ИДЗ / Модель ЭКГ / Model_ECG

k 0

где Kr – число дискретных отсчетов zr (k) .

Эксперименты подтвердили, что с помощью модели (12) удается достаточно точно реконструировать реальные циклы различной формы (рис. 10).

а

б

в

г

Рис. 10. Реальные (слева) и модельные (справа) циклы ЭКГ различной формы

В большинстве случаев при оптимальных значениях параметров (26) отклонения основных электрокардиографических признаков искусственных и реальных циклов находились в пределах, позволяющих проводить правильную интерпретацию сигнала. Например, при реконструкции цикла с отрицательным зубцом T (рис. 11) расхождение z0 (k) и zr (k) на сегменте S T было в пределах 8 мкВ (менее 1% диапазона изме-

нения сигнала) при уровне депрессии S T равной –0,125 мВ.

1

2

Рис. 11. Сравнение формы реального (1) и модельного (2) циклов

Незначительная модификация модели (12)

позволила улучшить качество реконструкции циклов более сложной формы (рис. 12), в частности, моделировать реальный цикл с раздвоенным зубцом R (рис. 12, а) за счет

12

аппроксимации этого зубца не одной (рис. 12 б), а двумя гауссовыми функциями R и R (рис. 12, в).

Рис. 12. Аппроксимация реального цикла (а) основной (б) моделью (12) и усовершенствованной (в) моделью (28)

5. ЗАКЛЮЧЕНИЕ

Отличительная особенность интерполяционной модели (9),(10) и генеративной модели (14)-17) – возможность порождать в условиях действия внутренних и внешних возмущений искусственные сигналы с неравномерными изменениями формы отделных фрагментов, визуальный анализ которых идентичен интерпретации реальных записей электрокардиограмм (рис. 6 - рис. 9).

Незначительная модификация модели позволили генерировать искусственные ЭКГ с экстрасистолами и артефактами (20), а при использовании рекуррентных соотношений (21)-25) – моделировать альтернацию зубца T , анализ которой проводится в современных медицинских компьютерных технологиях для оценки риска внезапной сердечной смерти.

При оптимальных значениях параметров (26) удается реконструировать искусственные циклы ЭКГ различной формы (рис. 10) с отклонениями основных электрокардиографических признаков, которые не превышают допустимые пределы, необходимые для правильной интерпретации сигнала.

Искусственные ЭКГ реалистической формы, для которых известны точные значения параметров эталона, могут быть использованы в системах контроля метрологических характеристик цифровых электрокардиографов и в научных исследованиях при разработке новых алгоритмов анализа и интерпретации ЭКГ.

Предложенные модели окрывают путь к реализации эффективного метода сжатия информации при передаче сигналов в телемедицинских системах дистанционной обработки ЭКГ *17+ .

ЛИТЕРАТУРА

1.В.В. Власов. Введение в доказательную медицину, М., Медиа Сфера, 392 с., 2001.

2.М.В Вайсман., Д.А., Прилуцкий С.В. Селищев. Алгоритм синтеза имитационных электрокардиосигналов для испытания цифровых электрокардиографов, Электроника, № 4, c. 21-24, 2000.

3.Д.А.Ладяев, С.А. Федосин. Моделирование ЭКГ-сигнала, Информационные технологии моделирования и управления, № 6 (31), c. 702-709, 2006.

4.О.М. Белоцерковский, А.В. Виноградов, Э.Э. Галатян, А.С. Тарасов, С.В. Шебко. Способ кодирования данных ЭКГ в модели контурного и динамического анализа ЭКГ, Компьютер и мозг. Новые технологии, М., Наука,. c. 241-255, 2005.

5.П.Л. Никифоров. Модель электрокардиографического сигнала на основе совокупности колокольных импульсов, Вестник молодых ученых. Сер. Техн. Наук, № 1, c. 64-68, 1998.

6.М.В. Абрамов. Аппроксимации экспонентами временного кардиологического ряда на основе ЭКГ, Вестник кибернетики, Тюмень, ИПОС СО РАН, № 9, c. 85-91, 2010.

13

7.В.В Пипин, Рагульская М.В., С.М. Чибисов. Анализ динамических моделей и реконструкций ЭКГ при воздействии космо- и геофизических факторов, Междунар. журн. прикладных и фундаментальных исследований, № 5, c. 17-24, 2009.

8.P.E. McSharry, G. Clifford, L.Tarassenko, L.A. Smith. A Dynamical Model for Generating Synthetic Electrocardiogram Signals, IEEE Transaction on Biomedical Engineering, No. 3, p. 289-294, 2003.

9.В.В. Мурашко, А.В. Струтинский. Электрокардиография, М., Медицина, 288 с., 1991.

10.Л.С. Файнзильберг. Компьютерная диагностика по фазовому портрету электрокардиограммы, Киев, Освита Украины, 191 с., 2013.

11.M.J. Raatikainen, V. Jokinen, V. Virtanen. Microvolt T-wave Alternans During Exercise and Pacing in Patients with Acute Myocardial Infarction, Pacing and Clinical Electrophysiology, No. 28, p. 193-197, 2005.

12.L.S. Fainzilberg., T.Yu. Bekler, G.A. Glushauskene. Mathematical Model for Generation of Artificial Electrocardiogram with Given Amplitude-Time Characteristics of Informative Fragments, Journal of Automation and Information Sciences, Vol. 43, Issue 9, p. 20-33, 2011.

13.L.S. Fainzilberg, T.Yu. Bekler. T-Wave Alternats Modeling on Artificial Electrocardiogram with Internal and External Perturbation, Journal of Automation and Information Sciences, Vol. 44, Issue 7, p. 1-14, 2012.

14.PhysioNet: The Research Resource for Complex Physiologic Signals. – www.physionet.org.

15.М.И. Лутай, И.П. Голикова, Е.А. Немчина. Стабильная стенокардия напряжения и методы ее диагностики, Здоровье Украины, № 11, с. 18-21, 2008.

16.Small Animal Cardiology. – http://research.vet.upenn.edu/smallanimalcardiology/ECGTutoria/AbnormalECGs/tabid/4960/Default.as

17.Л.С. Файнзильберг. Технология построения телемедицинской системы на основе генеративной модели порождения искусственной ЭКГ реалистической формы, Клиническая информатика и телемедицина, Т. 8, Вып. 9, с. 89-98, 2012.