CC BY
78
УДК 621.006
С.А. Синютин
ОЦЕНКА СОСТОЯНИЯ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ НА БАЗЕ ЭКГ И ОКСИГЕМОМЕТРИИ
В данной статье рассматриваются методы оценки состояния сердечно-со^дистой системы путем анализа ЭКГ и характеристик пульсовой волны. Рассмотрены нормативные показатели ритмограммы и оксигемометрии. Описана нейросеть для анализа показателей состояния сердечно-со^дистой системы.
ЭКГ; оксигемометрия; нейронная сеть; пульсовая волна.
S.A. Siniutin
HEART SYSTEM STATE ANALYSING, BASED ON ECG AND OXYHEMOMETRICS
This article covers methods of estimating heart-system state by analyzing ECG and pulse wave characteristics. Basic values of rythmogram and oxyhemometrics are covered. The neural network for analysing heart-system state is described.
ECG; oxyhemometrics; neuron network; pulse wave.
Современная медицина имеет в своем арсенале достаточно много устройств и приборов для диагностики состояния сердечно-сосудистой системы (ССС). Однако все они в той или иной мере страдают определенными недостатками: эпизодичность исследования; односторонний подход к функционированию ССС; доступность только для профессионалов.
В данной работе делается попытка построения аппаратно-программного средства, свободного от этих недостатков. ССС характеризуется проявлением электрической и механической активности. Причем если электрическую активность достаточно полно представляет сигнал ЭКГ, то для оценки механической активности используется множество сигналов:
♦ пульсо вая волна;
♦ данные ультразву ковых исследований;
♦ фотоплетизмограмма;
♦ реограмма;
♦ артериаль ное давление.
Каждое из этих исследований, в свою очередь, включает в себя множество методик и их оценок. Для разработки нового аппаратно-программного диагностического средства было решено отобрать только методы исследования, удовлетворяющие следующим требованиям:
♦ достаточно полный охват всех аспектов работы ССС;
♦ возможность осуществления исследования непрофессионалом;
♦ относительно небольшую продолжительность исследования;
♦ учет ретроспе ктивных данных;
♦ возможность прогноза поведения ССС.
В полной мере этим требованиям удовлетворили ЭКГ и двухчастотная пуль-соксиметрия. ЭКГ представляется одним отведением - биполярным, но расположенным параллельно максимальному вектору электрической оси сердца, возможны индивидуальные варианты для конкретного человека. В программе оцениваются показатели ритма и контура ЭКГ. Для этого из сигнала ЭКГ выделяется ритмо-грамма и оцениваюся ее показатели.
s0
Нормативные показатели ритмограммы:
СКО - среднее квадратическое отклонение (вырадсается в мс) величин интервалов RR за весь рассматриваемый период (в зарубежных публикациях этот показатель называют SDNN - Standard Devation, NN - означает ряд нормальных интервалов “normal to normal ” с исключением экстрасистол).
SDANN - стандартное отклонение средних значений, полученных из 5-минутных сегментов при записях средней длительности, многочасовых или 24-х .
RMSSD - квадратный корень из суммы квадратов разности величин последовательных пар интервалов NN (нормальных интервалов RR).
NN5O - количество пар последовательных интервалов NN, различающихся более чем на 50 миллисекунд, полученное за весь период записи.
- . ,
(D) -
ниваться у лиц с различными значениями частоты пульса.
Мощность высокочастоной составляющей спектра (дыхательные волны). Обычно абсолютная величина дыхательной составляющей спектра (HF) равна около 1000 миллисекунд в квадрате. В норме она составляет 15-25 % суммарной .
Мощность низкочастотной составляющей спектра. Обычно в норме доля LF в положении "лежа" составляет от 15 до 35-40 %, а при переходе в положение “стоя” может увеличиваться в 1,5-2 раза.
Для экспресс-оценки адаптации нужен достаточно простой критерий, не требующий длительных вычислений в реальном времени. В качестве такого критерия можно использовать комбинацию гистографического и корреляционного анализа.
Так, длинная ось эллипса скатерограммы коррелирует с LF, а короткая - с HF, , -
.
Если ЭКГ является достаточно рутинной процедурой, широко известной профессионалам и пациентам, то выбор в качестве второй методики пульсокси-метрии требует пояснения.
-
оксигемоглобина в артериальной крови (SpO2). В клинической практике предлагается пользоваться терминами «насыщение артериальной крови кислородом» или «оксигенация артериальной крови», а сам параметр SpO2 обозначать термином « ». , -занного (НЬ02) и не связанного (НЪ) с кислородом, абсорбировать свет различной .
свет, деоксигенированный гемоглобин больше абсорбирует красный свет. В пуль-соксиметре установлены два светодиода, излучающих красный и инфракрасный свет. На противоположной части датчика располагается фотодетектор, который определяет интенсивность падающего на него светового потока. Измеряя разницу между количеством света, абсорбируемого во время систолы и диастолы, пульсок-симетр определяет величину артериальной пульсации. Сатурация рассчитывается как соотношение количества НЪ02 к общему количеству гемоглобина, выраженное в процентах:
Sp02 = (НЪО2 / НЪО2 + НЪ) х 100%.
