Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца

Искусственные нейронные сети (ИНС)  являются  системами обработки информации, отличающимися от обычных систем параллельным характером передачи информации и наличием процесса саморегуляции для обеспечения заданной целевой функции. Указанные свойства способствуют их применению в медицинской диагностике с целью оказания   помощи врачам в процессе принятия решения относительно наличия той или иной патологии, в особенности на основе ритма сердца.

В этом случае ИНС должна быть обучена с помощью доступных образцов данных  с целью  обеспечения требуемого (заданного) соотношения между входами и выходами и достижения  выполнения целевой  функции ИНС при вводе новых данных [1]. 

Известно что нейросетевой анализ обладает достаточной гибкостью, обеспечивает нелинейную обработку исходных данных, имеет хорошую обобщающую способность и возможность обучения.

Применительно к задачам профилактической медицины в качестве базового сигнала для диагностики сердечно-сосудистых заболеваний (ССЗ) используется динамика сердечного ритма, из которого извлекаются параметры, используемые в ИНС для классификации.

В настоящее время в клинической и профилактической медицине находит все более широкое применение метод математического анализа сердечного ритма или анализ вариабельности сердечного ритма (HRV- Heart Rate Variability).

Данный метод основан на рассмотрении сердечного ритма (СР) как случайного процесса, представленного временным рядом кардиоинтервалов, к которому применимы различные методы статистической обработки [2].

Перспектив­ными направлениями  анализа вариабельности сердечного ритма (ВСР) считаются геометрические методы и корреляционная ритмография. Они более корректны для оценки нестационарных процессов, которые характерны для биологических систем.

В данной работе рассматривается возможность применения ИНС для классификации вариабельности сердечного ритма. Особое внимание уделено исследованию двух методов кодирования выходов   искусственных нейронных сетей,  применяемых в задачах анализа скаттерграмм и гистограмм ритма сердца. В первом методе кодируются выходы искусственных нейронных сетей на 6 эталонов,  а во втором на 18 эталонов.

Выбор нейросети для анализа ритма сердца

В [4] отмечено, что использование нейросетевого анализа в клинической практике способствует повышению точности диагностики заболеваний сердечно-сосудистой системы.

Выбор архитектуры сети для решения конкретной задачи основывается на опыте разработчика. Одним из множества возможных вариантов конфигураций является архитектура ИНС многослойного персептрона.

С целью обоснования выбора структуры ИНС был проведен ряд экспериментов с различными конфигурациями и оценкой эффективности выполнения целевой функции по критерию оценки обучения. Для каждой конфигурации  обучение и тестирование нейронных сетей проводилось по 3 раза для исключения ошибочных результатов вследствие возможности попадания  процесса обучения в локальный минимум. Сеть может попасть в локальный минимум (неглубокую долину). При этом рядом имеется гораздо более глубокий минимум, что препятствует выходу сети из создавшейся ситуации [3].

Для решения поставленной задачи была сформирована трехслойная ИНС обратного распространения. На рис.1,2 представлены структура исследуемых искусственных нейронных сетей,  имеющих 6  и 18 эталонов соответственно. Основные параметры ИНС: количество входных, выходных и скрытых слоев; передаточная  функция  нейрона (“сигмоид”); алгоритм обучения (“обратного распространения ошибки”).

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис.1. Структура используемой искусственной нейронной сети, имеющей 6 эталонов
Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис.2. Структура используемой искусственной нейронной сети, имеющей 18 эталонов

В данной работе было проведено исследование 395 записей кардиоинтервалограмм здоровых людей и людей с нарушениями ритма сердца.

Геометрические методы анализа ритма сердца

С помощью геометрических методов анализа ВСР осуществлялось построение и анализ гистограмм распределения RR – интервалов.

Известно, что  форма гистограммы зависит от конкретного физиологического состояния обследуемого человека. При преобладании симпатической регуляции синусового узла отмечается сужение основания гистограммы и смещение ее влево на числовой оси (тахикардия)[6]. При превалировании парасимпатического отдела вегетативной нервной системы (брадикардия) основание гистограммы расширяется, высота ее снижается, а сама она смещается вправо. На рис.3 представлены  типичные  гистограммы, распределения RR – интервалов. С помощью гистограмм исходные данные были разделены на три основные группы: нормокардия, тахикардия и брадикардия.

