Способ неинвазивной диагностики ишемической болезни сердца
Группа изобретений относится к области вычислительной техники в медицине, а именно к кардиологии, в частности к способам и системам неинвазивной диагностики ишемической болезни сердца (ИБС), и может быть использована для диагностики ИБС, в том числе в области предиктивной, диагностической, профилактической и реабилитационной медицины. Предложен способ неинвазивной компьютерной диагностики ишемической болезни сердца, включающий следующие шаги: получают ЭКГ-сигналы в отведении I пациента в состоянии покоя; получают ЭКГ-сигналы в отведении V5 пациента во время пробы под нагрузкой; обрабатывают полученные ЭКГ-сигналы, формируя вектор признаков под нагрузкой и вектор признаков покоя, определяют качество ЭКГ-сигнала; определяют оценку ишемической болезни сердца в состоянии покоя с использованием модели для ЭКГ покоя на основании сформированного вектора признаков покоя; определяют оценку ишемической болезни сердца во время нагрузки с использованием модели для ЭКГ под нагрузкой на основании сформированного вектора признаков под нагрузкой, причем выбор конкретной модели зависит от качества ЭКГ-сигнала; определяют интегральный показатель ишемической болезни сердца с использованием оценки ишемической болезни сердца в состоянии покоя и оценки ишемической болезни сердца во время пробы под нагрузкой. Предложен также способ неинвазивной компьютерной диагностики ишемической болезни сердца, включающий следующие шаги: получают ЭКГ-сигналы в отведении I пациента в состоянии покоя; обрабатывают полученные ЭКГ-сигналы, формируя вектор признаков покоя; определяют оценку ишемической болезни сердца в состоянии покоя с использованием по крайней мере одной модели для ЭКГ покоя на основании сформированного вектора признаков покоя. Предложен также способ неинвазивной компьютерной диагностики ишемической болезни сердца, включающий следующие шаги: получают ЭКГ-сигналы в отведении V5 пациента во время пробы под нагрузкой; обрабатывают полученные ЭКГ-сигналы, формируя вектор признаков под нагрузкой, определяют качество ЭКГ-сигнала; определяют оценку ишемической болезни сердца во время нагрузки с использованием модели для ЭКГ под нагрузкой на основании сформированного вектора признаков под нагрузкой, причем выбор модели зависит от качества ЭКГ-сигнала. Группа изобретений обеспечивает повышение точности и эффективности определения ИБС по ЭКГ. 3 н. и 14 з.п. ф-лы, 68 ил.
ОБЛАСТЬ ТЕХНИКИ
Данное изобретение относится к области вычислительной техники в медицине, а именно к кардиологии, в частности к способам и системам неинвазивной диагностики ишемической болезни сердца (ИБС), и может быть использовано для диагностики ИБС, в том числе в области предиктивной, диагностической, профилактической и реабилитационной медицины.
УРОВЕНЬ ТЕХНИКИ
В настоящее время существует несколько распространенных способов диагностики ИБС: электрокардиография (ЭКГ), ЭКГ-проба с физической нагрузкой, эхокардиография, сцинтиграфия миокарда, коронарография. Коронарография - инвазивная процедура, сцинтиграфия миокарда требует принятия радиоактивных изотопов и томографического оборудования, эхокардиография - требует ЭхоКГ, ЭКГ-проба с физической нагрузкой опасна для пожилых людей, а методика ЭКГ наиболее простой, но и наименее точный метод диагностики. Во врачебной практике наиболее распространен способ диагностики ИБС с помощью велоэргометрическая пробы/теста беговой дорожке с регистрацией электрокардиограммы (ЭКГ).
ЭКГ - способ регистрации электрической активности сердца и может, например, выявить ряд кардиологических патологий и дает понятие о функциональном состоянии сердца. Импульсы деятельности сердца регистрируются на бумажном носителе или в цифровом виде.
Важная задача современной практической медицины - упреждение и раннее выявление заболеваний. Разрабатываются неинвазивные способы диагностики, при которых за одно измерение регистрируется наибольшее количество показателей состояния организма человека и проводится их анализ-интерпретация. Математический анализ данных, полученных этими методами, позволяет дать прогноз, определить характер кардиологического или иного заболевания.
Известен способ неинвазивной диагностики ИБС - сцинтиграфия миокарда с радиофармпрепаратом (РФП) (Толкачев Ю.В. и соавт. Сцинтиграфия миокарда в диагностике ИБС // Новости лучевой диагностики. - 1998, № 2. - С. 30-32. Лупанов В.П. Значение электрокардиографических нагрузочных проб и других современных инструментальных методов в оценке эффективности чрескожных коронарных вмешательств и выявлении рестеноза // Терапевтический архив. - 2010, № 4. - С. 67-74), при котором пациенту проводят велоэргометрическую пробу с регистрацией электрокардиограммы (ЭКГ) последовательно в покое, на максимальной нагрузке, в 1, 3, 5 и 7-ю минуты периода восстановления, по полученным данным делают заключение о наличии или отсутствии у пациента ИБС, при наличии ИБС определяют локализацию очага ишемии.
Одним из недостатков данного способа является, по крайней мере, отсутствие возможности многократного повторного проведения исследования, использование радиофармпрепарата, необходимость специализированного помещения и дорогого оборудования.
Также из уровня техники известен способ неинвазивной диагностики ишемической болезни сердца (см. RU 2468742, опубл. 10.12.2012), включающий наложение на всю поверхность грудной клетки пациента регулярной сетки из электродов в количестве не менее 64 с охватом передней, задней и боковой стенок грудной клетки от I до IV межреберья, синхронную регистрацию электрокардиограммы (ЭКГ) с каждого из электродов сетки, расчет интеграла кривой ЭКГ для каждой точки наложения электродов, построение изоинтегральной карты, индекса разности (ИР) для изоинтегральной карты, ИP=(П-N)/σ, где П - значение интеграла кривой ЭКГ в соответствующих точках наложения электродов у исследуемого пациента, N и σ - среднее значение и среднее квадратичное отклонение интеграла кривой ЭКГ в соответствующих точках наложения электродов у пациентов в группе нормы, определение минимального ИР и области отрицательных значений ИР, в процентах от площади каждой изоинтегральной карты, заключение о наличии или отсутствии у пациента ИБС, а при наличии ИБС определение локализации очага ишемии по совпадению области отрицательных значений ИР с проекцией зон миокарда на развертку поверхности грудной клетки, где проекция передней части межжелудочковой перегородки (МЖП) расположена от правой до левой парастернальной линии с I по VI межреберье, проекция задней части МЖП - от уровня угла левой лопатки до правой паравертебральной линии на уровне II-V межреберья, проекция верхушки левого желудочка (ЛЖ) - от левой парастернальной линии до левой передней подмышечной линии на уровне V-VI межреберья, проекция передней стенки ЛЖ - от левой парастернальной линии до левой средней подмышечной линии на уровне I-VI межреберья с исключением проекции верхушки ЛЖ, проекция боковой стенки ЛЖ - от левой средней подмышечной линии до вертебральной линии на уровне I-VI межреберья с исключением проекции задней части МЖП, проекция задней стенки ЛЖ - от вертебральной линии до правой парастернальной линии на уровне V-VI межреберья, проекция правого желудочка - от вертебральной линии до правой задней подмышечной линии и от правой средней подмышечной линии до правой парастернальной линии на уровне I-IV межреберья с исключением проекции задней части МЖП, отличающийся тем, что синхронную регистрацию ЭКГ с каждого электрода сетки проводят последовательно с велоэргометрической пробой в покое, на максимальной нагрузке, в 1, 3, 5 и 7-ю минуты периода восстановления, при этом для каждой точки наложения электродов сетки рассчитывают интеграл кривой ЭКГ на интервале QRST и строят изоинтегральные карты покоя, максимальной нагрузки и 1, 3, 5 и 7 минутах периода восстановления, расчет ИР осуществляют по указанной выше формуле, где П - значение интеграла кривой ЭКГ на интервале QRST в соответствующих точках наложения электродов у исследуемого пациента, N и о - среднее значение и среднеквадратичное отклонение интеграла кривой ЭКГ на интервале QRST в соответствующих точках наложения электродов у пациентов в группе нормы, а при уменьшении минимального ИР на 10% и более и/или увеличении области отрицательных значений ИР на 18% и более для любой из изоинтегральных карт максимальной нагрузки и 1, 3, 5 и 7-й минуты периода восстановления относительно изоинтегральной карты покоя дают заключение о наличии у пациента ИБС. Способ неинвазивной диагностики ИБС проводят следующим образом. На всю поверхность грудной клетки пациента накладывают регулярную сетку из электродов в количестве не менее 64, охватывающую переднюю, заднюю и боковые стенки грудной клетки от I до VI межреберья. В начале пациенту проводят велоэргометрическую пробу в покое и синхронно регистрируют ЭКГ с каждого из электродов сетки. Рассчитывают интеграл кривой ЭКГ на интервале QRST для каждой точки наложения электродов сетки. Точки с равными значениями соединяют линиями, образующими изоинтегральную карту покоя. Далее пациенту проводят велоэргометрическую пробу на максимальной нагрузке и синхронно регистрируют ЭКГ с каждого из электродов сетки. Рассчитывают интеграл кривой ЭКГ на интервале QRST для каждой точки наложения электродов сетки. Точки с равными значениями соединяют линиями, образующими изоинтегральную карту максимальной нагрузки. Затем пациенту проводят велоэргометрическую пробу в 1, 3, 5 и 7-ю минуты периода восстановления и синхронно регистрируют ЭКГ с каждого из электродов сетки. Рассчитывают интеграл кривой ЭКГ на интервале QRST для каждой точки наложения электродов сетки. Точки с равными значениями соединяют линиями, образующими изоинтегральные карты 1, 3, 5 и 7-й минут периода восстановления. Для каждой из изоинтегральных карт покоя, максимальной нагрузки, 1, 3, 5 и 7-й минут периода восстановления рассчитывают индекс разности, ИP=(П-N)/σ, где П - значение интеграла кривой ЭКГ на интервале QRST в соответствующих точках наложения электродов у пациента; N и σ - среднее значение и среднеквадратичное отклонение интеграла кривой ЭКГ на интервале QRST в соответствующих точках наложения электродов у пациентов в группе нормы. Определяют минимальный ИР и область отрицательных значений ИР в процентах от площади каждой изоинтегральной карты.
Одним из недостатков данного решения является, по крайней мере, необходимость в сетке из 64 электродов, многоканального электрокардиографа, сложность и продолжительность процедуры.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Данное изобретение направлено на устранение недостатков, присущих существующим решениям.
Технической проблемой (задачей) в данном изобретении является диагностирование с высокой точностью ИБС по электрокардиограмме (ЭКГ).
Предлагаемое изобретение позволяет повысить точность диагностики ишемической болезни сердца и снизить трудозатраты медперсонала на постановку диагноза.
Техническим результатом, достигаемым при решении технической проблемы, является повышение точности и эффективности определения ИБС по ЭКГ.
В некоторых вариантах реализации способ неинвазивной компьютерной диагностики ИБС включает по крайней мере следующие шаги:
- получают ЭКГ-сигналы в отведении I пациента в состоянии покоя;
- получают ЭКГ-сигналы в отведении V5 пациента во время пробы под нагрузкой;
- обрабатывают полученные ЭКГ-сигналы формируя вектор признаков под нагрузкой и вектор признаков покоя, определяют качество ЭКГ-сигнала;
- определяют оценку ИБС в состоянии покоя с использованием модели для ЭКГ покоя на основании сформированного вектора признаков покоя;
- определяют оценку ИБС во время нагрузки с использованием модели для ЭКГ под нагрузкой на основании сформированного вектора признаков под нагрузкой, причем выбор конкретной модели зависит от качества ЭКГ-сигнала;
- определяют интегральный показатель ИБС с использованием оценки ИБС в состоянии покоя и оценки ИБС во время пробы под нагрузкой.
В некоторых вариантах реализации в зависимости от качества ЭКГ сигнала используются следующие пары моделей:
(признаки ST и признаки ST+покой), (признаки ST+T и признаки ST+T+покой), (признаки ST+HFQRS и признаки ST+HFQRS+покой), (признаки ST+T+HFQRS и признаки ST+T+HFQRS+покой).
В некоторых вариантах реализации ЭКГ-сигналов включает поиск пиков, адаптивную фильтрацию, классификацию комплексов, построение и разметку УКЦ.
В некоторых вариантах реализации способ неинвазивной компьютерной диагностики ИБС, включает следующие шаги:
- получают ЭКГ-сигналы в отведении I пациента в состоянии покоя;
- обрабатывают полученные ЭКГ-сигналы формируя вектор признаков покоя;
- определяют оценку ИБС в состоянии покоя с использованием модели для ЭКГ покоя на основании сформированного вектора признаков покоя.
В некоторых вариантах реализации способ неинвазивной компьютерной диагностики ИБС, включает следующие шаги:
- получают ЭКГ-сигналы в отведении V5 пациента во время пробы под нагрузкой;
- обрабатывают полученные ЭКГ-сигналы формируя вектор признаков под нагрузкой, определяют качество ЭКГ-сигнала;
- определяют оценку ИБС во время нагрузки с использованием модели для ЭКГ под нагрузкой на основании сформированного вектора признаков под нагрузкой, причем выбор конкретной модели зависит от качества ЭКГ-сигнала.
В различных вариантах реализации модели основаны на комбинации линейного или квадратичного дискриминанта и нейронной сети.
В различных вариантах реализации на некоторых или всех описываемых шагах происходит обработка данных при помощи процессора или иного обработчика, выполняющего инструкции.
