Алгоритм обнаружения опорных точек на цифровой электрокардиограмме в режиме реального времени

Актуальность темы обусловлена применением цифровых электрокардиографов и кардиомониторов со встроенными алгоритмами автоматической обработки, анализа и интерпретации электрокардиограмм, что позволяет врачу эффективно выполнять диагностику нарушений сердечного ритма. Известно, что для оказания обследуемому экстренной помощи продолжительность диагностики аритмий не должна превышать нескольких десятков секунд, что требует появления новых алгоритмов обнаружения информативных признаков, указывающих на аритмию, работающих в режиме реального времени. Необходимость внедрения новых эффективных технологий диагностики сердечно-сосудистых заболеваний также отражена в государственных программах развития здравоохранения.

Целью исследования является разработка и анализ показателей качества алгоритма обнаружения опорных точек на цифровой электрокардиограмме, несущих информативные признаки для процедуры диагностики аритмий.

Используемые методы. Исследование основано на анализе существующих подходов к решению задачи обнаружения опорных точек на цифровой электрокардиограмме, а также проведении экспериментальной проверки предлагаемого алгоритма методами математического моделирования. Предложены показатели качества рассматриваемых алгоритмов, определенные в соответствии с принципами теории обнаружения сигналов и диагностического тестирования, на стыке которых расположена задача обнаружения опорной точки кардиокомплекса. Экспериментальная проверка предлагаемого алгоритма осуществлена на материалах открытой верифицированной базы данных MIT-BIH Arrhythmia Database, которая широко применяется для верификации и валидации алгоритмов обработки сигнала цифровой электрокардиограммы, работающих в режиме реального времени.

Решение. В работе предложен алгоритм обнаружения опорных точек на цифровой электрокардиограмме, который основан на цифровой фильтрации сигнала с применением решающего правила на базе трехэтапной двухпороговой схемы сравнения величин сигнала предобработанной электрокардиограммы на скользящем окне, обладающий элементами научной новизны. Эксперимент на материалах открытой верифицированной базы данных MIT-BIH Arrhythmia Database показал, что качество предложенного алгоритма обнаружения опорных точек выше, чем у алгоритмов, применяемых в современных цифровых электрокардиографах и кардиомониторах.

Значимость. Полученные в работе результаты могут быть использованы при разработке устройств цифрового мониторинга сердечно-сосудистой системы, а также для автоматической обработки, анализа и интерпретации сигнала цифровой электрокардиограммы в режиме реального времени с применением ЭВМ.

1. Юлдашев З.М. Продолжительность диагностики аритмий для оказания экстренной помощи не должна превышать нескольких десятков секунд // Медвестник. 2018. URL: https://medvestnik.ru/content/interviews/Prodoljitelnost-diagnostiki-aritmii-dlya-okazaniya-ekstrennoi-pomoshi-ne-doljna-prevyshat-neskolkih-desyatkov-sekund.html (дата обращения 30.09.2024)

2. Нестерова Е.А. Основы электрокардиографии. Нормальная ЭКГ // Кардиология: Новости. Мнения. Обучение. 2016. № 2(9). С. 77‒85. EDN:WFLXIP

3. Рудницкий Л.В. Карманный справочник медицинских анализов. СПб.: Питер, 2014. 320 с.

4. Акопян Б.К. Классификация эпизодов нарушений сердечного ритма по информативным признакам во временной области электрокардиограммы // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 4. С. 305‒314. DOI:10.17586/0021-3454-2024-67-4-305-314. EDN:DSWAXC

5. Иванов Г.Г., Дворников В.Е., Сбеитан С., Булгакова Е.Ю., Александрова М.Р., Грибанов А.Н. Анализ показателей структуры вариабельности ритма сердца у здоровых лиц по данным РР- и RR-интервалов // Вестник Российского университета дружбы народов. Серия: Медицина. 2007. № 4. С. 26‒34. EDN:JVDXGH

6. Анциперов В.Е., Забросаев И.В., Растягаев Д.В. Детектирование нарушений сердечного ритма с использованием техники аналитических спектров // Журнал радиоэлектроники. 2015. № 12. С. 16. EDN:VHTMVJ

7. Friesen G.M., Jannett T.C., Jadallah M.A., Yates S.L., Quint S.R., Nagle H.T. A comparison of the noise sensitivity of nine QRS-detection algorithms // IEEE Transactions on Biomedical Engineering. 1990. Vol. 37. Iss. 1. PP. 85‒98. DOI:10.1109/10.43620

8. Akopyan B. Development of the automated cardiac rhythm disorders detection and classification algorithm // Bulletin of the UNESCO Department “Distance education in engineering” of the SUAI. 2022. Iss. 7. PP. 28‒31. EDN:QSKIML

9. Kohler B.-U., Hennig C., Orglmeister R. The principles of software QRS detection // IEEE Engineering in Medicine and Biology Magazine. 2002. Vol. 21. Iss. 1. PP. 42‒57. DOI:10.1109/51.993193

10. Zong W., Moody G.B., Jiang D. A robust open-source algorithm to detect onset and duration of QRS-complexes // Proceedings of the Conference on Computers in Cardiology (Thessaloniki, Greece, 21‒24 September 2003). IEEE, 2003. PP. 737‒740. DOI:10.1109/CIC.2003.1291261

11. Жаринов О.О., Жаринов И.О. Применение корреляционно-экстремального метода для решения задач обнаружения и оценивания положений опорных точек QRS-комплексов в электрокардиограмме // Научно-технический вестник информационных технологий, механики и оптики. 2011. № 5(75). С. 85‒90. EDN:OCBFFH

12. Боженко В.В., Черныш Н.Ю., Татарникова Т.М. Интеллектуальный анализ данных в диагностике анемии по клиническим показателям // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 4. С. 321‒329. DOI:10.17586/0021-3454-2024-67-4-321-329. EDN:AUAHNY

13. Раскопина А.С., Боженко В.В., Татарникова Т.М. Использование глубокого обучения при диагностировании пневмонии по рентгеновским снимкам // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 4. С. 315‒320.DOI:10.17586/0021-3454-2024-67-4-321-329. EDN:UPSNQQ