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис.3. Типы гистограммы

Корреляционные методы анализа ритма сердца

С целью повышения достоверности результатов дифференцирования пациентов на условно здоровых людей или имеющих патологию сердца в работе дополнительно был исследован метод корреляционной ритмографии, суть которого заключается в  графическом отображении последовательных пар кардиоинтервалов (предыдущего и последующего) в двумерной координатной плоскости. При этом по оси абсцисс откладывается величина – RRn, а по оси ординат величина RRn+1. График и область точек, полученных таким образом, как известно, называется скатерграммой.

Этот способ оценки ВСР относится к методам нелинейного анализа и является особенно полезным для случаев, когда на фоне монотонности ритма встречаются редкие и внезапные нарушения.

При построении скаттерграммы образуется совокупность точек, центр которых располагается на биссектрисе. Величина отклонения точки от биссектрисы влево показывает, насколько данный сердечный ритм короче предыдущего, вправо от биссектрисы – насколько он длиннее предыдущего.

Нормальная форма скаттерграммы представляет собой эллипс, вытянутый вдоль биссектрисы. Именно такое расположение эллипса означает, что к дыхательной прибавлена некоторая величина недыхательной аритмии. Форма в виде круга означает отсутствие недыхательных компонентов аритмии[7]. Узкий овал соответствует преобладанию недыхательных компонентов в общей вариабельности ритма. Зажатость облака скаттерграммы  свидетельствует о выраженном стрессе. Образцы корреляционных ритмограмм (КРГ) представлены на рис.4.

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис.4. Образцы корреляционных ритмограмм (КРГ) – скаттерграмм

Каждая группа  дополнительно с помощью методов корреляционной ритмографии разделялась на подгруппы : норма; аритмия; выраженный стресс; выраженный стресс и  аритмия; а также с дыхательными и недыхательными изменениями ритма.  На рис 5. представлена возможная структура базы данных по исследуемым кардиоинтервалограммам.

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис.5. Структура базы данных по исследуемым кардиоинтервалограмм

С помощью учетных данных были  созданы  две   обучающие базы,  одна из которых содержит значения гистограмм -попаданий RR-интервалов в диапазон от 300 до 1700 с шагом 50 (в результате чего получается 29 значений),  а вторая содержит бинарную матрицу скаттерграмм.

Выбор диапазона значений RR от 300 до 1700мс с шагом 50мс обусловлен общеизвестными требованиями  к построению гистограммы  ритма сердца.

Как известно,  бинарноеизображение — это есть   разновидность цифровых растровых  изображений,   когда каждый пиксель может представлять только один из двух цветов. Значения каждого пикселя  условно кодируются, как «0» и «1». Значение «0» условно называют задним планом или фоном, а «1» —передним планом.

На стадии бинаризации объект изображения (скаттерграмма) преобразовывается в бинарную матрицу данных (рис.6,7), отражающую яркостные показатели каждого пикселя.

В данной работе бинарная матрица  скаттерграммы содержит 29×29 пикселей. Далее бинарная матрица преобразуется в вектор (841 значение). В качестве входных переменных для бинарной матрицы служили образы скаттерграммы  или значения гистограмм.

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис.6. Скаттерграмма
Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис. 7. Бинарная матрица скаттерграммы

Базы данных ритма сердца

Таким образом формируются три основных  группы,  в каждой из которых имеется  6 подгрупп (то есть 18 классов). В результате были созданы две структуры  базы данных, имеющие различное число эталонов. Одна из них содержит 6 эталонов значений ритма сердца, соответствующих тахикардии, нормокардии, брадикардии, а также наличию  аритмии, дыхания и стресса.

Результат формирования БД эталонов из 6 основных классов и кодирования выходов ИНС в соответствии с типами гистограмм или скаттерограмм представлен в таблице1.

Таблица 1 Кодирование выходов   ИНС (6 эталонов).

Симпатический тип (тахикардия)Y1Y2Y3Y4Y5Y6
Норма100000
Аритмия100100
Дыхание100010
Аритмия  и дыхание100110
Стресс100001
Стресс и аритмии100101
Нормальный тип (нормокардия)Y1Y2Y3Y4Y5Y6
Норма010000
Аритмия010100
Дыхание010010
Аритмия   и дыхание010110
Стресс010001
Стресс и аритмии010101
Парасимпатический тип (брадикардия)Y1Y2Y3Y4Y5Y6
Норма001000
Аритмия001100
Дыхание001010
Аритмия   и дыхание001110
Стресс001001
Стресс и аритмии001101

Вторая структура  базы данных ( таблица 2) содержит 18 эталонов, где каждый  класс имеет свои собственные значения.

Таблица 2- Кодирование выходов   ИНС (18 эталонов).

Тип образа гистограмм или скаттерограммY 1Y 2Y 3Y 4Y 5Y 6Y 7Y 8Y 9Y 10Y 11Y 12Y 13Y 14Y 15Y 16Y 17Y 18
Симпатическая активность1000000000   00000000
Симпатическая активность + аритмии0100  00000000000000
Симпатическая активность +дыхание00100  0000000000000
Симпатическая+активность +аритмии+дыхание0  0  0100  000000000000
Симпатическая активность + стресс0  0  00100  00000000000
Симпатическая активность + стресс+аритмии00  0001000000000000
Нормокардия000000100000000000
Нормокардия+аритмия000000010000000000
Нормокардия+ дыхание000000001000000000
Нормокардия+аритмия+ дыхание000000000100000000
Нормокардия + стресс000000000010000000
Нормокардия+стресс+ аритмии00  0000000001000000
Парасимпатическая активность000000000000100000
Парасимпатическая активность +аритмии00  0000000000010000
Парасимпатическая активность+дыхание00  0000000000001000
Парасимпатическая активность +аритмии+ дыхание00  0000000000000100
Парасимпатическая активность+ стресс00  0000000000000010
Парасимпатическая активность +стресс+аритмии00  0000000000000001

Все полученные данные (значения гистограмм и бинарные матрицы скаттерограммы) были разделены на две группы: обучающую и тестовую (табл.3).

В таблице 3 представлена БД для ИНС, включающая в себя типы исходных образов (18) и их соответствие выходам ИНС. Например, образец номер 8 (нормокардия с аритмией) , в случае 18 эталонов, соответствует выходу Y8 , а в случае 6 эталонов –Y2 и Y4. При этом  обучающая  база содержит 21 запись ,  а для тестирования используется 20 записей кардиоинтервалограмм.

Таблица 3-  База данных  для нейронных сетей

Тип образаОбозначение 18 эталоновОбозначение 6 эталоновОбучающаяТестовая
1Симпатическая активностьY1Y1109
2Симпатическая активность+ БрадикардияY2Y1+ Y4109
3Симпатическая активность+дыханиеY3Y1+ Y599
4Симпатическая+активность +аритмии+дыханиеY4Y1+ Y4+Y51211
5Симпатическая активность + стрессY5Y1+ Y666
6Симпатическая активность + стресс+аритмииY6Y1+ Y4+Y666
7НормокардияY7Y22423
8Нормокардия+аритмияY8Y2+ Y42120
9Нормокардия+ дыханиеY9Y2+ Y52323
10Нормокардия+аритмия+ дыханиеY10Y2+ Y4+Y52827
11Нормокардия + стрессY11Y2+ Y61212
12Нормокардия+стресс+ аритмииY12Y2+ Y4+Y61110
13Парасимпатическая активностьY13Y354
14Парасимпатическая активность+аритмииY14Y3+ Y455
15Парасимпатическая активность+дыханиеY15Y3+ Y543
16Парасимпатическая активность+аритмии +дыханиеY16Y3+ Y4+Y565
17Парасимпатическая активность+ стрессY17Y3+ Y654
18Парасимпатическая активность+стресс+ аритмииY18Y3+ Y4+Y666

Результаты

При исследовании ИНС результаты работы  определяются  с помощью оценки чувствительности и специфичности, как наиболее часто используемых критериев эффективности  функционирования нейросети[5].

Значения чувствительности и специфичности характеризуют обобщающую способность сети, и используются в случаях,  когда  необходимо дать клиническую или диагно­стическую интерпретацию решений, основанных на статистических характеристиках или логических правилах и принимаемых с использованием векторов образов.

