Способ прогнозирования риска развития желудочковых аритмий высоких градаций у пациентов, направленных на коронарную ангиографию

Изобретение относится к области медицины, в частности к кардиологии. Используют клинико-анамнестические данные и результаты эхокардиографии пациента для построения математической модели искусственных нейронных сетей. При этом нейронная сеть представлена в виде многослойного персептрона, состоящего из 25 нейронов входного слоя, представляющих следующие факторы: пол, возраст, индекс массы тела, курение, сопутствующие артериальная гипертония и сахарный диабет, наличие аневризмы и тромба в полости левого желудочка, размер левого и правого желудочков, левого предсердия, межжелудочковой перегородки, диметр корня аорты, наличие митральной регургитации, размер асинергии и фракция выброса левого желудочка, функциональный класс хронической сердечной недостаточности. Кроме того, нейронная сеть, состоящая из скрытого слоя из шести нейронов с функцией активации - гиперболический тангенс в виде и выходного слоя, состоящего из двух нейронов: - наличие аритмии и - отсутствие аритмии, с нормировкой значений функцией Softmax. При значении больше или равном делается вывод о риске развития желудочковых аритмий высоких градаций, а при значении меньше развитие аритмий не прогнозируется. Способ позволяет повысить точность прогнозирования желудочных аритмий высоких градаций, направляемых на коронарную ангиографию, а также сократить время обследования. 2 пр., 3 табл.

 

Изобретение относится к разделу медицины, а именно к кардиологии, в частности, для прогнозирования вероятности развития потенциально опасных для жизни пациентов желудочковых аритмий (ЖА) высоких градаций с применением оригинальной математической модели искусственных нейронных сетей (ИНС), и может быть использовано для стратификации риска внезапной сердечной смерти (ВСС) и неблагоприятного прогноза у пациентов, направленных на коронарную ангиографию (КАГ). При этом модель ИНС строится на основании клинико-анамнестических данных пациента и результатов эхокардиографии (Эхо-КГ).

Известен способ прогнозирования тяжести аритмического синдрома при инфаркте миокарда (ИМ) [Логачева И.В., Пономарев СБ., Баранцева Н.Г. Способ прогнозирования тяжести аритмического синдрома при инфаркте миокарда. Патент RU №2518133, опубл.: 20.02.2014], заключающийся в том, что у больного, перенесшего ИМ, проводят суточное мониторирование электрокардиограммы (ЭКГ), оценивают стандартное отклонение средних значений кардиоинтервалов, отношение волн низкой и высокой частоты и вариабельность интервала QT. Проводят Эхо-КГ с определением фракции выброса (ФВ) левого желудочка (ЛЖ). На основании полученных результатов прогнозируют тяжесть аритмического синдрома. Способ позволяет оценить тяжесть аритмического синдрома с более высокой точностью без проведения нагрузочных проб.

Недостатком данного способа является прогнозирование аритмического синдрома только в популяции больных с острым ИМ, необходимость проведения дополнительного обследования - суточного мониторирования ЭКГ с определения вариабельности ритма сердца (ВРС) и вариабельности интервала QT.

Известен способ прогнозирования развития ВСС и устойчивой желудочковой тахикардии (ЖТ) у больных, перенесших ИМ, с использованием алгоритма ИНС [Noninvasive prediction of sudden death and sustained ventricular tachycardia after acute myocardial infarction using a neural network algorithm. Zoni-Berisso M., Molini D., Viani S. Ital Heart J. 2001 Aug; 2(8):612-20], заключающийся в том, что для прогнозирования развития ВСС и злокачественных ЖА у больных, перенесших ИМ, используют алгоритм математической модели ИНС, включающий такие клинико-функциональные параметры, как острая левожелудочковая недостаточность во время госпитального периода, нарушение локальной сократимости ЛЖ, сниженная ФВ ЛЖ, наличие блокады ножек пучка Гиса на ЭКГ, наличие поздних потенциалов желудочков (ППЖ) и синдрома ранней реполяризации желудочков.

Недостатком данного способа является необходимость проведения дополнительных исследований, в частотности сигнал-усредненной ЭКГ для оценки ППЖ, а также то, что прогнозирование ЖА возможно только у пациентов, перенесших ИМ.

