РАЗРАБОТКА МЕТОДА ОБРАБОТКИ ЭЛЕКТРОКАРДИОСИГНАЛА ДЛЯ ПОСТРОЕНИЯ ПОРТАТИВНОГО АНАЛИЗАТОРА АРИТМИЙ

Горохов С.Н.¹, Щербакова Т.Ф.², Галимзянов Э.Р.³, Уланов А.В.⁴

¹ORCID:0000-0001-6152-9483, кандидат технических наук, доцент,

²кандидат технических наук, доцент

³старший преподаватель, ⁴ассистент,

Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ

РАЗРАБОТКА МЕТОДА ОБРАБОТКИ ЭЛЕКТРОКАРДИОСИГНАЛА ДЛЯ ПОСТРОЕНИЯ ПОРТАТИВНОГО АНАЛИЗАТОРА АРИТМИЙ

Аннотация

В статье рассмотрен метод анализа электрокардиосигнала (ЭКС) для определения аритмий, необходимых для построения портативного анализатора аритмий. Описан выбор спектральных параметров для различения «нормальных» и «патологических» QRS-комплексов электрокардиосигнала. Приведены примеры построенных спектров различных QRS-комплексов реальных сигналов. Рассмотрен экспериментальный выбор граничного значения частоты, отделяющего высокочастотную и низкочастотную части спектра для различных случаев. Кроме того, описан корреляционный метод классификации P-зубцов, позволяющий повысить достоверность их обнаружения и различения.

Ключевые слова: электрокардиосигнал, спектральный анализ ЭКС, аритмии.

 

Gorohov S.N.¹, Scherbakova T.F.², Galimzyanov E.R.³, Ulanov A.V.⁴

¹ORCID:0000-0001-6152-9483, PhD in Engineering, associate professor,

²PhD in Engineering, associate professor, ³Senior Lecturer, ⁴Assistant lecturer,

Kazan National Research Technical University named after A.N.Tupolev – KAI

DEVELOPMENT OF ELECTROCARDIOGRAM SIGNAL ANALYSIS METHOD FOR USE IN PORTABLE ARRHYTHMIA DETECTORS

Abstract

The article presents an electrocardiogram signal analysis method for use in portable arrhythmia detectors. The selection of spectrum values for differentiating between normal and abnormal QRS complexes of the electrocardiogram signal is described. Sample spectra for various QRS complexes of real life signals are given. The article discusses an experimental selection of the borderline frequencies between high-frequency and low-frequency portions of the spectrum for a variety of cases. In addition, we present a P-waves correlation method allowing for higher reliability of their detection and differentiation.

Ключевые слова: electrocardiosignal, spectral analysis of ECS, arrhythmias.

Задача модернизации уже существующих и создание новых устройств обработки биомедицинских сигналов является очень важной в современном мире. Решение данной задачи дает возможность увеличить качество и объем информации о состоянии сердца человека.

Автоматический анализ ЭКС, особенно, для обнаружения предсердных и желудочковых аритмий является важным аспектом диагностики состояния сердца человека. Во-первых, потому что ряд аритмий носит жизнеугрожающий характер: внезапная аритмическая смерть может наступить в течение нескольких минут после возникновения аритмии. Во-вторых, аритмии предупреждают о более серьезных сердечнососудистых заболеваниях (ССЗ).

Применение методов обнаружения и распознавания слабых сигналов на фоне шумов позволит создавать программное обеспечение для портативных кардиомониторов (КМ), которые не только измеряют частоту сердечных сокращений, но и эффективно исследуют области предсердий и желудочков сердца человека, что так же поможет обнаружению предсердных и желудочковых аритмий [1].

Так использование достоверной информации о форме P-зубца, позволит обнаруживать в автоматическом режиме такие аритмии, как предсердная тахикардия, внутрипредсердная блокада, эктопический предсердный ритм и некоторые другие, которые приводят к деформации P- зубца. Следовательно, анализ формы QRS-комплекса и P-зубцов в алгоритме обработки ЭКС позволит расширить функциональные возможности портативных КМ.

Для автоматического анализа ритма сердца (в частности, для распознавания желудочковых экстрасистол) необходима информация не только о длительностях последовательных RR-интервалов, но и о характере формы (морфологии) QRS-комплексов. Наиболее важно при этом определить, является ли очередной комплекс фоновым (т.е. нормальным) или же искаженным, патологическим.

