СПОСОБ ОБРАБОТКИ ЭЛЕКТРОКАРДИОГРАММ С ЦЕЛЬЮ ВЫДЕЛЕНИЯ СТАДИЙ В ДИНАМИКЕ ИЗМЕНЕНИЙ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ МИОКАРДА

Настоящее изобретение относится к области медицины, в частности к кардиологии. Оно может быть использовано для усовершенствования методов выявления патологий миокарда, для корректировки тактики лечения больного и в целях мониторинга состояния пациента.

С каждым годом устройства для мониторинга функционального состояния миокарда становятся все более компактными, производительными и дешевыми, что делает вероятным их повсеместное использование в недалеком будущем в качестве персонализированных диагностических приборов индивидуального пользования. Производители устройств, предназначенных для мониторинга состояния миокарда, заинтересованы в разработке новых, более эффективных методов мониторинга и автоматизированного анализа диагностических данных.

Одна из актуальных задач, возникающих при мониторинге состояния миокарда на основе данных электрокардиографии (ЭКГ), состоит в выявлении начальных стадий развития опасных патологий [Macfarlane et al., 2011; Сыркин, 2006; Багненко и др., 2007; Huebner et al., 2010]. Дело в том, что эффективность лечения пациента может существенно возрасти, если мониторирование его ЭКГ-сигнала позволит оперативно выявлять направленность изменений функционального состояния миокарда (в сторону патологии или от нее). С точки зрения электрокардиографического анализа это есть задача о своевременном выделении достоверных или же устойчивых индикативных ЭКГ-признаков развития патологических процессов [Гельфанд и др., 2005; Verrier et al., 2011; Macfarlane et al., 2011; Clifford et al., 2006].

В связи с этим, повышение эффективности мониторинга при автоматизированной диагностике миокарда ключевым образом зависит от разработки эффективных методов выделения стадийности в электрокардиографической динамике, имеющей место в переходных процессах между функциональными состояниями миокарда в норме и патологии [Macfarlane et al., 2011; Chen et al., 2013; Белоцерковский и др., 2001; Clifford et al., 2006].

Стандартные методы ЭКГ-диагностики продемонстрировали высокую эффективность при выявлении основных этапов в развитии ряда нарушений сердечного ритма [Хэмптон, 2006; Голдбергер, 2009; Bonow et al., 2011; Орлов, 2012]. Так, известен способ, в котором с помощью измерения стандартных параметров ЭКГ (длительностей и амплитудных значений характерных зубцов и сегментов ЭКГ-кривой) надежно детектируются все типы атриовентрикулярной блокады и различные степени развитости этой патологии миокарда [Хэмптон, 2006]. К сожалению, использование стандартно выделяемых параметров ЭКГ не позволяет отчетливо детектировать промежуточные переходные состояния, а также выявлять критические стадии в развитии аритмической активности миокарда [Macfarlane et al., 2011].

Для целей детектирования критических изменений миокарда в настоящее время используются подходы, основанные на количественных измерениях ряда конкретных параметров ЭКГ [Macfarlane et al., 2011; Clifford et al., 2006; Huebner et al., 2010; Иванов и др., 2009; Verrier et al., 2011; PCT/US 98/16693]. При этом величины критических значений этих параметров, переход через которые соответствует появлению явно выраженных патологических изменений миокарда, определяют эмпирически, опираясь на данные медицинской статистики. Так, известен способ диагностики ишемических изменений миокарда в случае развития «инфаркта миокарда с подъемом сегмента ST» [Huebner et al., 2010]. Этот способ основан на измерении смещения ST-сегмента относительно линии нулевого потенциала. В случае смещения ST-сегмента сверх определенной критической величины делается вывод о наличии выраженных ишемических изменений.

В тех же случаях, когда ставится более общая диагностическая задача о единовременной диагностике различных критических изменений миокарда, то ее решение основывается на метрических измерениях более широкого круга параметров ЭКГ [PCT/US 98/16693]. При этом стремительно возрастает число сочетаний измеряемых метрических характеристик, отвечающих наиболее угрожающим состояниям миокарда. Расширение комбинаторной сложности при использовании этой группы методов анализа электрокардиограмм ставит исследователей перед проблемой однозначности и корректности получаемой интерпретации ЭКГ.