Известен способ прогнозирования развития жизнеопасных ЖА у больных ишемической болезнью сердца (ИБС) в сочетании с хронической обструктивной болезнью легких (ХОБЛ) [Горбунов В.В., Войченко Т.Ю., Лукьянов С.А. и соавт. Способ прогнозирования развития жизнеопасных желудочковых аритмий у больных ишемической болезнью сердца в сочетании с хронической обструктивной болезнью легких. Патент RU №2426122, опубл.: 10.08.2011], заключающийся в том, что определяют показатель цитокиново-вегетативного баланса, который является отношением величины коэффициента баланса симпатической и парасимпатической активности к коэффициенту цитокинового баланса, и при его значении более 0,9 делается вывод о высоком риске развития ЖА.

Недостатком данного способа является его низкая специфичность, необходимость дополнительного исследования цитокинового статуса и ВРС. Кроме того, прогнозирование ЖА осуществляют в узкой популяции больных ИБС в сочетании с ХОБЛ.

Известен способ определения вероятности развития ЖА у больных, направленных на КАГ [Предикторы желудочковых аритмий высоких градаций у пациентов, направленных на коронарную ангиографию. Кузнецов В.А, Юркина Ю.А., Тодосийчук В.В., и соавт. Кардиология. - 2014; 8:44-48], взятый в качестве прототипа, заключающийся в том, что в качестве математической модели расчета предикторов ЖА у пациентов, направленных на КАГ, применяют математический метод логистической регрессии. В качестве предикторов ЖА используются три клинико-функциональных параметра - ФВ ЛЖ (EF), диаметр ЛЖ (LV) и возраст больного. Вероятность развития ЖА (Р) рассчитывается при точке разделения 0,212 и имеет вид 4,216+(-0,048)×EF+0,082×LV+0,032 × возраст.

Недостатком данного способа является недостаточное количество клинико-функциональных параметров, взятых для расчета вероятности развития ЖА, его низкая специфичность (49,5%), довольно громоздкая формула расчета, что значительно снижает возможность его использоваться в повседневной врачебной практике.

Технический результат предлагаемого способа заключается в повышении точности прогнозирования ЖА высоких градация у пациентов, направляемых на КАГ. Указанный технический результат достигается тем, что на основании клинико-анамнестических данных и результатов Эхо-КГ исследования пациента, направленного на КАГ, строится математическая модель ИНС в виде многослойного персептрона, состоящего из 25 нейронов входного слоя, скрытого слоя из 11 нейронов с функцией активации гиперболический тангенс и выходного слоя, состоящего из двух нейронов: - наличие аритмии и - отсутствие аритмии), с нормировкой значений функцией Softmax, и при значении делается вывод о риске развития ЖА высоких градаций у данного пациента, а при значении - развитие ЖА высоких градаций у данного пациента не прогнозируется.

Суть предлагаемого способа прогнозирования риска развития ЖА высоких градаций у пациентов, направляемых на КАГ, заключается в следующем: по данным клинико-анамнестического обследования (возраст, индекс массы тела, пол, курение, сопутствующая АГ, сопутствующий сахарный диабет, функциональный класс ХСН по HYHA) и скрининговой Эхо-КГ (размер аорты, размер ЛП, размер правого желудочка, размер межжелудочковой перегородки, размер ЛЖ, наличие аневризмы ЛЖ, наличие тромба в полости ЛЖ, митральная регургитация, размер асинергии ЛЖ, ФВ ЛЖ) производится оценка риска развития ЖА высоких градаций, с использованием математического аппарата ИНС.

