Методология построения эффективных параметров компьютерной электрокардиографической диагностики, базирующаяся на долевом принципе

• Автор: Соболев, Александр Владимирович
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 256 с. : ил

Оглавление

Список сокращений .

Введение
Глава 1. Критический обзор методов компьютерного анализа электрокардиосигнала и проблем, возникающих при их использовании. Постановка задачи исследования

1.1. Предварительные замечания.

1.2. Современное состояние компьютерного анализа ЭКГ покоя.

1.3. Использованные и неиспользованные возможности компьютерного анализа ортогональных отведений ЭКГ
1.4. Современное состояние компьютерного анализа электрического поля сердца в динамике.

1.5. Проблемы, возникающие при компьютерном анализе динамики сегмента ЭТ.

1.6. Современное состояние компьютерного анализа вариабельности ритма сердца.

1.7. Почему использование традиционных характеристик при анализе вариабельености ритма сердца на длительных промежутках времени не приводит к диагностически значимым результатам .
1.8. Постановка задачи исследования
Глава 2. Долевой принцип выбора диагностических и дифференциальнодиагностических параметров электрического поля сердца.
2.1. Формулировка долевого принципа выбора параметров .
2.2. Реализация долевого принципа при анализе ЭКГ3 в
покое. Долевые интегралы комплексов ОРЭТ.
2.3. Реализация долевого принципа при анализе ЭКГ3 в динамике. Долевые интегралы сегмента ЭТТ
2.4. Реализация долевого принципа при анализе вариабель
ности ритма сердца. Вариация короткого участка ритмограммы .
Глава 3. Математический аппарат и способы компьютерной обработки данных, используемые при выборе диагностически значимых параметров 8
3.1. Построение параметров петель ВКГ, порожденных собственной системой координат
3.2. Методика построения критериев синдромальной ЭКГдиагностики, базирующихся на долевых интегралах .
3.3. Методика построения параметров при анализе ЭКГ
в динамике
3.4. Методика построения параметров вариабельности ритма сердца, базирующихся на вариации короткого участка ритмограммы.
Глава 4. Использование интегральных параметров векторкардиографической петли Р в дифференциальной диагностике увеличения предсердий
4.1. Электрокардиографический материал, используемый при исследовании увеличения предсердий
4.2. Построение диагностически значимых интегральных характеристик векторной петли Р.
4.3. Критерии диагностики увеличения предсердий .
4.4. Использование вектора наилучшего приближения петли
Р в дифференциальной диагностике увеличения предсердий . .
4.5. Чувствительность диагностики увеличения предсердий. .
4.6. Визуализация петли Р в проекции на ее плоскость наилучшего приближения
Глава 5. Использование долевого принципа в синдромальной ЭКГдиагностике патологий желудочков
5.1. Критерии диагностики и дифференциальной диагностики патологий желудочков
5.2. Обсуждение полученных результатов .
5.3. Алгоритм дифференциальной диагностики рубцовых и гипертрофических изменений ЭКГ, базирующийся на выработанных критериях
5.4. Результаты работы алгоритма на обучающей и тестовой выборках.
5.5. Результаты компьютерной дифференциации очаговорубцовых и псевдорубцовых изменений ЭКГ, возникающих при комбинированной гипертрофии желудочков .
Глава 6. Применение долевого принципа при компьютерном выявлении ишемии в ходе нагрузочной пробы
6.1. Методика компьютерной оценки значимости динамики параметров
6.2. Методика сравнения результатов автоматической оценки изменений с результатами визуальной оценки динамики
6.3. Результаты применения описанной методики .
6.4. Обсуждение полученных результатов
Глава 7. Применение долевого принципа к анализу вариабельности ритма сердца.
7.1. Анализ вариабельности ритма сердца у здоровых лиц. Выработка критериев снижения вариабельности ритма сердца . .
7.2. Анализ вариабельности ритма сердца у больных с различными сердечнососудистыми заболеваниями .
Заключение
Список использованной литературы


При автоматическом анализе все действия от предварительного анализа введенной в компьютер ЭКГ до получения синдромальных заключений осуществляются компьютерными программами без вмешательства человека. Например, врач может выбрать для анализа представительный кардиоцикл, отличающийся от кардиоцикла, выбранного компьютерной программой, уточнить определяемые компьютером границы зубцов ЭКГ, скорректировать синдромальное заключение и т. В электрокардиографах на микропроцессорной оснозе синдромальная диагностика если она присутствует осуществляется в автоматическом режиме. В компьютерных системах анализ ЭКГ почти всегда автоматизированный. Вашингтонский и Миннесотский коды, и т. Пипбергера с соавт. В той же работе 9 системами второго поколения были названы появившиеся позже системы, в которых используются алгоритмы, базирующиеся на статистическом анализе параметров ЭКГ. Классические методы статистики предполагают нормальность распределения исследуемых параметров. Для диагностически значимых параметров ЭКГ такое требование выполняется крайне редко. ЭКГ, основанные на оценках локальной плотности распределения , 2, 1 и более сложные методы анализа вплоть до нейронных сетей 5, 1, 2, 0, 0 . Все сказанное относится к анализу как параметров, общепринятых в клинической электрокардиографии, так и к анализу любых других параметров ЭКГ. Здесь следует отметить, что при диагностике той или иной конкретной патологии правильный выбор анализируемого параметра ЭКГ может существенно повысить точность диагностического заключения. При этом оптимальный с точки зрения поставленной задачи параметр не обязательно является параметром, общепринятым в клинической электрокардиографии. Особенно это относится к параметрам ортогональной ЭКГ3. Для поиска диагностически оптимальных параметров используются различные математические приемы вычисление интегральных характеристик ЭКГ, разложение кривых ЭКГ в ряды по различным системам ортогональных функций, преобразование КаруненаЛоева и др. Следует сказать, что поиск параметров такого рода является чисто математической задачей, а найденные таким образом параметры не всегда допускают очевидное толкование с электрофкзмологической точки зрения и не всегда понятны врачу. Но вместе с тем они часто оказываются эффективнее традиционных параметров ЭКГ при компьютерной синдромальной диагностике. Отметим еще одну тенденцию в развитии систем электрокардиографической диагностики тенденцию к взаимодействию интеллекта компьютера и интеллекта врача. ДЭКАРТО , , . ЭКГ, множественных отведений ЭКГ и ортогональных систем отведений ЭКГ ЭКГ3. Но прежде, чем переходить к описанию конкретных методов, сделаем несколько замечаний о типах задач компьютерой ЭКГдиагностики и подходах к их решению. В такой диагностике можно условно выделить два типа задач. Задача типа 1. Априори известно, что исследуемая ЭКГ принадлежит к одному из двух классов А или Б. Требуется выяснить, к какому из классов А или Б она принадлежит. Задача типа 2. Существует много три или более классов, к которым может принадлежать исследуемая ЭКГ. Требуется выяснить, к какому из имеющихся классов она принадлежит. К задаче типа 1 чаще всего приводит ситуация, когда нужно выявить наличие или отсутствие у обследуемого конкретной патологии. Примером задачи типа 2 является задача получения в автоматическом режиме синдромального заключения при анализе ЭКГ обследуемого, про которого априори неизвестно ничего. Разумеется, задача типа 1 является частным случаем задачи типа 2, а решение задачи типа 2 можно свести к последовательному решению нескольких задач типа 1. