На данный момент крайне актуальна тема обеспечения кардиологических центров, лечебных стационаров, отделений поликлиник и экипажей скорой помощи современным высокотехнологичным оборудованием. Для мониторинга и диагностики состояния больных сердечно-сосудистыми заболеваниями используются беспроводные технологии трансляция в режиме реального времени. Сигналы ЭКГ являются одними из наиболее информативных биомедицинских данных, описывающих деятельность сердца и системы кровообращения.
Основной целью работы сердца является перекачка крови из вен в артерии. Данный орган состоит из камер — двух предсердий и двух желудочков, разделённых клапанами. Он функционирует по принципу насоса — выбрасывает кровь в артерии (систола) и заполняется кровью из вен (диастола).
Электрокардиограмма (ЭКГ) — это запись электрической активности сердца с поверхности тела. ЭКГ полезна для определения пути прохождения волны возбуждения. Сигнал позволяет выявить и локализовать патологические источники возбуждения и участки блокад проведения, обнаружить гипертрофии камер сердца и т. п. [1, с. 297].
Рисунок 1. ЭКГ. Зубцы, интервалы и сегменты [1, с. 298]
QRS комплекс характеризует электрическую активность внутри сердца во время желудочкового сокращения, сигнализирует о моменте данного явления, а также его форма несёт большой объём информации о текущем состоянии органа. Благодаря своей характерной геометрии QRS комплекс часто служит в качестве основы для определения частоты сердцебиений [2].
Мотивирующим фактором для изучения длительности комплекса QRS является его информативность об опасности серьёзных нарушений биомеханики сердца, определяющих клиническое течение и исходов сердечно-сосудистых заболеваний [3, c.75].
Рисунок 2. Результаты исследования VEST: выживаемость в зависимости от комплекса QRS у пациентов с сердечной недостаточностью [4]
Улучшение массогабаритных характеристик, максимизация отказоустойчивости и улучшение помехозащищённости являются основными задачами для мобильных устройств регистрации ЭКГ. Для холтеровского монитора наилучшим решением может стать использование т.н. интерфейсных микросхем (AFE – Analog Front End), включающих в себя входной аналоговый блок, блок оцифровки и первичной обработки биомедицинских сигналов, а также множество других блоков. В [5] подробно рассмотрено устройство и функционирование AFE ADAS1000 от AnalogDevices.
Структурная схема разработанной на базе ADAS1000 системы представлена на рисунке 3. Полученные сигналы с электродов оцифровываются в аналогово-цифровых преобразователях (АЦПи), фильтруются при помощи встроенных фильтров нижних частот (ФНЧ), передаются в микроконтроллер. Передача результатов анализа осуществляется при помощи модуля беспроводной передачи данных (МБПД).
Рисунок 3. Структурная схема системы дистанционного холтеровского ЭКГ мониторинга
Для разработки алгоритма детекции в данной работе был выбран метод анализа во временной области в виду простоты его применения для распознавания комплекса QRS ЭКГ в режиме реального времени.
В своём большинстве программные детекторы обычно включают в себя три или более видов шагов по обработке: линейную цифровую фильтрацию, нелинейные преобразования, и алгоритмы правил принятия решений [6]. Данный в [7] метод использует все три.
Рисунок 4. Блок-схема системы по детекции QRSкомплексов
Детекция комплекса QRS ЭКГ выполняется следующим образом. Сначала, запись ЭКГ проходит обработку в линейном ФВЧ для того, чтобы выделить комплекс QRS ЭКГ и в то же время подавить нежелательные зубцы ЭКГ, такие, как P и Т зубцы, и дрейф изолинии. После этого, для того, чтобы гарантировать, что высокочастотные, низкоамплитудные артефакты могут быть сглажены до определённого уровня, в то время как QRS комплекс должен быть сохранён, выход линейного ФВЧ обрабатывается при помощи двухполупериодного выпрямления и нелинейного усиления, далее следует скользящее окно суммирования. Все действия, указанные выше, можно назвать процессом нелинейного ФНЧ преобразования. В конце применяется пороговый уровень для принятия решений и завершения детекции QRS комплекса.
Для анализа, разработанного на языке ”C”, ПО микроконтроллера, использовалось 25 одноминутных записей ЭКГ с частотой дискретизации 360 Гц из базы MIT-BIH Arrhythmia Database [8, 9]. Для выхода на режим согласно [7] требуется некоторое время. Анализ сигнала был проведён после одноминутной адаптации ПО.
