Настоящая статья посвящена особенностям анализа ЭКС в условиях свободной двигательной активности пациента. Данный способ имеет актуальность для пациентов из группы риска ССЗ и пользователей, интересующихся состоянием своего сердца.
Диагностика патологий сердца в условиях свободной двигательной активности
Для выявления патологий сердца применяют различные подходы и методики, в зависимости от типа заболевания и его стадии. Одним из распространенных и основных методов функциональной диагностики является метод холтеровского мониторирования (ХМ). ХМ используется для методики непрерывной записи электрокардиограммы в нескольких отведениях ЭКГ, в условиях свободной двигательной активности пациента, с последующей дешифровкой в режиме offline на специальных дешифраторах [3]. Во всех устройствах для подобного мониторирования неизменной должна оставаться базовая часть методики: регистрация ЭКГ в 2-3 отведениях продолжительностью от 18 до 24 часов в условиях свободной двигательной активности (или у стационарного больного). По показаниям, техническим возможностям или обстоятельствам могут использоваться более короткие или длительные периоды записи [3].
Как правило, перед применением мониторинга по Холтеру лечащий врач применяет другие виды обследования для выявления или исключения некоторых критических заболеваний. Одним из таких заболеваний является инфаркт миокарда. Хотя иногда выявление ИМ возможно и в процессе мониторинга.
Предлагаемый подход анализа ЭКС в условиях свободной двигательной активности является схожим с процессом мониторинга по Холтеру, но преследует другие цели. Мониторинг по Холтеру предназначен для выполнения долгосрочного наблюдения пациента и последующего изучения его состояния сердца медицинскими специалистами на основании полученного ЭКС за длительный период времени. Предлагаемый подход, в отличие от ХМ, преследует цель осуществления без участия высококвалифицированных медицинских работников краткосрочного анализа ЭКС и выявления опасных для жизни патологий сердца в условиях свободной двигательной активности пациентов из группы риска. Прогнозирование поведения сложного объекта, находящегося в чрезвычайной ситуации или в аварийном состоянии, возможно на основе современных статистических методов [4]. Анализ ЭКС и выявление патологий выполняется с использованием возможностей современной вычислительной техники. В качестве такой техники предлагается использовать смартфон.
Последовательность действий предлагаемого подхода приведена на рисунке 1.
Рис. 1. Алгоритм анализа состояния сердца в условиях свободной двигательной активности
Особенности анализа состояния сердца в условиях свободной двигательной активности
Рассмотрим особенности предлагаемого подхода.
1. Первоначальным действием является выполнение регистрации ЭКС и местоположения пациента. Регистрация ЭКС осуществляется с использованием приведенного выше кардиоусилителя.
Для регистрации ЭКС предлагается специальный миниатюрный кардиоусилитель. Он в сравнении с оборудованием портативного регистратора, используемом при холтеровском мониторировании, имеет очень скромные размеры (2х3 сам усилитель и несколько электродов для регистрации ЭКС, закрепляемых в непосредственной близости от усилителя). Такой кардиоусилитель доставляет пациенту минимум неудобств и выполняет регистрацию сигнала всего по одному отведению. Этого, как правило, достаточно для того, чтобы выявить ярко выраженную опасную для жизни патологию.
Получение местоположения пациента выполняется на смартфоне с использованием служб GPS/ГЛОНАСС-навигации (сейчас данными службами оснащаются практически любые новые смартфоны). Управление кардиоусилителем осуществляется посредством вычислительного устройства, способного принять по беспроводному каналу связи зарегистрированный ЭКС. В качестве ведущего устройства выступает, как уже было сказано, смартфон. Взаимодействие кардиоусилителя и смартфона осуществляется по беспроводному каналу связи. Наиболее приоритетным протоколом взаимодействия является протокол Bluetooth 4.0. Этот протокол позволяет передавать необходимый поток информации за определенный участок времени (в среднем 500 отсчетов в секунду), и в то же время он использует энергосберегающий режим работы, что очень критично для кардиоусилителя.
Регистрация производится автоматически, по подаваемому со смартфона сигналу. После сигнала, оповещающего медальон о том, что необходимо выполнить регистрацию ЭКГ, данные с кардиоусилителя в режиме реального времени поступают на смартфон.
2. После получения ЭКС происходит его предварительная обработка. Она заключается в удалении из ЭКС помех, возникающих при регистрации сигнала в условиях свободной двигательной активности. Помехи искажают полученную информацию, и, следовательно, снижают достоверность результатов экспресс-оценки опасного для жизни состояния сердца. Предварительная обработка заключается в удалении тренда изолинии и выполнении высокочастотной фильтрации. Наиболее сложной является процедура удаления монотонного тренда изолинии.
Начало обработки производится с удаления тренда. Предложенный способ устранения монотонного тренда состоит в сортировке функции и ее аппроксимации, построенной на основе ряда, где коэффициенты находятся с помощью моментов высокого порядка. Для повышения эффективности подавления помех, в последние годы широкое применение нашли методы разложения сигналов на узкополосные составляющие по локально сосредоточенным базисам.
Для устранения высокочастнотных помех в сигналах используется эмпирическая модовая декомпозиция (ЭМД). Эмпирические моды – это монокомпонентные составляющие сигнала, которые вместо постоянной амплитуды и частоты, как в простой гармонике, имеют меняющуюся во времени амплитуду и частоту. ЭМ не имеют строгого аналитического описания, но должны удовлетворять условиям, гарантирующим определенную симметрию и узкополосность базисных функций. Основным преимуществом ЭМД является высокая адаптивность, связанная с тем, что базисные функции, используемые для разложения сигнала, конструируются непосредственно из самого исследуемого сигнала, что позволяет учесть все его локальные особенности, внутреннюю структуру, присутствие различных помех [5]. Кроме адаптивности, разложение обладает и другими важными для практических приложений свойствами [5]: локальностью (возможностью учета локальных особенностей сигнала); ортогональностью, обеспечивающей восстановление сигнала с определенной точностью; полнотой, гарантирующей конечность числа базисных функций при конечной длительности сигнала.
Для подавления высокочастотных (ВЧ) помех эмпирические моды, полученные в результате эмпирической модовой декомпозиции ЭКС, подвергают нелинейной пороговой обработке, которая заключается в специальной нелинейной процедуре дискриминации отсчетов ЭМ на некотором пороговом уровне в соответствии с определенными правилами:
|
|
|
,
где ψ – некоторая нелинейная пороговая функция, p – порог, i – номер отсчета, j – номер (уровень разложения) ЭМ.
Для реконструкции электрокардиосигнала, «очищенного» от помех, эмпирические моды, подвергнутые нелинейной пороговой обработке, суммируются.
Наиболее серьезным недостатком описанного способа подавления ВЧ помех в ЭКС является вычислительная сложность классического алгоритма эмпирической модовой декомпозиции, затрудняющая реализацию данного способа в реальном времени.
Поэтому авторами предлагается для уменьшения времени разложения сигнала на монокомпонентные частотные составляющие в классическом алгоритме эмпирической модовой декомпозиции исключить процедуру отсеивания. При этом первые приближения к ЭМ будут считаться частотными компонентами входного сигнала и именно к ним применяется НПО, а базис остается адаптивным, так как получен непосредственно из анализируемых данных эмпирическим методом.
При реализации классического алгоритма эмпирической модовой декомпозиции выполняется 6-8 итераций для качественного отсеивания ЭМ (так рекомендует Н. Хуанг в работе [6]), а при разложении участка ЭКС в 2500-3000 отсчетов получается 8-12 ЭМ. Таким образом, цикл выполняется 48-96 раз. При усечении алгоритма эмпирической модовой декомпозиции количество циклов сокращается в 6-8 раз. Если для устранения ВЧ помех использовать только три первых частотных компоненты, то количество циклов будет всего 3, т.е. сократится примерно в 12-32 раза.
3. Обработанный ЭКС поступает в блок выполнения экспресс-оценки. Под экспресс-оценкой состояния сердца понимается процесс определения в реальном масштабе времени наличия патологии сердца путем сравнения параметров стандартного ЭКС с параметрами зарегистрированного сигнала. При этом необходимо отметить, что определение критического состояния сердца осуществляется без участия высококвалифицированных специалистов посредством выполнения известных алгоритмов определения патологий сердца за счет вычислительных возможностей смартфона в автоматическом режиме.