КРАТКОЕ ОПИСАНИЕ ГРАФИЧЕСКИХ МАТЕРИАЛОВ
ФИГ. 1 иллюстрирует примерный вариант результата работы фильтра искажений базовой линии (НЧ-шумов);
ФИГ. 2 иллюстрирует примерный вариант результата работы фильтра удаления наводки (режектора);
ФИГ. 3 иллюстрирует примерный вариант результата работы фильтра нижних частот (low-pass);
ФИГ. 4 иллюстрирует рассчитываемые признаки, согласно настоящему изобретению;
ФИГ. 5 иллюстрирует сущность разметки кардиокомплексов с использованием подхода на основе сглаженной производной сигнала;
ФИГ. 6 иллюстрирует примерный вариант записей, не распознаваемых как ЭКГ, согласно настоящему изобретению;
ФИГ. 7 иллюстрирует примерный вариант записей с умеренным шумом от контакта электродов, согласно настоящему изобретению;
ФИГ. 8 иллюстрирует примерный вариант записей, лежащими между записями, не распознаваемыми как ЭКГ и записями с умеренным шумом, согласно настоящему изобретению;
ФИГ. 9 иллюстрирует примерный вариант построенного «нормального УКЦ», согласно настоящему изобретению;
ФИГ. 10 иллюстрирует пример плохой ЭКГ, согласно настоящему изобретению;
ФИГ. 11 иллюстрирует вейвлет-преобразование одного комплекса, согласно настоящему изобретению;
ФИГ. 12 иллюстрирует разбиение результата вейвлет-преобразования на частотные диапазоны, по которым рассчитываются интегралы мощности, согласно настоящему изобретению;
ФИГ. 13 иллюстрирует комплекс с вейвлет-преобразованием "первая производная", согласно настоящему изобретению;
ФИГ. 14 иллюстрирует пример для переднего фронта R-волны, согласно настоящему изобретению;
ФИГ. 15 иллюстрирует область от начала R-волны (линия нуля) до линии максимума восходящего склона, область между линиями максимумов двух склонов, область от линии максимума нисходящего склона до конца R-волны (линии нуля)? Согласно настоящему изобретению;
ФИГ. 16 иллюстрирует QRS-комплекс с выделенными углами QRS, согласно настоящему изобретению;
ФИГ. 17 иллюстрирует примерный вариант преобразования одного кардиоцикла;
ФИГ. 18 иллюстрирует примерный вариант ЭКГ-сигнала одного кардиологического отведения, согласно одному из вариантов осуществления настоящего технического решения;
ФИГ. 19 иллюстрирует проблему невозможности использования вейвлет-анализа в полной мере для ST-сегмента, согласно настоящему изобретению;
ФИГ. 20 иллюстрирует последовательность Т-волн от идущих подряд комплексов, производная с широким окном сглаживания и производная с малым окном сглаживания, согласно настоящему изобретению;
ФИГ. 21 иллюстрирует пример записи, в которой Т-волна выражена слабо, согласно настоящему изобретению;
ФИГ. 22 иллюстрирует извлеченную ВЧ-компоненту на фоне шума, согласно настоящему изобретению;
ФИГ. 23 иллюстрирует примерный вариант подхода вычисления параметров на основе усреднения кардиокомплексов, согласно настоящему изобретению;
ФИГ. 24 иллюстрирует группы из пяти КЦ, синхронизированных для усреднения, согласно настоящему изобретению;
ФИГ. 25 иллюстрирует результат работы адаптивного lowpass-фильтра (при помощи вейвлет-преобразования) группы из пяти КЦ, синхронизированных для усреднения, согласно настоящему изобретению;
ФИГ. 26 иллюстрирует примерный вариант зон просадок амплитуды, согласно настоящему изобретению;
ФИГ. 27 и ФИГ. 28 иллюстрируют примеры с ИБС, согласно настоящему изобретению;
ФИГ. 29 и ФИГ. 30 иллюстрируют примеры нормы, согласно настоящему изобретению;
ФИГ. 31 иллюстрирует примерный вариант вида профиля линий максимума (R-зубец, первая и вторая производные);
ФИГ. 32 иллюстрирует примерный вариант наклона ST при явной ишемии: горизонтальная депрессия;
ФИГ. 33 иллюстрирует примерный вариант наклона ST при явной ишемии: нисходящая депрессия;
ФИГ. 34 иллюстрирует примерный вариант использования параметра: (мощность D2 на 15 Гц) / (мощность D2 на 6 Гц), согласно настоящему изобретению;
ФИГ. 35 иллюстрирует примерный вариант нейронной сети для диагностики ИБС;
ФИГ. 36 иллюстрирует примерный вариант АЧХ построенного каскада режекторных фильтров, согласно настоящему изобретению;
ФИГ. 37 иллюстрирует вариант трудностей с определением точек границ Р и конца Т на УК, согласно настоящему изобретению;
ФИГ. 38 иллюстрирует примерный вариант построенных УКЦ для десятиминутной пробы под нагрузкой (без фазы восстановления);
ФИГ. 39 иллюстрирует вычисленные точки начала QRS, конца QRS (точка "J"), пика и конца Т-волны, согласно настоящему изобретению;
ФИГ. 40 иллюстрирует фрагмент из пробы под нагрузкой удовлетворительного качества, согласно настоящему изобретению;
ФИГ. 41-ФИГ.45 иллюстрируют работу алгоритма на примере пробы под нагрузкой плохого качества, согласно настоящему изобретению;
ФИГ. 46 иллюстрирует примерный вариант сглаживания тренда амплитуды в точке J+80 мс, согласно настоящему изобретению;
ФИГ. 47 иллюстрирует примерный вариант расчета трендов величин, согласно настоящему изобретению;
ФИГ. 48 иллюстрирует примерный вариант плохого качества Т-волны;
ФИГ. 49 иллюстрирует примерный вариант плоской Т-волны в отведении V5;
ФИГ. 50 иллюстрирует примерный вариант числового индекса ишемии моделей;
ФИГ. 51 иллюстрирует тренды величин по всей записи: пульс, амплитуда в точке J, амплитуда в точке J+80 мс, индекс асимметрии Т, величина HFQRS для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС;
ФИГ. 52 иллюстрирует фрагменты ленты сигнала, соответствующие началу записи, для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 53 иллюстрирует фрагменты ленты сигнала, соответствующие пику нагрузки, для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 54 иллюстрирует фрагменты ленты сигнала, соответствующие фазе восстановления, для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 55 иллюстрирует индикаторы с ответами моделей: ST - только на основе формы ST-сегмента для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 55Б иллюстрирует индикаторы с ответами моделей: ST+T - форма ST-сегмента и параметры Т-волны для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 55В иллюстрирует индикаторы с ответами моделей: ST+HF - форма ST-сегмента и ВЧ-компонента QRS для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 55Г иллюстрирует индикаторы с ответами моделей: Integral - объединенный результат всех моделей для случая: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС, согласно настоящему изобретению;
ФИГ. 56 иллюстрирует тренды величин по всей записи: пульс (HR), амплитуда в точке J (Jamp), амплитуда в точке J+80 мс (J80amp), индекс асимметрии Т, величина HFQRS (HFQRS) для случая: ангиография - положительно, проба - положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 57 иллюстрирует фрагменты ленты сигнала, соответствующие началу записи, для случая: ангиография - положительно, проба - положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 58 иллюстрирует фрагменты ленты сигнала, соответствующие пику нагрузки, для случая: ангиография - положительно, проба - положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 59 иллюстрирует фрагменты ленты сигнала, соответствующие фазе восстановления, для случая: ангиография - положительно, проба - положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 60А иллюстрирует индикаторы с ответами моделей: ST - только на основе формы ST-сегмента для случая: ангиография - положительно, проба - положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 60Б иллюстрирует индикаторы с ответами моделей: ST+T - форма ST-сегмента и параметры Т-волны для случая: ангиография - положительно, проба -положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 60В иллюстрирует индикаторы с ответами моделей: ST+HF - форма ST-сегмента и ВЧ-компонента QRS для случая: ангиография - положительно, проба -положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 60Г иллюстрирует индикаторы с ответами моделей: Integral - объединенный результат всех моделей для случая: ангиография - положительно, проба -положительно, алгоритм - есть ИБС, согласно настоящему изобретению;
ФИГ. 61 иллюстрирует тренды величин по всей записи: частота сердечных сокращений (ГЖ.)/пульс, амплитуда в точке J (Jamp), амплитуда в точке J+80 мс (J80amp), индекс асимметрии Т, величина HFQRS (HFQRS) для случая: ангиография -положительно, проба - отрицательно, алгоритм - есть ИБС;
ФИГ. 62 иллюстрирует фрагменты ленты сигнала, соответствующие началу записи, для случая: ангиография - положительно, проба - отрицательно, алгоритм - есть ИБС;
ФИГ. 63 иллюстрирует фрагменты ленты сигнала, соответствующие пику нагрузки, для случая: ангиография - положительно, проба - отрицательно, алгоритм - есть ИБС;
ФИГ. 64 иллюстрирует фрагменты ленты сигнала, соответствующие фазе восстановления, для случая: ангиография - положительно, проба - отрицательно, алгоритм - есть ИБС;
ФИГ. 65А иллюстрирует индикаторы с ответами моделей: ST - только на основе формы ST-сегмента, для случая: ангиография - положительно, проба - отрицательно, алгоритм - есть ИБС;
ФИГ. 65Б иллюстрирует индикаторы с ответами моделей: ST+T - форма ST-сегмента и параметры Т-волны, для случая: ангиография - положительно, проба -отрицательно, алгоритм - есть ИБС;
ФИГ. 65В иллюстрирует индикаторы с ответами моделей: ST+HF - форма ST-сегмента и ВЧ-компонента QRS, для случая: ангиография - положительно, проба -отрицательно, алгоритм - есть ИБС;
ФИГ. 65Г иллюстрирует индикаторы с ответами моделей: Integral - объединенный результат всех моделей для случая: ангиография - положительно, проба - отрицательно, алгоритм - есть ИБС;
ФИГ. 66 иллюстрирует блок-схему алгоритма, согласно одному из вариантов осуществления.
ФИГ. 67 иллюстрирует блок схему примерного варианта обработки ЭКГ (2210 и 2240, ФИГ66);
ФИГ. 68 иллюстрирует пример вычислительной (компьютерной) системы общего назначения.
ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ
В настоящем изобретении под системой подразумевается компьютерная система, ЭВМ (электронно-вычислительная машина), ЧПУ (числовое программное управление), ПЛК (программируемый логический контроллер), компьютеризированные системы управления и любые другие устройства, способные выполнять заданную, четко определенную последовательность операций (действий, инструкций).
Под устройством обработки команд подразумевается электронный блок либо интегральная схема (микропроцессор), исполняющая машинные инструкции (программы).
Устройство обработки команд считывает и выполняет машинные инструкции (программы) с одного или более устройства хранения данных. В роли устройства хранения данных могут выступать, но, не ограничиваясь, жесткие диски (HDD), флеш-память, ПЗУ (постоянное запоминающее устройство), твердотельные накопители (SSD), оптические приводы.
Программа - последовательность инструкций, предназначенных для исполнения устройством управления вычислительной машины или устройством обработки команд.
Ниже будут описаны термины и понятия, необходимые для осуществления настоящего изобретения.
Неинвазивный - термин используется для характеристики методов исследования или лечения, во время которых на кожу не оказывается никакого воздействия с помощью игл или различных хирургических инструментов.
Скрининг - в медицине (англ. screening просеивание) - метод активного выявления лиц с какой-либо патологией или факторами риска ее развития, основанный на применении специальных диагностических исследований.
Электрокардиография - методика регистрации и исследования электрических полей, образующихся при работе сердца.
Кардиологическое отведение (отведение) - участок на электрокардиограмме, получаемый от двух и более электродов, размещенных в соответствующей отведению части тела пациента. Каждое из них за счет различного расположения электродов на поверхности тела отражает различные аспекты электрической активности сердца и может облегчить врачу процесс выявления патологии и характера патологии сердечно-сосудистой системы.
Электрокардиограмма (ЭКГ) - запись биоэлектрической активности сердца, выполненная при помощи самописца на движущейся полосе бумаги или записью на устройство хранения данных с возможностью графического вывода данных на дисплей.
Желудочковый комплекс электрокардиограммы - совокупность зубцов электрокардиограммы, отражающая биоэлектрические процессы, возникающие при распространении возбуждения по миокарду желудочков сердца.
Кардиограф - медицинский прибор, который регистрирует биоэлектрическую активность сердца;
Clinical Document Architecture (CDA) - один из стандартов HL7, разработанный для стандартизации структуры и обеспечения семантической совместимости медицинских систем при обмене медицинской информацией и/или медицинскими документами.
Интервал RR - промежуток времени между соседними зубцами R (R-зубцами) электрокардиограммы, равный продолжительности сердечного цикла; используется при определении частоты сердечных сокращений, в диагностике аритмий.
Комплекс QRS (QRS) - это желудочковый комплекс, который регистрируется во время возбуждения желудочков сердца. Это наибольшее отклонение на ЭКГ. Ширина комплекса QRS указывает на продолжительность внутрижелудочкового возбуждения.
Машинное обучение (Machine Learning) - обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться.
АЧХ - амплитудно-частотная характеристика.
ФЧХ - фазочастотная характеристика.
РТТ (от англ. Pulse transition time) - время распространения пульсовой волны, совпадающее с временем от R-пика до максимального роста.
R-пик (R-зубец) - обычно основной зубец ЭКГ, который обусловлен возбуждением желудочков, и его амплитуда в стандартных отведениях и в отведениях от конечностей зависит от положения электрической оси сердца.
HR- частота сердечных сокращений (пульс).
НЧ - низкочастотный, низкая частота.
ВЧ - высокочастотный, высокая частота.
Объекты и признаки настоящего изобретения, способы для достижения этих объектов и признаков станут очевидными посредством отсылки к примерным вариантам осуществления. Однако настоящее изобретение не ограничивается примерными вариантами осуществления, раскрытыми ниже, оно может воплощаться в различных видах. Сущность, приведенная в описании, является ничем иным, как конкретными деталями, обеспеченными для помощи специалисту в области техники в исчерпывающем понимании изобретения, и настоящее изобретение определяется только в объеме приложенной формулы.
Используемые в настоящем описании настоящего изобретения термины «модуль», «компонент», «элемент» и подобные используются для обозначения компьютерных сущностей, которые могут являться аппаратным обеспечением/оборудованием (например, устройством, инструментом, аппаратом, аппаратурой, составной частью устройства, например, процессором, микропроцессором, интегральной схемой, печатной платой, в том числе электронной печатной платой, макетной платой, материнской платой и т.д., микрокомпьютером и так далее), программным обеспечением (например, исполняемым программным кодом, скомпилированным приложением, программным модулем, частью программного обеспечения или программного кода и так далее) и/или микропрограммой (в частности, прошивкой). Так, например, компонент может быть процессом, выполняющемся на процессоре (процессором), объектом, исполняемым кодом, программным кодом, файлом, программой/приложением, функцией, методом, (программной) библиотекой, подпрограммой, сопрограммой и/или вычислительным устройством (например, микрокомпьютером или компьютером) или комбинацией программных или аппаратных компонентов.
Настоящее изобретение позволяет диагностировать ИБС с помощью электрокардиографа, в частности, одноканального электрокардиографа, при наличии регистрируемой (или зарегистрированной) ЭКГ в состоянии покоя и/или ЭКГ пробы с (под) нагрузкой.
Для осуществления предлагаемого изобретения может быть использован электрокардиограф, например, CARDIOQVARK, а также (опционально)стресс-система, например, стресс-система Schiller Cardiovit АТ-104РС. В рамках настоящего изобретения осуществляется сбор аннотированной выборки из заданного количества записей ЭКГ в первом отведении с заданной длительностью, например, до 900 секунд, часть из которых -с документированной посредством коронароангиографии ИБС, часть записей ЭКГ в пятом отведении с заданной длительностью, например, до 900 секунд, из них часть с документированной посредством коронароангиографии ИБС. Далее осуществляется предобработка полученных ЭКГ, в результате которой для каждой ЭКГ формируется вектор признаков. Из полученных векторов формируется обучающая и тестовая выборка. Обученный алгоритм демонстрирует высокие показатели эффективности на тестовой выборке (для чувствительности и специфичности). Такой алгоритм, в том числе позволяет диагностировать ИБС с помощью одноканального электрокардиографа, без необходимости в эхокардиографии.
Выполнение пользователем пробы под нагрузкой может осуществляться на тредмиле или велотренажере с использованием модифицированного протокола Брюса. Непосредственно перед выполнением пробы в состоянии покоя записывается ЭКГ в отведении I (пользователь прикладывает к электродам пальцы). Во время выполнения нагрузки и в фазе восстановления записывается ЭКГ в отведении V5 (используются электроды-присоски). Критериями прекращения нагрузки являются возникновение приступа стенокардии, изменения ЭКГ ишемического характера, отказ больного продолжать нагрузку из-за усталости мышц ног или чувства нехватки воздуха, достижение субмаксимальной возрастной частоты сердечных сокращений (ЧСС), возникновение серьезных нарушений ритма и проводимости, выраженного подъема артериального давления. В частном случае, субмаксимальная возрастная ЧСС равна 85% от максимальной возрастной ЧСС, которая рассчитывается по формуле:
208 - (произведение 0,7 на возраст).
В рамках настоящего изобретения осуществляется диагностика ИБС в покое, как описано далее. Регистрируемая (или зарегистрированная) ЭКГ подвергается разметке и фильтрации, в частности, с использованием базового алгоритма разметки и фильтрации ЭКГ, как описано далее.
Так, осуществляется для поиска пиков сигнал ЭКГ подвергается цифровой фильтрации в заданной полосе частот, например, в полосе частот 0.05…100 Гц (указанная полоса содержит полезный сигнал ЭКГ, достаточный для детекции комплексов), после чего осуществляется поиск R-пиков при помощи метода/алгоритма Пана-Томпкинса (который используется для обработки ЭКГ и который описан, например, в "Алгоритм Пана-Томпкинса в системе электрокардиографа "HEARTBIT"", Керимбаев Нурасыл Нурымулы, Мадиева Балнур Абдинабикызы). Также кроме метода/алгоритма Пана-Томпкинса может быть использован любой другой (один из известных, например, алгоритмы Cuiwei Li, Romero Legaretta и т.д.) метод/алгоритм для поиска пиков.
Далее, с уже имеющейся информацией о положении R-пиков (позиции пиков) средствами системы, реализующей настоящее изобретение, осуществляется адаптивная фильтрация ЭКГ. При этом используется три типа фильтров: фильтр искажений базовой линии (НЧ-шумов), фильтр удаления наводки (режектор), фильтр нижних частот (low-pass).
На ФИГ. 1 показан примерный вариант результата работы фильтра искажений базовой линии (НЧ-шумов).
НЧ-шумы, приводящие к искажению базовой линии, могут быть вызваны плохим контактом частей тела пользователя с электродами (например, пальца с датчиком), особенностями дыхания и т.д. Искажения базовой линии могут приводить не только к неверным значениям амплитуды в опорных точках, но также искажать форму QRS-комплекса, препятствовать корректному построению усредненного кардиоцикла (УКЦ).
Принцип работы фильтра искажений базовой линии (НЧ-шумов) следующий. Осуществляется поиск точек изолинии ЭКГ, находящихся непосредственно перед QRS-комплексом. Для этого может применяться алгоритм на основе первой производной: осуществляется перемещение (двигаемся) от найденного R-пика влево, пока модуль производной не станет меньше заданного порога, то есть сигнал не перестанет существенно меняться. В качестве порога используется значение, равное 1/20 х максимальное значение производной на переднем фронте R-волны.
Далее по найденным точкам изолинии строится гладкий сплайн (кубический или большего порядка), который моделирует искажения базовой линии. После его вычитания остается сигнал, лишенный НЧ-помех.
Данный способ используется адаптивным фильтром, т.е. его характеристики зависят от уровня шума. Поскольку частотные составляющие шума и полезного сигнала существенно пересекаются (адаптивность принципиальна): резкие броски базовой линии могут соответствовать частоте до 0.5-1 Гц, однако, как правило, для диагностики ишемии используется ST-сегмент, который занимает меньшие частоты, поэтому любой классический фильтр, успешно удаляющий НЧ-шум, может искажать полезный сигнал.
Описываемый фильтр способен убирать сильные броски на интервале всего из пары комплексов.
На ФИГ. 1 сигнал 101является исходным сигналом ЭКГ с НЧ-шумом, а сигнал 111 - сигнал после применения описанного фильтра искажений базовой линии (НЧ-шумов).
На ФИГ. 2 показан примерный вариант результата работы фильтра удаления наводки (режектора).
Как показано на ФИГ. 2, сигнал 122 является исходным сигналом ЭКГ, а сигнал 132 - сигнал после применения фильтра удаления наводки (режектора).
Фильтр удаления наводки (режектор) используется, когда в кардиограмме наблюдается гармоническая помеха на двух базовых частотах: 50 Гц - наводка от сетевого оборудования и 60 Гц - частота обновления экрана вычислительного устройства, например, смартфона. Для ее удаления используется каскад из классических БИХ-фильтр Баттерворта с шириной вырезаемой полосы 0.5 Гц. Такой подход позволяет убрать наводку с амплитудой, намного превосходящей амплитуду полезного сигнала ЭКГ, без повреждения полезного сигнала.
На ФИГ. 3 показан примерный вариант результата работы фильтра нижних частот (low-pass).
Фильтр нижних частот (low-pass) используется, когда на ЭКГ-сигнале присутствует умеренная миограмма, которая может помешать точному определению необходимых параметров. Как и в случае низких частот, сложность фильтрации заключается в том, что полезный сигнал ЭКГ (QRS-комплексы) простирается на достаточно высокие частоты: 100 Гц и выше. Такая ВЧ-информация может использоваться при вычислении некоторых параметров для постановки диагноза ИБС. Компоненты миограммы могут находиться на частотах менее 30 Гц.
Одним из решений является использование классического линейного фильтра. В данном случае может подойти фильтр с бесконечной импульсной характеристикой (т.н. БИХ-фильтр), поскольку он обеспечивает резкий переход амплитудно-частотной характеристики (АЧХ) между полосами пропускания и подавления. Такой фильтр позволяет практически полностью подавить ВЧ-шум в заданном частотном диапазоне и сохранить полезный сигнал в полосе пропускания. Одним из вариантов является фильтр Баттерворта четвертого порядка, в частности, с частотой среза 70 Гц. Для указанного порядка фильтра Баттерворта спад амплитудно-частотной характеристики уже достаточно резкий, а эффект Гиббса (паразитные колебания при подаче на фильтр резких импульсов) еще не сильно выражен. Также, фильтр Баттерворта обладает линейной фазо-частотной характеристикой в полосе пропускания, т.е. частотные компоненты сигнала при прохождении через упомянутый фильтр имеют одинаковую задержку, следовательно сигнал не будет подвергнут (сильному) искажению.
Другим вариантом является использование адаптивного фильтра на основе вейвлетов (от англ. wavelet - небольшая волна, рябь - математическая функция, позволяющая анализировать различные частотные компоненты данных), который, в частном случае, позволяет избежать искажений фазы, и/или эффекта Гиббса на артефактах, и позволяет сохранить на ЭКГ острые R-пики (сохранить полезный сигнал на выходе lowpass-фильтра).
Как показано на ФИГ. 3(A), сигнал 143 является исходным сигналом ЭКГ, а, как показано на ФИГ. 3 (Б) сигнал 153 - сигнал после применения фильтра нижних частот (low-pass). В частном случае осуществления настоящего изобретения, осуществляется разложение, по крайней мере, ЭКГ-сигнала на вейвлет-коэффициенты (т.е., в частном случае, осуществляется анализ сигналов в плоскости вейвлет-коэффициентов), осуществляется приравнивание нулю малых коэффициентов (в частности, с использованием процедуры для определения порога "малости" - "wavelet shrinkage") на уровнях, соответствующих высокой частоте (в частности, более 70 Гц) и осуществляется применение обратного вейвлет-преобразования. Так, упомянутое зануление малых коэффициентов (коэффициенты разложения исходного сигнала по базису, образованному материнским вейвлетом) осуществляется во временной области (во времени, в частности на временной шкале), причем, стоит отметить, что частота 70 Гц подобрана экспериментально и может варьироваться, например, в зависимости от уровня ВЧ-шума.
На основе корреляционного анализа все найденные кардиоциклы классифицируются на группы по принципу схожести формы QRS-T. То есть вычисляются попарные корреляции всех комплексов (по сегментам QRS-T), далее происходит стандартная кластеризация на основе указанной меры близости (например, с использованием алгоритмов агломеративной кластеризации).
При этом для нормальной ЭКГ должен получиться явный доминантный тип. Оставшиеся комплексы представляют собой искаженные шумом, а также экстрасистолы. Патологическая кардиограмма может содержать сравнимые по численности группы нормальных комплексов и экстрасистол.
При дальнейшем анализе все ненормальные комплексы исключаются из рассмотрения. При этом запись может быть вообще исключена из рассмотрения, например, при наличии значительного сегмента записи с артефактами, пользователю будет предложено повторить измерение, а при наличии большого количества экстрасистол - будет предложено обратиться к доктору.
Для построения УКЦ выбирается небольшое число (заранее заданное, например, около 10-15) попарно похожих комплексов хорошего качества с примерно равным интервалом RR, по возможности длинным. Найденные комплексы совмещаются по R-пику по критерию минимальности попарных корреляций. УКЦ вычисляется как среднее арифметическое указанных комплексов.
Далее УКЦ подвергается разметке - осуществляется поиск маркеров Р, QRS, Т -волн, их амплитуды, как более подробно описано далее. Рассчитываемые признаки изображены на ФИГ. 4.
На ФИГ. 4 показаны рассчитываемые признаки, согласно настоящему изобретению.
На ФИГ. 5 показана сущность разметки кардиокомплексов с использованием подхода (способа, метода) на основе сглаженной производной сигнала.
Кривая 165 является ЭКГ комплексом. Методом Савицкого-Голея рассчитываются первые производные сигнала с различной степенью сглаживания. Кривая 175 - менее сглаженная производная, ширина окна соответствует примерной частоте комплекса QRS, кривая 185 - более сглаженная, ширина окна соответствует примерной частоте Р и Т-волн, данная производная не рассчитана для области QRS-комплекса.
Осуществляется (с использованием алгоритма) нахождение точки максимумов и минимумов производных. Указанные точки (маркеры 195) соответствуют точкам максимальной крутизны фронтов волн комплекса. На тренде, показанном кривой 185, два минимума соответствуют передним фронтам Р и Т-волны, два максимума - задним фронтам Р и Т-волны. На тренде, показанном на кривой175, максимум соответствует нисходящему фронту от R до S-пика, минимумы - восходящие фронты к R-пику и после S-пика. Сами пики сигнала могут быть найдены по точкам, в которых производная обращается в нуль.
Для определения точных границ волн алгоритм двигается от найденных экстремумов производных, удаляясь от пиков волн, пока абсолютное значение производной не станет меньше некоторого порога. Найденные границы Р, QRS и конец Т обозначены на ФИГ. 5 маркерами 205.
В зависимости от реализации алгоритма, указанная разметка производится для усредненного комплекса или для всех хороших комплексов записи (потактово).
Таким образом осуществляется определение временных и амплитудных параметров комплекса, а также дополнительные параметры:
- PQ - время от начала Р-волны до начала QRS-комплекса;
- QT - время от начала QRS-комплекса до конца Т-волны;
-QTc - корригированный интервал QTc (нормирован к пульсу), используется формула Базетта;
- ТрТе - время от пика Т-волны до ее окончания;
- VAT - время от начала QRS до R-пика;
- AJ - амплитуда в точке "J" (конец QRS);
- AJ80 - амплитуда в точке "J"+80 мс;
- QT/TQ (только при потактовой разметке) - отношение длины QT к времени от конца Т-волны предыдущего комплекса до начала QRS-комплекса следующего (величина TQ).
Также, в рамках настоящего изобретения осуществляется оценка качества обрабатываемой ЭКГ. В силу специфики съема возможны различные виды артефактов. На плохой ЭКГ из-за шума рассчитываемые признаки могут быть искажены, что, в конечном счете, может привести к неверному диагнозу. В таком случае пользователю предлагается повторение измерения.
