Способ обработки электрокардиосигнала для персональных носимых кардиомониторов

Изобретение относится к медицинской технике и предназначено для предварительной обработки электрокардиосигнала для персональных носимых кардиомониторов. При этом с датчиков ЭКГ снимают электрокардиосигналы, усиливают их и проводят первичную аналоговую обработку. Аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой. Корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала. Проводят адаптивную нормализацию сигналов R-пиков. Устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов и ее средним значением SN1 ср. на скользящем окне N1. Оставляют исходную форму сигнала, если разность ΔSi составляет величину более двух, и заменяют на среднее значение сигнала в скользящем окне N1, если разность ΔSi составляет величину менее двух. Осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором максимума пиков из каждых пяти рядом расположенных отсчетов и определением временного расположения максимума. Удаляют нетипичные кардиоциклы и проводят извлечение информации, относящейся к сердечным сокращениям пользователя. Достигается сокращение вычислительных затрат и мощностей, а также энергопотребления, повышение длительности работы кардиомонитора без замены аккумуляторов, повышение достоверности диагностирования ЭКГ, сокращение продолжительности проведения оценки функционального состояния для пациента и ускорение доврачебной оценки заболеваний сердца. 7 ил.

 

Изобретение относится к области медицины, в частности к методам автоматического анализа биомедицинской информации, и предназначено для предварительной обработки электрокардиосигнала (ЭКС), поиска R-пиков, определения R-Rинтервалов и других информативных параметров электрокардиосигнала, например показателей вариабельности сердечного ритма в персональных носимых кардиомониторах.

Современный этап развития медицинского приборостроения характеризуется возрастающим интересом как к новым технологиям диагностики состояния здоровья, так и к автоматическому анализу самой биомедицинской информации, среди которой анализ электрокардиосигнала (ЭКС) играет одну из ключевых ролей.

К настоящему времени проблема автоматической обработки и анализа ЭКС сложилась в отдельное направление, разветвленное на множество более частных задач, связанных с различными областями применения. Одной из таких задач является автоматический анализ ЭКС в персональных носимых кардиомониторах. В отличие от традиционных многофункциональных клинических кардиомониторов (например, стационарных, прикроватных, возимых в машинах скорой медицинской помощи и др.), в персональных носимых кардиомониторах на первый план резко выступают ограничения как по массогабаритным характеристикам и энергопотреблению, так и, в особенности, по вычислительной мощности используемых процессоров. В связи с этим становятся особенно востребованными такие способы автоматической обработки и анализа ЭКС, которые при перечисленных выше ограничениях позволили бы производить предварительную обработку сигнала непосредственно в самих носимых персональных кардиомониторах и не нарушили бы при этом исходную форму ЭКС для повышения достоверности выявления информативных параметров.

Известны способы предварительной обработки ЭКС, наиболее совершенным из которых считается метод Пана - Томпкинса, которые основаны на предварительной фильтрации ЭКС, взятии первой или второй производной от ЭКС, ее возведении в квадрат или куб с последующей фильтровой обработкой [Рангайян P.M. Анализ биомедицинских сигналов, пер. с англ. А.Н. Калиниченко под ред. Немирко. М. Физматлит. 2007; Компьютерные методы автоматического анализа ЭКГ в системах кардиологического наблюдения. Калиниченко А.Н., докт. диссерт. 12Д5М 2003, СПб, 2008, заявка RU №2014127196, МКИ А61В 5/0452, опубл. 10.02.2016]. Недостаток этих способов заключается в том, что результирующий сигнал не имеет никакого сходства с исходным ЭКС, т.к. относительно медленные зубцы Р и Т подавляются, а выходной сигнал приобретает дополнительный шумовой характер, для устранения которого требуется дополнительная операция сглаживания, что требует привлечения дополнительных вычислительных ресурсов, увеличения длительности обработки и, как следствие, приводит к увеличению энергопотребления. Кроме того, известные способы характеризуются относительно плохими результатами обнаружения проблемных сигналов, в частности, содержащих дрейф изолинии.

