Методы автоматического анализа биосигналов с хаотическими свойствами для медицинских компьютерных систем

• Автор: Зозуля, Елена Павловна
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Санкт-Петербург
• Количество страниц: 212 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
Г лава 1. Диагностирование фибрилляции предсердий кардиомониторными системами
1.1. Электрофизиологические особенности фибрилляции предсердий
1.2. Математическая модель фибрилляции предсердий
1.3. Обзор медицинских диагностических систем кардиологического назначения
1.4. Автоматическое обнаружение фибрилляции предсердий
1.4.1. Алгоритмы анализа на основе аппроксимированной энтропии
1.4.2. Алгоритмы анализа с использованием условной энтропии
1.5. Автоматическая классификация типов фибрилляции предсердий
1.6. Выводы
Глава 2. Применение методов нелинейной динамики для анализа биосигналов
2.1. Особенности нелинейной динамики биосигналов
2.2. Основные термины и понятия, используемые в нелинейной динамике
2.3. Сигналы, используемые для тестирования реализованных алгоритмов
2.4. Реконструкция аттракторов. Фрактальные размерности
2.5. Вычисление корреляционной размерности аттрактора. Корреляционный интеграл, размерность вложения
2.6. Расчет фрактальной размерности дисперсионным методом
2.7. Вычисление максимального характеристического показателя Ляпунова
2.8. Применение энтропийных методов для анализа глубины анестезии по электроэнцефалограмме
2.9. Выводы
Глава 3. метод морфологического Анализа псевдофазового портрета сердечного ритма
3.1. Методы анализа структуры ритма в двухмерном пространстве
3.2. Выбор псевдофазового пространства
3.3. Формирование набора морфологических признаков
3.4. Формирование обучающей и контрольной выборок
3.5. Построение линейных решающих функций.с применением критерия Фишера
3.6. Влияние длины фрагмента на качество разбиения данных на классы
3.7. Оценка алгоритма морфологического анализа хаотических колебаний в псевдофазовом простанстве
3.8. Выводы
Глава 4. АЛГОРИТМ АВТОМАТИЧЕСКОЙ КЛАССИФИКАЦИИ ТИПОВ ФИБРИЛЛЯЦИИ ПРЕДСЕРДИЙ НА ОСНОВЕ СТРУКТУРНЫХ МЕТОДОВ РАСПОЗНАВАНИЯ ОБРАЗОВ
4. К Переход от двухмерного псевдофазового пространства к трехмерной гистограмме
4.2. Структурный метод распознавания, основанный на сопоставлении цепных кодов
4.3. Анализ распределения точек в псевдофазовом пространстве
4.4. Исследование алгоритма автоматического распознавания типов фибрилляции предсердий на модельных сигналах
4.5. Формирование обучающей и контрольной выборок
4.6. Алгоритм классификации типов фибрилляции предсердий и оценка его эффективности
4.7. Исследовательская биотехническая система для мониторирования деятельности сердца
4.8. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
Приложение 1. Графические и численные результаты экспериментов
ПРИЛОЖЕНИЕ 2. ТЕКСТ ПРОГРАММЫ

СПИСОК СОКРАЩЕНИЙ
ФП - фибрилляция предсердий;
АВ - атриовентрикулярный;
ЭКГ - электрокардиограмма;
ЭКС - электрокардиосигнал;
ИБС - ишемическая болезнь сердца;
КРГ — корреляционная ритмограмма;
ВСР - вариабельность сердечного ритма;
УЭ - условная энтропия;
КУЭ - корректированная условная энтропия; АрЕп - аппроксимированная энтропия;
СР - сердечный ритм;
ЭЭГ - электроэнцефалограмма;
ЛДА - линейный дискриминантный аналих; НР - нормальный ритм;
ЧЭ - частая экстрасистолия;

10 9 8 7 6 5 4
°0 0.2 0.4 0.6 0.8 1 1

Рис. 1.11. Плотности распределения проекций объектов на единичный вектор для классов фибрилляция предсердий (сплошная линия) и объединения классов нормального ритма и частой экстрасистолии (пунктирная линия) и
разделяющая функция.
Таблица 1.1.
Чувствительность и специфичность разработанного метода
Параметр Значение
Количество ошибок первого рода
Количество ошибок второго рода
Чувствительность 98%
Специфичность 98,5%
Данный алгоритм обладает высоким уровнем чувствительности и специфичности при распознавании фибрилляции предсердий, следовательно, он может применяться в автоматических кардиомониторных системах (Таблица
1.1.). Однако для обнаружения ФП по этому методу, для анализа требуется фрагмент ритмограммы длиной не менее 300 отсчетов, что соответствует примерно 5 минутам регистрации ЭКГ.