Каждая запись ЭКГ по уровню шума относится к одной из следующих групп (от плохого к хорошему):
1. Условный "мусор" (пример которого приведен на ФИГ. 6) - записи, не распознаваемые как ЭКГ. Это большие броски/колебания, превосходящие по энергии и амплитуде QRS на большей части записи. Также к данной группе относится сильный шум от контакта электродов. При этом QRS-комплексы сильно повреждены («перекручены», наклонены в разные стороны и т.д.), визуально возникает ложное впечатление различной морфологии QRS. Такие ЭКГ, в частном случае, исключаются из обработки.
2. Умеренный шум от контакта электродов (пример которого приведен на ФИГ. 7). Видно форму QRS, но колебания базовой линии сравнимы с Р и Т волнами.
У таких записей затруднен анализ ST-T-сегмента потактово. Однако может быть построена УКЦ удовлетворительного качества и осуществляться оценка ишемии по его параметрам. Такие записи являются ограниченно годными, в зависимости от реализации алгоритма могут быть обработаны.
3. Высокий ВЧ шум. При этом признаки ЭКГ на основе ВЧ-компонент окажутся искаженными. Если запись не содержит других артефактов, можно оценивать ишемию по специальной сокращенной модели без информации о высоких частотах.
4. ЭКГ удовлетворительного качества - в сумме на более чем 70% длины не встречается шумов, отмеченных в пп. 1-3.
На ФИГ. 6 показан примерный вариант «мусора», записей, не распознаваемых как ЭКГ, согласно настоящему изобретению, в котором невозможно определить даже R-пики.
На ФИГ. 7 показан примерный вариант умеренного шума, записей с умеренным шумом от контакта электродов, согласно настоящему изобретению, в котором QRS области просматриваются хорошо, нет артефактов, которые классифицируются как ложные эктопические КЦ, может быть построен нормальный УКЦ (примерный вариант которого показан на ФИГ. 9), по нему определить длины интервалов. Однако, потактовая оценка Р-волны и сегмента ST-T, в частном случае, невозможна.
На ФИГ. 8 показан пограничный случай между "мусором" и умеренным шумом, в частности, примерный вариант записей, лежащих между записями, не распознаваемыми как ЭКГ и записями с умеренным шумом, согласно настоящему изобретению, в котором уже можно определить большую часть КЦ доминантного типа. Но шум настолько высок, что проскакивают ложные ЖЭС.
На ФИГ. 9 показан примерный вариант построенного упомянутого «нормального УКЦ», согласно настоящему изобретению.
Классификация записей ЭКГ по описанным группам осуществляется следующим образом. Основными индикаторами плохого качества являются:
1) повышенное число различных форм QRS на единицу длины записи,
2) повышенное количество плохих КЦ.
Первая величина получена на основе процедуры классификации (комплексов), как описано выше. При сильных артефактах возникает множество попарно непохожих друг на друга КЦ, как показано на ФИГ. 10.
На ФИГ. 10 показан типичный пример плохой ЭКГ, согласно настоящему изобретению.
В норме в одной записи должно встречаться небольшое количество форм: одна доминантная, несколько типов экстрасистол + еще можно зарезервировать несколько типов на артефакты.
Количество плохих КЦ для второй величины определяется следующим образом. По описанной выше процедуре для каждого комплекса оцениваются границы QRS, далее измеряются амплитуды до, во время и после QRS, если они превышают заданные пороги, то комплекс считается плохим.
В частном случае, при наличии артефактов в более, чем 30% записи, ЭКГ относится к первой группе и отбраковывается.
Для второй группы записей (умеренный шум) производится потактовая оценка ST-Т. В частном случае Р-волна может не оцениваться, поскольку ее может не быть (ФП, наджелудочковые ритмы); Т-волна в упомянутом отведении может быть плохо выражена, что может приводить к относительно большой дисперсии в нормальных ЭКГ. Поэтому, в частном случае, основными показателями для оценки качества являются средние значение скользящей дисперсии (окно 10 комплексов) для амплитуд в точках J, J+80 мс, R+120 мс. Скользящие дисперсии используются для отслеживания быстрых изменений, иначе могут быть отбракованы все пробы под нагрузкой. Пороги выбираются следующим образом: для J - 60 мкВ, для J+80 мс и R+120 мс - 50 мкВ.
ВЧ шум для третьей группы оценивается следующим образом. К сигналу применяется только фильтр от НЧ-помех. Далее при помощи lowpass-фильтра, как описано выше, оценивается мощность ВЧ-шума в сигнале. При превышении порога запись относится к третьей группе (группе 3) и при последующей обработке из рассмотрения исключаются все признаки, содержащие информацию о высоких частотах.
Далее, согласно настоящему изобретению описаны способы (в том числе алгоритмы) вычисления сложных признаков на основе вейвлетов.
Признаки на основе вейвлет-преобразования "первая производная".
Отображение сигнала f(t) в функцию двух переменных CWTf осуществляется с использованием непрерывного вейвлет преобразования по следующей формуле:
Где ψ - функция, называемая материнским вейвлетом, параметр «а» отвечает за масштабирование, «b» - за сдвиг, т.е. указанные параметры ассоциированы соответственно с частотой и временем.
Можно видеть, что описанное преобразование напоминает зависящее от времени преобразование Фурье, только вместо базиса из экспонент, используется разложение функции f(t) по некоторому базису на основе вейвлета ψ. Выбором конкретного типа вейвлета могут быть выделены необходимые характеристики сигнала.
Таким образом, описанное преобразование осуществляет отображение сигнала в двухмерное пространство (время, частота).
Рассмотрим вейвлет-преобразование, соответствующее первой производной. Для этого в качестве ψ может использоваться функция, называемая квадратичным сплайном.
На ФИГ. 11 показано упомянутое вейвлет-преобразование одного комплекса. На ФИГ. 11 показан сам комплекс с маркерами Р, QRS, Т и его двухмерное вейвлет-преобразование. По горизонтальной оси шкала времени, она одинакова для обоих рисунков, по вертикальной оси в нижней части рисунка - частота, от 4 до 64 Гц в логарифмическом масштабе (ось направлена сверху вниз).
Градиентом цвета закодирована величина вейвлет-преобразования: красный (311) - большие положительные значения, синий (321) - отрицательные, зеленый (331) - малые. Можно видеть, что каждый фронт волны образует протяженное по оси частот пятно. Восходящим фронтам соответствуют красные пятна (положительные значения производной), нисходящим - синие (отрицательные значения производной).
Также можно видеть, что QRS обладает наибольшей энергией на высоких частотах, а Р, Т-волны - на низких.
Посредством сечений изображения по фиксированной частоте могут быть получены графики первой производной с различными степенями сглаживания (ширина окна сглаживания будет являться величиной, обратной к указанной частоте).
При расчете параметров QRS рассматриваемая полоса частот 4…4 Гц. При этом используется логарифмическая сетка частот 4, 8, 16, 32, 64 Гц. В частном случае смотреть более высокие частоты смысла нет (в том числе, как показали эксперименты): линии R растворяются в шуме, даже на фильтрованном сигнале начинается расщепление R-зубца, что сильно затрудняет анализ. На частотах ниже 4 Гц красное пятно, соответствующее переднему фронту R, сливается с красным пятном от Р-волны, из-за чего нахождение начала R становится сложной задачей, а также искажается позиция линии максимума. Аналогичный эффект происходит и на заднем фронте R в случае отрицательной Т-волны.
По тем же соображениям для расчета параметров Т-волны используется сетка частот 2, 4, 6, 8, 10 Гц (в частности, не логарифмическая).
Далее будут использоваться следующие параметры:
1. Полные интегралы по пятнам QRS и Т-волн (т.е. полные мощности склонов волн).
2. Интегралы по пятнам QRS и Т по частотным диапазонам, образованным нарезкой по указанным выше частотным сеткам (как показано на ФИГ. 12).
На ФИГ. 12 показан примерный вариант разбиения результата вейвлет-преобразования на частотные диапазоны, по которым рассчитываются интегралы мощности, согласно настоящему изобретению.
Профиль линии максимума.
Для каждого пятна, соответствующего некоторому склону, и фиксированного значения частоты f может быть найдена позиция абсолютного максимума (для красного пятна это будет максимум, для синего - минимум). Если соединить все такие позиции, следуя по пятну вдоль оси частот, может быть получена непрерывная линия, которая называется линия абсолютного максимума.
Аналогичным образом вдоль оси частот могут быть проведены линии нулей, которые располагаются между пятнами (т.е. достаточно просто отметить точки, где вейвлет-преобразование обращается в нуль). Данные линии будет соответствовать пикам на ЭКГ. Иллюстрация показана на ФИГ. 13.
На ФИГ. 13 приведен комплекс с вейвлет-преобразованием "первая производная". Для QRS комплекса проведены описанные линии максимумов и линии нулей, выделенные цветом и цифрами.
Линия 412 (линия «2», фиолетовый цвет) - максимум по красному пятну, соответствующему переднему фронту R-волны.
Линия 414 (линия «4», белый цвет) - минимум по синему пятну, соответствующему заднему фронту R-волны.
Линия 413 (линия «3», черный цвет) - линия нуля, соответствует R-пику.
Линия 411 (линия «1») и линия 415 (линия «5») - линии нулей, соответствующие границам QRS.
При прохождении по какой-нибудь линии максимума, при этом при сопоставлении каждому значению частоты соответствующего значения вейвлет-преобразования на линии максимума, может быть сформирован график, приведенный на ФИГ. 14.
На ФИГ. 14 показан пример для переднего фронта R-волны, согласно настоящему изобретению.
На ФИГ. 14 можно видеть, что значение по линии максимума фронта R-волны возрастает до некоторой частоты, потом начинает спадать. Максимальное значение и частоту, на которой оно достигается, назовем соответственно Аmax и Fmax.
Для Т-волны максимальное значение будет на меньшей частоте.
Признаки линии максимума, используемые в дальнейшем:
1. полная мощность (интеграл под кривой);
2. мощности по частотным диапазонам; интегралы обозначены на ФИГ. 14: I1 (511), I2 (512), I3 (513), I4 (514);
3. Значения на частотной сетке;
4. частота максимальной мощности Fmax;
5. максимальная мощность Аmax;
6. комбинированные признаки - отношение интегралов из разных частотных диапазонах;
7. Интегралы по пятнам, соответствующим фронтам R-волны, разделенным линиями максимума двух фронтов. Области проиллюстрированы на ФИГ. 15: область 1 (611) - от начала R-волны (линия нуля) до линии максимума восходящего склона, область 2 (612) -между линиями максимумов двух склонов, область 3 (613) - от линии максимума нисходящего склона до конца R-волны (линии нуля). Т.е., по сути, вычисляются интегралы мощности средней части R-волны и хвостов.
Углы QRS.
На ФИГ. 16 изображен QRS-комплекс (черная кривая) 701 с выделенными углами QRS. Точками А (711) и В (712) обозначены точки максимальной крутизны переднего и заднего фронтов R-волны (рассчитаны как максимумы описанного выше вейвлет-преобразования на частоте 32 Гц).
Интересующие параметры - указанные на рисунке угол a1 (721) и угол а2 (722), зеленый и синий цвет, соответственно. Данные углы характеризуют остроту R-зубца.
На ФИГ. 17 показан примерный вариант преобразования одного кардиоцикла.
Вторая производная.
Аналогично описанному выше вейвлет-преобразованию "первая производная", может быть осуществлено преобразование "вторая производная". Для этого может использоваться материнский вейвлет "Мексиканская шляпа", задаваемый формулой:
ψ(t)=(1-t2)exp(-t2/2).
Можно видеть, что теперь пятна соответствуют не фронтам, а пикам. Синие (807) - пикам с отрицательной кривизной (максимумы Р, R, Т-волн), красные (817) - с положительной кривизной (начала и концы Р, R, Т-волн), зеленые (827) - областям сигнала с малой кривизной (околонулевые значения второй производной).
Аналогично определяется понятие линии максимума.
Параметры вейвлет-преобразования "вторая производная", используемые в дальнейшем:
1. Полные интегралы и интегралы по частотным сеткам, указанным в описании признаков на основе вейвлет-преобразования "первая производная" выше.
2. Параметры, указанные в описании профиля линии максимума выше, для 3 линий максимума: R-пик, S-пик и Т-пик.
Форма ST-T-сегмента.
Еще одна (в частности, важнейшая) группа параметров связана с ST-T сегментом. Базовые его параметры введены в описании алгоритма разметки: амплитуда в точке "J" и "J" плюс (+) 80 мс. По данным величинам может быть определен один из важнейших параметров - наклон ST-сегмента.
Далее определяются сложные параметры ST-T.
На ФИГ. 18 показан примерный вариант ЭКГ-сигнала одного кардиологического отведения, в частности, на ФИГ. 18 (А) показан общий вид, а на ФИГ. 18 (Б) показан увеличенный фрагмент - примерный вариант ЭКГ-сигнала с признаками, описываемыми в настоящем изобретении, в области ST (848).
В отличие от предыдущих анализов R- и Т-волн, в данном частном случае трудность заключается в том, что у ST сегмента достаточно велика вариация формы от пользователя к пользователю, по этой причине достаточно сложно найти устойчивые точки, для которых могут быть вычислены необходимые (требуемые) параметры.
Далее будут использоваться следующие пять опорных точек ST-T:
- точка J 908- точка, являющаяся окончанием QRS;
- точка (J+80), которая является стандартной точкой, используемой при анализе кардиограмм. 918- точка, отстоящая от J (908) на 80 мс; в частном случае, энергии в указанных точках может не вычисляться, поскольку сегмент ЭКГ вокруг точки J (908) имеет очень большую вариабельность: S-волна может отсутствовать или быть доминирующей в комплексе, QRS может иметь плавное или резкое окончание (зависит от особенностей внутрижелудочкового проведения, наличия патологий) и т.д., а для точки J+80 вычисление энергий не требуется, поскольку данная точка находится на ровной прямой;
- точка D2 928 - точка максимума второй производной (центр загиба к Т-волне); положение этой точки зависит от анализируемой частоты (т.е. от ширины окна, по которому считается производная), поэтому в контексте энергий, D2 представляет собой не точку, а некоторую область; описываемая модель предполагает, что от точки J до D2 ST-сегмент является наклонной прямой, При этом, D2 может быть достаточно близка к J, но (в том числе как показали эксперименты), для случая покоя, почти для всех записей, точка D2 лежит правее точки J+80, таким образом, наклон начальной части ST-сегмента может быть охарактеризован амплитудами в точках J и J+80, а начальная фаза нарастающего фронта к Т-волне - энергетическим спектром в точке D2;
- точка D1 938 - точка максимума первой производной; аналогично D2, при поиске максимумов вейвлет-преобразования на разных частотах получается некоторая область;
- точка Тр 948 - пик Т-волны.