Известны также способы предварительной обработки ЭКС (пат. RU 2345709, МПК А61В 5/0432, опубл. 10.02.2009, патент RU 2373945, МПК А61В 5/0402, опубл. 27.11.2009, заявка RU 2009 105 130, МПК А61В 5/0402, опубл. 27.08.2010), использующие встроенные средства фильтрации сигнала ЭКГ, расположенные между датчиками ЭКГ и блоком обработки сигналов, что, однако, искажает исходную форму ЭКС, а следовательно, снижает достоверность диагностики ЭКС. Кроме того, это создает дополнительную групповую задержку, которая приводит к паразитному временному сдвигу в отсчетах, для устранения которого приходится использовать дополнительную операцию сглаживания с использованием адаптивных фильтров, что также приводит к необходимости увеличения длительности обработки и вычислительной мощности. При этом выходной QRS-комплекс также не имеет сходства с исходным сигналом, что приводит к снижению достоверности выявления информативных параметров ЭКС.

Известны способы, использующие вейлет-преобразования, нейронные сети или спектральную обработку функций Уолша [Сравнительный анализ алгоритмов обнаружения R-зубца ЭКС, А.В. Рослякова, П.Г. Чупраков, Экспериментальная медицина и клиническая диагностика, Вятский медицинский вестник, №2, 2012, 29-35; Патент РФ 2242164, МПК А61В 5/0402 опубл. 20.12.2004]. Однако для качественной обработки ЭКС известные способы требуют очень высоких вычислительных мощностей и, следовательно, высокого энергопотребления. Поэтому в персональных носимых мониторах для длительного мониторинга они не могут быть использованы.

Задачей предлагаемого решения является разработка способа обработки электрокардиосигнала для персональных носимых кардиомониторов, лишенный перечисленных недостатков.

При решении поставленной задачи достигается технический результат, заключающийся в сокращении вычислительных затрат, и, как следствие, вычислительных мощностей, и, соответственно энергопотребления, повышение длительности работы кардиомонитора без замены аккумуляторов, повышение достоверности диагностирования ЭКГ, сокращение продолжительности проведения оценки функционального состояния для пациента (до нескольких миллисекунд и менее) и тем самым ускорение доврачебной оценки заболеваний сердца.

Сущность изобретения заключается в том, что с датчиков ЭКГ снимают электрокардиосигналы, усиливают их, проводят первичную аналоговую обработку, затем аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой сигнал, корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала, затем проводят адаптивную нормализацию сигналов R-пиков, для чего на каждом шаге дискретизации выбирают скользящий максимум Amax(i) на прямоугольном окне N2 в 300 дискретных отсчетов и умножают значения каждого текущего отсчета окна N2 на коэффициент Gi=1/Amax(i), далее устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов симметрично по семь отсчетов вправо и влево относительно текущего отсчета и ее средним значением SN1 ср. на скользящем окне N1, и если разность ΔSi составляет величину более двух - оставляют исходную форму сигнала, а менее двух - заменяют на среднее значение сигнала в скользящем окне N1, затем осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором пиков и их расположения на временном окне из каждых пяти рядом расположенных отсчетов, а также удалением нетипичных кардиосигналов, далее проводят извлечение информации, относящейся к сердечным сокращениям пользователя.

Использование в процессе обработки электрокардиосигнала (ЭКС) прямоугольных окон позволяет, с одной стороны, выбирать любую их длительность, не меняя при этом сам алгоритм обработки электрокардиосигнала, а с другой стороны, позволяет значительно сократить вычислительные мощности при выполнении различных операций с ЭКС за счет сокращения в N раз числа необходимых операций на каждый текущий отсчет входного сигнала.