В случае ситуации скрининга, которая представляет собой использо­вание теста для установления факта наличия или отсутствия некоторого заболевания в определённой популяции исследуемого населения, решение, которое должно быть принято, носит бинарный характер.

Результат исследования НС в задачах анализа  гистограммы  показан на рисунке  8.

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис8а. Результаты тестирования нейронных сетей при анализе гистограмм – зависимость между количеством нейронов и чувствительностью
Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис8б. Результаты тестирования нейронных сетей при анализе гистограмм зависимость между количеством нейронов и специфичностью

Результат исследования НС в задачах анализа  скаттерграммы  показан на рисунке  9.

Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис 9а. Результаты тестирования нейронных сетей при анализе скаттерграмм – зависимость между количеством нейронов и чувствительностью
Методы кодирования выходов нейросетей для классификации вариабельности ритма сердца
Рис 9б. Результаты тестирования нейронных сетей при анализе скаттерграмм -зависимость между количеством нейронов и специфичностью

Из рис.8а,9а  следует, что чувствительность системы автоматической диагностики вариабельности сердечного ритма при  использовании 6 эталонов выше, чем при использовании 18 эталонов. При этом специфичность системы автоматической диагностики ритма сердца уменьшилась по сравнению с  использованием 18 эталонов (рис.8б,9б) ,   но осталась достаточно высокой (более 86%). Это можно объяснить тем, что при  использовании 6 эталонов, количество обучающих данных каждого класса увеличивается и, как следствие, увеличивается чувствительность и специфичность.

Заключение

Для исследовании двух методов кодирования выходов   искусственных нейронных сетей,  применяемых в задачах анализа скаттерграмм и гистограмм ритма сердца, были сформированы две базы данных, одна из которых содержит значения гистограмм, а вторая содержит бинарные матрицы скаттерограмм.

Проведен сравнительный анализ результатов исследования двух методов кодирования выходов   искусственных нейронных сетей,  применяемых в задачах анализа скаттерграмм и гистограмм ритма сердца.

Результаты данной работы  показали, что лучшими характеристиками чувствительности  обладает  сеть, имеющая 6 эталонов. Специфичность сети  является высокой во всех случаях.

В дальнейшей работе для обоснованного выбора варианта построения системы автоматизированного анализа вариабельности сердечного ритма предполагается использовать результаты исследования ИНС на 6 эталонов и провести сопоставительный анализ организации нейронной сети  на основе  многослойного персептрона и модульной структуры.

Источники

1. Kara, S., Dirgenali, F. A system to diagnose the atherosclerosis using wavelet transformation, principal component analysis and artificial neural network. [Circulation Electronic Pages; http://portal.acm.org/citation.cfm?id=1410718].
2.Баевский Р.М. Прогнозирование состояний на грани нормы и патологии. – М : Наука, 1979. – 296 с.
3. Брюхомицкий Ю.А.  Нейросетевые модели для систем информационной безопасности. Учебное пособие. – Таганрог: Изд-во ТРТУ, 2005. – 160 с.
4. Горбань А.Н. Обучение нейронных сетей. Москва, ―ПараГраф, 1990. -160 с
5. Рангайян Р.М. Анализ биомедицинских сигналов/ пер. с англ. М.: Физматлит, 2007. 440 с. ISBN 978-5-9221-0730-3
6. Сахаров В.Л. Методы и средства анализа медикобиологической информации: Учебно-методическое пособие Таганрог: Изд-во ТРТУ, 2001. -70с. 7. Чирейкин Л.В., Баевский Р.М., Иванов Г.Г.  Анализ вариабельности сердечного  ритма при использовании различных электрокардиографических систем (методические рекомендации). Санкт-Петербург,2001.-65c.

(с) Роман Исаков, 2011

Для цитирования в научной публикации
Аль-Хулейди Н.А., Исаков Р.В., Сушкова Л.Т. Исследование методов кодирования выходов искусственных нейронных сетей при классификации вариабельности сердечного ритма. // Нейрокомпьютеры: разработка, применение. № 6. , 2013г., С. 48-54

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *