Алгоритмы анализа персональных регистраторов ЭКГ

Разработка алгоритма автоматического анализа в портативных устройствах ограничена объемом памяти для обработки и хранения больших массивов промежуточных данных и техническими характеристиками микроконтроллера. Применение высокопроизводительных специализированных процессоров цифровой обработки сигналов (DSP) в данном случае невозможно из-за их высокого энергопотребления. В свою очередь необходимо создание надежного алгоритма выявления наиболее опасных видов нарушений ритма и проводимости сердца.

Любая ЭКГ (рис.2) содержит зубцы, сегменты и интервалы, которые отражают процесс распространения возбуждения, но форма и характер электрокардиосигнала у каждого человека зависят от особенностей строения сердца. При патологических изменениях в сердце форма ЭКГ может измениться и сохраняться на протяжении всей жизни. В этом случае необходим постоянный контроль ЭКГ для предотвращения дальнейших изменений. Поэтому необходимо создать алгоритм анализа, проводящий классификацию ЭКГ в реальном времени, используя вычислительные ресурсы встроенного в устройство микроконтроллера, и удовлетворяющий следующим условиям:

1. Минимальные затраты по вычислительной мощности - один из самых основных критериев для персональных устройств регистрации.

2. Способность алгоритма к классификации основных компонентов ЭКГ.

3. Положение комплекса определяется позицией максимума - зубца R (для сравнения с эталонным комплексом).

4. Высокая помехоустойчивость.

В настоящее время существует множество [1,4, 5] методов анализа ЭКГ, которые можно разделить на следующие основные группы:

а) частотно-временные методы;

б) методы, основанные на использовании нейронных сетей;в) синтаксические методы; - г) методы эталонов;

д) комбинированные методы.

Частотно-временные методы, например преобразование Фурье, представляет сигнал, заданный во временной области, в виде разложения по ортогональным базисным функциям, выделяя, таким образом, частотные компоненты. Недостаток преобразования Фурье заключается в том, что частотные компоненты не могут быть локализованы во времени, что накладывает ограничения на применимость данного метода. Более информативно исследовать динамику изменения частот в сигнале при помощи вейвлет-преобразования.

Вейвлет-преобразование позволяет раскладывать анализируемый сигнал по компактным, хорошо локализованным по времени и частоте базисам. Оно имеет хорошее разрешение по времени и плохое разрешение по частоте в области высоких частот и хорошее разрешение по частоте и плохое разрешение по времени в области низких частот. Этот подход дает хорошие результаты, особенно когда компоненты сигнала с высокой частотой имеют небольшую длительность, а низкочастотные компоненты - достаточно большую. Сигнал ЭКГ, как и большинство биологических сигналов, имеет именно такую структуру.

Нейросетевые методы, как и вейвлет-анализ, обладая большой помехоустойчивостью, позволяют построить достаточно точные алгоритмы анализа в зависимости от регистрируемого отведения. Недостатком является необходимость в больших вычислительных ресурсах.

Синтаксическими методами анализируется структура сигнала по некоторым синтаксическим правилам. На предварительном этапе алгоритма анализа структуры сигнала могут происходить интерполяция нулевого порядка и формирование сжатого описания сигнала. По построенному описанию с помощью синтаксических правил сигнала определяются основные характерные элементы ЭКГ. Эффективность алгоритма распознавания определяется синтаксическими правилами и пороговыми значениями для алгоритмов интерполяции и сжатого описания, которые подбираются опытно-логическим путем.