В настоящее время ЖА рассматриваются как основная причина развития ВСС, в связи с чем выявление предикторов ЖА высоких градаций, прогнозирование и стратификация риска развития фатальных аритмических осложнений является одной из наиболее приоритетных задач современной кардиологии [Бокерия Л.А., Ревишвили А.Ш. Внезапная сердечная смерть. М.: Гэотар-медиа 2011; 272 с. Zipes D., Camm J., Borggrefe M. et al. ACC/AHA/ESC 2006 Guidelines for Management of Patients with Ventricular Arrhythmias and the Prevention of Sudden Cardiac Death-Executive Summary. J Am Coll Cardiol. - 2006; 114(10):е385-484]. В подавляющем большинстве случаев это желудочковые тахиаритмии (пароксизмальная желудочковая тахикардия (ЖТ) и фибрилляция желудочков). В этой связи особого внимания заслуживает выявление желудочковых экстрасистол (ЖЭ) высоких градаций (частые, парные, групповые, полиморфные), являющихся триггерами жизнеопасных ЖА [Школьникова М.А., Шубик Ю.В., Шальнова С.А. и др. Сердечные аритмии у лиц пожилого возраста и их ассоциация с характеристиками здоровья и смертностью. Ветник аритмологии. - 2007; 49:5-13. Bigger J.T. Identification of patients at high risk for sudden cardiac death. Am J Cardiol. - 1984; 54:3-8].

Основной причиной развития ЖА у лиц старше 30 лет, как правило, является ИБС. Особое значение выявление ЖА имеет у пациентов, перенесших ИМ. Для врачей клинической практики актуальной задачей является поиск факторов, способных достоверно предсказывать развитие ЖА высоких градаций. В ряде работ было показано что курение, прием алкоголя в высоких дозах, сопутствующие АГ и сахарный диабет увеличивали случаи ВСС, однако вышеуказанные параметры имели низкую прогностическую ценность [Zipes D.P., Camm A.J., Borggrefe М. et al. ACC/AHA/ESC 2006 guidelines for management of patients with ventricular arrhythmias and the prevention of sudden cardiac death-executive summary: A report of the American College of Cardiology/American Heart Association Task Force and the European Society of Cardiology Committee for Practice Guidelines. Eur Heart J. - 2006; 27(17):2099-140. Haghjoo M., Kiani R, Fazelifar A.F. Early Risk stratification for Arrhythmic death in Patients with ST-Elevation Myocardial Infarction. Indian Pacing Electrophysiol J. - 2006; 7(1): 19-25].

Одним из основных факторов, повышающих риск возникновения ЖА, является возраст, при увеличении которого прогрессируют склеротически-дегенеративные процессы в миокарде и проводящей системе сердца, что приводит к формированию аритмогенного субстрата и развитию ЖА высоких градаций. Ранее было показано, что ВСС является основной причиной смерти больных с хронической сердечной недостаточностью (ХСН), в основном из-за развития фатальных ЖА [Passman R., Kadish A.: Sudden death prevention with implantable devices. Circulation. - 2007; 116: 561-571].

В настоящее время отсутствуют эффективные способы выявления и прогнозирования развития злокачественных ЖА в популяции больных, направляемых на КАГ, следовательно, одной из важнейших задач, которая стоит перед современным клиницистом, является проведение стратификации риска развития жизнеугрожающих ЖА. Под стратификацией риска понимают выделение комплекса факторов, связанных с повышенной вероятностью развития каких-либо осложнений [Elliot P. Investigation and treatment of hypertrophic cardiomyopathy. Clin Med 2007; 7:383-7]. Существующие в настоящее время эффективные методы профилактики ВСС у больных с ЖА позволили бы продлить жизнь этих пациентов и принципиально изменить их прогноз. Одной из наиболее достоверных и воспроизводимых методик, позволяющих выявить наличие, определить характер и количество ЖА, является холтеровское мониторирование (ХМ) - длительная, как правило, в течение суток, цифровая запись ЭКГ на носимый регистратор с последующим врачебным анализом полученных результатов. Однако проведение ХМ не всегда доступно, а отсутствие регистрации злокачественных ЖА в течение 24-х часов записи отнюдь не исключает их развитие в другие периоды времени, поскольку ЖА могут проявляться не постоянно. В связи с этим, пациенты, у которых при ХМ не было обнаружено злокачественных ЖА, могут быть ошибочно отнесены в группу низкого риска. В связи с этим актуальной задачей является выявление клинико-функциональных параметров, которые могли бы служить предикторами развития жизнеугрожающих ЖА на большом материале больных, направленных на КАГ, у которых при ХМ были зарегистрированы ЖА высоких градаций.