Корректировка дрейфа изолинии на прямоугольном временном окне в 30 дискретных отсчетов позволяют убрать не только тренд дыхания, но и другие низкочастотные артефакты, вызванные движением при свободном ношения кардиомонитора, что повышает достоверность диагностирования.

Адаптивная нормализация амплитуды сигналов R-пиков позволяет упростить последующий этап детектирования R-пиков, что уменьшает время диагностирования и вычислительные затраты.

Предложенное устранение шумоподобных составляющих ЭКС, обусловленных наводками и мимикрией мышц, путем оценки площадей нормализованных сигналов в скользящих прямоугольных окнах позволяет исключить операции дополнительной фильтрации, что снижает вычислительные затраты и повышает достоверность результатов измерений.

При этом все перечисленные в способе операции не искажают форму исходного электрокардиосигнала, что обеспечивает высокую достоверность последующей диагностики.

В результате поиска не обнаружено информации, позволяющей сделать вывод об известности отличительных признаков заявляемого способа, следовательно, заявляемое техническое решение соответствует условию новизны.

Из предшествующего уровня техники не известно влияние отличительных признаков заявляемого способа на достигаемый технический результат, следовательно, заявляемый способ соответствует условию изобретательского уровня.

Сущность изобретения поясняется чертежами, где на фиг. 1 дана блок-схема для первичной обработки электрокардиосигнала (ЭКС); на фиг. 2 показан дрейф изолинии; на фиг. 3 - электрокардиосигнал после стабилизации изолинии, на фиг. 4 - электрокардиосигнал до нормализации сигналов R-пиков, на фиг. 5 - ЭКС после адаптивной нормализации сигналов R-пиков; на фиг. 6 - ЭКС до сглаживания по площади, на фиг. 7 - ЭКС после сглаживания по площади.

Блок-схема устройства для реализации способа содержит два датчика ЭКГ 1, 2, подключенных к усилителю 3, выход которого связан с последовательно соединенными блоком обработки аналоговых сигналов 4, аналого-цифровым преобразователем 5, блоком цифровой обработки ЭКС 6.

Способ осуществляется следующим образом.

Размещают датчики ЭКГ 1, 2 в области сердца, например во 2-м или 5-м модифицированных отведениях. С датчиков ЭКС 1, 2 снимают электрокардиосигналы, усиливают их в усилителе 3, проводят первичную аналоговую обработку, в частности попарную дифференциальную обработку в блоке обработки аналоговых сигналов 4, затем аналоговый сигнал в аналого-цифровом преобразователе 5 дискретизируют по амплитуде и по времени для перевода в цифровой сигнал.

Цифровой сигнал подают в блок цифровой обработки ЭКС 6. Последующую цифровую обработку ЭКС проводят в прямоугольных окнах. При этом длительность окон выбирают в зависимости от этапа обработки ЭКС.

Предварительно корректируют дрейф изолинии (фиг. 2) оцифрованного электрокардиосигнала. Для этого определяют скользящее среднее на прямоугольном окне N1 длительностью 30 дискретных отсчетов и его вычитают из входного сигнала, устраняя тем самым пьедестал дрейфа.

Откорректированный дрейф изолинии приведен на фиг. 3. Эта операция позволяет убрать не только тренд дыхания, но и низкочастотные артефакты, обусловленные движением при свободном ношении кардиомонитора, поскольку размер окна N1 согласован с постоянной времени артефактов свободного движения.

Далее проводят адаптивную нормализацию сигналов R-пиков (фиг. 4), т.е. приводят их к уровню нормированной единицы (фиг. 5). Для этого определяют скользящий максимум Amax(i) на прямоугольном окне N2 в 300 дискретных отсчетов (размер окна должен быть менее длительности следования R-пиков), и умножают после этого значения текущих отсчетов на коэффициенты усиления Gi=1/Amax(i). Нормированные сигналы пприведены на фиг. 5.