Таким образом, модель ST-сегмента сводится к пяти точкам, для которых рассчитываются признаки.
В частном случае, в отличие от случая R-волны, для ST-сегмента не может быть использован вейвлет-анализ в полной мере, что связано с там, что необходимая информация находится на достаточно низких частотах и коротких по длительности сегментах.
На ФИГ. 19 показана указанная проблема, согласно настоящему изобретению.
Если необходимо вычислить распределение энергии по частотам в отмеченной точке D2 928 (т.е. понять, насколько острый загиб к Т-волне), то видно, что максимум энергии в этой точке лежит на частоте, соответствующей синусоиде 979 (т.е. кривизна в точке D2 как раз равна кривизне этой синусоиды). Для осуществления полноценного вейвлет-преобразования даже таким компактным вейвлетом, как "Мексиканская шляпа", необходим сегмент сигнала длиной хотя бы 1 период указанной синусоиды. Т.е. на интересующую величину максимума энергии в точке D2 влияют совершенно лишние части ЭКГ: предшествующий R пик, последующая Т- и U-волны и т.д. В добавок результат искажают колебания базовой линии.
Иными словами, проблема возникает от того, что необходимо проанализировать и полностью описать волну, глядя только на маленькую ее часть.
Таким образом, пик спектра исследуемой точки недоступен, а в качестве признаков можно брать только его спадающий склон при более высоких частотах. По этой причине для точек D1, D2, Тр исключается группа признаков "частота максимальной мощности". В частном случае эксперименты показали, что надежно вычислить энергии в указанных точках можно для диапазона [6, 15] Гц (ниже возникает описанная выше проблема, выше - падение и "растворение" мощности в шуме).
Используемые в дальнейшем признаки сегмента ST-T:
1. наклон ST (амплитуды J и J80);
2. амплитуда Т-волны;
3. энергии в точках D1, D2, Тр на сетке частот 6, 11,15 Гц;
4. интегралы мощности в точках D1, D2, Т по частотным полосам [6, 11] Гц и [11, 15] Гц;
5. время от точки D2 до пика Т-волны.
Асимметрия Т-волны.
Данный способ (метод) основан на оценке формы Т-волны. Наличие ишемической болезни может приводить к некоторой ее деформации. Рассчитывается соотношение крутизны переднего и заднего фронтов Т.
На основе вейвлет-преобразования "первая производная" вычисляется производная сигнала по области Т-волны с определенным параметром сглаживания.
На ФИГ. 20 вверху (ФИГ. 20 (А)) представлена последовательность Т-волн от идущих подряд комплексов. В середине (ФИГ. 20 (Б)) - указанная выше производная с широким окном сглаживания, внизу (ФИГ. 20 (В)) - производная с малым окном сглаживания. Маркером 1010 обозначен максимум производной, то есть точка максимальной крутизны переднего фронта, маркером 1020 - минимум, точка максимальной крутизна заднего фронта. Можно видеть, что небольшие колебания на Т-волне, вызванные шумом, приводят к неустойчивости позиции точек.
Нецелесообразно (в том числе согласно экспериментам) сглаживать производные с окном более 100 мс, т.е. соответствующей частотой вейвлет-преобразования ниже 10 Гц (при этом алгоритм начинает захватывать ST-сегмент или следующую Р-волну при высоком пульсе), а также выше 100 Гц (слишком сильно влияние шума, на склонах Т-волны производная рассыпается на несколько пиков, как на ФИГ. 20).
Наилучшая частота сглаживания - минимальная, насколько позволяет качество сигнала. То есть может использоваться следующий адаптивный алгоритм: рассчитываются точки при разных степенях сглаживания, от сильного к слабому, при этом оценивается их устойчивость. Как только она нарушается, останавливаемся, берем последний, наименее сглаженный вариант.
Еще одна возможная реализация алгоритма - подстройка под физиологические особенности. У пользователей с некоторыми нарушениями может возникать широкая Т-волна с длинными фронтами. При чрезмерном сглаживании производная может рассыпаться на несколько пиков, соответствующих особенностям фронтов. Для подобных записей алгоритм также может адаптивно корректировать ширину окна.
Параметр, который будет использоваться в дальнейшем при определении ИБС - отношение максимума модуля производной переднего фронта к максимуму модуля заднего (индекс асимметрии Т-волны).
Возможны два варианта расчета: по УКЦ и медиана по всем хорошим комплексам в записи. Последний вариант предпочтительнее для записей хорошего качества. Метод может быть неприменим, например, для записей, в которых Т-волны выражена слабо. Пример такой записи на ФИГ. 21.
На ФИГ. 21 показан пример записи, в которой Т-волна выражена слабо, согласно настоящему изобретению.
В частном случае может использоваться алгоритм, оценивающий наличие стабильной Т-волны. После потактовой разметки комплексов, указанной в описании алгоритма разметки, оценивается дисперсия амплитуды Т-волны, дисперсии максимального и минимального значений производных фронтов Т-волны. Если разброс большой или амплитуда меньше заданного порога - описанный метод для данной записи, в частном случае, не применяется.
Признаки на основе ВЧ-компоненты QRS.
При диагностике ИБС на основе ВЧ-компоненты QRS наиболее информативной является активность из полосы [150, 250] Гц (в том числе на основании экспериментов).
Трудность извлечения указанной информации заключается в том, что на высоких частотах присутствует достаточно высокий уровень шума: миограмма, гармоники наводки, хвосты от сильных бросков шума, связанного с плохим контактом электродов и т.д. Прямое выделение интересующей полосы при помощи фильтров не приносит желаемого результата, что проиллюстрировано на ФИГ. 22: в извлеченной ВЧ-компоненте на фоне шума не видно даже R-пиков.
На ФИГ. 22 показана извлеченная ВЧ-компонента на фоне шума, согласно настоящему изобретению.
В частном случае, очистить полученный сигнал от шума не представляется возможным: нет данных для адаптивного фильтра (мощности и частоты полезного сигнала и шума примерно совпадают, никаких данных, обладающих положительной корреляцией с шумом нет), классические фильтры уничтожат (нивелируют) полезный сигнал.
В частном случае, в силу обозначенных проблем, вычислить интересующие параметры потактово не представляется возможным, поэтому может быть использован подход на основе усреднения кардиокомплексов, который (подход, алгоритм, метод, способ), в частном случае, не применяется к записям, в которых был найден чрезмерно высокий ВЧ-шум (группа 3, описанная для алгоритма оценки качества данных).
Упомянутый подход работает следующим образом. На основе данных об R-пиках осуществляется адаптивная фильтрация НЧ-шума в исходном ЭКГ-сигнале с частотой дискретизации 1000 Гц, согласно описанию схемы фильтра нижних частот (low-pass). На данном этапе полностью убирается дрифт базовой линии, но высокие частоты остаются нетронутыми.
Далее с помощью высокого порога на корреляцию, а также величину RMS ВЧ-шума оценивается качество каждого комплекса. На данном этапе критически важно оставить только идеальные комплексы (без сильного шума, искажений формы и т.д.), принадлежащие доминантной группе. Для этого две причины:
1. Анализируется достаточно тонкий параметр - мощность высоких частот. Любое искажение (например, сдвинутый комплекс из-за шума от плохого контакта электродов или со смещенной позицией R-пика) даже в одном комплексе при усреднении сразу скажется на результате.
2. Усреднение производится по достаточно большому сегменту сигнала (о чем ниже). Если сюда попадут комплексы разной морфологии (на длинных стресс-записях такое нередко), на УКЦ будет искаженный результат.
Далее, на основе описанных данных о качестве комплексов, по фильтрованному от НЧ-помех сигналу 1000 Гц осуществляется построение усредненных комплексов. При этом используется специальная итеративная процедура для точного совмещения комплексов, называемая фильтр Вуди, поскольку любая, даже малая ошибка, приведет к размытию результирующего УКЦ, что эквивалентно lowpass-фильтрации, то есть уничтожению полезной ВЧ-компоненты.
Допустимый уровень шума в УКЦ (в том числе установленный экспериментально) составляет примерно 1 мкВ (величина RMS), для этого осуществляется усреднение порядка 100 кардиоциклов, при этом lowpass-эффект операции усреднения остается незначительным, что позволяет сохранить ВЧ-компоненту неискаженной. В частном случае, подход (метод) может быть использован по одноминутным записям при нормальном пульсе. При брадикардии длина может быть увеличена до минут. На более длинных записях для увеличения точности, может быть рассчитан УКЦ скользящим образом по окну шириной 100 комплексов с шагом 10 секунд. После этого могут быть взяты медианы параметров, рассчитанных для всех УКЦ. При этом необходимо осуществлять отслеживание величины RMS ВЧ-шума и отбрасывание УКЦ недостаточного качества.
После построения УКЦ используется полосовой фильтр [150, 250] Гц. Результат (в том числе экспериментальный) достаточно чувствителен к выбору типа фильтра. "Мягкий" фильтр с плавным переходом АЧХ работает заметно хуже, с другой стороны, "жесткий" фильтр дает "звон" (эффект Гиббса), что нежелательно.
В частном случае худший результаты показали фильтры на основе вейвлет-преобразования, а лучшие результаты - пара lowpass и highpass фильтров Баттервортачетвертого порядка (при таком порядке достигается требуемый баланс между крутизнойАЧХ и эффектом Гиббса), а также полосовой КИХ-фильтр с симметричной импульсной характеристикой. Последний работает лучше для записей с наличием шума, а фильтры Баттерворта - для чистых.
Иллюстрация работы подхода показана на ФИГ. 23.
На ФИГ. 23 показан примерный вариант подхода вычисления параметров на основе усреднения кардиокомплексов, согласно настоящему изобретению. В верхней части показан УКЦ по 100 секундам, в нижней части - увеличенный сигнал из диапазона [150, 250] Гц. Интересующая величина - амплитуда ВЧ-компоненты (HFQRS) 1033.
Для записей с наличием ВЧ-шума, особенно для полученных при помощи электродов, установленных на пальцы пользователя, может применяться дополнительный адаптивный lowpass-фильтр (при помощи вейвлет-преобразования), описанный выше, который позволяет значительно снизить величину ВЧ-шума, при этом не сильно исказив полезный сигнал, результат работы которого проиллюстрирован на ФИГ. 24 и ФИГ. 25.
На ФИГ. 24 показана группа из пяти КЦ, синхронизированных для усреднения, согласно настоящему изобретению.
На ФИГ. 25 показан результат работы адаптивного lowpass-фильтра (при помощи вейвлет-преобразования) группы из пяти КЦ, синхронизированных для усреднения, согласно настоящему изобретению.
Таким образом, видно, что ВЧ-шум ощутимо уменьшился, не оказав влияния на QRS (QRS не пострадал). Данный подход позволяет ослабить критерии применимости рассматриваемого способа (метода).
ВЧ-компонента после упомянутой фильтрации несколько уменьшается, поэтому для подобных записей в модели оценки ИБС задается ослабленный порог. В частном случае, по этой причине способ (метод) может не применяться к записям, где ВЧ-шум умеренный.
Параметр RAZ (от англ. reduced amplitude zone).
Еще одним параметром, связанным с ВЧ-информацией сигнала, является RAZ.
Метод его расчета (способ его вычисления) следующий. Из QRS-волны методом (способом) вычисления признаков на основе ВЧ-компоненты QRS, описанным выше, извлекается ВЧ-компонента, после чего строится ее огибающая. ИБС вызывает зоны просадки амплитуды, хорошо различимые по форме огибающей, как показано на ФИГ. 26.
На ФИГ. 26 показан примерный вариант зон просадок амплитуды, согласно настоящему изобретению.
На ФИГ. 27-ФИГ. 30 приведены четыре примера: на ФИГ. 27 и ФИГ. 28 - с ИБС, стрелками (1057, 1068) показаны зоны просадки амплитуды, на ФИГ. 29 и ФИГ. 30 - норма.
Красная кривая (1067) - УКЦ; голубая (1077) - ВЧ-компонента, полученная при помощи КИХ-фильтра; синяя (1087) - ее огибающая; фиолетовая (1097) - ВЧ компонента, полученная при помощи фильтра Баттерворта, черная (1099) - ее огибающая.
Связь параметров с наличием ИБС.
Далее приведены параметры, явно коррелирующие (в том числе в результате экспериментов) с ИБС. В частном случае в модели могут быть использованы сложные комбинации признаков, которые также показывают хорошую связь с ИБС.
- QTc - у ИБС больше;
- QT/TQ - у ИБС больше;
- асимметрия Т-волны - у ИБС передний склон круче;
- частоты максимальной мощности R-волны у ИБС меньше (R тупее);
- мощность склонов R-волны у ИБС выше;
- HFQRS у ишемиков меньше, присутствует RAZ.
На ФИГ. 31 приведен примерный вариант вида профиля линий максимума (R-зубец, первая и вторая производные): с ИБС - 1131, норма - 1141.
В частном случае, в целом на ишемических ЭКГ выше НЧ-компонента (хорошими индикаторами являются интегралы по полосам [4, 8], [8, 16] Гц), ниже частота максимальной мощности.
Может быть использован параметр номер семь (интегралы по пятнам, соответствующим фронтам R-волны, разделенным линиями максимума двух фронтов): отношение мощности середины R-пика к хвостам - для ишемиков параметр меньше.
Амплитуды в точках J и J+80 при ИБС меньше. В отдельных случаях могут быть наоборот аномально большими (острое нарушение).
Параметры, соответствующие форме ST-сегмента, показывают хорошую связь с наличием ИБС.
На ФИГ. 32 показан примерный вариант наклона ST при явной ишемии: горизонтальная депрессия (1152).
На ФИГ. 33 показан примерный вариант наклона ST при явной ишемии: нисходящая депрессия (1163).
В точке D2 (как описано в описании к форме ST-T-сегмента выше) у ишемиков энергия сконцентрирована на более высоких частотах. В частном случае может применяться (хорошо работает) параметр: (мощность D2 на 15 Гц) / (мощность D2 на 6 Гц), что объясняется иллюстрацией на ФИГ. 34.
На ФИГ. 34 показан примерный вариант использования параметра: (мощность D2 на 15 Гц) / (мощность D2 на 6 Гц) для ИБС 1174 и нормы 1184.
В точке D1 на нормальных записях падение энергии при движении к высоким частотам более выражено, чем на ишемических. Т.е. передний фронт Т-волны более крутой у ишемических записей. В отличие от метода асимметрии Т-волны, данный результат говорит о том, что, в частном случае, для диагностики ИБС может быть использован только передний фронт Т-волны.
В целом на ишемических записях амплитуда Т-волны выше, как и энергии в точке Тр по всем частотным полосам.
Длина сегмента [D2, Tp] при наличии ИБС увеличена.
Модель.
Для принятия решения о наличии в записи ИБС на основе описанных выше параметров используется специальная модель.
В зависимости от реализации алгоритма модель может быть одной из следующих архитектур: линейный/квадратичный дискриминант и/или нейронная сеть.
Линейный/квадратичный дискриминант.
Линейный дискриминант имеет следующий вид:
Est=а0+a1 * p1+а2 * р2+…+an * pn,
где pi - описанные выше параметры, ai - коэффициенты, значение которых подбирается при обучении, Est - величина, называемая индексом ишемии.
Est принимает произвольные значения, если величина отрицательна - модель показывает ишемию (чем больше отрицательное значение по модулю, тем более выраженная ишемия). Аналогично, чем больше положительное значение оценки, тем более нормальная ЭКГ.
В квадратичную модель могут входить слагаемые вида: ak * pi * pj (произведения величин-признаков). Введение таких элементов для некоторых из признаков может повысить точность диагностики.
Нейронная сеть.
Может использоваться однослойная нейронная сеть с логистической функцией активации. Сеть имеет один скрытый слой нейронов небольшого размера. В зависимости от реализации алгоритма может варьироваться размер скрытого слоя, а также вид функции активации (можно использовать гиперболический тангенс или линейную функцию).
На ФИГ. 35 показан возможный вариант нейронной сети для диагностики ИБС. Рассматриваемая сеть имеет три слоя: первый с количеством нейронов, равным количеству используемых в модели признаков, скрытый слой из трех нейронов и выходной нейрон.
На вход нейронной сети подаются параметры 1214, а на выходе - наличие или отсутствие ИБС 1224.
Для обучения и тестирования нейронной сети использовалась следующая выборка: 63 пациента, у 31 из них диагностирована ИБС (методом коронаангиографии). Алгоритм классифицировал 6 записей как не интерпретируемые по причине плохого качества. Итого остается 57 записей, 25 из них с ИБС, 32 - норма. Способ/Алгоритм верно нашел 20 ИБС (5 пропущено), определил 6 ложных ИБС. Таким образом, эффективность алгоритма: чувствительность = 80%, специфичность = 81%.
Диагностика ИБС под нагрузкой.
Выполнение пользователем пробы под нагрузкой осуществляется на тредмиле с использованием модифицированного протокола Брюса или велоэргометре. Непосредственно перед выполнением пробы в состоянии покоя записывается ЭКГ в отведении I (в частности, пользователь прикладывает к электродам пальцы). Во время выполнения нагрузки и в фазе восстановления регистрируется (в частности, записывается) ЭКГ в отведении V5 (в частности, используются электроды-присоски). Критериями прекращения нагрузки являются возникновение приступа стенокардии, изменения ЭКГ ишемического характера, отказ больного продолжать нагрузку из-за усталости мышц ног или чувства нехватки воздуха, достижение субмаксимальной возрастной частоты сердечных сокращений (ЧСС), возникновение серьезных нарушений ритма и проводимости, выраженного подъема артериального давления. Субмаксимальная возрастная ЧСС равна 85% от максимальной возрастной ЧСС, которая рассчитывается по формуле 208 - (0,7 х возраст).
Регистрируемые ЭКГ обрабатываются сервером обработки данных, например, на сервере CardioQVARK.
Так, оценивается у пользователя наличие ИБС при сравнении параметров кардиограммы в покое и динамике их развития при нагрузке и в фазе восстановления.
Базовый алгоритм разметки и фильтрации.
Для обработки записи под нагрузкой используется частный случай подхода (способа, метода, алгоритма) для обработки ЭКГ в покое за исключением изменений, описанных далее.
Как и при обработке ЭКГ в покое, сначала алгоритмом Пана-Томпкинса осуществляется поиск R-пиков.
Для фильтрации используется тот же каскад из трех фильтров: для ВЧ, НЧ-шумов и режектор гармонических помех. Поскольку в данном случае происходит тесное взаимодействие с сетевым оборудованием (тредмил или дорожка), возможно возникновение достаточно сильной наводки. По указанной причине режекторный фильтр для проб под нагрузкой может быть усилен. Так, данный фильтр настроен (заданы такие параметры) таким образом, чтобы помимо базовой частоты 50 Гц вырезать (исключать) из сигнала ее (в частном случае, все) гармоники вплоть до частоты Найквиста: т.е. 50, 100, 150, 200, 250, 300, 350, 400, 450 Гц (причем, в частном случае частота оцифровки сигнала равна 1000 Гц). Помимо этого, фильтр также вырезает частоту 60 Гц, являющуюся частотой обновления экрана вычислительного устройства (например, смартфона).
На ФИГ. 36 показан примерный вариант АЧХ построенного каскада режекторных фильтров.
Благодаря использованию БИХ-фильтров с узкой вырезаемой полосой (0.3 Гц) подобная схема (практически) не искажает полезный сигнал, в частности информацию (данные) о высоких частотах QRS, которая может быть использована при принятии решения о наличии ИБС.
В частном случае, если система, реализующая настоящее изобретение (в частности, устройство или несколько устройств) система используется в месте, где сетевая частота равна 60 Гц, схема фильтра может быть соответствующим образом изменена.
В частном случае, может быть использована еще одна вариация метода (в частности, алгоритма), позволяющая сохранить (в частности, лучше сохранить) информацию о высоких частотах - предварительный анализ мощности наводки. При ее небольшой величине или отсутствию на кратных гармониках, может использоваться менее сильный вариант фильтра.
Далее, осуществляется классификация комплексов, как описано выше, с выделением доминантного типа (в частном случае, остальные комплексы - либо экстрасистолия, либо сильно зашумленные).
По алгоритмам, описанным выше, осуществляется построение и разметка УКЦ с использованием алгоритмов разметки по заданному промежутку времени, в частности, по первой минуте записи. При этом для усреднения выбираются комплексы с как можно большим интервалом RR. Указанный УКЦ будет соответствовать состоянию покоя пользователя.
Далее осуществляется оценка качества записи (с использованием описанного выше алгоритма оценки качества данных), при этом помечаются (маркируются, выделяются) все плохие комплексы.
Поминутные УКЦ, разметка.
Полученная (вся) запись разбивается на непересекающиеся сегменты заданной длины (в частности, длиной, равной одной минуте), в каждом из которых, согласно описанному выше алгоритму (построения и разметки УКЦ), строятся УКЦ. При этом для усреднения по возможности выбираются комплексы с примерно равным RR из середины соответствующего сегмента, в частности, для того, чтобы избежать размывания области QRS-T при усреднении комплексов при выраженно меняющемся пульсе. Также на данном этапе могут не использоваться комплексы, помеченные как аномальные при классификации и помеченные как испорченные шумом в процедуре оценки качества (в частности, согласно схеме исследования).
Далее осуществляется разметка построенных УКЦ. При этом используется модифицированная версия описанного выше алгоритма разметки.
В частном случае, при высоком пульсе происходит сближение Т-волны предыдущего комплекса с Р-волной следующего комплекса, вплоть до их пересечения, поэтому предыдущая версия алгоритма может иметь трудности с определением точек границ Р и конца Т на УКЦ. Иллюстрация проблемы приведена на ФИГ. 37.
На ФИГ. 37 показан вариант трудностей с определением точек границ Р и конца Т на УК, согласно настоящему изобретению.
Синяя кривая (1237) - сигнал УКЦ, красная кривая (1247) - первая производная со сглаживанием, соответствующим частоте Р/Т-волны (в частном случае, как и раньше, посчитана везде, за исключением QRS-комплекса). Р-волна находится практически на нисходящем фронте Т, из-за чего передний фронт Р становится незаметным. На ФИГ. 37 можно видеть, что может отсутствовать соответствующий экстремум производной, который помечен фиолетовым маркером (1257). Имеются сложности как с определением левой границы Р, так и с определением конца Т (точная позиция конца скрывается под наслоившейся Р-волной). Проблемы усугубляются в случае наличия U-волны, а также двухфазных Т/Р.
Упомянутый модифицированный алгоритм запоминает формы волн и позиции маркеров для УКЦ в состоянии покоя (построенного с использованием описанного выше параметра RAZ). Далее в алгоритме используется указанная информация при разметке остальных поминутных УКЦ: сначала осуществляется поиск областей на производной, соответствующих правому фронту Т-волны и левому фронту Р-волны, далее, как и раньше, осуществляется движение в сторону от пиков волн до достижения необходимого условия на значение производной, при этом алгоритм, в частном случае, границей для алгоритма является соответствующий маркер УКЦ в покое (алгоритм не должен уйти дальше соответствующего маркера УКЦ в покое).
Таким образом, с использованием алгоритма осуществляется построение размеченных УКЦ с заданным шагом (в частности, равным одной минуте).
На ФИГ. 38 показан примерный вариант построенных УКЦ для десятиминутной пробы под нагрузкой (без фазы восстановления).
Также в некоторых вариантах реализации алгоритма для поминутных УКЦ рассчитывается весь массив параметров, описанных выше, с использованием соответствующих алгоритмов (по крайней мере, признаков на основе вейвлет-преобразования "первая производная", профиля линии максимума, углов QRS, второй производной, формы ST-T-сегмента, асимметрии Т-волны, признаков на основе ВЧ-компоненты QRS, параметра RAZ, алгоритм разметки, алгоритм оценки качества данных).
Потактовая разметка.
Некоторые из параметров для пробы под нагрузкой рассчитываются для каждого нормального комплекса в записи.
Описанный выше подход применяется, чтобы для каждого комплекса найти точки начала QRS, конца QRS (точка "J"), пика и конца Т-волны.
Вычисленные точки показаны на ФИГ. 39.
На ФИГ. 39 показаны вычисленные точки начала QRS, конца QRS (точка "J"), пика и конца Т-волны, согласно настоящему изобретению.
В точках QRSst (1319), J(1329), Tst(1349), Tpeak(1359), Tfi(1369), Tend(1379), a также в точке J+80 мс (1339), вычисляются амплитуды сигнала, при этом нулевым уровнем считается значение в точке начала QRS.
Дополнительная оценка качества.
В отличие от предыдущего случая, где рассматривалась ЭКГ в покое и использовался только вектор параметров для УКЦ, в данном случае требуется анализ потактовых параметров в динамике, что накладывает повышенные требования к качеству сигнала.
При реальной съемке (регистрации) могут быть сильно испорчены фрагменты записи. Тем не менее, по оставшимся сегментам все равно может быть поставлен диагноз. Требуется процедура обработки поиска и исключения областей ЭКГ с плохим качеством.
Ниже для иллюстрации метода рассмотрен один параметр из группы потактовых (как описано выше) - амплитуда в точке J+80 мс.
На ФИГ. 40 приведен фрагмент из пробы под нагрузкой удовлетворительного качества. Линиями (маркерами) 1410 на комплексах 1401отмечена амплитуда в точке J+80 мс. Так, даже в рассматриваемом случае параметр подвержен достаточно серьезным колебаниям: скачок в 1 мм (100 мкВ) - является нормальным явлением. Если собрать с некоторого чистого фрагмента ЭКГ всевозможные значения амплитуды, получится некоторый колокол нормального распределения. При наличии более серьезных артефактов распределение может получаться менее правильной формы.
Алгоритм при построении потактовых трендов позволяет корректно находить среднее значение в описанном нормальном распределении, а также используется процедура, которая находит и отвергает сегменты записи, на которых распределение получается такой формы, что восстановить среднее не представляется возможным. Схема указанной процедуры:
1. Для каждого комплекса в записи считается (вычисляется) корреляция со соответствующим поминутным УКЦ по области QRS-T. Отсеиваются все комплексы с корреляцией меньше заданного порога для отсеивания грубых артефактов, которые исказили форму QRS или ST-сегмента.
2. Строятся тренды потактовых параметров: точки начала и конца QRS, пик Т-волны, амплитуды в указанных точках, а также точке J+80 мс.
3. Тренды (немного) сглаживаются простым усреднением (чтобы убрать только единичные выбросы), скользящим образом вычисляются статистические параметры по небольшому окну: стандартные отклонения и размахи (max-min).
4. Если размах и стандартное отклонение не превосходят заданных порогов, сегмент считается хорошим.
Для оптимизации вычислений в последнем пункте, в частном случае, достаточно оценивать только (по крайней мере) два параметра: амплитуды в точках J и J+80 (т.е. по сути, разность значений сигнала в указанных точках с амплитудой начала QRS). Сами временные точки в комплексах, прошедших тест на корреляцию из п. 1 определяются достаточно стабильно.
На ФИГ. 41-ФИГ.45 приведена иллюстрация работы алгоритма на примере пробы под нагрузкой плохого качества.
На ФИГ. 41 показаны три тренда: зеленый (1421) - пульс, синий (1431) - амплитуда J+80, красный (1441) - стандартное отклонение, по величине которого принимается решение о пригодности сегмента. Участки ЭКГ (1451, 1452, 1453, 1454), изображены на ФИГ. 42-ФИГ. 45.
