Поцикловое обнаружение Р-зубцов ЭКГ в кардиомониторных системах

• Автор: Петров, Глеб Анатольевич
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Санкт-Петербург
• Количество страниц: 151 с. : ил

ВВЕДЕНИЕ
1. АВТОМАТИЗАЦИЯ АНАЛИЗА ЭКГ В СИСТЕМАХ
МОНИТОРНОГО НАБЛЮДЕНИЯ
1.1. Электрокардиографические исследования
1.2. Особенности электрокардиосигнала
1.3. Устройства регистрации ЭКГ
1.4. Электрокардиографические отведения
1.5. Кардиомониторные системы
1.6. Классификация кардиомониторов
1.7. Алгоритмическое обеспечение кардиомониторных
систем _2
1.8. Алгоритмы определения характерных точек ЭКГ
1.9. Задачи обнаружения Р-зубцов ЭКГ
1.10. Методы обнаружения Р-зубцов ЭКГ
1.10.1. Алгоритмы обнаружения Р-зубцов на основе цифровой фильтрации
1.10.2. Алгоритмы обнаружения на основе й?ауеДе(:-преобразования
1.10.3. Корреляционные методы обнаружения Р-зубцов
1.10.4. Контекстуальный анализ
Выводы по главе
2. АЛГОРИТМ ОБНАРУЖЕНИЯ Р-ЗУБЦОВ ЭКГ
2.1. Разработка структуры программно-алгоритмического
обеспечения КМС с функцией обнаружения Р-зубцов
2.2. Исследуемые характеристики алгоритмов обнаружения
Р-зубцов ЭКГ
2.3. Алгоритм определения наличия Р-зубцов перед
фРЯ-комплексами
2.4. Одноканальный корреляционный алгоритм обнаружения
Р-зубцов
2.4.1. Оптимизация параметров модели
2.4.2. Оптимизация порога обнаружения
2.5. Одноканальный алгоритм обнаружения на основе
обобщенного расстояния
2.5.1. Оптимизация параметров алгоритма

2.6. Многоканальный алгоритм обнаружения Р-зубцов ЭКГ _
2.6.1. Оптимизация параметров многоканального алгоритма обнаружения Р-зубцов
2.7. Адаптивный алгоритм обнаружения Р-зубцов ЭКГ
2.8. Адаптивный многоканальный алгоритм обнаружения
Р-зубцов ЭКГ
Выводы по главе
3. АНАЛИЗ ЭКГ С СИЛЬНО ВЫРАЖЕННЫМИ ДЫХАТЕЛЬНЫМИ ИСКАЖЕНИЯМИ
3.1. Актуальность проблемы
3.2. Одноканальный алгоритм, устойчивый к искажениям
сигнала, связанным с дыханием
3.3. Метод восстановления траектории движения электрического вектора сердца на плоскости
по одному отведению 7
3.4. Метод восстановления проекций электрического
вектора сердца на ось отведения
3.5. Алгоритмы оценки схожести форм фРЯ-комплексов,
снятых в разные фазы дыхания
3.6. Алгоритм выбора базисных комплексов
3.7. Оценка схожести форм реальных комплексов и
восстановленных проекций
Выводы по главе
4. ТЕСТИРОВАНИЕ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ
4.1. Тестирование разработанных алгоритмов
4.1.1. База данных М1Т-В1Н
4.1.2. База данных ЭКГ ОТ
4.1.3. База данных ЭКГ ReWave
4.1.4. База данных для отладки и тестирования
алгоритмов автоматического анализа ЭКГ
4.2. Контрольное тестирование алгоритмов обнаружения
Р-зубцов
4.2.1. Тестирование одноканального алгоритма на основе обобщенного расстояния
4.2.2. Тестирование многоканального алгоритма

4.2.3. Адаптивный алгоритм
4.2.4. Тестирование многоканального адаптивного алгоритма обнаружения Р-зубцов
4.3. Результаты тестирования алгоритма анализа дыхательных искажений ЭКГ
4.4. Одноканальный алгоритм оценки схожести форм ОРЗ-комплексов, снятых в разные фазы дыхания
4.5. Особенности программной реализации разработанных алгоритмов для использования в кардиомониторной системе
Выводы по главе
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ
Примеры записей ЭКГ базы данных RєWave

фазный зубец определялся по наличию двух близкорасположенных максимумов выходной функции для модели однофазного зубца Р.
Таким образом, работа алгоритма сводится к подсчету функций корреляции сигнала с двумя моделями Р-зубца. Обнаружение Р-зубца производится в окне перед ОРБ-комплексом. В качестве обнаружителя использован пороговый алгоритм.
К недостаткам алгоритма следует отнести:
- отсутствие адаптации моделей Р-зубца к реальному сигналу;
- отсутствие модели для М-фазного зубца;
- недостаточное обоснование выбора параметров функции NaveLet-преобразования при формировании моделей зубцов Р.
1.10.3. Корреляционные методы обнаружения Р-зубцов
Корреляционные методы обнаружения Р-зубцов используются достаточно широко. В частности, к алгоритмам на основе корреляции можно отнести алгоритм, описанный выше [ 4 5] .
Достоинством корреляционного анализа сигнала является возможность формирования достаточно сложных моделей Р-зубца. Функция корреляции нормирована, что облегчает процесс оптимизации порога срабатывания алгоритма обнаружения. При этом могут использоваться модели сигнала наиболее близкие по форме к реальным Р-зубцам.
К недостаткам корреляционных алгоритмов следует отнести:
- Относительную сложность вычислений функции корреляции;
- Отсутствие зависимости функции корреляции от амплитуды сигнала .
1.10.4. Контекстуальный анализ
Алгоритм на основе контекстуального анализа описан в работе [ 53, 7 6] . В алгоритме осуществляется поиск Р-зубцов по остаточ-
ной ЭКГ. Под остаточной ЭКГ понимается сигнал, оставшийся после вычитания из него усредненной модели СРЭТ-фрагмента.