Потенциально для решения таких трудноформализируемых задач, к которым, в частности, сводятся многие проблемы медицины, могут быть использованы современные нейросетевые технологии. Это связано с тем, что исследователю часто предоставлено большое количество разнородного фактического материала, для которого еще не создана математическая модель. Одним из наиболее удобных инструментов для решения подобных задач являются ИНС - мощный и одновременно гибкий метод имитации процессов и явлений [Аравин О.И. Применение искусственных нейронных сетей для анализа патологии кровеносных сосудов. Российский журнал биомеханики. - 2011; 3:45-51]. Основу каждой ИНС составляют простые элементы, называемые искусственными нейронами, которые имитируют работу нейронов головного мозга.

Предлагаемый способ прогнозирования риска развития ЖА высоких градаций у пациентов, направляемых на КАГ, был разработан в ходе проведенного нами научного исследования с использование математической модели ИНС. Из 15283 пациентов, включенных в Регистр проведенных операций КАГ [Кузнецов В.А., Зырянов И.П., Колунин Г.В. и др. Регистр проведенных операций коронарной ангиографии. Свидетельство о государственной регистрации базы данных №2010620075, зарегистрировано в Реестре базы данных 1 февраля 2010 г.] были отобраны 863 человека, которым проводилось ХМ [Тодосийчук В.В., Лыкасова Е.А., Нохрина О.Ю. и др. Свидетельство о государственной регистрации базы данных №2015620403 «Регистр данных Холтеровского мониторирования у больных, перенесших коронарную ангиографию и коронарную ангиопластику» зарегистрировано в Реестре базы данных 12 января 2015 г.]. Для оценки тяжести ЖА использовали классификацию В. Lawn и N. Wolff, согласно которой к низкой градации ЖА были отнесены одиночные, монотопные и политопные желудочковые ЭС, к высокой градации - парные, ранние желудочковые ЭС и пробежки ЖТ [Lown В., Wolf М. Approaches to sudden death from coronary heart disease // Circulation. - 1971. - Vol. 44. - P. 130-142.]. Всем больным была выполнена Эхо-КГ согласно современным рекомендациям [Schiller N.B., Shah P.M., Crawford M. et al. Recommendation for quantitation of the left ventricle by two-dimentional echocardiography // Arch. Inst. Cardiol. Мех. - 1984. - Vol. 54(4). - P. 405-409].

ЖА высоких градаций были выявлены у 227 (26,3%) пациентов. Для прогнозирования развития ЖА использовалось построение математической модели ИНС [Хайкин С. Нейронные сети: полный курс, 2-е изд. - М.: ООО «И.Д. Вильяме», 2006. - 1004 с.], тип которой можно определить как многослойный персептрон с одним скрытым слоем.

На основании клинико-анамнестических данных и результатов Эхо-КГ была сформирована таблица кодировки входных переменных математической модели ИНС (таблица 1).

Нормирование количественных показателей входного слоя, производится по следующим формулам (1-9):

Скрытый слой рассчитывается на основе нормированных значений нейронов количественных факторов, и бинарных значений (0 - ложь, 1 - истина) нейронов категориальных факторов и состоит из 11 нейронов с функцией активации гиперболический тангенс по следующим формулам (10-20):

Выходной слой рассчитывается на основе значений нейронов скрытого слоя и представлен двумя классификационными показателями, полученными после нормировки значений с помощью функции Softmax.

Классификационные показатели выходного слоя определяют наличие или отсутствие ЖА: наличие ЖА -, отсутствие ЖА - и рассчитываются по формулам (21) и (23).

Если больше или равно , то по данным модели можно говорить о наличии наличие ЖА.

Если меньше , то по данным модели можно говорить об отсутствие ЖА.

Для определения диагностической точности полученной модели исходное количество пациентов было разделено на 3 выборки: обучающую, тестовую и контрольную (таблица 2).

По результатам построения ИНС был проведен анализ чувствительности модели на основании суммы квадратов ошибок прогнозирования при принятии значения исследуемого показателя за среднее в общей выборке (Residual sum of square - RSS). Результаты анализа представлены в таблице 3.

Чем меньше ошибка, тем меньше изменение точности прогнозирование наличия ЖА высоких градаций при замене исследуемого показателя его средним значением.

В качестве инструмента для реализации данной модели ИНС в виде программного продукта с пользовательским графическим интерфейсом могут быть использованы языки программирования высокого уровня, такие как С#, Java, Object Pascal и другие, позволяющие автоматизировать расчет прогностического показателя и предоставляющие возможность разработки пользовательского интерфейса.