На ФИГ. 42 показан участок ЭКГ (1451), в частности, показана начальная часть записи, на которой регистрируется малое значение отклонения, т.е. данный фрагмент - "хороший" и пригоден для записи начальных значений параметров ЭКГ (до нагрузки).
На ФИГ. 43 показан участок ЭКГ (1452), в частности, показан шумный участок во время фазы нагрузки. В частном случае параметры непригодны для анализа.
На ФИГ. 44 показан участок ЭКГ (1453), в частности, на котором среди шума проскакивают короткие чистые фрагменты, которые могут быть использованы в модели определения ИБС.
На ФИГ. 45 показан участок ЭКГ (1454), в частности, на котором в фазе восстановления за исключением небольшого фрагмента качество хорошее.
Таким образом, предложенный алгоритм позволяет успешно находить фрагменты ЭКГ, которые могут быть (и, в частном случае, следует) исключить из анализа на ишемию.
В частном случае, когда повреждения шумом оказываются критичными: например, испорчено слишком много фрагментов или важная область, например пик нагрузки, где отклонения параметров самые информативные. В таком случае алгоритм выдает доктору (пользователю системы) соответствующее оповещение (тревогу) и оповещение, в частности, сообщение, об отсутствии необходимости оценивать ИБС.
Построение потактовых трендов интересующих параметров.
Для оценки динамики параметров могут быть построены потактовые тренды на протяжении всей записи. При формировании графика, содержащего посчитанные по комплексам значения, то результатом может являться достаточно зашумленная кривая (иллюстрация разброса значений приведена на ФИГ. 41-ФИГ. 45).
Для сглаживания тренда может быть использован способ/метод/алгоритм, например, скользящей медианы, в котором расчет медианы осуществляется по окну фиксированной ширины, а само окно каждый раз сдвигается на один комплекс. С одной стороны медиана -не чувствительна к выбросам, с другой - выбор подходящей ширины окна может использоваться для получения желаемого результата сглаживания. Для вычисления может быть использован быстрый алгоритм. При этом не рассматриваются комплексы, которые не были помечены как ненормальные в результате процедур, описанных выше (поминутные УКЦ, разметка и дополнительная оценка качества).
Пример сглаживания тренда амплитуды в точке J+80 мс приведен на ФИГ. 46.
На ФИГ. 46 показан примерный вариант сглаживания тренда амплитуды в точке J+80 мс.
В частном случае с использованием упомянутого алгоритма для каждого положения скользящего окна осуществляется поиск центра, описанного выше (дополнительная оценка качества) колокола распределения.
Данный подход может быть использован для построения трендов всех необходимых для диагностики ИБС параметров, которые были измерены потактовым образом, как описано выше (потактовая разметка). При этом на сегментах, которые были оценены алгоритмом как плохие, может быть проведена простая интерполяция.
На ФИГ. 47 приведен пример расчета трендов величин. Красный (1517) - пульс, фиолетовый (1527) - амплитуда в точке J, зеленый (1537) - амплитуда в точке J+80 мс, голубой (1547) - индекс асимметрии Т-волны.
Оценка применимости различных методов (подходов, способов).
В зависимости от наличия в сигнале шумов, некоторые группы параметров могут оказаться искаженными. Однако, по остальным - все еще возможно достоверно оценить наличие ИБС. Для определения возможности применения разных групп параметров может быть использован соответствующий алгоритм.
Минимальным для оценки ишемии является требование возможности достоверно отследить динамику ST-сегмента. Записи, где это сделать невозможно, отсеиваются в результате процедуры, описанной выше (скользящая оценка дисперсии и разброса параметров - амплитуды в точках J и J+80 мс).
Одна из возможных реализаций упомянутого алгоритма для сильно зашумленных записей - ослабление порогов на дисперсии и размахи, описанные выше (дополнительная оценка качества), но при этом для оценки динамики могут быть использованы не потактовые тренды, а последовательность параметров ST-сегмента поминутных УКЦ. В частном случае процедура усреднения эффективно подавляет ВЧ-шум, а информация, касающаяся ST, находится на низких частотах, которые сохраняются без искажений. Поэтому в результате усреднения может быть получена указанная полезная информация даже из очень шумных записей.
Еще одна группа параметров, которая в частном случае может быть неинформативна
- признаки Т-волны, что может являться результатом сильного шума и/или отсутствия выраженной Т-волны в наблюдаемом отведении (физиологическая причина). Обе ситуации изображены на ФИГ. 48 и ФИГ. 49.
На ФИГ. 48 показан примерный вариант плохого качества Т-волны.
На ФИГ. 49 показан примерный вариант плоской Т-волны в отведении V5.
Для отслеживания описанных случаев могут быть использованы следующие параметры:
- большая вариабельность позиций точек максимальной крутизны фронтов Т-волны;
- большая вариабельность значений максимальной крутизны фронтов Т-волны;
- слишком малые значения максимальной крутизны фронтов Т-волны.
В частном случае если хотя бы по одному пункту условие выполняется, то параметры Т-волны далее не используются (первые два условия свидетельствуют о высоком уровне шума, последнее - о невыраженности Т-волны в снимаемом отведении).
Последняя группа параметров, которая может быть искажена из-за плохого качества - ВЧ-информация QRS (признаки на основе ВЧ-компоненты QRS, параметр RAZ). Для диагностики данного события может быть использована описанная ниже процедура оценки уровня ВЧ-шума.
В частном случае все признаки на основе ВЧ-информации крайне чувствительны к шуму, как описано выше (признаки на основе ВЧ-компоненты QRS), который нередко присутствует в записях. В этом случае во избежание постановки неверного диагноза указанные признаки могут игнорироваться. В отличие от случая ЭКГ в покое, где, в частном случае, важно только одно среднее за всю запись значение, в данном случае важна динамика параметров. Но при этом ВЧ-шумом может быть испорчена только часть записи (в частном случае чаще всего в районе пика нагрузки), поэтому оценку шума может быть проведена потактово.
В частном случае критическим параметром является именно отношение уровня полезного ВЧ-сигнала QRS к уровню шума. А поскольку физиологическая вариация ВЧ-компоненты очень велика, порог на допустимый для анализа записи уровень шума также сильно «плавает». Так, например, если при ИБС при нагрузке наблюдается падение амплитуды HFQRS с 100 мкВ до 50 мкВ, то уровень шума 20 мкВ может быть вполне удовлетворительным - будет видна патологическая просадка HFQRS. Но при амплитуде физиологической ВЧ-компоненты 15 мкВ, под 20 мкВ шума распознаваться (видно) уже ничего не будет.
В связи с обозначенным фактом, в алгоритм может быть добавлен потактовый параметр - отношение сигнал-шум для ВЧ-компоненты QRS, который вычисляется следующим образом. Из сигнала при помощи low-pass фильтра извлекаются высокие частоты (т.е. берется разность между исходным сигналом и выходом фильтра - схема антифильтра). Извлеченная ВЧ-компонента на области QRS вычисляется как сумма полезного сигнала и шума, а вне области QRS - это чистый шум (Р, Т-волны не имеют своей ВЧ-компоненты).
В частном случае, области, где вычисленное отношение сигнал-шум мало, не используются для оценки параметра HFQRS, причем если таких областей много, то ВЧ-информация может не использоваться для постановки диагноза ИБС.
Модели для диагностики ИБС.
На основе параметров, рассчитанных как описано выше (базовый алгоритм разметки и фильтрации ЭКГ, включая, поиск пиков, фильтрацию, классификацию комплексов, построение и разметка УКЦ, алгоритм разметки, а также алгоритм оценки качества данных и описание и алгоритмы вычисления сложных признаков на основе вейвлетов, включая признаки на основе вейвлет-преобразования "первая производная", профиль линии максимума, углы QRS, вторую производную, форму ST-T-сегмента, асимметрию Т-волны, а также признаки на основе ВЧ-компоненты QRS и параметр RAZ (reduced amplitude zone),), строится модель для оценки ИБС.
В зависимости от типа модели (которые ниже) и качества данных могут использоваться различные подмножества параметров. Минимальный набор - амплитуды в точках J и J+80mc. Они позволяют оценить подъем/депрессию ST-сегмента, а также (в частности, в самых общих чертах) описать его форму. В частном случае основными работающими параметрами для проб под нагрузкой являются следующие 3 группы: параметры ST, признаки Т-волны, ВЧ-информация QRS.
Для модели используется вектор начальных значений параметров, а также максимумы/минимумы во время фазы нагрузки и восстановления.
В частности, в группе основных параметров интересны следующие величины:
- параметры ST-T, HFQRS до нагрузки;
- минимумы/максимумы амплитуд в точках J и J+80 мс в фазе нагрузки/восстановления;
- максимум асимметрии Т-волны за все время записи (фаза нагрузки + восстановление);
- максимум и минимум HFQRS в фазе нагрузки.
При этом в зависимости от версии алгоритма могут использоваться потактовые тренды либо поминутные УКЦ.
Так, строятся следующие основные модели:
1. Модель 1 - работает только по признакам из группы "ST": изменение амплитуды в точках J и J+80 мс за период фазы нагрузки. Данная модель используется при плохом качестве записи: если Т-волна не выражена или испорчена шумом, присутствует высокий уровень ВЧ-шума.
2. Модель 2 - признаки из группы "ST"+асимметрия Т-волны. Данную модель можно использовать при высоком уровне ВЧ-шума.
3. Модель 3 - признаки из группы "ST"+признак HFQRS. Модель для записей с плохой Т-волной.
4. Модель 4 - все признаки: ST+асимметрия Т+HFQRS. Базовая модель для записей удовлетворительного качества.
5. Любая из моделей может быть дополнена расширенным набором признаков которые описаны выше (базовый алгоритм разметки и фильтрации ЭКГ, включая, поиск пиков, фильтрацию, классификацию комплексов, построение и разметка УКЦ, алгоритм разметки, а также алгоритм оценки качества данных и описание и алгоритмы вычисления сложных признаков на основе вейвлетов, включая признаки на основе вейвлет-преобразования "первая производная", профиль линии максимума, углы QRS, вторую производную, форму ST-T-сегмента, асимметрию Т-волны, а также признаки на основе ВЧ-компоненты QRS и параметр RAZ (reduced amplitude zone), а также связь параметров с наличием ИБС): детально параметры ST-T, вейвлет-энергии QRS, отношение энергий QRS/T и т.д.
Структура моделей (в зависимости от алгоритма и его модификации, в частности, версии):
- классический линейный дискриминант.
- нейронная сеть с одним скрытым слоем из трех нейронов с логистической функцией активации (как показано на ФИГ. 35).
Модели выдают числовой индекс ишемии, показанный на ФИГ. 50.
На ФИГ. 50 показан примерный вариант числового индекса ишемии моделей.
Если данное значение положительно, автоматический диагноз - нет ИБС, отрицательно - есть. Абсолютное значение свидетельствует о вероятности (чем больше, тем коэффициент уверенности выше).
Далее приведены примерные варианты работы описанного выше метода/способа/алгоритма, (в частности, вся последовательность: обработка ЭКГ, вычисление параметров, применение модели).
На ФИГ. 51-ФИГ. 55 приведен пример данных для: ангиография - отрицательно, проба - отрицательно, алгоритм - нет ИБС.
На ФИГ. 51 приведены тренды величин по всей записи: красный (1811) - пульс (HR), фиолетовый (1821) - амплитуда в точке J (Jamp), зеленый (1831) - амплитуда в точке J+80 мс (J80amp), голубой (1841) - индекс асимметрии Т (отношение абсолютных величин производных в точках максимальной крутизны переднего и заднего фронтов Т-волны, BetaSm), коричневый (1851) - величина HFQRS (HFQRS). Временная шкала подписана в минутах.
На ФИГ. 52 приведены фрагменты ленты сигнала, соответствующие началу записи.
На ФИГ. 53 приведены фрагменты ленты сигнала, соответствующие пику нагрузки.
На ФИГ. 54 приведены фрагменты ленты сигнала, соответствующие фазе восстановления.
На ФИГ. 55А приведены индикаторы с ответами моделей: ST - только на основе формы ST-сегмента.
На ФИГ.55Б приведены индикаторы с ответами моделей: ST+T - форма ST-сегмента и параметры Т-волны.
На ФИГ.55В приведены индикаторы с ответами моделей: ST+HF - форма ST-сегмента и ВЧ-компонента QRS.
На ФИГ. 55Г приведены индикаторы с ответами моделей: Integral - объединенный результат всех моделей (считается конечным ответом алгоритма).
На ФИГ. 56-ФИГ. 60 приведен пример данных для: ангиография - положительно, проба - положительно, алгоритм - есть ИБС.
По трендам амплитуд в точках J и J+80 мс наблюдается выраженная депрессия ST-сегмента (плоская форма), таким образом определяется положительная проба. По параметрам BetaSm и HFQRS также наблюдается присутствие ИБС: при нагрузке первый резко вырос (форма Т-волны стала выражено асимметричной с более крутым передним фронтов), второй уменьшился. Ответы всех моделей единогласны.
На ФИГ. 56 приведены тренды величин по всей записи: красный (1911) - пульс (HR), фиолетовый (1921) - амплитуда в точке J (Jamp), зеленый (1931) - амплитуда в точке J+80 мс (J80amp), голубой (1941) - индекс асимметрии Т (отношение абсолютных величин производных в точках максимальной крутизны переднего и заднего фронтов Т-волны, BetaSm), коричневый (1951) - величина HFQRS (HFQRS). Временная шкала подписана в минутах.
На ФИГ. 57 приведены фрагменты ленты сигнала, соответствующие началу записи.
На ФИГ. 58 приведены фрагменты ленты сигнала, соответствующие пику нагрузки.
На ФИГ. 59 приведены фрагменты ленты сигнала, соответствующие фазе восстановления.
На ФИГ. 60А приведены индикаторы с ответами моделей: ST - только на основе формы ST-сегмента.
На ФИГ. 60Б приведены индикаторы с ответами моделей: ST+T - форма ST-сегмента и параметры Т-волны.
На ФИГ. 60В приведены индикаторы с ответами моделей: ST+HF - форма ST-сегмента и ВЧ-компонента QRS.