В большинстве известных алгоритмов эта задача решается в два этапа. Сначала анализируемый QRS-комплекс относят к одному из классов морфологии, а затем для каждого из полученных классов принимается решение о принадлежности всех его представителей к какой-либо из заранее заданных категорий (например, «норма», «патология» и «неопределенность»). Для сопоставления форм QRS-комплексов и оценки степени сходства их морфологий используют специальные признаки формы, которые определяются, как правило, во временной области. Определение параметров QRS-комплекса может осуществляться на основе следующих методов: пороговые, оконные, методы оптимальной оценки параметров. Однако применение метода оценки параметров связано с проблемой использования значительных вычислительных ресурсов. Остальные методы выполняются по косвенно определенным параметрам, что приводит к ошибкам, связанным с несовершенством способов определения этих параметров. При создании же портативного прибора анализа сердечного ритма необходимо использовать более достоверный и быстрый метод обнаружения патологий. В данной работе предлагается использовать спектральный метод.

Для построения алгоритма различения сигналов на основе спектральных параметров QRS-комплекса необходимо выбрать информативные параметры и определить пороги принятия решения. Для анализа были взяты 100 реализаций сигналов ЭКГ из базы данных ресурса PhysioNet [2]. С помощью алгоритма быстрого преобразования Фурье был вычислен спектр участка сигнала, содержащего QRS-комплекс, с использованием прямоугольной оконной функцией [1]. Результаты исследования представлены на рис.1, в виде отдельно наложенных друг на друга спектров нормальных QRS комплексов и спектров QRS-комплексов с патологией у пациентов, страдающих бигеминией и тригеминией.

Рис. 1 – Спектры QRS-комплексов: а - «нормальных» QRS-комплексов, б - «патологических» QRS-комлексов

Был рассмотрен следующий параметр спектра: отношение энергий высокочастотной части спектра QRS-комплекса к низкочастотной. На рис 2. представлены зависимости математических ожиданий (а) и дисперсий (б) значений отношений энергий высокочастотной части спектра к низкочастотной в зависимости от частоты.

Рис. 2 -  Экспериментальные кривые: а – математических ожиданий значений отношений энергий высокочастотной части спектра к низкочастотной для «нормальных» и «патологичных» QRS-комплексов в зависимости от частоты; б - дисперсий значений отношений энергий высокочастотной части спектра к низкочастотной для «нормальных» и «патологичных» QRS-комплексов

Для всех групп сигналов были построены гистограммы распределения, которые использовались для непосредственного определения порога принятия решения. Наилучшее различение групп удалось достичь при пороге F_пор1=15 Гц для патологических комплексов, и F_пор2=20 Гц для нормальных комплексов. При этом точность различения составила 96%. Таким образом, можно говорить о целесообразности применения спектрального анализа QRS-комплексов ЭКС в портативных анализаторах аритмий сердца.

Для выделения слабых сигналов сложной формы в радиотехнических системах широко применяются корреляционные методы и алгоритмы [1,4], которые можно использовать для обнаружения и распознавания P-зубца. Для более достоверного анализа формы P-зубца в данном алгоритме используется предварительное усреднение десяти P-зубцов.

В виду невозможности определения точки синхронизации при усреднении, как точки максимума P-зубца, распространение получили корреляционные методы выбора опорной точки синхронизации [3]. При этом точку, в которой достигается максимум коэффициента корреляции для сравниваемого участка, принимают за точку синхронизации.

Достоинством корреляционного метода является то, что выбор опорной точки происходит внутри каждого анализируемого ЭКС, и не зависит от индивидуальных особенностей пациента. При этом для усреднения используются все P-зубцы на ЭКС с синхронизацией в точках наибольшей схожести, и не учитывается вариабельность их формы, которая сама по себе может быть важным диагностическим параметром.