Анализ параметров зарегистрированного ЭКС позволяет зафиксировать нарушения ритма, нарушения проведения, нарушения электрической оси сердца, эктопические и замещающие сокращения, повреждения миокарда.
Экспресс-оценка направлена на выявление инфаркта миокарда, который представляет собой основное заболевание сердечно сосудистой системы с высоким летальным исходом. В этой связи своевременная диагностика инфаркта является одной из актуальных проблем современной кардиологии. К общепризнанным признакам «ЭКС с отклонением от нормы» и определением ИМ относятся:
1. Отсутствие зубца R в отведениях, расположенных над областью инфаркта.
2. Появление патологического зубца Q в отведениях, расположенных над областью инфаркта.
3. Подъем сегмента S-T выше изолинии в отведениях, расположенных над областью инфаркта.
4. Смещение сегмента S-T ниже изолинии в отведениях, противоположных области инфаркта.
5. Отрицательный зубец T в отведениях, расположенных над областью инфаркта.
Если параметры анализируемого ЭКС отклоняются от нормальных значений, то анализируемый сигнал относится к «ЭКС с ИМ». В данном случае необходимо осуществить вызов скорой помощи непосредственно к месту положению пациента.
Для выполнения анализа ЭКС предложен подход, основанный на методах статистической обработки сигнала, показавших хорошие результаты при энтропийно-параметрическом анализе функций [7, 8]. Достоинствами предлагаемого подхода является возможность выявления патологий путём сравнения статистических параметров исследуемого сигнала со статистическими параметрами нормального ЭКС. Данный способ основан на таких статистических параметрах, как коэффициент энтропии, контрэксцесс, среднее квадратическое отклонение, коэффициент ассиметрии. Для выполнения анализа выполняют построение функции распределения параметров ЭКС. Далее путем сравнения вышеперечисленных параметров с параметрами нормального сигнала получают значения отклонения от нормы. Вывод о типе патологии позволяет сделать величина отклонения какого-либо параметра от нормы, известного для определенного участка ЭКС.
4. Вся анализируемая информация и полученные в автоматическом режиме заключения о состоянии сердца передаются на сервер приложений. Там, при необходимости, происходит детальный анализ ЭКС уже при помощи высококвалифицированного медицинского персонала. При этом независимо от того, когда происходит детальный анализ, если на смартфоне обнаружена патология сердца, то выполняется оповещение владельца о том, что необходимо в кратчайшие сроки обратиться в ближайшее медицинское учреждение.
Заключение
Таким образом, в данной статье был рассмотрен подход для анализа ЭКС в условиях свободной двигательной активности пациента. Рассмотрены этапы одного цикла анализа, детально приведено описание анализа сигнала и рассмотрены способы устранения помех из сигнала.
Необходимо подробнее раскрыть содержания этапов.
В первом цикле происходит регистрация ЭКС и его передача на смартфон. Кроме того, выполняется определение местоположения пациента посредством использования технологии GPS/ГЛОНАСС.
Во втором цикле осуществляется предварительная обработка ЭКС. В предлагаемом способе экспресс-оценки состояния сердца для создания адаптивного базиса, отвечающего реальным изменениям сигнала во времени, используется преобразование Гильберта-Хуанга.
В третьем цикле выполняется экспресс-оценка электрической стабильности сердца. В качестве решения данной задачи предложено проводить оценку состояния сердца, основанную на энтропийно-параметрическом анализе параметров ЭКС, позволяющую установить изменение основных зубцов и сегментов ЭКС.
Далее выполняется передача данных на сервер для дополнительного и при необходимости более глубокого анализа, и оповещение пациента о состоянии сердца.
В заключение следует отметить, что рассмотренный подход позволяет обнаружить инфаркт миокарда у физически активного населения, находящегося в группе риска, в условиях свободной двигательной активности и задокументировать предполагаемый диагноз заболевания.
Рецензенты:Чувыкин Б.В., д.т.н., профессор кафедры «Информационно-вычислительные системы», ПГУ, г. Пенза;
Трофимов А.А., д.т.н., профессор, заместитель начальника учебно-научного центра ОАО «НИИФИ», г. Пенза.