Наилучшим и наиболее близким к заявляемому способу по максимальному количеству сходных признаков является способ обработки электрокардиосигнала для диагностики инфаркта миокарда [Патент РФ №2383295, 2008], который выбран в качестве прототипа. Этот способ включает автоматический съем электрокардиосигнала (ЭКС) пациента в трех стандартных, трех усиленных и шести грудных отведениях, его регистрацию, оцифровку и анализ, формирование при анализе ЭКС кода снимаемых данных последовательно во всех отведениях, построение исходного контурного графа с заданными параметрами его вершин и ребер, определение набора параметров из них, который используют для комплексного анализа контура ЭКС, определение подграфов QRS-комплекса, Р-комплекса, Т-комплекса, ST-сегмента и РТ-сегмента в каждом отведении, распознавание подграфов, соответствующих шумовым искажениям ЭКС, с последующей сглаживающей деформацией исходного контурного графа, формирование контурного описания конфигурации элементов и их взаиморасположения, выявление отклонений ЭКС, связанных с нарушением сердечного ритма, проводимости сердца и ишемическими изменениями его работы, и формирование диагностического заключения, отличающийся тем, что осуществляют выделение кардиоцикла, комбинированный анализ ЭКС, выбор результата комбинированного анализа ЭКС, при комбинированном анализе ЭКС во всех отведениях осуществляют выявление ЭКС признаков инфаркта миокарда и оценку состояния сердечно-сосудистой системы (ССС) по результатам анализа ЭКС в амплитудно-временной, частотно-временной и амплитудно-фазовой областях, а также нейросетевой анализ ЭКС, включающий построение решающих правил для нейросетевого анализа ЭКС и оценку состояния ССС по результатам нейросетевого анализа ЭКС.

Применительно к более широкой задаче (выявление стадий в динамике изменений функционального состояния миокарда) недостатком выбранного в качестве прототипа известного способа обработки ЭКС для диагностики инфаркта миокарда является то, что в нем используются преимущественно дифференциальные характеристики ЭКГ. В частности, в известном способе не используются топологические методы анализа, позволяющие выявлять целостные интегральные характеристики объекта. В этом смысле, нейросетевой анализ, используемый в прототипе, не обладает достоинствами топологического анализа, используемого в предлагаемом нами способе. Указанные топологические методы активно используются в последние годы применительно к задачам анализа данных, полученных вне связи с медицинской проблематикой [Carlsson, 2009; Edelsbrunner et al., 2010].

Задача, на решение которой направлено заявляемое изобретение, состоит в расширении возможностей мониторинга состояния миокарда за счет реализации способа обработки электрокардиограмм с целью выделения стадий в динамике изменений функционального состояния миокарда, наблюдающихся в переходных процессах между функциональными состояниями миокарда в норме и патологии. Главным образом это позволит отслеживать развитие негативных тенденций при сердечных патологиях по качественным изменениям в динамике функционального состояния миокарда.

Поставленная задача решается за счет того, что реализуется способ обработки электрокардиограмм с целью выделения стадий в динамике изменений функционального состояния миокарда, включающий автоматический съем сигнала электрокардиограммы пациента, его оцифровку и регистрацию, выделение кардиоциклов, определение стандартных параметров основных зубцов, сегментов и интервалов сигнала, вычисление коэффициентов непрерывного вейвлет-преобразования, формирование при анализе электрокардиосигнала, согласно изобретению, кода снимаемых данных, отличающийся тем, что для каждого кардиоцикла определяют его характеристический шифр, составляемый по результатам топологического анализа структуры основных нулевых изолиний поверхности, образованной коэффициентами вейвлет-преобразования рассматриваемого кардиоцикла, при этом выбор основных изолиний и определение топологических свойств их структуры осуществляют с использованием результатов амплитудно-временного анализа кардиоцикла, переход из одной электрокардиографической стадии в динамике миокарда в другую устанавливают по смене характеристического шифра кардиоцикла со временем при регистрации изменений в анализируемой электрокардиограмме.

Предпочтительным является такое выполнение непрерывного вейвлет-преобразования ЭКГ-сигнала, при котором параметр масштаба а последовательно принимает значения в диапазоне от 0.001 с до значения, равного 0.04-3.5 с, зависящего от выбранной вейвлет-функции, а параметр трансляции b принимает значения в диапазоне, охватывающем весь рассматриваемый кардиоцикл, при этом шаг изменения этих параметров принимает значения в диапазоне от 0.0002 до 0.01 с, при этом в качестве вейвлет-функции выбирается гладкая функция, которая может иметь от 2 до 70 локальных экстремумов.

Возможен вариант осуществления способа, в котором выполняют вычисление коэффициентов вейвлет-преобразования, используя вейвлет-функцию «первая производная функции Гаусса».

Возможен вариант осуществления способа, в котором минимальное значение параметра масштаба а выбирают в интервале от 0 до 0.01 с в зависимости от спектральных характеристик используемой вейвлет-функции.

Предпочтительным является вычисление коэффициентов вейвлет-преобразования с использованием вейвлет-функции «первая производная функции Гаусса», при этом максимальное рассматриваемое значение параметра масштаба а выбирается равным 0.2 с.

При этом предпочтительно, чтобы при амплитудно-временном анализе кардиоцикла среди всех его точек, отвечающих локальным экстремумам, рассматривались шесть основных - по одной точке из следующих шести сегментов кардиоцикла: сегмент между началом кардиоцикла и концом положительного Р-зубца; сегмент между концом Р-зубца и началом R-зубца; сегмент, охватывающий положительный R-зубец; сегмент между концом R-зубца и началом Т-зубца; сегмент, охватывающий положительный Т-зубец; сегмент между концом Т-зубца и концом кардиоцикла; при этом для каждого из шести сегментов кардиоцикла выбирается та точка локального экстремума, которой соответствует нулевая изолиния спектральной поверхности, имеющая наибольшую протяженность вдоль параметра масштаба а.

При этом в характеристическом шифре, содержащем в себе информацию о топологической структуре основных нулевых изолиний спектральной поверхности, для каждой из этих изолиний указывается, каким именно сегментам кардиоцикла соответствуют значения параметра b для точек изолинии, для которых значение параметра масштаба а имеет минимальное значение.

Возможен вариант осуществления способа, в котором выбор максимального рассматриваемого значения параметра масштаба а осуществляют индивидуально для каждого кардиоцикла в зависимости от величины стандартных амплитудно-временных параметров рассматриваемого кардиоцикла.

Возможен вариант осуществления способа, включающий предварительную его калибровку, что позволяет учесть физиологические особенности пациента за счет конструирования вейвлет-функции индивидуально для каждого пациента.

В другом варианте изобретения выбор вейвлет-функции, используемой в вейвлет-преобразовании, осуществляют на основе значений стандартных амплитудно-временных параметров рассматриваемого кардиоцикла.

Возможен вариант изобретения, в котором выполняется анализ сразу нескольких электрокардиографических отведений с формированием составного характеристического шифра.

В другом варианте изобретения дополнительно к тому, что в ходе мониторинга ЭКГ пациента устанавливают характеристический шифр каждого проанализированного кардиоцикла, проводят сопоставление этого шифра с тем, который был установлен для снятых ранее ЭКГ-записей пациента, содержащих варианты нормы и/или варианты патологических состояний, при этом на основе информации о топологической смежности структур нулевых изолиний, отвечающих различным шифрам, каждому проанализированному кардиоциклу может быть приписана степень удаленности текущего функционального состояния миокарда пациента от другого представляющего интерес референтного состояния миокарда.

Возможен также вариант осуществления способа, в котором обрабатываются не электрокардиограммы, а внутриполостные электрограммы сердца.

Применение топологических методов к обработке ЭКГ позволяет в отличие от известных способов:

- выявлять новые электрокардиографические признаки, дающие целостное качественное описание сигнала (этим признаком является топология структуры нулевых изолиний спектральной поверхности, образованной коэффициентами вейвлет-преобразования анализируемого ЭКГ-сигнала);

- отчетливо детектировать стадийность изменений электрокардиограммы в динамике изменений функционального состояния миокарда.

К настоящему времени стало ясно, что анализ и интерпретация некоторых типов электрокардиограмм могут быть успешно проведены с позиций топологического анализа особенностей, регистрируемых в вейвлет-спектрах рассматриваемых электрокардиограмм [Романец, 2013; Stiles et al., 2004].

В сравнении с известными способами использование предлагаемого подхода к анализу кардиодинамики, отличающегося использованием современных топологических методов анализа, позволяет единообразно выявлять стадии в динамике изменений функционального состояния миокарда при обработке и интерпретации электрокардиографических данных.

Предлагаемое изобретение поясняется чертежами и конкретными примерами его выполнения, которые не охватывают и, тем более, не ограничивают весь объем притязаний данного способа, а являются лишь иллюстрирующими материалами частных случаев его реализации.

На фиг. 1 приведена схема предлагаемого способа обработки электрокардиограмм для выделения стадий в динамике изменений функционального состояния миокарда.

На фиг. 2 приведена схема типичного кардиоцикла электрокардиограммы и обозначены основные его элементы (адапт. из [Скордалакис и др., 1990]).

На фиг. 3 приведен пример ЭКГ-сигнала здорового человека («Patientl22 s03121re», отведение II, "РТВ Diagnostic ECG Database" [Bousseljot et al, 1995; Goldberger et al, 2000]) и обозначены два последовательных кардиоцикла этого сигнала.

На фиг. 4 приведен кардиоцикл №1 из фиг. 3 и полученный для этого кардиоцикла вейвлет-спектр, представленный в виде поверхности в 3D-пространстве; нулевые изолинии этой поверхности обозначены жирными черными линиями.

На фиг. 5 приведена схема, иллюстрирующая выбор шести основных локальных экстремумов для анализируемого кардиоцикла.

На фиг. 6 на графике ЭКГ-сигнала (кардиоцикл №1 из фиг. 3) указаны шесть основных точек локального экстремума кардиоцикла; показаны соответствующие им точки нулевых изолиний вейвлет-спектра; внизу приведен характеристический шифр, кодирующий топологическую структуру вейвлет-спектра.

На фиг. 7 показана переходная топологическая структура вейвлет-спектра кардиоцикла, наблюдающаяся в ходе динамических изменений кардиоцикла с одним типом топологической структуры вейвлет-спектра в кардиоцикл с другим типом (адапт. из [Романец, 2013]).

На фиг. 8 приведен пример ЭКГ здорового человека (запись «nsrdb/16273», база данных "The MIT-BIH Normal Sinus Rhythm Database" [Goldberger et al., 2000]), на которой обозначены 12 кардиоциклов, для каждого из которых показаны нулевые изолинии вейвлет-спектра и составлен характеристический шифр.

На фиг. 9 приведен пример с той же ЭКГ, что и на фиг. 8, но с использованием другой вейвлет-функции («Reverse biorthogonal wavelet 3.1»).

На фиг. 10 приведен пример ЭКГ в случае развивающейся ишемии миокарда (запись «e0110m», база данных "European ST-T Database" [Tadei et al., 1992; Goldberger et al., 2000]); показана электрокардиограмма в отведении V3, на ней обозначены отдельные кардиоциклы, для каждого из которых показаны нулевые изолинии вейвлет-спектра и составлен характеристический шифр.

На фиг. 11 приведен пример с той же ЭКГ, что и на фиг. 10; показана электрокардиограмма в отведении MLIII, на ней обозначены отдельные кардиоциклы, для каждого из которых показаны нулевые изолинии вейвлет-спектра и составлен характеристический шифр.

Предлагаемый способ обработки электрокардиограмм для выделения стадий в динамике изменений функционального состояния миокарда состоит (см. фиг. 1) из следующих действий.

1. Съем и регистрация ЭКГ.

2. Предобработка ЭКГ (оцифровка сигнала).

3. Выделение кардиоцикла.

4. Определение стандартных амплитудно-временных характеристик кардиоцикла.

5. Вычисление коэффициентов непрерывного вейвлет-преобразования для анализируемого кардиоцикла.

6. Анализ топологической структуры нулевых изолиний вейвлет-спектра кардиоцикла.

7. Определение характеристического шифра кардиоцикла, кодирующего топологическую структуру вейвлет-спектра.

8. Выяснение наличия (отсутствия) перехода из одной электрокардиографической стадии в другую на основании изменения (отсутствия изменения) характеристического шифра, определяемого последовательно для каждого кардиоцикла в интересующей ЭКГ.

Таким образом, при работе с каждой конкретной ЭКГ стандартными методами проводят съем, регистрацию и оцифровку ЭКГ, выделение кардиоциклов в ЭКГ-сигнале и измерение стандартных амплитудно-временных характеристик кардиоцикла - амплитуд и длительностей основных зубцов, сегментов и интервалов сигнала. На фиг. 2 показаны основные элементы кардиоцикла, для которых измеряют стандартные амплитудно-временные характеристики. На фиг. 3 представлен ЭКГ-сигнал, на котором обозначены два последовательных кардиоцикла, выделенных из анализируемого сигнала (этот ЭКГ-сигнал представляет собой стандартную ЭКГ здорового человека «Patientl22 s03121re», отведение II, взятый из открытой базы данных "РТВ Diagnostic ECG Database" [Bousseljot et al., 1995; Goldberger et al., 2000]).

В отношении каждого кардиоцикла проводят вейвлет-анализ с использованием метода непрерывного вейвлет-преобразования [Добеши, 2001]. В рамках этого метода вейвлет-спектр анализируемого сигнала s(t) находят путем вычисления коэффициентов вейвлет-преобразования W_ψ(а,b) согласно формуле

где - является базисной функцией вейвлет-преобразования, получаемой из материнского вейвлета ψ(t) путем растяжения в а раз и трансляции на величину b вдоль оси времени.

Вычисляемые при этом коэффициенты вейвлет-преобразования W_ψ(a,b) анализируемого сигнала используются в дальнейшем для составления характеристического шифра каждого кардиоцикла. В частном случае реализации предлагаемого способа обработки ЭКГ вычисление коэффициентов вейвлет-преобразования проводят в следующих условиях:

1) параметр масштаба а последовательно принимает дискретные значения в диапазоне от 0.001 до 0.2 с;

2) параметр трансляции b принимает дискретные значения в диапазоне, охватывающем весь рассматриваемый кардиоцикл;

3) шаг дискретизации этих двух параметров равен 0.001 с;

4) в качестве вейвлет-функции используют «первую производную функции Гаусса» ψ(t)=-t⋅exp(-t²/2).

Основываясь на вычисленных коэффициентах вейвлет-преобразования W_ψ(a,b), по каждому из анализируемых кардиоциклов получают информацию о структуре нулевых изолиний, имеющихся на спектральной поверхности W_ψ(a,b), образуемой коэффициентами вейвлет-преобразования над плоскостью параметров b и а. На фиг. 4 приведен кардиоцикл №1 из фиг. 3 и полученный для этого кардиоцикла вейвлет-спектр, представленный в виде поверхности в 3D-пространстве. Линии нулевого уровня (нулевые изолинии) обозначены на вейвлет-спектре жирными черными линиями.

В частном случае реализации настоящего изобретения анализ топологической структуры нулевых изолиний вейвлет-спектра кардиоцикла может состоять из следующих действий. В кардиоцикле выделяют шесть основных точек локального экстремума 7-12 (см. фиг. 5) - по одной точке из следующих шести сегментов кардиоцикла: сегмент 1 между началом кардиоцикла и концом положительного Р-зубца; сегмент 2 между концом Р-зубца и началом R-зубца; сегмент 3, охватывающий положительный R-зубец; сегмент 4 между концом R-зубца и началом Т-зубца; сегмент 5, охватывающий положительный Т-зубец; сегмент 6 между концом Т-зубца и концом кардиоцикла. При этом для каждого из шести сегментов кардиоцикла выбирается та точка локального экстремума, которой соответствует нулевая изолиния спектральной поверхности, имеющая наибольшую протяженность вдоль параметра масштаба а. Соответствие между точкой локального экстремума и нулевой изолинией устанавливают на том основании, что рассматриваемой нулевой изолинии принадлежит точка с ординатой (значение параметра а), равной минимальному значению параметра а, а ее абсцисса (значение параметра b) совпадает с абсциссой точки локального экстремума. На фиг. 6 показаны шесть основных точек локального экстремума кардиоцикла и соответствующие им точки нулевых изолиний. Затем устанавливают, как «взаимосвязаны» выделенные шесть точек локального экстремума между собой посредством нулевых изолиний вейвлет-спектра. При этом считается, что две точки локального экстремума «взаимосвязаны», если им соответствует одна и та же нулевая изолиния.

Затем на основе полученных сведений составляют характеристический шифр кардиоцикла, кодирующий топологическую структуру нулевых изолиний вейвлет-спектра (см. фиг. 6). Шифр показывает «взаимосвязаны» ли основные шесть локальных экстремумов кардиоцикла между собой посредством нулевых изолиний, и если взаимосвязаны, то указывается, какие из них образуют «взаимосвязанные» пары. Иллюстрация способа составления характеристического шифра дается на фиг. 6 (на примере кардиоцикла №1 из фиг. 3). Шифр представляет собой запись, содержащую шесть латинских букв «Р», «Q», «R», «S», «Т», «D», каждая из которых символизирует один из основных шести локальных экстремумов рассматриваемого кардиоцикла: «Р» - локальный экстремум 7, «Q» - 8, «R» - 9, «S» - 10, «Т» - 11, «D» - 12 (см. фиг. 6). При этом «взаимосвязанность» экстремумов посредством нулевых изолиний обозначают при помощи индексов. Например, запись «P_Q» обозначает, что локальный экстремум, соответствующий в кардиоцикле сегменту 1, связан посредством нулевой изолинии с локальным экстремумом, соответствующим сегменту 2. В свою очередь отсутствие индекса, как, например, в случае записи «D», обозначает, что локальный экстремум, соответствующий сегменту 6 на кардиоцикле, не связан посредством какой-либо нулевой изолинии ни с каким другим локальным экстремумом (в пределах заданных границ параметра масштаба а). Горизонтальная черта в шифре позволяет указать, какие локальные экстремумы являются локальными максимумами (соответствующие им буквы указываются над горизонтальной чертой), а какие - минимумами (соответствующие им буквы указываются под чертой).

Переход из одной электрокардиографической стадии в динамике миокарда в другую устанавливают по смене характеристического шифра кардиоцикла в динамике изменений анализируемой электрокардиограммы. В отдельных случаях в топологической структуре вейвлет-спектров кардиоциклов может быть выявлено близкое расположение (или даже соприкосновение) двух разных изолиний - подобное соприкосновение нулевых изолиний соответствует переходному состоянию между двумя неизоморфными типами структур нулевых изолиний. Как было выяснено нами ранее [Романец, 2013], такого рода переходные структуры возникают при смене топологического типа вейвлет-спектра ЭКГ. На фиг. 7 показан пример такого перехода из одного топологического типа вейвлет-спектра в другой.

Таким образом, при реализации предлагаемого способа возможен вариант, в котором дополнительно к тому, что в ходе мониторинга ЭКГ пациента устанавливают характеристический шифр каждого проанализированного кардиоцикла, проводят сопоставление этого шифра с тем, который был установлен для снятых ранее ЭКГ-записей пациента, содержащих варианты нормы и/или варианты патологических состояний. При этом на основе информации о топологической смежности структур нулевых изолиний, отвечающих различным шифрам, каждому проанализированному кардиоциклу может быть приписана степень удаленности текущего функционального состояния миокарда пациента от другого представляющего интерес референтного состояния миокарда.

Примеры реализации предлагаемого способа

Для демонстрации работы предлагаемого способа использовались базы данных физиологических сигналов, доступные в рамках интернет-ресурса PhysioNet [Goldberger et al., 2000]. Эти базы данных содержат большое количество электрокардиограмм пациентов с клинически подтвержденным диагнозом.

Использовались следующие базы данных:

1) The MIT-BIH Normal Sinus Rhythm Database (ЭКГ-сигнал «nsrdb/16273») [Goldberger et al., 2000].

2) European ST-T Database (ЭКГ-сигнал «еОПОт») [Tadei et al., 1992; Goldberger et al., 2000].

Пример 1. Рассмотрим работу предлагаемого способа в таком сценарии, когда у здорового человека пульс замедляется. Для этого воспользуемся ЭКГ записью «nsrdb/16273» (MIT-BIH Normal Sinus Rhythm Database [Goldberger et al., 2000]) в десятисекундном интервале времени (от 03:19:50 до 03:20:00), электрокардиографическое отведение «ECG1». Рассмотрим частный случай реализации предлагаемого способа, при котором используется вейвлет-функция «Первая производная функции Гаусса», параметр масштаба а принимает значения в диапазоне от 0.002 до 0.2 с, составление характеристического шифра осуществляется по описанной выше процедуре, проиллюстрированной на фиг. 6.

На фиг. 8 вверху показан график анализируемого фрагмента ЭКГ-сигнала «nsrdb/16273», под ним для каждого кардиоцикла показана соответствующая ему структура нулевых изолиний вейвлет-спектра, а внизу приводятся характеристические шифры, соответствующие этим структурам. Из фиг. 8 видно, что первые пять кардиоциклов имеют один характеристический шифр, а семь последующих - другой, качественно отличный. Тем самым качественная смена шифра при замедлении пульса позволяет отчетливо выделить сам момент перехода из одной стадии кардиодинамики (характеризующейся относительно частым пульсом) в другую стадию (с более редким пульсом). Рассмотренный пример показывает, что в отличие от существующих способов выявления изменений функционального состояния миокарда предлагаемый способ позволяет отчетливо разграничивать в переходной кардиодинамике последовательные дискретные стадии.

На примере ЭКГ-сигнала, изображенного на фиг. 8, рассмотрим другой частный случай реализации предлагаемого способа, отличие которого от предыдущего заключается в том, что используют другую вейвлет-функцию, а именно биортогональную сплайн функцию «Riverse biorthogonal wavelet 3.1» (подробное описание этой функции см. в [Добеши, 2001]). На фиг. 9 представлен результат использования данной вейвлет-функции: вверху показан график анализируемого ЭКГ-сигнала, под ним для каждого кардиоцикла показана соответствующая ему структура нулевых изолиний вейвлет-спектра, а внизу приводятся характеристические шифры, соответствующие этим структурам. Из фиг. 9 видно, что так же как и в предыдущем случае реализации предлагаемого способа (см. фиг. 8), замедление пульса приводит к смене топологической структуры нулевых изолиний вейвлет-спектра. Это наглядно видно в изменениях характеристического шифра кардиоциклов. Таким образом, использование в рамках предлагаемого способа различных вейвлет-функций позволяет получать с разной степенью детальности информацию о переходных процессах, наблюдаемых в кардиодинамике. Сведения о наблюдаемых в нормальной кардиодинамике стадиях и переходах между этими стадиями могут быть, в частности, использованы в задачах контроля тренировочного процесса спортсменов и реабилитации больных кардиологического профиля.

Пример 2. Рассмотрим работу предлагаемого способа в сценарии, когда у пациента с ишемической болезнью сердца развивается ишемия миокарда (сценарий подъема комплекса ST-T). Для этого воспользуемся ЭКГ записью «e110m» (European ST-T Database [Tadei et al, 1992; Goldberger et al, 2000]) в десятисекундном интервале времени (от 01:36:10 до 01:36:20) и проанализируем два отведения этой записи: V3 и MLIII.

Рассмотрим частный случай реализации предлагаемого способа, при котором используется вейвлет-функция «Первая производная функции Гаусса», параметр масштаба а принимает значения в диапазоне от 0.002 до 0.3 с, составление характеристического шифра осуществляется по процедуре, описанной выше и проиллюстрированной на фиг. 6. На фиг. 10 вверху показан график анализируемого фрагмента ЭКГ-сигнала «e0110m» (отведение V3), под ним для каждого кардиоцикла показана соответствующая ему структура нулевых изолиний вейвлет-спектра, а внизу приводятся характеристические шифры, соответствующие этим структурам. Из фиг. 10 видно, что кардиоциклы 1-4 и 6 имеют один и тот же характеристический шифр, а кардиоциклы 5, 7 и 8 - другой. Таким образом, по мере увеличения амплитуды комплекса ST-T в динамике данной конкретной ЭКГ мы детектируем отчетливый переход из одной стадии (относительно низкая амплитуда сегмента ST-T) в другую стадию (относительно высокая амплитуда сегмента ST-T). Привлечение к анализу ЭКГ современных топологических подходов, как это сделано в рамках нашего изобретения, позволяет дополнить существующие методы мониторирования и анализа ЭКГ новым инструментом для выявления переходных состояний в кардиодинамике.

Иная картина наблюдается при анализе отведения MLIII этого ЭКГ-сигнала (см. фиг. 11). Из фиг. 11 видно, что характеристический шифр всех восьми кардиоциклов рассматриваемого ЭКГ-сигнала имеет одинаковый вид. В то же время анализ пространственно-временных характеристик ЭКГ показывает, что в данном отведении увеличение амплитуды комплекса ST-T не столь сильно выражено, как в отведении V3. Таким образом, постоянство топологической структуры вейвлет-спектра в отведении MLIII и трансформация топологической структуры вейвлет-спектра в отведении V3 согласуются с динамикой пространственно-временных характеристик ЭКГ в этих отведениях.

Представленный пример обработки пары отведений ЭКГ-сигнала служит демонстрацией применимости предлагаемого способа обработки ЭКГ-сигналов для анализа одновременно нескольких отведений. В частном случае реализации предлагаемого способа характеристический шифр по каждому кардиоциклу составляют путем простого объединения характеристических шифров, полученных по всем анализируемым ЭКГ-отведениям рассматриваемого кадиоцикла.

Таким образом, предлагаемый способ обработки электрокардиограмм позволяет в автоматическом режиме отслеживать стадии в динамике изменений функционального состояния миокарда. Новизна предлагаемого способа заключается в привлечении к обработке и анализу ЭКГ современных топологических подходов. Их использование в сочетании с методами амплитудно-временного анализа и спектрального вейвлет-анализа позволяет более четко выделять стадии в кардиодинамике. Представленные примеры анализа конкретных ЭКГ показывают, что новые свойства предлагаемого изобретения, обусловленные привлечением топологических методов, способствуют эффективному решению современных задач по мониторингу изменений в состоянии сердца.

Литература

1. Macfarlane Р., van Oosterom A., Pahlm O. et al. (ed.) Comprehensive Electrocardiology. - 2nd edition. - London: Springer-Verlag, 2011. - 2291 p.

2. Сыркин А.Л. Инфаркт миокарда. - 3-е, перераб. и доп. изд. - М: ООО «Медицинское информационное агентство», 2006. - 466 с.

3. Руководство по скорой медицинской помощи /под ред. С.Ф. Багненко, А.Л. Верткина, А.Г. Мирошниченко, М.Ш. Хубутии/. - М.: ГЭОТАР-Медиа, 2007. - 816 с.

