На правах рукописи

Якушенко Евгений Сергеевич

МЕТОДЫ АНАЛИЗА МНОГОСУТОЧНЫХ ЗАПИСЕЙ ЭКГ ДЛЯ СИСТЕМ

ХОЛТЕРОВСКОГО КАРДИОМОНИТОРИРОВАНИЯ

Специальность:

05.11.17 – Приборы, системы и изделия медицинского назначения

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2013

Работа выполнена на кафедре биотехнических систем Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И.Ульянова (Ленина)

Научный руководитель – доктор технических наук, Калиниченко Александр Николаевич.

Официальные оппоненты:

доктор технических наук, профессор Цветков Эрик Иванович, профессор кафедры информационно-измерительных систем и технологий Санкт-Петербургского электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина).

кандидат технических наук, Кривохижина Оксана Владимировна, доцент кафедры медицинской радиоэлектроники Санкт-Петербургского государственного университета аэрокосмического приборостроения.

Федеральное государственное бюджетное

Ведущая организация – учреждение науки Санкт-Петербургский институт информатики и автоматизации Российской академии наук (СПИИРАН).

Защита диссертации состоится “06” ноября 2013 г. в _ часов на заседании диссертационного совета Д 212.238.09 Санкт-Петербургского государственного электротехнического университета “ЛЭТИ” им. В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И.Ульянова (Ленина).

Автореферат разослан “” 2013 г.

Ученый секретарь диссертационного совета Д212.238.09 Садыкова Е.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы.

Сердечно-сосудистые заболевания (ССЗ) являются одними из наиболее опасных и распространенных болезней XXI века. По данным Всемирной организации здравоохранения (ВОЗ) в 2008 году во всем мире от ССЗ умерло 17,3 миллиона человек, что составило 30% всех случаев преждевременной смерти. По данным Росстата в году в России от ССЗ не стало около 1,3 миллиона человек, что составляет 57% от общего числа случаев смерти. По оценкам ВОЗ, к 2030 году от ССЗ ежегодно будут умирать около 25 миллионов человек, то есть основной причиной смертности попрежнему будут болезни сердца. Поэтому кардиология, занимающаяся изучением и борьбой с ССЗ, занимает особое место в современной медицине.

Одним из наиболее эффективных диагностических методов кардиологии является холтеровское мониторирование (ХМ) электрокардиограммы (ЭКГ). Исследование методом ХМ представляет собой непрерывную регистрацию ЭКГ в течение суток при обычном ритме жизни человека.

В настоящее время появились холтеровские кардиомониторы, способные регистрировать сигнал ЭКГ в течение недель, месяца и более. Благодаря этому были получены продолжительные записи ЭКГ, которых до недавнего времени не существовало. Поэтому становятся востребованными методы для эффективного анализа многосуточных записей ХМ.

Одной из задач, связанных с применением метода многосуточного ХМ, является оценка динамики изменения состояния пациента. Эта оценка заключается в обнаружении значимых изменений показателей состояния пациента и определении того, как организм реагирует на различные физиологические факторы и внешние воздействия, основным из которых является принимаемая пациентом терапия.

На сегодняшний день нет сведений о едином подходе к решению этой задачи.

Также нет данных о выработанной общепринятой методике подбора наиболее эффективной терапии. Не существует также единых общепринятых критериев объективной оценки её эффективности. Ситуацию осложняет тот факт, что многие показатели состояния пациента обладают свойством спонтанной вариабельности. Кроме того, сравнение результатов обследования для оценки динамики, как правило, выполняется врачом вручную, что требует больших временных затрат и является мало эффективным методом. Поэтому в клинической практике кардиолога, применяющего метод многосуточного ХМ ЭКГ, существует потребность в программноалгоритмическом обеспечении, которое позволило бы автоматизировать процедуру оценки динамики изменения состояния пациента.

Другой важной задачей, для решения которой может применяться метод многосуточного ХМ, является обнаружение ишемических нарушений ритма сердца, которые являются одним из факторов риска внезапной смерти пациента. В данный момент времени практически нет сведений о существующих технических методах поиска аритмий, порождаемых ишемией миокарда.

Для решения обозначенных задач предлагается создать методы, в основе которых будет лежать применение методов математической статистики (статистических критериев). Определение достоверности наблюдаемых изменений с математической точки зрения дало бы возможность кардиологу принимать во внимание только те изменения, которые вызваны не естественной спонтанной вариабельностью показателей, а некоторым физиологическим фактором или внешним воздействием.

Целью диссертационной работы является разработка статистических методов оценки динамики состояния пациента и обнаружения аритмий, порождаемых ишемией миокарда, расширяющих возможности систем многосуточного холтеровского кардиомониторирования.

';

Для достижения поставленной цели определены следующие задачи исследования:

1. Структуризация входных данных для метода автоматической оценки динамики состояния пациента.

2. Разработка и экспериментальное исследование методов автоматической оценки динамики изменения показателей состояния пациента по данным многосуточного холтеровского кардиомониторирования.

3. Разработка и экспериментальное исследование методов автоматического обнаружения связи между нарушениями ритма сердца и эпизодами ишемии миокарда.

4. Реализация разработанных методов в виде программно-алгоритмического обеспечения.

Объектом исследования является система автоматического анализа записей многосуточного холтеровского мониторирования.

Предметом исследования является методическое и алгоритмическое обеспечение системы автоматического анализа записей многосуточного холтеровского мониторирования.

Методы исследования. Для решения поставленных теоретических задач в диссертационной работе использовались методы математической статистики и научной визуализации.

Моделирование алгоритмов было выполнено с использованием программного пакета математического моделирования MATLAB 2012b. Экспериментальные исследования были проведены на наборах реальных записей сигналов, полученных в медицинских учреждениях. Реализация алгоритмов была осуществлена при помощи интегрированной среды разработки программного обеспечения Microsoft Visual Studio 2012, с использованием платформы.NET 4.0 на языке C++/CLI.

Новые научные результаты. В процессе проведения исследования получены следующие новые научные результаты:

Формализация входных данных. Научная новизна заключается в разработке на основе формализованного описания диагностической информации структуры представления входных данных, позволяющей автоматизировать оценку динамики состояния пациента и обнаружение аритмий, порождаемых ишемией миокарда.

Метод, предназначенный для автоматического обнаружения значимых изменений показателей состояния пациента. Научная новизна заключается в создании методики, позволяющей сделать обоснованный выбор статистических критериев для оценки динамики изменения результатов анализа ЧСС, ритмов и аритмий для многосуточных записей холтеровского кардиомониторирования.

Метод, позволяющий автоматизировать процедуру обнаружения аритмий, порождаемых ишемией миокарда. Научная новизна заключается в создании методики, позволяющей сделать обоснованный выбор статистических критериев для обнаружения связи между эпизодами ишемии миокарда и эпизодами нарушений ритма сердца по данным холтеровского мониторирования.

Практическую ценность работы представляют следующие результаты, полученные в диссертационной работе:

Структура входных данных, необходимых для автоматического расчета показателей состояния пациента и их дальнейшего сравнения с применением методов математической статистики.

Алгоритм автоматического определения значимых изменений результатов анализа ЧСС, ритмов и аритмий, основанный на применении статистических критериев и предназначенный для использования в комплексах многосуточного холтеровского мониторирования.

Алгоритм автоматического обнаружения аритмий, порождаемых ишемией миокарда, основанный на применении статистических критериев и предназначенный для использования в системах автоматического анализа записей многосуточного холтеровского мониторирования.

Программно-алгоритмическое обеспечение, реализующее разработанные алгоритмы, предназначенное как для использования в системах анализа многосуточных записей холтеровского мониторирования, так и для решения исследовательских задач.

Научные положения, выносимые на защиту:

Наиболее высокие значения показателей эффективности метода обнаружения значимых изменений показателей состояния пациента по данным многосуточного холтеровского кардиомониторирования были достигнуты при применении медианного критерия с использованием точного критерия Фишера для результатов анализа ЧСС (при уровне значимости = 0,038), точного критерия Фишера для результатов анализа ритмов ( = 0,097), критерия Колмогорова-Смирнова совместно с медианным критерием для результатов анализа аритмий ( = 0,057).

Наилучшие значения показателей эффективности метода обнаружения аритмий, порождаемых ишемией миокарда, были получены за счёт использования Точного критерия Фишера (при уровне значимости =0,07).

Внедрение результатов работы. Результаты диссертационной работы использовались при выполнении научно-исследовательской работы на кафедре БТС СПбГЭТУ «ЛЭТИ» по проекту РФФИ 10-07-00496 «Информационные технологии и система для распознавания психофизиологических состояний оператора на основе автоматического анализа биомедицинских сигналов» (2010-2012 гг.), при выполнении государственного заказа на выполнение научно-исследовательской работы «Разработка действующего образца носимых датчиков аппаратно-программного комплекса удаленного неинвазивного автономного детектирования кардиособытий и характеристик вихревых потоков в дыхательных путях» контракт № «0372100049612000397-ОК» (от 31 июля 2012 года).

Результаты диссертационной работы были использованы при создании программно-аппаратных комплексов холтеровского мониторирования «Кардиотехникаи «Кардиотехника-07» (ЗАО «Инкарт», г. Санкт-Петербург), а также они были внедрены в учебный процесс СПбГЭТУ «ЛЭТИ» в форме материала для лекций и лабораторных работ по дисциплинам: «Методы обработки биомедицинских сигналов и данных», «Компьютерные технологии в медико-биологических исследованиях».

Апробация работы.

Основные научные и практические результаты диссертационной работы докладывались и обсуждались на следующих конференциях и симпозиумах:

X Международном славянском Конгрессе по электростимуляции и клинической электрофизиологии сердца «КАРДИОСТИМ» (КАРДИОСТИМ 2012); ежегодных научно-технических конференциях профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ» (2012 – 2013 гг.), научно-технической конференции СПбНТОРЭС им.А.С. Попова (2012 – 2013 гг.); научных семинарах кафедр «Биотехнических систем»

и «Информационно-измерительных систем и технологий» СПбГЭТУ «ЛЭТИ».

Публикации.

Основные результаты диссертации опубликованы в 13 работах, среди которых публикации в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, 4 публикации в трудах международных и российских научно-технических конференций и симпозиумов, методические указание для проведения лабораторных работ, а также 5 свидетельств о государственной регистрации программы для ЭВМ.

Структура и объем диссертации.

Диссертация состоит из введения, пяти глав, заключения, списка литературы, включающего 54 наименования, списка условных обозначений и аббревиатур. Основная часть работы изложена на 173 страницах машинописного текста. Работа содержит рисунков и 16 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цели и задачи исследования, изложены научные положения, выносимые автором на защиту.

Приведено краткое содержание диссертации по главам.

В первой главе анализируется современное техническое состояние метода холтеровского кардиомониторирования, рассматриваются основные тенденции его развития, приводится обзор существующих программно-аппаратных комплексов. Было показано, что в настоящее время с появлением новых приборов, способных регистрировать продолжительный сигнал ЭКГ, начал быстро развиваться метод многосуточного ХМ, применяемый для решения таких задач, как оценка динамики изменения состояния пациента и обнаружение аритмий, порождаемых ишемией миокарда.

Приводится краткий обзор методов автоматической оценки динамики состояния пациента по данным многосуточного ХМ. Анализ существующих решений показал, что в настоящее время основным является автоматический метод, основанный на применении медицинских количественных критериев, но он обладает рядом недостатков. Существует также перспективный метод, основанный на применении статистических критериев, который основан на недостаточном базисе априорных знаний и требует дальнейшего изучения и совершенствования.

В данной главе рассматривается состояние проблемы автоматического определения ишемических нарушений ритма сердца. Показано, что на сегодняшний день методы определения ишемических аритмий практически не автоматизированы.

Отмечена необходимость исследования и разработки новых методов обработки записей многосуточного ХМ, основанных на применении методов математической статистики. На основании проведенного анализа определяются цель и задачи исследования.