Рисунок 5. Результат применения алгоритма реального времени для детекции комплекса QRS ЭКГ на сигнале №100 из базы MIT-BIH Arrhythmia Database. 1 – исходный сигнал ЭКГ; 2 – отфильтрованный ФВЧ сигнал; 3 – сигнал на выходе из цифрового ФНЧ (сплошная линия) и пороговый уровень (прерывистая линия); 4 – результат детекции комплексов QRSЭКГ
Таблица 1 – Результаты эффективности ПО детекции QRS комплексов
Номер записи ЭКГ |
Количество комплексов |
Ложно положительные комплексы |
Ложно отрицательные комплексы |
Ненайденные комплексы |
Ненайденные комплексы в % |
100 |
74 |
0 |
0 |
0 |
0 |
101 |
71 |
2 |
0 |
2 |
2.74 |
103 |
70 |
0 |
0 |
0 |
0 |
109 |
91 |
2 |
0 |
2 |
2.15 |
113 |
58 |
0 |
0 |
0 |
0 |
114 |
54 |
0 |
0 |
0 |
0 |
115 |
63 |
0 |
0 |
0 |
0 |
116 |
78 |
0 |
0 |
0 |
0 |
117 |
50 |
0 |
0 |
0 |
0 |
119 |
65 |
0 |
0 |
0 |
0 |
122 |
87 |
0 |
0 |
0 |
0 |
123 |
49 |
0 |
0 |
0 |
0 |
124 |
49 |
0 |
0 |
0 |
0 |
201 |
90 |
0 |
0 |
0 |
0 |
202 |
53 |
1 |
0 |
1 |
1.85 |
205 |
90 |
0 |
1 |
1 |
1.11 |
209 |
93 |
0 |
0 |
0 |
0 |
213 |
111 |
0 |
0 |
0 |
0 |
219 |
74 |
0 |
0 |
0 |
0 |
220 |
72 |
0 |
0 |
0 |
0 |
221 |
78 |
0 |
0 |
0 |
0 |
222 |
75 |
0 |
0 |
0 |
0 |
230 |
79 |
0 |
0 |
0 |
0 |
231 |
63 |
0 |
0 |
0 |
0 |
234 |
92 |
0 |
0 |
0 |
0 |
25 пациен-тов |
1829 |
5 |
1 |
6 |
0.27 |
Точность после адаптации составила 99.73 %.
Для вычисления длительности QRS комплексов ПО было модифицировано. При прохождении сигнала через пороговый уровень начинается отсчёт времени, а после повторного — прекращается.
В качестве тестового сигнала ЭКГ на рисунке 6 использовалась база данных ЭКГ сигналов, полученная с модуля ADAS1000 в [10]. ЭКГ сигналы были сгенерированы симулятором аритмий HKP (Heidelberger Praxisklinik). Использовался следующий режим Program1 – P01: sinus rhythm (SR). Полученный в данной работе сигнал p01_16_PacePulse_01_Kp=0.03125.dat был прорежен с 32 кГц до частоты дискретизации 200 Гц для ускорения тестирования алгоритма и избавления от артефактов кардиостимулятора.
Рисунок 6. Результат вычисления длительности QRSЭКГ. 1 – исходный сигнал ЭКГ; 2 – сигнал на выходе из цифрового ФНЧ (сплошная линия) и пороговый уровень (прерывистая линия); 3 – результат детекции длительности комплексов QRSЭКГ
С использованием разработанного ПО на базе системы дистанционного холтеровского ЭКГ мониторинга, включающей интерфейсные микросхемы специального назначения, можно выполнить исследование комплекса QRS ЭКГ и других параметров в дистанционном режиме.
Библиографический список
- Алипов Н.Н. Основы медицинской физиологии. Учебное пособие. М.: Практика. 2013.
- Kohler B.U, Henning C., Orglmeister. The Principles of Software QRS Detection. IEEE Engineering in Medicine and Biology Magazine (Volume: 21, Issue: 1). 2002. С42.
- Бурда И.Ю., Лысенко Н.В., Яблучанский Н.И. Значение продолжительности комплекса QRSЭКГ в клиническом течении и исходах сердечно-сосудистых заболеваний. Вестник Харьковского национального университета имени В.Н. Каразина. Серия «Медицина». 2009. С 75.
- Бокерия Л. А., Ступаков С.И. Значение длительности QRSи полной блокады левой ножки пучка Гиса в развитии и течении застойной сердечной недостаточности. АННАЛЫ АРИТМОЛОГИИ, № 1. ФГБУ «Научный центр сердечно-сосудистой хирургии им. А. Н. Бакулева» (директор – академик РАН и РАМН Л. А. Бокерия) РАМН, Москва. 2012. С. 21.
- Бредерс Й.Х. Интерфейсная микросхема ADAS1000. Оптимальное решение для приборов ЭКГ. М.: Медицинская техника. 2012. С. 70-75.
- Pan J., Tompkins W.J. A Real-Time QRS Detection Algorithm. IEE Transactions on Biomedical Engineering, Vol. BME-32, No. 3. 1985. С. 230
- Chen H.C., Chen S.W. A Moving Average based Filtering System with its Application to Real-time QRS Detection. Computers in Cardiology. 2003.
- Moody G.B., Mark R.G. The impact of the MIT-BIH Arrhythmia Database. IEEE Eng in Med and Biol 20(3). 2001. С. 45-50.
- Goldberger A.L., Amaral L.A.N., Glass L., Hausdorff J.M., Ivanov P.Ch., Mark R.G., Mietus J.E., Moody G.B., Peng C-K., Stanley H.E. PhysioBank, PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals.2000.URL: http://circ.ahajournals.org/content/101/23/e215.full(дата обращения: 29.06.2018).
- Jekova I., Tsibulko V., Iliev I. ECG Database Applicable for Development and Testing of Pace Detection Algorithms. Int.J. BIOautomation. Institute of Biophysics and Biomedical Engineering Bulgarian Academy of Sciences. 2014.
Количество просмотров публикации: Please wait