Поэтому предлагается провести предварительную классификацию P-зубцов, обнаруженных на предыдущем этапе обработки ЭКС. Если на анализируемом ЭКС были обнаружены P-зубцы более чем одного типа, то класс с наибольшим числом P-зубцов считается «типичным» для данной записи ЭКС, остальные – «не типичные». Если количество «нетипичных» P-зубцов более 10% от общего числа, то можно говорить о частых предсердных или узловых экстрасистолических сокращениях

Если на анализируемом ЭКС были обнаружены P-зубцы только одного типа, то все они считаются «типичными». Так или иначе, из класса «типичных» P-зубцов выбирается эталон для поиска опорных точек для процедуры синхронного усреднения. Для этого строится матрица коэффициентов корреляции каждого зубца, выступающего эталоном (E), со всеми остальными зубцами (X), вычисленных по формуле:

где n ∈ (-5;5), E – это сигнал эталонного комплекса, X – сравниваемый сигнал,  – среднее значение сигнала E для рассматриваемых отсчетов, k – временной индекс сигнала X, соответствующий отсчету, по которому эталон совмещен с сигналом,  – среднее значение той части сигнала X, которая используется для согласования с образцом при заданном k, и вычисляется по формуле:

Далее вычисляется среднее значение коэффициента корреляции для каждого зубца. Элемент с наибольшим значением принимается за эталон для всей записи. Он используется для предварительной классификации P-зубцов, которые будут использованы при дальнейшем усреднении сигнала. Порог для каждого из анализируемых сигналов выбирается индивидуально. И если значение коэффициента корреляции меньше установленного порога, то считают, что сравниваемый участок сигнала ошибочно принят за зону P-зубца. Для усреднения используются P-зубцы, коэффициент корреляции которых с эталоном равен 0,99. Если усреднение не покрывает 75% всех зубцов из класса «типичных», то порог коэффициента корреляции уменьшается на 0,01 и процедура усреднения проводится для нового числа P-зубцов.

Таким образом, данным метод позволяет повысить достоверность обнаружения и распознавания P-зубцов на ЭКС.

Список литературы / References

1. Галимзянов Э.Р. Оптимизация метода выделения низкоамплитудных потенциалов с использованием модели электрической активности сердца // Биомедицинская радиоэлектроника. - 2012. - № 11. - С. 49-54.
2. PhysioNet [Electronic resource] / St.-Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database. – URL: http://www.physionet.org/physiobank/database/incartdb/
3. Классификация P-зубца и QRS-комплекса электрокардиосигнала в рамках корреляционной теории для задач обнаружения аритмий сердца / Галимзянов Э.Р., Козлов С.В., Хомяков А.В. и др. // Инфокоммуникационные технологии. - 2012. - Т.10. - №2. - С. 59-64.
4. Горохов С.Н., Галимзянов Э.Р. Корреляционный метод обработки электрокардиосигнала для построения устройства анализа аритмий // Международный научно-исследовательский журнал. - 2016. - Часть 3. - №8. - С. 36-38.

Список литературы на английском языке / References in English

1. Galimzyanov E.R. Optimizacija metoda vydelenija nizkoamplitudnyh potencialov s ispol'zovaniem modeli jelektricheskoj aktivnosti serdca [Optimization of the method for allocation of low-amplitude potentials using heart electrical activities models] // Biomedicinskaja radiojelektronika [Biomedical electronics]. - 2012. - № 11. - P. 49-54. [in Russian]
2. PhysioNet [Electronic resource] / St.-Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database. – URL: http://www.physionet.org/physiobank/database/incartdb/
3. Klassifikacija P-zubca i QRS-kompleksa jelektrokardiosignala v ramkah korreljacionnoj teorii dlja zadach obnaruzhenija aritmij serdca [The classification of p-wave and qrs-complex on electrocardiosignal within the correlation theory for heart arrhythmias detection] / Galimzyanov E.R., Kozlov S.V., Khomyakov A.V. et al. // Infokommunikacionnye tehnologii [Infocommunication technologies]. - 2012. - V.10. - №2. - P. 59-64. [in Russian]
4. Gorohov S.N., Galimzyanov E.R. Korreljacionnyj metod obrabotki jelektrokardiosignala dlja postroenija ustrojstva analiza aritmij [Correlation method of electrocardiosignal processing for building a arrhythmia analyzer] // Mezhdunarodnyj nauchno-issledovatel'skij zhurnal [International Research Journal]. - 2016. - Part 3. - №8. - P. 36-38. [in Russian]