Общая диагностическая ценность модели составляет 82,2%, чувствительность - 86,3%, специфичность - 80,7%, что свидетельствует о ее высокой диагностической точности.

Таким образом, предлагаемый способ заключается в следующем: у пациентов, направляемых на КАГ, на основании клинико-анамнестических данных и результатов Эхо-КГ исследования, строится математическая модель ИНС, по выходным данным которой делается вывод о наличии или отсутствие риска развития ЖА высоких градаций у пациента.

Существенные признаки, характеризующие изобретение и отличающие заявляемое техническое решение от прототипа, проявили в заявляемой совокупности новые свойства, явным образом не вытекающие из уровня техники и не являющиеся очевидными для специалиста.

Идентичной совокупности признаков в патентной и научно-медицинской литературе данной и смежной областей медицины не обнаружено.

Предлагаемый способ имеет высокую диагностическую ценность, чувствительность и специфичность, что может значительно повысить качество диагностики в кардиологической клинике, и может быть рекомендован для использования в практическом здравоохранении, не требует специальных условий для проведения, экономичен во времени, прост в эксплуатации.

Исходя из вышеизложенного, следует считать предлагаемое изобретение соответствующим условиям патентоспособности «новизна», «изобретательский уровень», «промышленная применимость».

Клинический пример 1

Больной Я., 66 лет, наблюдается в клинике Тюменского кардиологического центра с 2007 г. с диагнозом: «ИБС. Стенокардия напряжения ФК II. Артериальная гипертония стадия II, степень 2, риск 2. ХСН I NYHA». Направлен на КАГ для уточнения диагноза и определения тактики дальнейшего лечения. Для стратификации риска развития ЖА высоких градаций была построена математическая модель ИНС, в которую были внесены клинические данные (7 переменных) и показатели Эхо-КГ (10 переменных). На выходе модели было выявлено, что полученный результат соответствует - больше , что позволило определить данного пациента в категорию высокого риска развития ЖА высоких градаций. Полученные данные подтверждаются результатами ХМ: в течение суток зарегистрировано 4 пароксизма мономорфной ЖТ с ЧСС от 121 до 159 ударов в 1 минуту. Данный вид аритмии относится к ЖА высоких градаций.

Клинический пример 2

Больная Б., 60 лет, наблюдается в клинике Тюменского кардиологического центра с 2008 г. с диагнозом: «ИБС. Стенокардия напряжения ФК III. Стенокардия покоя. Артериальная гипертония стадия III, степень 3, риск 4. ХСН III NYHA. Дислипидемия.

Направлена на КАГ для уточнения диагноза и определения тактики дальнейшего лечения. Для стратификации риска развития ЖА высоких градаций была построена математическая модель ИНС, в которую были внесены клинические данные (7 переменных) и показатели Эхо-КГ (10 переменных). На выходе модели в данном клиническом примере было выявлено, что полученный результат соответствует - меньше , что позволило определить данного пациента в категорию низкого риска развития ЖА высоких градаций. Полученные данные подтверждаются результатами ХМ: в течение ЖА не регистрируются.

Таким образом, предлагаемый способ позволяет с высокой точностью прогнозировать риск развития ЖА высоких градаций у пациентов, направляемых на КАГ, обеспечивая высокое качество диагностики, снижение стоимости диагностических мероприятий и затрат времени на обследование.

