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”).

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.

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 – RR_n, а по оси ординат величина RR_n+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.

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.

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.

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).

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

Таблица 2- Кодирование выходов   ИНС (18 эталонов).

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

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.

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

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