Способ ранней кардиодиагностики

 

Изобретение относится к медицине, а именно к функциональной диагностике на основе электрокардиограмм. Способ позволяет с высокой достоверностью определять информацию о динамике патологического процесса на его ранней стадии, которую извлекают из электрического сигнала сердечного ритма, вычисляя при этом посредством математических процедур производные высших порядков анализируемых функций. Для этого функцию синусового ритма регистрируют в виде цифровой последовательности данных, обеспечивающих их последующий ввод и обработку на ПЭВМ. Чтобы производные высших порядков были значимы, а сам метод обладал высокой чувствительностью к малейшим отклонениям, темп измерений выбирают на два порядка выше частоты сердечного ритма, а шкалу амплитуд сигнала квантуют с точностью 16-го разряда. Функционирование исследуемой системы в дискретном времени представляют феноменологическим рекуррентным управлением. 5 ил.

Изобретение относится к области медицины, в частности к функциональной диагностике на основе электрокардиограмм (ЭКГ).

Известен способ функциональной диагностики на основе регистрации биоэлектрических потенциалов сердечной мышцы в так называемых стандартных отведениях (см., например, В.Н. Орлов "Руководство по электрокардиографии", М., Медицина, 1984, г. стр. 58-60 "Методика снятия электрокардиограмм", стр. 82-83 "Нормальный синусовый ритм" - аналог). В способе-аналоге осуществляют регистрацию ЭКГ при постоянном калибровочном сигнале и постоянной скорости протяжки бумажной ленты (миллиметровки), а патологию выявляют путем визуального анализа совокупности параметров синусовой ритмики сердца и взаимного положения информативных параметров на миллиметровке.

Недостатками известного аналога являются: - ограниченная точность регистрации сигнала и как следствие недостаточная достоверность метода; - ненаглядность отображения, трудность одновременного оперативного визуального анализа нескольких информативных параметров; - невозможность выявления скрытой динамики ранней патологии.

В технике при диагностировании объектов широко используют математические процедуры обработки функций электрических эхо-сигналов. Наибольшее распространение получили математические методы разложения функций сигналов в дискретные либо непрерывные ряды.

Известны разложения функций в степенные либо ортогональные ряды Тейлора, Маклорена, Фурье и т.д. При этом коэффициенты разложения функций в ряд могут иметь какой-либо физический или наглядный смыл.

Ближайшим аналогом является способ, описанный в пат. РФ N 2100958, кл. A 61 B 5/02, 1996 г.

В известном способе регистрируют от нескольких сотен до нескольких тысяч RR-интервалов ЭКГ в стандартном отведении, вычисляют по стандартным формулам статистические характеристики: среднее, дисперсию, асимметрию, эксцесс, с помощью цепей Маркова вычисляют вероятность P-динамики изменения длительности RR-интервалов, формируют код ритмограмм в виде последовательности вычисленных статистических характеристик и P, сравнивают ближайший код обследуемого с кодом ритмограмм здоровых людей, по величине эвклидова расстояния вычисляют распознающую функцию и по ее табличным значениям судят о наличии патологии, в частности злокачественного образования.

К недостаткам известного способа можно отнести: - неадекватность используемой модели измеряемому физическому процессу; измеряется динамический процесс сердечного ритма, а строится статистическая модель; - невозможность обнаружения по статистической модели динамики скрытых патологий на ранней стадии диагностирования.

Технический результат заявленного способа заключается в повышении чувствительности и достоверности обнаружения скрытой динамики патологических отклонений на раннем этапе диагностического обследования.

Заявленный результат достигается тем, что в способе ранней кардиодиагностики, включающем запись биопотенциалов сердечного ритма в стандартных отведениях, оцифровку зарегистрированной ритмограммы, ее обработку, вычисление статистических параметров и сравнение их с полученными из ритмограмм здоровых пациентов, запись биопотенциалов сердечного ритма осуществляют с темпом до 500 измерений в секунду, а оцифровку ритмограммы - не менее чем в 16- разрядной шкале квантования по амплитуде, представляют полученную цифровую последовательность в виде степенного рекуррентного ряда с числом коэффициентов разложения не менее 30, а статистические параметры вычисляют в виде коэффициентов рекуррентного ряда из условия минимального среднеквадратического отклонения от исходной последовательности, после чего из этих коэффициентов формируют диагностическую матрицу пациента, которую сравнивают с эталонной матрицей здоровых пациентов и диагностируют кардиопатологию при отклонении хотя бы одного коэффициента от установленного порогового уровня.

Совокупность введенных операций позволила реализовать такие новые качественные свойства способа как: - высокую чувствительность метода диагностирования к скрытой патологии; - статистическую устойчивость результатов; - ясный физический смысл коэффициентов разложения и их наглядное отображение в виде "смещенной улитки Паскаля".

Анализ известных технических решений в исследуемой и смежных областях позволяет сделать вывод об отсутствии в них признаков, совпадающих с существенными признаками заявленного технического решения и о соответствии последнего критерию "изобретательский уровень".

Техническая сущность изобретения заключается в следующем.

Существующие методы диагностирования на основе зарегистрированных ЭКГ базируются на анализе статистических параметров: ширины временных интервалов синусового ритма, амплитуды, взаимного положения в цикле. Скрытая информация о динамике патологического процесса на его ранней стадии может быть извлечена из электрического сигнала сердечного ритма, если математическими процедурами вычислять производные высших порядков от анализируемых функций. Для этого функция синусового ритма регистрируют в виде цифровой последовательности данных, обеспечивающих их последующий ввод и обработку на ПЭВМ. Чтобы производные высших порядков были значимы, а сам метод обладал высокой чувствительностью к малейшим отклонениям, темп измерений выбирают на два порядка выше частоты сердечного ритма, а шкалу амплитуд сигнала квантуют с точностью 16-го разряда. Широкий диапазон шкалы квантования амплитуды сигнала обеспечивает значимые конечные разности до 30-го коэффициента разложения.

Функционирование исследуемой системы в дискретном времени представляют феноменологическим рекуррентным уравнением.

Для имеющихся данных наблюдений λ_к= λ(t_к), k = 1...N строится приближение феноменологическим уравнением вида Δ_k= f(λ_k-1,λ_k-2,...λ_k-η), (1)
где f, η заранее неизвестны f∈Φ,k>η,η<N. Требуется найти такие f, η, чтобы минимизировать величину

Будем считать Φ классом степенных полиномов, причем

где q₁...q_v есть сочетания из q₁...q_v.

Количество коэффициентов {a}-C^η_η+v. Они находятся из условия

где η, v заранее выбраны, η называют порядком (связностью), v - степенью полинома.

Для этого решается следующая система:

Вычисление коэффициентов {a} по измерениям исходного процесса реализуется программным методом. Программа реализована на ПЭВМ IBM PC/AT 486/487, комплекс специализированных программ OC. Windows (98). Модуль программы, в котором содержатся функции, вычисляющие коэффициенты {a} и приближение λ_k, написан на стандартном языке Pascal и содержит три ключевые подпрограммы: Fill Matz - заполнение матрицы системы (5), Solve - решение системы (5) методом Гаусса, FillMas - регистрация приближения λ_k по формуле (I).

Текст модуля программы дается в примере реализации.

На фиг. 1 представлен график зависимости среднеквадратического отклонения рекуррентного ряда от исходной последовательности в функции от числа коэффициентов разложения η. Из графика следует, что связность уравнения следует выбирать порядка η = 30. При этом σ²(η=30)/σ²(η=100) = 1,04 ≈ 1, т.е. дальнейшее увеличение связности η не дает существенного повышения точности, но значительно увеличивает объем вычислений. На фиг. 2, фиг. 3 воспроизведены соответственно исходная последовательность зарегистрированных данных сердечного ритма и его регенерированное приближение (рекурентная функция). Для последовательности зарегистрированных данных, рассмотренной в примере реализации, получена диагностическая матрица коэффициентов (см. в конце описания).

Аналогичную матрицу при тех же начальных условиях регистрации ЭКГ рассчитывают для представительной выборки здоровых пациентов. После статистического усреднения такую матрицу принимают "эталонной медицинской", с которой сравнивают текущие матрицы пациентов.

Заявляемый способ может быть реализован на базе устройства по схеме фиг. 4. Функциональная схема устройства фиг. 4 содержит датчики стандартных отведений 1, подключенных к кардиографу 2, с записью цифрового потока синусового ритма на лазерном диске 3. Зарегистрированный массив данных с лазерного диска 3 вводится в ПЭВМ 4 типа IBM PC/AT 486/487 в комплекте процессор-вычислитель 5, оперативное ЗУ 6, винчестер 7, клавиатура 8, дисплей 9, принтер 10. Требуемая емкость оперативного ЗУ не менее 8 МБ. Кардиограф типа "Cardiag-128,1", фирма METE, Ч.Р.

Специализированное программное обеспечение OC Windows (98) предварительно записывают на винчестер 7. Сервисные программы расчетов по операциям заявленного способа в виде самостоятельных файлов также размещают на винчестере. Реальной обработке подвергались оцифрованные электрокардиограммы длиной 2¹⁷ измерений с темпом 200 измерений в сек, полученные в Научном Центре сердечно-сосудистой хирургии им. А.Н. Бакулева. Данные были подвергнуты предварительной частотной фильтрации от частоты 50 Гц сети переменного тока. Разложение исходной последовательности в рекуррентный ряд и вычисление диагностических коэффициентов {а} реализовано программным методом. Программный модуль (см. в конце описания) написан на языке Pascal. Использованы следующие обозначения:
n - число точек измерений минус 1 (массивы нумеруются с 0);
LNat - массив измерений λ_k;
Lmod - массив приближения Λ_k;
A - массив коэффициентов {а};
МА - матрица системы (5);
МС - вспомогательная матрица;
Sigma - σ²;
V - текущая степень полинома v;
Eta - текущая связность η;
mN - количество коэффициентов {а} минус 1 (т.е. C^η_η+v-1 ), используемых при текущем расчете.

На фиг. 5 представлена визуализированная зависимость между коэффициентами λ_k,λ_k-1, при K ---> var для регенерированного процесса путем программного решения рекуррентного уравнения по приведенным процедурам.

Дальнейшая обработка коэффициентов включает следующие этапы:
Получают коэффициенты для некоторого числа (как можно большего) здоровых пациентов при η = 30.

Для каждого коэффициента а_i:
- Находят медианное среднее для а_i по всем пациентам где P - число пациентов.

- Для всех отклонений вида = а_i - A_med находят раздельно

- Получают первые границы

- Для пациентов, выпадающих за первые границы, находят раздельно

Получают вторые границы

Получают диагностический критерий:
- если все коэффициенты пациента попадают в первые границы, то он считается здоровым;
- если существует коэффициент, попадающий между первыми и вторыми границами, то считается возможным наличие отклонений в работе сердца,
- если существует коэффициент, выпадающий за вторые границы, то считается установленным наличие отклонений в работе сердца.

При таком методе некоторые из считающихся ранее здоровыми пациенты могут быть признаны больными. Это объясняется тем, что вычисляется не арифметическое среднее, а медианное, которое оберегает среднее значение от воздействия аномальных выбросов. Таким образом, метод позволяет выявить больных и среди тех считавшихся ранее здоровыми пациентов, которые участвовали в вычислении границ.

Формула изобретения

Способ ранней кардиодиагностики, включающий запись потенциалов сердечного ритма в стандартных отведениях, оцифровку полученной ритмограммы, ее обработку, вычисление статистических параметров и сравнение их с полученными из ритмограмм здоровых пациентов, отличающийся тем, что запись биопотенциалов сердечного ритма осуществляют с темпом до 500 измерений в секунду, а оцифровку ритмограммы - не менее чем в 16-разрядной шкале квантования по амплитуде, представляют полученную цифровую последовательность в виде степенного рекуррентного ряда с числом коэффициентов разложения не менее 30, а статистические параметры вычисляют в виде коэффициентов рекуррентного ряда из условия минимального среднеквадратического отклонения от исходной последовательности, после чего из этих коэффициентов формируют диагностическую матрицу пациента, которую сравнивают с эталонной матрицей здоровых пациентов и диагностируют кардиопатологию при отклонении хотя бы одного коэффициента от установленного порогового уровня.

РИСУНКИ

Рисунок 1, Рисунок 2, Рисунок 3, Рисунок 4, Рисунок 5, Рисунок 6, Рисунок 7, Рисунок 8, Рисунок 9, Рисунок 10