Способ прогнозирования риска развития желудочковых аритмий высоких градаций у пациентов, направляемых на коронарную ангиографию, заключающийся в том, что на основании клинико-анамнестических данных: возраст - Age, индекс массы тела - BMI, пол: Sex_m - мужской и Sex_f - женский, курение: Smoke_F - курит и Smoke T - не курит, сопутствующая артериальная гипертония: Hypertension_F - нет и HypertensionT -есть, сопутствующий сахарный диабет: Diabetes_F - нет и Diabetes_T - есть, функциональный класс хронической сердечной недостаточности по HYHA: NYHA_1 - легкая I-II степень и NYHA_h - тяжелая III-IV степень; и результатов эхокардиографического исследования: размер аорты - Aorta, размер левого предсердия - Left_atrium, размер правого желудочка - Right_ventricle, размер межжелудочковой перегородки - Interventricular_septum, размер левого желудочка - Left_ventricle, наличие аневризмы левого желудочка: Aneurysm_F - нет и Aneurysm_T - есть, наличие тромба в полости левого желудочка: Thrombus_F - нет и Thrombus_T - есть, митральная регургитация: Mitral_regurgitation_F - нет и Mitral_ regurgitation_T - есть, размер асинергии левого желудочка - Asynergia, фракция выброса левого желудочка -Ejection_fraction; пациента, направленного на коронарную ангиографию, строится математическая модель искусственных нейронных сетей в виде многослойного персептрона, состоящего из 25 нейронов входного слоя, скрытого слоя из 11 нейронов с функцией активации гиперболический тангенс () и выходного слоя, состоящего из двух нейронов: - наличие аритмии и отсутствие аритмии), с нормировкой значений функцией Softmax, при этом нормирование количественный показателей входного слоя, производится по следующим формулам (1-9):

скрытый слой рассчитывается на основе нормированных значений нейронов количественных факторов и бинарных значений (0 - ложь, 1 - истина) нейронов категориальных факторов и состоит из 11 нейронов с функцией активации гиперболический тангенс (), по следующим формулам (10-20):

выходной слой рассчитывается на основе значений нейронов скрытого слоя и по формулам (21-24):

где

где

и если на выходе нейронной сети больше или равно , делается вывод о риске развития желудочковых аритмий высоких градаций у данного пациента, а при значении меньше - развитие желудочковых аритмий высоких градаций у данного пациента не прогнозируется.



 

Похожие патенты:

Изобретение относится к области медицины, в частности к способу прогнозирования индивидуального риска развития ожирения у человека на различные по продолжительности периоды жизни.

Изобретение относится к медицине, а именно к офтальмологии и ревматологии, и предназначено для диагностики патологии суммарной слезопродукции у пациентов, страдающих ревматоидным артритом.

Изобретение относится к области биохимии, в частности к способу выбора реципиента при пересадке трупной почки, включающему выявление антигенов HLA-A, HLA-B и HLA-DR, сопоставление эпитопов антигенов HLA-A и HLA-B потенциального реципиента и донора, а также выбор реципиента по полученным данным.

Группа изобретений относится к медицинской технике, а именно к средствам лучевой радиотерапии с визуальным контролем. Медицинский инструмент содержит систему магнитно-резонансной томографии, выполненную с возможностью получения магнитно-резонансных данных от субъекта в пределах зоны формирования изображения, причем система магнитно-резонансной томографии имеет первую систему координат, систему внешней лучевой радиотерапии, выполненную с возможностью облучения целевой зоны, причем целевая зона находится в пределах зоны формирования изображения, причем система внешней лучевой радиотерапии имеет вторую систему координат, систему генерации пучка излучения, выполненную с возможностью генерации пучка излучения высокой энергии, имеющего терапевтический эффект, систему обнаружения пучка излучения, выполненную с возможностью получения данных обнаружения пучка излучения, описывающих пучок излучения во второй системе координат, память для хранения машинно-исполнимых команд, процессор, причем выполнение команд предписывает процессору принимать плановые данные, описывающие пространственно-зависимую дозу излучения в целевой зоне, генерировать команды управления внешней лучевой радиотерапией, используя пространственно-зависимую дозу излучения, управлять системой внешней лучевой радиотерапии для облучения целевой зоны, используя команды управления системой внешней лучевой радиотерапии, генерировать пучки излучения, используя систему генерации пучка излучения, измерять данные обнаружения пучка излучения, используя систему обнаружения пучка излучения, получать данные магнитно-резонансной томографии, используя систему магнитно-резонансной томографии, генерировать магнитно-резонансное изображение, используя данные магнитно-резонансного изображения, определять совмещение магнитно-резонансного изображения с данными обнаружения пучка излучения, вычислять соответствие между первой системой координат и второй системой координат, используя совмещение, и модифицировать команды управления системой внешней лучевой радиотерапии, используя соответствие, причем система обнаружения пучка излучения содержит систему формирования портального изображения для получения портального изображения субъекта, при этом портальное изображение переносится пучком излучения высокой энергии, причем данные обнаружения пучка излучения содержат портальное изображение, и выполнение команд дополнительно предписывает процессору, по меньшей мере, частично вычислять соответствие посредством совмещения портального изображения с магнитно-резонансным изображением.