На ФИГ. 60Г приведены индикаторы с ответами моделей: Integral - объединенный результат всех моделей (считается конечным ответом алгоритма).
На ФИГ. 61-ФИГ. 65 приведен пример данных для: ангиография - положительно, проба - отрицательно, алгоритм - есть ИБС.
На данном примере депрессия ST-сегмента недостаточна для положительности пробы. Однако интегральная модель по совокупности параметров верно находит ИБС.
На ФИГ. 61 приведены тренды величин по всей записи: красный (2011) - пульс (HR), фиолетовый (2021) - амплитуда в точке J (Jamp), зеленый (2031) - амплитуда в точке J+80 мс (J80amp), голубой (2041) - индекс асимметрии Т (отношение абсолютных величин производных в точках максимальной крутизны переднего и заднего фронтов Т-волны, BetaSm), коричневый (2051) - величина HFQRS (HFQRS). Временная шкала подписана в минутах.
На ФИГ. 62 приведены фрагменты ленты сигнала, соответствующие началу записи.
На ФИГ. 63 приведены фрагменты ленты сигнала, соответствующие пику нагрузки
На ФИГ. 64 приведены фрагменты ленты сигнала, соответствующие фазе восстановления.
На ФИГ. 65А приведены индикаторы с ответами моделей: ST - только на основе формы ST-сегмента.
На ФИГ. 65Б приведены индикаторы с ответами моделей: ST+T - форма ST-сегмента и параметры Т-волны.
На ФИГ. 65В приведены индикаторы с ответами моделей: ST+HF - форма ST-сегмента и ВЧ-компонента QRS.
На ФИГ. 65Г приведены индикаторы с ответами моделей: Integral - объединенный результат всех моделей (считается конечным ответом алгоритма).
На ФИГ. 66 приведена блок-схема описанного выше алгоритма.
В частном случае одной из задач настоящего изобретения является повышение надежности автоматической диагностики ИБС по пробам под нагрузкой с использованием записей ЭКГ, зарегистрированных (полученных) в покое перед и после тестирования (I стандартное отведение), при этом используются подходы и модели, описанные выше, в частности, для случаев ЭКГ в покое + под нагрузкой.
В шаге 2206 осуществляется получение пробы под нагрузкой, как описано в рамках настоящего изобретения.
Далее, в шаге 2210 осуществляется обработка полученных проб под нагрузкой, как описано в рамках настоящего изобретения. Обработка включает в себя следующие фазы (как показано на ФИГ. 67): поиск пиков, фильтрацию, классификацию комплексов, построение и разметку УКЦ, оценку качества записи и вычисление параметров. Результатом являются параметры, подаваемые на вход модели, а также оценка качества, от которой зависит выбор конкретной модели.
Далее в шаге 2216 к результатам обработки в зависимости от качества сигнала в шаге 2216 применяют «модель признаки ST» или в шаге 2020 применяют «модель признаки ST+Т», или в шаге 2026применяют «модель признаки ST+HFQRS», или в шаге 2030 применяют «модель признаки ST+T+HFQRS», как описано в рамках настоящего изобретения.
Так, четыре модели (2216, 2220, 2226, 2230) в левой части ФИГ. 66 вычисляют числовой индекс ишемии (по сути, вероятность наличия ИБС) по пробе под нагрузкой. Стрелками слева направо обозначена передача от них значения указанного числового индекса в одну из интегральных моделей, изображенных справа (2246, 2250, 2256, 2260).
И результатом применения одной из моделей является величина оценки ИБС под нагрузкой.
В шаге 2236 осуществляется регистрация (запись) ЭКГ в покое непосредственно перед нагрузкой, как описано в рамках настоящего изобретения.
Далее, в шаге 2240 осуществляется обработка (включает в себя описанные выше фазы, как показано на ФИГ. 66) записи перед нагрузкой, как описано в рамках настоящего изобретения.
В шаге 2242 применяют «модель для ЭКГ покоя», результатом чего является величина оценки ИБС-покой.
В зависимости от качества сигнала в шаге 2246 применяют «Модель ST+покой», или в шаге 2250применяют «Модель ST+T+покой», или в шаге 2256применяют «Модель ST+HFQRS+покой», или в шаге 2260 применяют «Модель ST+T+HFQRS+покой».
И результатом применения одной из моделей является величина интегрального показателя ИБС.
На ФИГ. 67 показана блок схема примерного варианта шага обработки ЭКГ, который одинаково применяется в двух ветвях алгоритма: для проб под нагрузкой (2210, ФИГ. 66) и записей в покое (2242, ФИГ. 66).
В шаге 3010 осуществляется поиск пиков, как описано в рамках настоящего изобретения.
В шаге 3014 осуществляется адаптивная фильтрация, как описано в рамках настоящего изобретения.
В шаге 3018 осуществляется классификация комплексов, как описано в рамках настоящего изобретения.
В шаге 3022 осуществляется построение УКЦ, как описано в рамках настоящего изобретения.
В шаге 3026 осуществляется разметка УКЦ, как описано в рамках настоящего изобретения.
В шаге 3030 осуществляется оценка качества сигнала, как описано в рамках настоящего изобретения.
В шаге 3034 осуществляется вычисление параметров, как описано в рамках настоящего изобретения.
На ФИГ. 68 показан пример компьютерной системы общего назначения, которая включает в себя многоцелевое вычислительное устройство в виде компьютера 20 или сервера, включающего в себя процессор 21, системную память 22 и системную шину 23, которая связывает различные системные компоненты, включая системную память с процессором 21.
Системная шина 23 может быть любого из различных типов структур шин, включающих шину памяти или контроллер памяти, периферийную шину и локальную шину, использующую любую из множества архитектур шин. Системная память включает постоянное запоминающее устройство (ПЗУ) 24 и оперативное запоминающее устройство (ОЗУ) 25. В ПЗУ 24 хранится базовая система ввода/вывода 26 (БИОС), состоящая из основных подпрограмм, которые помогают обмениваться информацией между элементами внутри компьютера 20, например, в момент запуска.
Компьютер 20 также может включать в себя накопитель 27 на жестком диске для чтения с и записи на жесткий диск, не показан, накопитель 28 на магнитных дисках для чтения с или записи на съемный магнитный диск 29, и накопитель 30 на оптическом диске для чтения с или записи на съемный оптический диск 31 такой, как компакт-диск, цифровой видео-диск и другие оптические средства. Накопитель 27 на жестком диске, накопитель 28 на магнитных дисках и накопитель 30 на оптических дисках соединены с системной шиной 23 посредством, соответственно, интерфейса 32 накопителя на жестком диске, интерфейса 33 накопителя на магнитных дисках и интерфейса 34 оптического накопителя. Накопители и их соответствующие читаемые компьютером средства обеспечивают энергонезависимое хранение читаемых компьютером инструкций, структур данных, программных модулей и других данных для компьютера 20.
Хотя описанная здесь типичная конфигурация использует жесткий диск, съемный магнитный диск 29 и съемный оптический диск 31, специалист примет во внимание, что в типичной операционной среде могут также быть использованы другие типы читаемых компьютером средств, которые могут хранить данные, которые доступны с помощью компьютера, такие как магнитные кассеты, карты флеш-памяти, цифровые видеодиски, картриджи Бернулли, оперативные запоминающие устройства (ОЗУ), постоянные запоминающие устройства (ПЗУ) и т.п.
Различные программные модули, включая операционную систему 35, могут быть сохранены на жестком диске, магнитном диске 29, оптическом диске 31, ПЗУ 24 или ОЗУ 25. Компьютер 20 включает в себя файловую систему 36, связанную с операционной системой 35 или включенную в нее, одно или более программное приложение 37, другие программные модули 38 и программные данные 39. Пользователь может вводить команды и информацию в компьютер 20 при помощи устройств ввода, таких как клавиатура 40 и указательное устройство 42. Другие устройства ввода (не показаны) могут включать в себя микрофон, джойстик, геймпад, спутниковую антенну, сканер или любое другое.
Эти и другие устройства ввода соединены с процессором 21 часто посредством интерфейса 46 последовательного порта, который связан с системной шиной, но могут быть соединены посредством других интерфейсов, таких как параллельный порт, игровой порт или универсальная последовательная шина (УПШ) Монитор 47 или другой тип устройства визуального отображения также соединен с системной шиной 23 посредством интерфейса, например, видеоадаптера 48. В дополнение к монитору 47, персональные компьютеры обычно включают в себя другие периферийные устройства вывода (не показано), такие как динамики и принтеры.
Компьютер 20 может работать в сетевом окружении посредством логических соединений к одному или нескольким удаленным компьютерам 49. Удаленный компьютер (или компьютеры) 49 может представлять собой другой компьютер, сервер, роутер, сетевой ПК, пиринговое устройство или другой узел единой сети, а также обычно включает в себя большинство или все элементы, описанные выше, в отношении компьютера 20, хотя показано только устройство хранения информации 50. Логические соединения включают в себя локальную сеть (ЛВС) 51 и глобальную компьютерную сеть (ГКС) 52. Такие сетевые окружения обычно распространены в учреждениях, корпоративных компьютерных сетях, Интернете.
Компьютер 20, используемый в сетевом окружении ЛВС, соединяется с локальной сетью 51 посредством сетевого интерфейса или адаптера 53. Компьютер 20, используемый в сетевом окружении ГКС, обычно использует модем 54 или другие средства для установления связи с глобальной компьютерной сетью 52, такой как Интернет.
Модем 54, который может быть внутренним или внешним, соединен с системной шиной 23 посредством интерфейса 46 последовательного порта. В сетевом окружении программные модули или их части, описанные применительно к компьютеру 20, могут храниться на удаленном устройстве хранения информации. Надо принять во внимание, что показанные сетевые соединения являются типичными, и для установления коммуникационной связи между компьютерами могут быть использованы другие средства.
В заключение следует отметить, что приведенные в описании сведения являются примерами, которые не ограничивают объем настоящего изобретения, определенного формулой. Специалисту в данной области становится понятным, что могут существовать и другие варианты осуществления настоящего изобретения, согласующиеся с сущностью и объемом настоящего изобретения.
1. Способ неинвазивной компьютерной диагностики ишемической болезни сердца включает следующие шаги:
- получают ЭКГ-сигналы в отведении I пациента в состоянии покоя;
- получают ЭКГ-сигналы в отведении V5 пациента во время пробы под нагрузкой;
- обрабатывают полученные ЭКГ-сигналы, формируя вектор признаков под нагрузкой и вектор признаков покоя, определяют качество ЭКГ-сигнала;
- определяют оценку ишемической болезни сердца в состоянии покоя с использованием модели для ЭКГ покоя на основании сформированного вектора признаков покоя;
- определяют оценку ишемической болезни сердца во время нагрузки с использованием модели для ЭКГ под нагрузкой на основании сформированного вектора признаков под нагрузкой, причем выбор конкретной модели зависит от качества ЭКГ-сигнала;
- определяют интегральный показатель ишемической болезни сердца с использованием оценки ишемической болезни сердца в состоянии покоя и оценки ишемической болезни сердца во время пробы под нагрузкой.
2. Способ по п. 1, в котором в зависимости от качества ЭКГ сигнала используются следующие пары моделей:
(признаки ST и признаки ST+покой), (признаки ST+T и признаки ST+T+покой), (признаки ST+HFQRS и признаки ST+HFQRS+покой), (признаки ST+T+HFQRS и признаки ST+T+HFQRS+покой).
3. Способ по п. 1, в котором обработка ЭКГ-сигналов включает поиск пиков, адаптивную фильтрацию, классификацию комплексов, построение и разметку УКЦ.
4. Способ по п. 1, в котором модели основаны на линейном или квадратичном дискриминанте.
5. Способ по п. 1, в котором модели основаны на нейронной сети.
6. Способ по п. 1, в котором модели основаны на комбинации линейного или квадратичного дискриминанта и нейронной сети.
7. Способ неинвазивной компьютерной диагностики ишемической болезни сердца включает следующие шаги:
- получают ЭКГ-сигналы в отведении I пациента в состоянии покоя;
- обрабатывают полученные ЭКГ-сигналы, формируя вектор признаков покоя;
- определяют оценку ишемической болезни сердца в состоянии покоя с использованием по крайней мере одной модели для ЭКГ покоя на основании сформированного вектора признаков покоя.
8. Способ по п. 7, в котором в зависимости от качества ЭКГ сигнала используются следующие пары моделей:
(признаки ST и признаки ST+покой), (признаки ST+T и признаки ST+T+покой), (признаки ST+HFQRS и признаки ST+HFQRS+покой), (признаки ST+T+HFQRS и признаки ST+T+HFQRS+покой).
9. Способ по п. 7, в котором обработка ЭКГ-сигналов включает поиск пиков, адаптивную фильтрацию, классификацию комплексов, построение и разметку УКЦ.
10. Способ по п. 7, в котором модели основаны на линейном или квадратичном дискриминанте.
11. Способ по п. 7, в котором модели основаны на нейронной сети.
12. Способ по п. 7, в котором модели основаны на комбинации линейного или квадратичного дискриминанта и нейронной сети.
13. Способ неинвазивной компьютерной диагностики ишемической болезни сердца включает следующие шаги:
- получают ЭКГ-сигналы в отведении V5 пациента во время пробы под нагрузкой;
- обрабатывают полученные ЭКГ-сигналы формируя вектор признаков под нагрузкой, определяют качество ЭКГ-сигнала;
- определяют оценку ишемической болезни сердца во время нагрузки с использованием модели для ЭКГ под нагрузкой на основании сформированного вектора признаков под нагрузкой, причем выбор модели зависит от качества ЭКГ-сигнала.
14. Способ по п. 13, в котором обработка ЭКГ-сигналов включает поиск пиков, адаптивную фильтрацию, классификацию комплексов, построение и разметку УКЦ.
15. Способ по п. 13, в котором модели основаны на линейном или квадратичном дискриминанте.
16. Способ по п. 13, в котором модели основаны на нейронной сети.
17. Способ по п. 13, в котором модели основаны на комбинации линейного или квадратичного дискриминанта и нейронной сети.
