-4 (21-22)72012 |
биотехносфера
• используемый метод классификации качества;
• возможность формирования рекомендаций по устранению факторов, снижающих качество сигнала.
Перечень требований к методу контроля качества ЭКС
Перечень сформирован на основе разработанных классификаций и анализа литературных источников:
• входным множеством являются сигналы 12 стандартных электрокардиографических отведений, длительностью не менее 10 с, записанные с частотой дискретизации 500 Гц и разрешением не менее 12 бит;
• метод должен позволять производить оценку качества ЭКС с допускаемой задержкой не более 2 с;
• для оценки качества наличия различных артефактов в ЭКС следует использовать комбинацию различных метрик качества, однозначно характеризующих присутствие помех или артефактов в сигнале;
• решение о классе качества ЭКС принимается в автоматическом режиме с учетом количественной информации рассчитанных метрик качества в контексте проводимого электрокардиографического исследования;
• по результатам классификации качества ЭКС составляются рекомендации для медицинского персонала с целью устранить те или иные проблемы, возникшие в ходе его регистрации;
• метод должен обеспечивать определение некорректного расположения электродов отведений;
• алгоритмы, составляющие основу метода, должны быть эффективны с точки зрения вычислительной стоимости (количества вычислительных операций);
• разрабатываемый метод должен обеспечивать сокращение количества факторов, учитываемых при принятии решения о качестве сигнала, что позволит разработать метод-аналог, который может быть использован в задачах телемедицинского мониторинга с обеспечением приемлемого качества при значительном снижении общей вычислительной стоимости.
Обобщенная структура метода оценки качества ЭКС
По результатам анализа литературных источников и с учетом разработанных классификаций и требований, предъявляемых к методу оценки качества ЭКС, составлена обобщенная структура метода оценки качества ЭКС (рис. 3). Входным множеством для метода являются сигналы 12 стандартных электрокардиографических отведений. Данные сигналы поступают на блоки расчета метрик качества ЭКС. В общем случае метод позволяет рассчитывать неограниченное количество вычисляемых метрик, так как большее количество рассчитываемых параметров обеспечивает учет большего числа влияющих на ЭКС
Рис. 3 | Обобщенная структура метода оценки качества ЭКС
факторов. Однако общее количество вычисляемых метрик качества должно быть ограничено с учетом вычислительных возможностей устройства, которое предполагается использовать для реализации метода.
Далее вычисленные значения метрик качества передаются блокам нормализации и взвешивания. Блоки нормализации необходимы для приведения значений разнородных метрик к одному диапазону выходных значений, то есть для упрощения реализации классификатора. Блоки взвешивания нужны для присвоения каждой метрике индивидуального веса в зависимости от контекста проводимых электрокардиографических исследований, таким образом, они получают информацию о параметрах исследования. Количество блоков нормализации и взвешивания соответствует общему количеству вычисляемых метрик.
Для реализации наиболее полного анализа качества ЭКС необходим блок определения некорректного положения электродов отведений. Он реализует соответствующие алгоритмы и передает информацию в блок классификации.
Блок классификации предназначен для определения класса качества исследуемого сигнала на основе расчета метрик качества и информации о положении электродов. Он может использовать различные принципы классификации: набор простых решающих правил, методы искусственного интеллекта (нейронные сети, деревья принятия решений), анализ интегральной метрики по параметрам матрицы регулярности и т. д. В результате можно получить класс качества исследуемого сигнала в соответствии с принятой шкалой порядков, численную вероятностную оценку, характеризующую качество сигнала, и набор рекомендаций по устранению возникших в ходе исследования факторов, негативно влияющих на качество сигнала.
Выводы
Существует актуальная проблема оценки качества ЭКС, которая непосредственно влияет на качество исследований. Успешное решение поставленных задач и полученные результаты, в частности разработанные классификации и перечень требований, являются необходимой базой, которая в дальнейшем позволит разработать метод оценки качества ЭКС. Представленная обобщенная структура метода оценки качества ЭКС может служить основой для построения программно-аппаратных средств, реализующих оценку качества ЭКС.
Литература |
Шубик Ю. В., Апарина И. В., Медведев М. М. и др. Качество врачебных заключений по данным суточного мони-торирования ЭКГ // Вестник аритмологии. 2007. № 49. С. 25-34.
