Устройства для регистрации и передачи электрокардиограмм
Информация - Медицина, физкультура, здравоохранение
Другие материалы по предмету Медицина, физкультура, здравоохранение
Вµктивно адаптироваться к нестационарному характеру ЭКГ, поэтому в задачах выделения QRS-комплексов используются при адаптивной согласованной фильтрации [10]. Чувствительность методик варьируется в широком диапазоне, но в целом достигает 99%.
Группу г составляют синтаксические алгоритмы, также известные как лингвистические или грамматические. Исходный анализируемый сигнал представляется в виде определенной последовательности примитивов, определяются специальные правила (грамматики), порождающие тот или иной элемент ЭКГ из множества примитивов. Выделение элементов ЭКГ сводится к определению порождающей грамматики [10].
Сердечный цикл
Группу д составляют различные комбинации методов, обычно являющиеся синтезом алгоритмов групп в и б или в и а. Особенно выигрышным оказалось первое сочетание, поскольку подобный подход позволяет достичь максимальной на сегодняшний день чувствительности - 99,9% на тестовых подборках ЭКГ. К недостаткам методов этой группы стоит отнести требовательность к вычислительным ресурсам.
Проведенный анализ показал, что методики групп б, в, г и д требуют в единицу времени на порядок больше элементарных математических операций, чем методы группы а, при этом чувствительность и эффективность QRS-детектора обычно повышается на 1-3%. Более того, необходим достаточно больший интервал времени для адаптации параметров детектора, что делает подобные алгоритмы трудно применимыми для систем реального времени, когда необходимо получение ЧСС с первых секунд после начала съема ЭКГ. Вейвлет-анализаторы обычно применяются при автоматизированном анализе уже записанной длительной ЭКГ и отличаются повышенной устойчивостью к шумам, нейросетевые алгоритмы активно применяются для классификации элементов ЭКГ.
Алгоритм выделения QRS - комплексов
Предлагаемый алгоритм детектирования QRS - комплексов для программных ЭКГ-систем реального времени основывается на ряде хорошо себя зарекомендовавших методов [3, 8], относящихся к группе а. Методика разработана с учетом требований систем ЭКГ реального времени, специально адаптирована для реализации с использованием высокооптимизированной библиотеки цифровой обработки сигналов NSP компании "Интел" [4] и позволяет надежно в режиме реального времени определять положение QRS - комплексов в каждом из 12 стандартных отведений.
Алгоритм делится на несколько шагов:
1)предварительная обработка ЭКГ, которая заключается в высокочастотной (ВЧ) и низкочастотной (НЧ) фильтрации входящего потока ЭКГ;
2)вычисление 2 входных потоков данных - сигнала, прошедшего предварительную обработку, и сигнала, дополнительно подвергнутого ряду нелинейных преобразований;
3)вычисление и сравнение адаптивных пороговых значений соответственно с двумя входными потоками;
4)определение интервала, в котором предположительно содержится R-зубец;
5)фильтрация некорректно определенных R - зубцов;
6)определение положения R-зубцов в каждом из 12 стандартных отведений.
Предварительная обработка ЭКГ заключается в фильтрации помех, в основном являющихся сетевым шумом iастотой 50/60 Гц и шумом электрической активности мышц, что можно сделать достаточно эффективно одним фильтром низкой чистоты (ФНЧ). Был применен КИХ-фильтр 48-го порядка, расiитанный с окном Кайзера, имеющий линейную фазо-частотную характеристику (ФЧХ) в полосе пропускания. Данный фильтр обеспечивает подавление 50 Гц на 65 дБ, 60 Гц на 60 дБ, мышечного тремора - 10-20 дБ (рис.2).
ФЧХ данного фильтра имеет линейный вид в полосе пропускания, что минимизирует искажения ЭКГ в интересующей нас области. Возможно применение и других фильтр с конечно-импульсивной характеристикой (КИХ) - фильтров, имеющих линейную ФЧХ, например фильтров, синтезированных на основе метода Паркса-Маклеллана [7], который представляет собой оптимальный алгоритм раiета КИХ-фильтров с требуемой АЧХ на основе алгоритма полиномиальной аппроксимации Ремеза. Выбор того или иного фильтра диктуется прежде всего вычислительной нагрузкой и необходимой эффективностью подавления шума. Современные вычислительные возможности позволяют производить обработку КИХ-фильтрами достаточно высокого порядка, что дает возможность отказаться от использования заведомо более эффективных, но приводящих к значительным искажениям фильтр с бесконечно-импульсивной характеристикой (БИХ) - фильтров. В качестве альтернативного решения может быть предложена адаптивная фильтрация.
Поскольку исходная ЭКГ содержит некоторую шумовую составляющую, имеющую низкую частоту (менее 1 Гц), так называемый дрейф изолинии, необходима коррекция ЭКГ. Для этого возможно применение различных ФВЧ, например БИХ - фильтра Баттерворда низкого порядка. Большой порядок фильтра в данном случае неважен, поскольку даже фильтры 2-3 порядка обеспечивают достаточное для нормальной работы алгоритма подавление постоянной составляющей. При необходимости подобный БИХ-фильтр может быть эффективно заменен адаптивным КИХ-фильтром. Интересным представляется также использование морфологических фильтров [9], что, однако, приводит к увеличению вычислительной нагрузки.
(О
Следующим этапом работы алгоритма является вычисление адаптивных пороговых значений. Для повышения эффективности метода вычисляются два адаптивных пороговых значения, которые применяются соответственно к двум потокам данных: первый поток данных содержит сигнал, прошедший предварительную обработку -