Автоматизация анализа гистограмм ритма сердца
В настоящее время наблюдается положительная динамика роста числа заболеваний сердечно-сосудистой системы. В связи с этим все более актуальной становится проблема своевременной и качественной диагностики, а так же постановка верного диагноза за короткий срок. С другой стороны в сложившихся социально-экономических условиях сельской местности, а так же городах районного значения наблюдается нехватка квалифицированных специалистов в области кардиологии.
Вариабельность сердечного ритма (ВСР) — это изменчивость продолжительности интервалов R-R последовательных циклов сердечных сокращений за определенные промежутки времени.[3]
Анализ ВСР является методом оценки состояния механизмов регуляции физиологических функций в организме человека и животных, в частности общей активности регуляторных механизмов, нейро-гормональной регуляции сердца, соотношения между симпатическим и парасимпатическим отделами вегетативной нервной системы.
Основными методами анализа ВСР являются: статистические, геометрические, автокорреляционный анализ, корреляционная ритмография и спектральный анализ.
В данной работе используется геометрический метод анализа ВСР. Сущность метода заключается в изучении закона распределения кардиоинтервалов как случайных величин. При этом строится вариационная кривая (кривая распределения кардиоинтервалов — гистограмма) и определяются ее основные характеристики. Основной задачей данной работы является автоматическое определение преобладающего источника нервного управления сердцем, а также оценка нормальности распределения, т.к. статистические критерии, применяемые в оценке вариабельности сердечного ритма подходят только при условии нормальности распределения R-R интервалов. При аритмиях, как правило, нормальность распределения R-R интервалов теряется и статистические критерии дают недостоверные результаты.[2]
Существует множество методов автоматизации анализа данных. Можно выделить основные из них: метод дискриминантного анализа, методы кластеризации и нейросетевой анализ.
- Дискриминантный анализ — раздел вычислительной математики, представляющий основное средство решения задач распознавания образов, инструмент статистики, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»).
- Кластерный анализ — это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы (кластеры) (Q-кластеризация, или Q-техника, собственно кластерный анализ).
- Искусственные нейронные сети (ИНС) — система обработки информации, где информация распространяется параллельно. ИНС может определять её условия и регулировать себя, чтобы обеспечить необходимые ответы. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение.[1]
Анализ показал, что априорно лучшими характеристиками обладает нейросетевой анализ, так как он обладает достаточной гибкостью, нелинейной обработкой исходных данных, обобщающей способностью и возможностью к обучению. Отмечено, что использование нейросетевого анализа в клинической практике повышает точность диагностики заболеваний сердечно-сосудистой системы. [4]
Было проведено исследование 422 записей кардиоинтервалограмм людей с различным функциональным состоянием. По этим данным была построена обучающая и тестовые базы данных для применения с нейронными сетями. Данные были разделены на три основные группы (рис.1): с преобладанием парасимпатического отдела нервной системы (брадикардия), равновесное состояние вегетативной нервной системы (нормокардия) и с преобладанием симпатического отдела нервной системы (тахикардия). Каждая из этих групп была дополнительно разделена на две подгруппы: с нормальным законом распределения и с законом распределения, отличающимся от нормальности.

г) брадикардия, д) нормокардия, е) тахикардия; не нормальные: а) брадикардия, б) нормокардия, в) тахикардия)
В результате было получено, 30 записей с брадикардией, 191 запись с нормокардией и 201 запись с тахикардией.
Наименование болезни | норма | патология |
Брадикардия | 4 | 26 |
Нормокардия | 87 | 104 |
Тахикардия | 121 | 80 |
В данной работе рассмотрено понятие вариабельности сердечного ритма, так же проанализированы основные методы анализа ВСР, в частности геометрический метод. Для дальнейшей обработки был выбран нейросетевой метод анализа. Результаты работы могут быть использованы в системах для массовых исследований ВСР.
Источники
- Редько В. Г. Искусственные нейронные сети (1999).
- Рябыкина Г.В., СоболевА.В. Анализ вариабельности ритма сердца.// Кардиология. 1996. №10. С.87 – 97.
- Баевский Р.М., Иванов Г.Г. Вариабельность сердечного ритма: теоретические аспекты и возможности клинического применения. – М.: 2000
- Горбань А.Н. Обучение нейронных сетей. Москва, “ПараГраф”, 1990.
(с) Роман Исаков