4. Huebner Т., Goernig М., Schuepbach М., Sanz Е., Pilgram R., Seeck A., Voss A. Electrocardiologic and related methods of non-invasive detection and risk stratification in myocardial ischemia: state of the art and perspectives // Ger. Med. Sci. 2010; 8:1-19.

5. Гельфанд И.М, Розенфельд Б.И, Шифрин М.А.. Очерки о совместной работе математиков и врачей. - М: Едиториал УРСС, 2005. - 320 с.

6. Verrier R.L, Klingenheben Т, Malik М, El-Sherif N, ExnerD.V, Hohnloser S.H, … Rosenbaum D.S. Microvolt T-Wave Alternans: Physiological Basis, Methods of Measurement, and Clinical Utility - Consensus Guideline by International Society for Holter and Noninvasive Electrocardiology. Journal of the American College of Cardiology. 2011; 58(13): 1309-1324.

7. Clifford G, Francisco A, McSharry P. (ed.). Advanced Methods and Tools for ECG Data Analysis. - Boston/London: Artech House Publishing, 2006. - 384 p.

8. Chen X, Tereshchenko L.G, Berger R.D, Trayanova N.A. Arrhythmia risk stratification based on QT interval instability: an intracardiac electrocardiogram study // Heart Rhythm. 2013; 10(6):875-880.

9. Компьютерные модели и прогресс медицины // под ред. О.М. Белоцерковского, А.С. Холодова/. - М.: Наука, 2001. - 302 с.

10. Хэмптон Д.Р. Основы ЭКГ. – М.: Медицинская литература, 2006. - 224 с.

11. Голдбергер А.Л. Клиническая электрокардиография. Наглядный подход. – М.: ГЭОТАР-Медиа, 2009. - 328 с.

12. Bonow R, Mann D, Zipes D, Libby P. (ed.). Braunwald’s Heart Disease: A Textbook of Cardiovascular Medicine. - 9th edition. - Philadelphia: W.B. Saunders Company, 2011.

13. Орлов B.H. Руководство по электрокардиографии - 7-е изд. – M.: «МИА», 2012. - 560 c.

14. Иванов Г.Г., Сулла А.С. Дисперсионное ЭКГ картирование: теоретические основы и клиническая практика. - М.: Техносфера, 2009. - 190 с.

15. PCT/US 98/16693 (Automatic Cardiometer). Publication date: Feb 25, 1999.

16. Патент РФ №2383295. Способ обработки электрокардиосигнала для диагностики инфаркта миокарда. / Бодин О.Н., Зайцева О.А., Логинов Д.С., Моисеев А.Е. // Начало действия патента: 8 Сентября, 2008.

17. Carlsson G. Topology and data // Bulletin of the American Mathematical Society. 2009; 46(2):255-308.

18. Edelsbrunner H., Harer J. Computational Topology. An Introduction. - Providence: Amer. Math. Soc, 2010. - 282 p.

19. Романец И.А. Выявление критических нарушений в электровозбудимой системе миокарда с помощью спектрального вейвлет-анализа ЭКГ: диссертация … кандидата биологических наук: 03.01.02. - Москва, 2013. - 107 с.

20. Stiles М., Clifton D., Grubb N. et al. Wavelet-Based Analysis of Heart-Rate-Dependent ECG Features // Ann Noninvasive Electrocardiol. 2004; 9(4):316-322.

21. Скордалакис Е., Траханиас П. Применение компьютеров для исследования сердца. В сб.: Микрокомпьютеры в физиологии. - М.: Мир, 1990, с. 214-239.

22. Bousseljot R, Kreiseler D, Schnabel A. Nutzung der EKG-Signaldatenbank CARDIODAT der PTB iiber das Internet. Biomedizinische Technik, Band 40, Erganzungsband 1 (1995) S 317.

23. Goldberger AL, Amaral LAN, Glass L, Hausdorff JM, Ivanov PCh, Mark RG, Mietus JE, Moody GB, Peng C-K, Stanley HE. PhysioBank, PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals. Circulation 101(23):e215-e220 [Circulation Electronic Pages; http://circ.ahajoumals.org/cgi/content/full/101/23/e215]; 2000 (June 13).

24. Добеши И. Десять лекций по вейвлетам. - Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 464 с.

25. Taddei A, Distante G, Emdin М, Pisani Р, Moody GB, Zeelenberg С, Marchesi С. The European ST-T Database: standard for evaluating systems for the analysis of ST-T changes in ambulatory electrocardiography // European Heart Journal. 1992; 13(9):1164-1172.