Группа изобретений относится к медицине. Группа изобретений представлена системой, способом и машиночитаемым носителем для мониторинга беременности.

Изобретение относится к медицине, а именно к кардиологии. Учитывают наличие хронической сердечной недостаточности, фибрилляции предсердий, асцита, лечения других заболеваний антикоагулянтами, постинфарктного кардиосклероза или инфаркта миокарда в течение настоящей госпитализации.

Изобретение относится к медицине, клинической физиологии, физической культуре и спорту, пульмонологии. Измеряют рост (Р, см), определяют возраст (В, количество лет) и пол.

Группа изобретений относится к медицине и может быть использована для управления текущим сеансом сна субъекта. Группа изобретений представлена системами и способом управления текущим сеансом сна субъекта (12).

Группа изобретений относится к медицинской технике. Устройство для сокращения артефактов движения в ЭКГ сигнале пациента содержит вычислительный блок, сконфигурированный для вычисления среднего значения сердечного ритма из ЭКГ сигнала.

Группа изобретений относится к медицинской технике, а именно к средствам для удаленного определения показателей жизненно важных функций субъекта. Система содержит маркер для наложения на субъект, сконфигурированный с возможностью изменения оптической характеристики вследствие механической, физической или химической манипуляции маркером, вызванной физиологическим процессом субъекта, блок обнаружения излучения от маркера, и блок анализа для определения информации о показателях жизненно важных функций субъекта из обнаруженного излучения, причем блок анализа сконфигурирован с возможностью оценки обнаруженного излучения с течением времени и анализирует излучение от маркера и определяет частоту дыхательных движений посредством оценки изменения оптической характеристики маркера во времени.

Изобретение относится к медицинской технике, а именно к средствам оценки состояния здоровья человека с помощью медицинской визуализации. Способ визуализации методом магнитоиндукционной томографии включает идентификацию целевой области на пациенте для медицинской визуализации; получение множества результатов измерения характеристик катушки относительно целевой области с помощью одной катушки системы визуализации методом магнитоиндукционной томографии, причем множество результатов измерения потерь в катушке выполняют с помощью одной катушки во множестве отдельных местоположений относительно целевой области, причем одна катушка содержит один или несколько концентрических проводящих витков, расположенных в одной или нескольких плоскостях на печатной плате; получение доступа к модели, определяющей отношение между результатами измерения характеристик катушки, полученными с помощью одной катушки, и распределением удельной проводимости целевой области; и создание изображения распределения удельной проводимости целевой области из множества результатов измерения характеристик катушки на основании модели; и вывод изображения для оценки состояния здоровья пациента. 4 з.п. ф-лы, 15 ил.

Изобретение относится к области медицины, в частности к кардиологии. Используют клинико-анамнестические данные и результаты эхокардиографии пациента для построения математической модели искусственных нейронных сетей. При этом нейронная сеть представлена в виде многослойного персептрона, состоящего из 25 нейронов входного слоя, представляющих следующие факторы: пол, возраст, индекс массы тела, курение, сопутствующие артериальная гипертония и сахарный диабет, наличие аневризмы и тромба в полости левого желудочка, размер левого и правого желудочков, левого предсердия, межжелудочковой перегородки, диметр корня аорты, наличие митральной регургитации, размер асинергии и фракция выброса левого желудочка, функциональный класс хронической сердечной недостаточности. Кроме того, нейронная сеть, состоящая из скрытого слоя из шести нейронов с функцией активации - гиперболический тангенс в виде и выходного слоя, состоящего из двух нейронов: - наличие аритмии и - отсутствие аритмии, с нормировкой значений функцией Softmax. При значении больше или равном делается вывод о риске развития желудочковых аритмий высоких градаций, а при значении меньше развитие аритмий не прогнозируется. Способ позволяет повысить точность прогнозирования желудочных аритмий высоких градаций, направляемых на коронарную ангиографию, а также сократить время обследования. 2 пр., 3 табл.

Наверх