В качестве основного сигнала в оксигемометрах используется ФПГ в красной и инфракрасной областях спектра. Однако ФПГ несет информацию не только о SpO2.
( ).
Достоверное измерение АД и правильная постановка диагноза - один из , -одного из самых массовых заболеваний нашего времени.
Традиционно принятый рутинный осциллометрический метод измерения АД в плечевой артерии при обследовании пациента является не очень удобным и локализованным во времени методом.
Точность осциллометрических приборов имеет свои ограничения. Погрешность измерения давления методом Короткова соответствует:
• ± 5мм рт.ст. для среднего (FDA);
• ± 8мм рт.ст. для систолического и диастолического (FDA).
Все большее распространение и поддержку находит мониторирование АД в .
На данный момент для оценки артериальной ригидности применяется целый ряд параметров. «Золотой стандарт» для оценки артериальной ригидности - время распространения пульсовой волны между сонной и бедренной артериями, отношение времени распространения пульсовой волны к расстоянию между двумя исследуемыми отрезками в м/сек.
Контурный анализ пульсовой волны является простым и доступным методом оценки артериальной ригидности крупных артерий в клинических условиях.
Рис. 1. Расчет индекса жесткости (Б1) и индекса отражения (Ш) по фотоплетизмограмме: Б1 = рост пациенте/АТ йур, АТ йур - время между пикачи прямой (систолической) и отраженной (диастолической) пульсовой волны,
Ш = Ь/ах100%, а - амплитуда систолической пульсовой волны; Ь - амплитуда
отраженной волны
Систолическое и пульсовое давление напрямую зависит от снижения эластичности стенок крупных артерий. В целом ряде исследований показана связь повышения жесткости артериальной стенки с артериальной гипертензией, преимущественно за счет увеличения систолического и пульсового АД.
Имея индексы Б1 и Ы, насыщение крови кислородом, параметры роста и , -
.
Для определения общего параметра, понятного непрофессионалу, в данной разработке используются нейросетевые алгоритмы [4]. В настоящее время широкое распространение получило использование искусственных нейронных сетей для построения математических моделей сложных нелинейных процессов, распознавания образов и прогнозирования сигналов.
Нейронная сеть - это набор нейронов, каждый из которых представляет собой модель биологического нейрона. В настоящее время широко используются математические модели нейронных сетей. Графически такие модели изображаются в виде графа, показанного на рис. 2. На данном рисунке изображена простейшая многослойная нейронная сеть прямого распространения, которую также называют персептроном. Существуют также и другие модели нейронных сетей, среди кото-
рых наиболее часто используются рекуррентные сети Хопфилда и самоорганизующиеся сети Кохонена [4,5].
Для использования нейронной сети прямого распространения, при решении конкретной задачи, ее необходимо сначала "обучить". Для этого на вход нейронной сети подаются какие-либо значения, а на выходе снимаются результирующие значения, которые сравниваются с теми значениями, которые должны там быть. Если выходные значения нейронной сети отличаются от требуемых значений, то происходит оптимизация весов нейронной сети каким-либо из математических алгоритмов до тех пор, пока эти значения не будут им соответствовать с заданной точностью. После этого нейронную сеть можно считать обученной.
Рис. 2. Графическое представление математической модели нейронной сети
прямого распространения
В разработанном аппаратно-программном комплексе на вход нейронной сети с 32 нейронами в первом слое, 24 нейронами во втором слое и 6 нейронами в 3 слое подаются показатели ЭКГ и ФПГ не только из текущего исследования, но и 3 .
Это позволило разработать прибор, который учитывает динамику изменения состояния ССС во времени. Выходом сети является интегральный параметр - индекс состояния, качественно (плохо, средне, хорошо) оценивающий состояние ис.
БИБЛИОГРЛФИЧЕСКИЙ СПИСОК
1. Анохин П.К. Очерки физиологии функциональных систем. - М.: Медицина, 1975. - 448 с.
2. Аронов ДМ., Лупанов В.П., Михеева ТТ. Функциональные пробы в кардиологии. Кардиология 1995; 12:83-93.
3. . ., . .
развития заболеваний. - М.: Медицина, 1997. - 265 с.
4. Bayir, R. Kohonen Network based fault diagnosis and condition monitoring of serial wound starter motors [Text] / R. Bayir, O. F. Bay: IJSIT Lecture Note of International Conferense on Intelligent Knowledge Systems. - 2004. - Vol. 1, - № 1.
5. http://www.neuropower.de/rus/books/index.html Нейронные сети Хопфилда и Хемминга [ ].
6. http://paukoff.fromru.com/neuro/wneuro/index.html Прогнозирование с помощью искусственных нейронных сетей [Электронный ресурс].
Синютин Сергей Алексеевич
Технологический институт федерального государственного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге.
E-mail: [email protected].
347900, г. Таганрог, ул. Петровская, 81.
Тел.: 88634328052.
Siniutin Sergey Alekseevich
Taganrog Institute of Technological - Federal State-Owned Educational Establishment of Higher Vocational Education “Southern Federal University”.
E-mail:[email protected].
81, Petrovskay street, Taganrog, 347900, Russia.
Phone: +78634328052.