Вторая глава посвящена разработке структуры входных данных на основе формализованного описания диагностической информации, позволяющей автоматизировать метод оценки динамики изменения состояния пациента по данным многосуточного ХМ. Показано, что на настоящий момент не решена проблема формализации входных данных для разрабатываемых методов.

В ходе исследования рабочего процесса врача-кардиолога, применяющего в своей практике метод многосуточного ХМ, был сформулирован перечень входной информации для процедуры оценки динамики состояния пациента, и определена приоритетность её компонентов.

Сформулированы основные требования к структуре входных данных. Требование неизбыточности данных, заключается в том, чтобы исключить любое дублирование информации с целью минимизации занимаемого объема памяти.

Требование достаточности данных заключается в том, что структура данных должна обеспечивать выполнение процедуры сравнения показателей состояния пациента и оценки их динамики с применением методов математической статистики на любых сравниваемых фрагментах. Необходимость повторного обращения к исходным записям при изменении настроек должна быть исключена. Для обеспечения выполнения этого требования, были изучены алгоритмы анализа ЧСС, ритмов, аритмий, PQ и QT, ишемии миокарда, и описан промежуточный уровень данных, позволяющий производить расчеты сравниваемых показателей для произвольных фрагментов записи.

Также сформулировано требование независимости структуры входных данных от понятий, сущностей и алгоритмов, используемых в конкретных системах автоматической обработки записей ХМ. Такой подход дает возможность сравнения результатов анализа записей ХМ, полученных программами обработки ЭКГ разных версий и даже разных производителей.

Описаны основные блоки структуры входных данных:

Для оценки динамики изменений результата анализа ЧСС требуется хранить минутный тренд ЧСС, временные границы периодов бодрствования и сна, возраста пациента, информацию о двигательной активности пациента в виде тренда, показывающего, в какие минуты наблюдалось движение, а в какие нет.

Для оценки динамики результатов анализа ритмов, необходимо для каждого ритма хранить его название и идентифицирующий код, информацию о времени начала и продолжительности всех эпизодов ритма.

Для сравнения результатов анализа аритмий требуется для каждой аритмии хранить её название, идентифицирующий код и код ритма, на котором она регистрируется. Если эпизоды данного нарушения ритма сердца являются одиночными (состоят из одного QRS-комплекса), то необходимо хранить только минутный тренд QRS-комплексов. Если эпизоды аритмии состоят из нескольких QRS-комплексов (напр., группы или пароксизмы) либо являются паузами, тогда дополнительно требуется информация о каждом эпизоде аритмии отдельно, представляющая собой время начала эпизода, его длительность и количество QRS-комплексов.

Также в данной главе рассмотрена проблема, заключающаяся в том, что кардиологу иногда требуется оценивать динамику аритмий, представленных на различных уровнях подробности. Для её решения разработан метод автоматического сопоставления нарушений ритма сердца, входной информацией для которого являются символьные коды идентификации аритмий, сформированные по особому принципу.

Результатом этой главы является формализация входных данных в виде, пригодном для дальнейшего анализа. Также был осуществлен вариант реализации структуры входной информации в виде схемы XML документа, который был выбран для представления данных.

Третья глава посвящена исследованию методов математической статистики для оценки динамики изменения показателей состояния пациента по данным многосуточного ХМ ЭКГ. В основу алгоритма были положены статистические критерии для проверки гипотез о наличии значимых изменений показателей результатов анализа ЧСС, ритмов и аритмий. Основной задачей, решаемой в данной главе, является определение того, применение каких статистических критериев, для каких показателей и при каких настройках позволяет достигнуть наилучшую эффективность алгоритма с точки зрения чувствительности и специфичности.

Было выяснено, что в клинической практике при сравнении показателя, представленного как множество значений, требуется оценка изменения среднего значения и изменения эмпирической функции распределения показателя. Был выполнен сравнительный анализ статистических критериев, для проверки гипотез и предложены варианта алгоритма обнаружения статистически значимых изменений (рисунок 1).

Вначале для каждого из исследуемых разделов анализа ХМ были выбраны сопоставляемые показатели. Затем была выполнена проверка гипотезы о нормальности распределения этих показателей с помощью критерия Лиллиефорса при уровне значимости = 0,05.

Если предположение о нормальности распределения исследуемого показателя не опровергалось, то исследовался алгоритм, основанный на статистических критериях нормального распределения. Он заключается в следующем: выполняется проверка гипотезы о равенстве дисперсий с помощью соответствующего критерия Фишера. В зависимости от равенства дисперсий для проверки гипотезы о наличии значимого изменения математического ожидания применяется соответствующая модификация критерия Стьюдента.

Проверка гипотезы о нормальности распределения показателя Нормальность опровергается Нормальность не опровергается Проверка гипотезы о совпадении законов распределения:

Критерий Колмогорова-Смирнова Проверка гипотезы о наличии Проверка гипотезы о равенстве применением точного критерия Кохрана-Кокса Рисунок 1 - Алгоритм автоматического обнаружения статистически значимых изменений показателей результатов анализа записей ХМ Если предположение о нормальности распределения исследуемого показателя опровергалось, то исследовался алгоритм, основанный на применении непараметрических критериев. Он заключается в следующем: выполняется проверка гипотезы о совпадении законов распределения двух выборок с использованием критерия Колмогорова-Смирнова, осуществляется проверка гипотезы сдвига, для которой предложены критерий Манна-Уитни-Вилкоксона и медианный критерий (модификация с применением Точного критерия Фишера).

Для оценки эффективности метода был сформирован набор из 20 записей многосуточного ХМ, которые были обработаны и проанализированы независимым экспертом в области кардиологии. Оценивалась посуточная динамика. Выполнено сопоставление фрагментов: ЧСС – 524 сопоставлений (отдельно сон, бодрствование, движение, покой); ритмы – 131 сопоставление; аритмии – 1878 сопоставлений.

Исследовано применение критериев как по отдельности, так и их совместное применение.

Для обнаружения значимых изменений ЧСС в качестве сравниваемого показателя была принята «ЧСС, рассчитанная на определенном интервале времени» и выраженная в уд./мин. Предположение о нормальности распределения этого показателя было опровергнуто, поэтому исследован алгоритм, основанный на непараметрических критериях. В таблице 1 представлены наилучшие значения показателей эффективности применения статистических критериев (%) и соответствующие значения уровня значимости и интервала расчета показателя Td (мин.).

Показано, что наилучшие значения показателей эффективности метода обнаружения значимых изменений ЧСС достигаются при применении медианного критерия (с использованием точного критерия Фишера) при уровне значимости = 0,038 и интервале расчета показателя Td = 30 минут. При этом чувствительность метода составила Se = 95,7 %, а специфичность – P = 89,6 %. Значения показателей эффективности метода при различных значениях и Td проиллюстрированы на рисунке 2.

Таблица 1. Результат применения статистических критериев для обнаружения значимых изменений ЧСС Манна-Уитни-Вилкоксона медианный критерий Медианный критерий основан на расчете медианы объединенного ряда наблюдений и подсчете для каждой из двух выборок количества элементов, значения которых превышают и не превышают медиану. В результате образуется таблица сопряженности 2x2, к которой применятся Точный критерий Фишера, основанный на расчете вероятностей всех возможных вариантов заполнения таблицы сопряженности при данной численности групп, при этом вероятность случайного получения любого набора значений таблицы определяется формулой (1):

где a, b, c, d – значения ячеек таблицы сопряженности.

Рисунок 2 - Графики значений показателей эффективности метода обнаружения значимых изменений ЧСС в зависимости от уровня значимости и интервала расчета показателя Td: a) чувствительности Se, %; b) специфичности P, %, c) средней ошибки При сравнении результатов анализа ритмов в качестве сравниваемого показателя была выбрана «Доля времени наблюдения ритма». Каждый сравниваемый фрагмент представляется всего одним значением этого показателя, поэтому для оценки значимости изменения ритмов был применен следующий подход. Составляется таблица сопряженности 2x2 (таблица 2). Столбцы таблицы соответствуют сравниваемым фрагментам, первая строка таблицы содержит значения доли времени наблюдения ритма от продолжительности всего фрагмента, вторая строка содержит значения доли времени, в течение которого ритм не наблюдался.

Таблица 2. Таблица сопряженности для показателя «Доля времени наблюдения ритма»

К этой таблице были применены соответствующие статистические критерии.

Показано, что наилучшие значения показателей эффективности метода обнаружения значимых изменений ритмов достигаются при применении точного критерия Фишера при уровне значимости = 0,097 и делении исследуемого фрагмента записи на N = долей. При этом чувствительность метода составила Se = 100%, а специфичность – P = 87,8%. Значения показателей эффективности метода при различных значениях и N проиллюстрированы на рисунке 3.

Рисунок 3 - Графики значений показателей эффективности метода обнаружения значимых изменений ритмов в зависимости от уровня значимости и количества долей N, на которые делился фрагмент записи: a) чувствительности Se, %; b) специфичности P, Для обнаружения значимых изменений аритмий выбран показатель «Количество QRS-комплексов аритмии, зарегистрированных в определенный интервал времени».

Предположение о нормальности распределении этого показателя было опровергнуто, поэтому был исследован метод, основанный на непараметрических критериях. В таблице 3 представлены наилучшие значения показателей эффективности применения статистических критериев (%) и соответствующие значения уровня значимости и интервала расчета показателя Td (мин.).

Показано, что наилучшие значения показателей эффективности метода обнаружения значимых изменений результатов анализа аритмий достигаются при совместном применении медианного критерия (с использованием точного критерия Фишера) и критерия Колмогорова-Смирнова при уровне значимости = 0,057 и интервале расчета показателя Td = 1 мин. При этом чувствительность метода составила Se = 93,5 %, а специфичность – P = 95%. Значения показателей эффективности метода при различных значениях и Td проиллюстрированы на рисунке 4.

Таблица 3. Результат применения статистических критериев для обнаружения значимых изменений аритмий Манна-Уитни-Вилкоксона медианный критерий В основе критерия Колмогорова-Смирнова лежит статистика Dn1,n2, которая представляет собой наибольшее отклонение между двумя эмпирическими функциями распределения вероятностей. Распределение статистики Dn1,n2 определяется формулой (2):

где p – вероятность, n1 и n2 – объемы двух выборок, K(t) – распределение Колмогорова, t – значение статистики.

Рисунок 4 - Графики значений показателей эффективности метода обнаружения значимых изменений аритмий в зависимости от уровня значимости и интервала расчета показателя Td: a) чувствительности Se, %; b) специфичности P, %; c) средней Также было показано, что дополнительно требуется применение клинических критериев, что позволит обнаруживать те медицински значимые изменения, которые не являются статистически значимыми.

В итоге схема метода автоматической оценки динамики состояния пациента приняла вид, изображенный на рисунке 5. Осуществляется непрерывная регистрация ЭКГ в течение длительного времени (нескольких суток), через каждые сутки фрагменты записи передаются через интернет на компьютер врача, где они анализируются. Затем формируются входные данные для метода оценки динамики, выполняется попарное сравнение фрагментов с целью обнаружения значимых изменений показателей, и формируется заключение о динамики состояния пациента.

Холтер. монитор Предварительная Выделение и Фрагмент записи через internet Компьютер врача Попарное сравнение фрагментов (каждый с предыдущим) Расчет значений ЧСС на интервале Точный кр. Фишера, = 0, 30 мин.: бодрствование, сон, Медианный критерий (на основе Расчет долей времени наблюдения ритмов с точностью до 1/760 от длительности фрагмента Расчет таблицы сопряженности 2x доли времени наблюдения ритмов Рисунок 5 - Функциональная схема метода автоматической оценки динамики состояния пациента по данным многосуточного ХМ Четвертая глава посвящена исследованию метода автоматического обнаружения аритмий, порождаемых ишемией миокарда, которые тесно связаны с риском внезапной смерти пациента. В основе метода лежит применение статистических критериев, что позволяет определить, происходит ли изменение количества эпизодов аритмии на фоне эпизодов ишемии и оценить, насколько это изменение статистически достоверно.