2. Warner D. S., Warner M. A. Equipment-related Electrocardiographic Artifacts // Anestesiology. 2008. N 108. P. 138-148.
3. Knight B. P., Pelosi F., Michaud G. F. et al. Clinical consequences of electrocardiographic artifact mimicking ventricular tachycardia // New England Journal of Medicine. 1999. N 341. P. 1270-1274.
4. Rajaganeshan R., Ludlam C. L., Francis D. P. et al. Accuracy in ECG lead placement among technicians, nurses, general physicians and cardiologists // International Journal of Clinical Practice. 2008. Vol. 62. P. 65-70.
5. García-Niebla J., Llontop-García P., Valle-Racero L. et al. Technical mistakes during the acquisition of the electrocardiogram // Annals of Noninvasive Electrocardiology. 2009. Vol. 14, N 4. P. 389-403.
6. Maan A. C., Zwet E. W., van, Man S. et al. Assesment of signal quality and electrode placement in ECG using a reconstruction natrix // Computers in Cardiology. 2011. Vol. 38. P. 289-292.
7. The clinical implications of misplaced ECG leads. URL http:// www.jems.com/article/patient-care/6-clinical-implicatio.
8. Abokuhall A., Nielsen L., Saeed M. et al. Reducing false alarm rates for critical arrhythmias using arterial blood pressure waveform // Journal of Biomedical Informatics. 2008. Vol. 41, N 3. P. 442-451.
9. Silva I., Moody G. B., Celi L. Improving the quality of ECGs collected using mobile phones: The PhysioNet Computing in Cardiology Challenge 2011 // Computing in Cardiology. 2011. Vol. 38. P. 273-276.
10. Farrel R. M., Young B. J. Effect of lead quality on computerized ECG interpretation // Computers in Cardiology. 2011. Vol. 31. P. 173-176.
11. Vaglio M., Isola L., Gates G. et al. Use of ECG quality metrics in clinical trials // Computing in Cardiology. 2010. Vol. 37. P. 505-508.
12. Chudacek, V. Zach L., Kuzilek J. Simple scoring system for ECG quality assessment on android platform // Computing in Cardiology. 2011. Vol. 38. P. 449-451.
13. Moody B. E. Rule-based methods for ECG Quality Control // Computing Cardiology. 2011. Vol. 38. P. 361-363.
14. Hayn D., Jammerbund B., Schreier G. ECG quality assessment for patient empowerment in mHealth applications // Computing in Cardiology. 2011. Vol. 38. P. 353-356.
15. Liu C., Li P., Zhao L. et al. Real-time signal quality assessment for ECGs collected using mobile phones // Computing in Cardiology. 2011. Vol. 38. P. 357-360.
16. Sánchez B. A., Lopetegi T., Romero I. Assessment of different methods to estimate electrocardiogram signal quality // Computing in Cardiology. 2011. Vol. 38. P. 609-612.
17. Jekova I., Krasteva V., Dotsinsky I. Recognition of diagnos-tically useful ECG recordings: Alert for corrupted or interchanged leads // Computing in Cardiology. 2011. Vol. 38. P. 429-432.
18. Chen Y., Yang H. Self-organized neural network for the quality control of 12-lead ECG signals // Physiological measurement. 2012. Vol. 33. P. 1399-1418.
19. Clifford G. D., Behar J., Li Q. Signal quality indices and data fusion for determining clinical acceptability of electrocardiograms // Physiological measurement. 2012. Vol. 33. P. 1419-1433.
20. Clifford G. D., Lopez D., Li Q. Signal quality indices and data fusion for determining acceptability of electrocardiograms collected in noisy ambulatory environments // Computers in Cardiology. 2011. Vol. 38. P. 285-288.
21. Sungho O. H. A new quality measure in electrocardiogram signal: Magister These / University of Florida. 2004. 81 p.
22. Castiglioni P., Meriggi P., Faini A. Cepstral based approach for online quantification of ECG quality in freely moving subjects // Computing in Cardiology. 2011. Vol. 38. P. 625-628.
№ 3-4 (Zl-22)/2012 |
биотехносфера