Далее проводят сглаживание по площади нормализованного сигнала для исключения шумоподобных составляющих электрокардиосигнала, обусловленных наводками и мимикрией мышц (фиг. 6). Для этого определяют площадь SN3 сигналов для каждого текущего отсчета i в рамках окна N3 по семь отсчетов вправо и влево относительно текущего отсчета и среднюю площадь SN1 ср. этого сигнала в рамках окна N1, т.е. в 30 дискретных отсчетов. Далее вычисляют абсолютную разность этих площадей ΔSi. Если ΔSi составляет более двух - оставляют исходную форму сигнала, а менее двух - этот сигнал заменяют на среднее значение сигнала в скользящем окне N1. Таким образом, большие выбросы сигнала, такие как R-пики, на участке плюс минус семь точек остаются, а остальные шумоподобные помеховые сигналы приводятся к среднему по 30 точкам, т.е. фактически устраняются. Сигнал после сглаживания приведен на фиг. 7.

Далее осуществляют локализацию положения R-пиков. Для этого проводят пороговое детектирование по уровню 0,5, затем определяют максимальное значение из каждых пяти рядом расположенных отсчетов и фиксируют его расположение на временном окне. Найденные таким образом максимумы сигнала интерпретируют как R-пики. После этого удаляют нетипичные R-циклы ЭКС и проводят извлечение информации, относящейся к сердечным сокращениям пользователя.

Предлагаемое изобретение по сравнению с известными аналогами позволяет значительно сократить длительность обработки и вычислительные затраты, снижая тем самым энергопотребление. Это позволяет производить анализ ЭКС непосредственно в самих нательных носимых кардиомониторах. Кроме того, предлагаемое изобретение позволяет одновременно повысить достоверность проводимых измерений, поскольку не изменяет форму исходного ЭКС.

Способ предварительной обработки электрокардиосигнала для персональных носимых кардиомониторов, заключающийся в том, что с датчиков ЭКГ снимают электрокардиосигналы, усиливают их, проводят первичную аналоговую обработку, характеризующийся тем, что аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой сигнал, корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала, затем проводят адаптивную нормализацию сигналов R-пиков, для чего на каждом шаге дискретизации определяют скользящий максимум Amax(i) на прямоугольном окне N2 в 300 дискретных отсчетов и умножают значения каждого текущего отсчета окна N2 на коэффициент Gi=1/Amax(i), далее устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов симметрично по семь отсчетов вправо и влево относительно текущего отсчета и ее средним значением SN1 ср. на скользящем окне N1, при этом, если разность ΔSi составляет величину более двух, оставляют исходную форму сигнала, а менее двух - заменяют на среднее значение сигнала в скользящем окне N1, затем осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором максимума пиков из каждых пяти рядом расположенных отсчетов и определением временного расположения максимума, после этого удаляют нетипичные кардиоциклы и далее проводят извлечение информации, относящейся к сердечным сокращениям пользователя.



 

Похожие патенты:

Группа изобретений относится к медицине и может быть использована для оценки толерантности сердца к физической нагрузке. Непрерывно регистрируют пульсовые показатели пациента.

Изобретение относится к области медицины, а именно к физиологии и гигиене труда, клинической медицине. Регистрируют показатели электроэнцефалограммы (ЭЭГ), F-ответа с мышц возвышения большого пальца при стимуляции правого срединного нерва; показатели статистического и спектрального анализа вариабельности динамического ряда кардиринтервалов (ВСР).
Изобретение относится к медицине, а именно к клинической физиотерапии и рефлексотерапии. Проводят электростимуляцию поверхностных зон кожи.

Изобретение относится к области медицины, а именно к физиологии и гигиене труда. Распределяют исследуемых на группы с известными характеристиками результативности моделируемой деятельности по показателям анализа результатов выполнения теста Горбова-Шульте.

Изобретение относится к медицине, а именно к сердечно-сосудистой диагностике. Принимают ЭКГ сигналы от n отведений.