Для нахождения связи между аритмиями и эпизодами ишемии рассматривались следующие показатели: «Количество QRS-комплексов аритмии в определенном интервале времени» и качественный параметр «Характер QRS-комплекса», показывающий относится ли данный комплекс к классу «норма» или «аномалия»

относительно данной аритмии.

Выборка значений показателя «Количество эпизодов аритмии в определенном интервале времени» формировалась следующим образом. По результатам обработки записей ЭКГ были рассчитаны 10-секундные тренды аритмий и временные границы эпизодов ишемии. Затем тренд аритмии разбивался на части в соответствии с этими границами. Были сформированы 2 выборки. Первая выборка содержала значения фрагментов тренда аритмии, соответствующих областям времени, где обнаружены эпизоды ишемического смещения ST-сегмента, вторая – где не обнаружены.

Для исследования этого показателя были применены статистические критерии для проверки следующих гипотез. Проверка гипотезы о совпадении законов распределения была осуществлена с использованием критерия Колмогорова-Смирнова;

проверка гипотезы сдвига была осуществлена с использованием критерия МаннаУитни-Вилкоксона и медианного критерия (модификация с применением Точного критерия Фишера).

Для исследования показателя «Характер QRS» выборка его значений была поделена на две группы двумя разными способами – отражает ли данный QRS-комплекс данную аритмию или не отражает (первый признак), QRS-комплекс лежит в переделах эпизодов ишемии или вне их (второй признак). По результатам деления значений показателя на группы составлялась таблица сопряженности размерностью 2x2 (таблица 4), показывающая количество QRS, характеризующихся определенным набором признаков. Для определения связи между признаками по таблице сопряженности были исследованы следующие статистические критерии: критерий сравнения долей, критерий Хи-квадрат для таблицы сопряженности, точный критерий Фишера (односторонний).

Таблица 4. Таблица сопряженности для показателя «характер QRS»

В ходе исследования выяснилось, что большинство критериев позволяют обнаружить связь между аритмиями и эпизодами ишемии практически во всех случаях.

Но наилучший результат с точки зрения специфичности был получен с использованием Точного критерия Фишера для показателя «Характер QRS». Значения показателей эффективности метода при различных значениях проиллюстрированы на рисунке 6.

Функциональная схема метода автоматического обнаружения ишемических аритмий представлена на рисунке 7.

Рисунок 6 - Графики значений показателей эффективности метода обнаружения ишемических аритмий в зависимости от значения уровня значимости : a) график зависимости чувствительности Se и специфичности P от ; b) – график зависимости Обработка и анализ записи ХМ ЭКГ Холтер.

монитор Поиск ишемических нарушений ритма сердца Расчет кол-ва QRS-комплексов, которые:

- являются аритмией; на фоне эпизодов ишемии - не являются аритмией; на фоне эпизодов ишемии - являются аритмией; вне эпизодов ишемии - не являются аритмией; вне эпизодов ишемии Формирование таблицы сопряженности 2x Применение Точного критерия Фишера, = 0, Вывод о том, является ли аритмия «ишемической»

Рисунок 7 - Функциональная схема метода автоматического обнаружения В итоге суть метода заключается в следующем: кардиомонитор записывает сигнал ЭКГ, затем выполняются предварительная обработка, выделение и классификация QRSкомплексов, выделение эпизодов аритмий, обнаружение T-волны, ST-сегмента и эпизодов ишемии. После этого формируются входные данные, и выполняется поиск ишемических аритмий. Затем формируется заключение обо всех обнаруженных ишемических аритмиях.

Пятая глава посвящена реализации разработанных методов в виде программноалгоритмического обеспечения. Приведено описание программно-аппаратного комплекса «Кардиотехника-07» (ЗАО «Инкарт»), в состав которого внедрена разработанная программа. Представлено подробное описание разработанных способов представления информации с использованием современных мультимедийных возможностей. Описаны особенности программной реализации статистических критериев.

В заключении приводится обобщение основных научных и практических результатов диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана структура входных данных на основе формализованного описания диагностической информации для метода автоматической оценки динамики состояния пациента, обеспечивающая возможность сравнения результатов анализа записей холтеровского мониторирования на любых произвольных фрагментах с применением методов математической статистики.

2. Разработан метод автоматического сопоставления аритмий, позволяющий оценивать динамику нарушений ритма сердца, проанализированных на различных уровнях подробности.

3. Разработан метод автоматической оценки динамики показателей состояния пациента по данным многосуточного холтеровского мониторирования, основанный на статистических критериях, позволяющий решить задачу обнаружения значимых изменений результатов анализа ЧСС, ритмов и аритмий.

4. Разработан метод автоматического обнаружения нарушений ритма сердца, порождаемых ишемией миокарда, по данным продолжительного холтеровского кардиомониторирования, основанный на применении статистических критериев.

Создано программно-алгоритмическое обеспечение, реализующее разработанные алгоритмы, и предназначенное как для использования в автоматизированных системах анализа записей многосуточного холтеровского мониторирования ЭКГ, так и для решения исследовательских задач.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи, опубликованные в изданиях, включенных в перечень ВАК:

1. Якушенко Е. С. Исследование метода обнаружения периодов ночного сна при холтеровском кардиомониторировании [Текст] // Известия СПбГЭТУ «ЛЭТИ»

(Известия Государственного электротехнического университета). – 2012. –№8. – С. 107Якушенко Е. С. Исследование метода обнаружения связи между аритмиями и эпизодами ишемии при холтеровском кардиомониторировании [Текст] // Известия СПбГЭТУ «ЛЭТИ» (Известия Государственного электротехнического университета). – 2012. – №1.– С. 81-85.

3. Якушенко Е. С. Программа моделирования ЭКГ в среде LabVIEW [Текст] // Биотехносфера. – 2012. – №3-4. – С. 64-67.

Свидетельства о государственной регистрации программ:

4. Свидетельство о государственной регистрации программы для ЭВМ "KTStudio:Динамика" № 2012616026, 02.07.2012.

5. Свидетельство о государственной регистрации программы для ЭВМ "Программа для обнаружения ишемических аритмий" № 2012616025, 02.07.2012.

6. Свидетельство о государственной регистрации программы для ЭВМ "Программа для определения границ ночного сна пациента" № 2012616024, 02.07.2012.

7. Свидетельство о государственной регистрации программы для ЭВМ "Генератор электрокардиограммы" № 2012616023, 02.07.2012.

8. Свидетельство о государственной регистрации программы для ЭВМ "Программа для выводов сигналов ЭКГ через цифро-аналоговый преобразователь" № 2012616021, 02.07.2012.

Публикации в других изданиях:

9. Якушенко Е. С. Применение статистических критериев для обнаружения ишемических нарушений ритма сердца [Текст] // Вестник аритмологии. – 2012. – c. 131.

10. Якушенко Е.С. Определение периодов ночного сна с использованием статистических критериев при холтеровском кардиомониторировании [Текст] // Сборник трудов 67-й научно-технической конференции СПбНТОРЭС им. А.С. Попова.– СПб., – 2012. – С. 298 - 299.

11. Якушенко Е. С. Применение методов математической статистики для определения ишемических желудочковых нарушений ритма [Текст] // Сборник трудов 67-й научно-технической конференции СПбНТОРЭС им. А.С. Попова.– СПб., – 2012. – С. 297 – 298.

12. Якушенко Е. С. Метод автоматического определения динамики состояния пациента по данным многосуточного мониторирования ЭКГ [Текст] // Сборник трудов 68-й научно-технической конференции СПбНТОРЭС им. А.С. Попова.– СПб., – 2012. — СПб. –, 2013. – С. 356 – 357.

Методические указания:

13. Якушенко Е. С. Программирование алгоритмов анализа биомедицинских сигналов в среде LabVIEW: Методические указания к лабораторным работам / Сост.:

Якушенко Е. С., Саламонова И. С., Калиниченко А. Н., Немирко А. П. С-Пб: Изд-во СПбГЭТУ «ЛЭТИ», 2012. 56 с.