|
Пензенский Государственный Университет (г. Пенза)
Эта работа опубликована в сборнике "Науки о человеке": материалы Х конгресса молодых ученых и специалистов / Под ред. Л.М.
Огородовой, Л.В. Капилевича. – Томск: СибГМУ. – 2009. – 166 с.
Скачать сборник целиком
Главной особенностью электрокардиографической диагностики является большой объем сложноструктурированных данных, содержащихся в электрокардиосигнале (ЭКС). Они используются при распознавании информативных участков ЭКС - коротких импульсов сложной формы - в их форме, амплитуде, длительности.
Для анализа таких сигналов с различными частотно-временными характеристиками необходимы методы, способные обеспечить хорошее разрешение, как по частоте, так и по времени, а также реали-зовывать принципиально новые подходы кластеризации входных данных. Методы, удовлетворяющие таким условиям, являются вейвлет-преобразование и искусственная нейронная сеть (ИНС), стремительно завоевывающие популярность для анализа нестационарных сигналов, каким и является ЭКС. Алгоритм распознавания электрокардиографических данных основан на применении вейвлет-пакетного разложения сигнала с последующим внедрением в ИНС.
В работе показана перспективность использования предложенного подхода для анализа информативных участков ЭКС, который представляет собой высокоэффективную, комплексную, систематизированную систему обработки данных.
При использовании ИНС для анализа ЭКС возникает ряд задач по выбору класса, архитектуры и алгоритма обучения нейронной сети.
В качестве данных, применяемых для обучения нейросети используется вейвлет коэффициенты ЭКС, полученные в ходе обследования десяти пациентов с заранее известными патологическими отклонениями сердечно-сосудистой системы.
Наиболее опасными и распространенными из которых являются следующие:
1. блокада проводящих путей;
2. распознавание нарушений сердечного ритма (аритмий);
3. анализ ишемических изменений ЭКГ;
4. анализ вариабельности сердечного ритма.
5. желудочковая экстрасистолия.
Отклонение формы ИУ ЭКС от нормальной является диагностическим признаком при принятии решений о наличии вышеперечисленных патологий. В ходе предварительно анализа данных необходимо выделить качественный показатель для каждого сердечно-сосудистого заболевания, на который и будет ориентироваться ИНС в процесс своего обучения.
Главной особенностью применения алгоритма, как упоминалось ранее, является использование вейвлет-пакетного разложения сигнала. Это позволит произвести в дополнение к разложению сигнала на вейвлет коэффициенты, предварительную обработку данных - фильтрацию и сжатие, для устранения артефактов сигнала, а также минимизацию обучающей выборки, что является немало важным критерием в процессе анализа электрокардиографических данных.
Предложенный алгоритм распознавания ЭКС отображен на рисунке 1 в виде блок схемы, который представляет собой единый монолитный блок, позволяющий быстро и качественно интерпретировать входные данные.
Рисунок 1. Алгоритм распознавания электрокардиографических данных
Разработанный алгоритм в полной мере удовлетворяют современным требованиям в области обработки и анализа электрокардиографических данных.
Разработка нейро-сетевого метода анализа производиться в среде компьютерного моделирования MATLAB. Встроенный математический аппарат в структуру системы обладает широким кругом возможностей. Практическое использование прикладных пакетов MATLAB, а именно среды графического моделирования Simulink, Wavelet Toolbox и GUI-интерфейса NNTool позволяет использовать их для разработки алгоритма.
Областью практического применения предложенного подхода распознавания электрокардиографических данных является внедрение в практическую кардиологию, для оценки состояния сердечнососудистой системы, посредством выявления патологических особенностей у пациента.
Представляется перспективны использование предложенного подхода для создания компьютерных кардиоанализаторов.
|