Изобретение относится к медицине, биологии, системам обеспечения безопасности функционирования человеко-машинных систем. Проводят скрытую оценку и мониторинг опасных психофизиологических состояний (ПФС) оператора человеко-машинных систем в процессе профессиональной деятельности (ПД) с учетом сравнения параметров кардиограммы (ЭКГ) при приеме оператора на работу или переаттестации знаний на объекте-имитаторе при выполнении различных видов ПД и на реальном объекте.
Представленная группа изобретений относится к медицине, а именно к кардиологии. Определяют моментные векторы электрического поля по трем выбранным парам проекций на стандартные и/или усиленные отведения.

Изобретение относится к области медицины, а именно к педиатрии, пульмонологии, аллергологии, и может быть использовано для прогнозирования формирования бронхиальной астмы у детей раннего возраста, перенесших острый обструктивный бронхит на фоне перинатального поражения центральной нервной системы постгипоксического генеза легкой степени.

Изобретение относится к медицине и может быть использовано для определения влияния диагностического ультразвука как на пациента, так и на оператора ультрасонографии.

Изобретение относится к медицине, психофизиологии, оценке влияния учебного процесса на состояние учащегося. Измеряют начальную биометрическую информацию учащегося и определяют начальные значения индикаторов сердечного ритма учащегося: индекс напряжения, амплитуда моды и отношение низкочастотной компоненты к высокочастотной, по которым определяют начальное психофизиологическое состояние учащегося. По завершении учебного процесса определяют конечные значения упомянутых индикаторов сердечного ритма учащегося, по которым определяют психофизиологическое состояние учащегося в конце учебного процесса. Проводят сравнение и получают данные об изменении психофизиологического состояния учащегося в ходе учебного процесса, на основе чего делают вывод о влиянии учебного процесса на учащегося. Способы-варианты позволяют дополнительно также определять базовое и промежуточное психофизиологическое состояние учащегося по соответствующим значениям упомянутых индикаторов сердечного ритма, которые также учитывают при формировании вывода о влиянии учебного процесса на учащегося. Способ обеспечивает повышение объективности и достоверности диагностики психофизиологического состояния учащегося лишь за счет оценки исчерпывающего комплекса упомянутых показателей, причем достоверность для мальчиков составляет 87,86%, для девочек 85,43%. 4 н.п. ф-лы, 8 пр., 20 табл.

Изобретение относится к медицине и может быть использовано для оценки риска здоровью работников титано-магниевого производства от влияния ночных смен. Устанавливают у работника стаж работы. Проводят анкетирование, тестирование и клинический осмотр для оценки функционального состояния организма работника. Определяют функциональные показатели ВРС: значение мощности спектра высокочастотного компонента (HF, %) и отношение значений низкочастотного и высокочастотного компонентов (LF/HF). Определяют лабораторные показатели: уровень малонового альдегида (МДА), уровень моноцитов, абсолютное число эозинофилов в крови, эозинофильно-лейкоцитарный индекс, уровень липопротеин(а) и гомоцистеина, уровень липопротеидов низкой плотности (ЛПНП), активность С-пептида, уровень глюкозы. Далее устанавливают наличие отклонений указанных функциональных и лабораторных показателей от физиологической нормы. И при наличии у работника одновременно стажа работы 6 лет и более синдрома вегетативной дисфункции, снижения HF меньше нижней границы нормы, повышения LF/HF больше верхней границы нормы и при одновременном наличии, по меньшей мере, пяти лабораторных показателей с отклонениями от верхней границы нормы оценивают риск здоровью работников титано-магниевого производства от ночных смен как высокий. Способ позволяет достоверно оценить риск для здоровья работников ночных смен за счет комплексной оценки показателей стажа и информационных лабораторных и функциональных показателей. 2 ил., 6 табл.

Изобретение относится к области медицины, а именно эндокринологии. Для лечения осложнений диабетической стопы у пациентов с сахарным диабетом до образования язвенного дефекта определяют пальце-плечевой индекс (ППИ) каждой стопы. При значении ППИ меньше 0.7 проводят ударно-волновую терапию (УВТ) в течение 3-недельного курса по два сеанса в неделю, воздействуя на стопу, на которой выявлено снижение ППИ. Способ позволяет улучшить микроциркуляцию тканей в зоне воздействия, за счет стимуляции физиологического ангиогенеза у больных на ранних стадиях синдрома диабетической стопы до образования язвенного дефекта. 2 пр.

Изобретение относится к медицине, в частности к электрокардиографии. Способ аналого-цифрового измерения параметров при автоматической фрагментации электрокардиосигналов (ЭКС) может быть использован также в электрофизиологии при измерении параметров и фрагментов электрофизиологических показателей и в измерительной технике для измерения параметров и фрагментов как случайных, так и детерминированных сигналов при воздействии помех. Осуществляют съем ЭКС, его предварительную аналоговую фильтрацию и аналого-цифровое преобразование. Выполняют априорно установленное скользящее симметричное преобразование (ССП) полученных дискретных отсчетов в пределах локальной области относительно ее центрального цифрового отсчета (ЦО). Выделяют фрагмент сигнала, содержащий экстремум, и определяют экстремум в пределах фрагмента. Аналого-цифровое преобразование выполняется при повышенной частоте временной дискретизации. Для выделения фрагмента сигнала, содержащего экстремум, при выполнении ССП дополнительно выполняют первое и второе скользящее ассиметричное раздельное преобразование (САРП) для ЦО той же локальной области. Полученные значения первого и второго САРП приводят к одному положительному знаку и сравнивают с одноименными по знаку априорно установленными первым и вторым порогами соответственно. Определяют нелинейную корреляцию (НК) значений САРП только при одновременном превышении значений САРП соответствующих порогов на каждом такте попарным перемножением. Для остальных случаев результатов сравнения приравнивают ее значения к нулю. Сравнивают значение НК с третьим априорно установленным порогом и выделяют фрагмент ЭКС, содержащий только его первый экстремум, по превышению НК третьего априорно установленного порога. Достигается повышение точности и надежности измерений в реальном масштабе времени параметров при автоматической фрагментации ЭКС и достоверности диагностики по кардиологическим показателям при воздействии помех и снижении сложности реализации способа. 1 з.п. ф-лы, 12 ил.

Изобретение относится к области медицины, а именно к неврологии. Определяют показатели: частоты альфа-колебаний и кросскорреляционной функции электроэнцефалограммы, межпиковой амплитуды N75P100 зрительного вызванного потенциала, межпиковой амплитуды N2P3 когнитивного вызванного потенциала Р300, а также показатели времени простой зрительно-моторной реакции и среднего квадратичного отклонения вариабельности сердечного ритма, зарегистрированных у пациентов с эпилепсией при стандартных условиях. При помощи уравнения регрессии, имеющего вид у=-5,57+0,86* и логит-преобразования Р=еу/(1-еу) определяют вероятность попадания пациента с эпилепсией в одну из групп, характеризующих пациентов с благоприятным или неблагоприятным течением эпилепсии. Способ позволяет увеличить достоверность диагностики течения эпилепсии, что достигается за счет использования указанных выше физиологических показателей и их математического преобразования. 2 табл.

Изобретение относится к области медицины, а именно к неврологии. Определяют показатели частоты альфа-колебаний электроэнцефалограммы (ЭЭГ), межпиковой амплитуды когнитивного вызванного потенциала P300, средней частоты тэппинг-тестА, среднего квадратичного отклонения вариабельности сердечного ритма (ВСР). Затем при помощи уравнения регрессии, имеющего вид y=-25+2,0*частота альфа-колебаний ЭЭГ -0,07* межпиковая амплитуда когнитивного вызванного потенциала P300 +0,69*частота тэппинг-теста + 0,04 * среднее квадратичное отклонение ВСР и логит преобразования P=ey/(1-ey), определяют вероятность попадания исследуемых в группу пациентов с эпилепсией или группу практически здоровых лиц. Способ позволяет проводить экспресс-диагностику, что достигается за счет указанных выше приемов способа. 2 табл.

Изобретение относится к области медицины, а именно к неврологии. Регистрируют показатели: спектрального анализа электроэнцефалограмм (ЭЭГ), кросскорреляционной функции ЭЭГ, зрительных и слуховых вызванных потенциалов, когнитивных вызванных потенциалов, амплитуду волны условно-негативного отклонения, среднее время простой зрительно-моторной реакции, среднее время межударного интервала теппинг-теста, амплитуду максимального F-ответа, отношение максимального F-ответа к М-ответу, латентность максимального F-ответа, показатели вариабельности сердечного ритма (ВСР), характеристики усредненного значения легочной вентиляции, частоты дыхания, уровня кислорода в выдыхаемом воздухе, парциального давления углекислоты в выдыхаемом воздухе, уровня энерготрат. При помощи искусственной нейронной сети с завершенной процедурой обучения, представляющей собой многослойный персептрон с 72 входными нейронами, 8 нейронами промежуточного слоя и 1 выходным, определяют распределение испытуемых в группу практически здоровых лиц или больных эпилепсией. Способ позволяет проводить отбор и экспресс-диагностику эпилепсии, что достигается за счет указанных выше приемов способа. 2 табл.

Изобретение относится к области медицины, а именно к физиологии и гигиене труда. Регистрируют электрофизиологические показатели и определяют: мощность тета-колебаний ЭЭГ в отведении F3 в мкВ2/с2, частоту кросскорреляционной функции ЭЭГ в отведении F3-F4, межпиковую амплитуду N2P3 когнитивного вызванного потенциала Р300 в Cz в мкВ, амплитуду условно-негативного отклонения (УНВ) в Cz в мкВ и среднее квадратичное отклонение вариабельности сердечного ритма в мс. Рассчитывают уравнение регрессии: у=-4,41+0,07*мощность тета-колебаний ЭЭГ в F3-0,43*частота корреляции ЭЭГ F3-F4-0,23*амплитуда N2P3 Р300 в Cz+0,03*амплитуда УНВ в Cz -0,004*СКО ВСР и логит преобразования Р=еу/(1-еу), и определяют вероятность распределения исследуемых на результативную и низко результативную группы. Способ повышает достоверность прогноза, что достигается за счет использования указанных выше электрофизиологических параметров. 2 табл.

Изобретение относится к медицинской технике и предназначено для предварительной обработки электрокардиосигнала для персональных носимых кардиомониторов. При этом с датчиков ЭКГ снимают электрокардиосигналы, усиливают их и проводят первичную аналоговую обработку. Аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой. Корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала. Проводят адаптивную нормализацию сигналов R-пиков. Устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов и ее средним значением SN1 ср. на скользящем окне N1. Оставляют исходную форму сигнала, если разность ΔSi составляет величину более двух, и заменяют на среднее значение сигнала в скользящем окне N1, если разность ΔSi составляет величину менее двух. Осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором максимума пиков из каждых пяти рядом расположенных отсчетов и определением временного расположения максимума. Удаляют нетипичные кардиоциклы и проводят извлечение информации, относящейся к сердечным сокращениям пользователя. Достигается сокращение вычислительных затрат и мощностей, а также энергопотребления, повышение длительности работы кардиомонитора без замены аккумуляторов, повышение достоверности диагностирования ЭКГ, сокращение продолжительности проведения оценки функционального состояния для пациента и ускорение доврачебной оценки заболеваний сердца. 7 ил.

Наверх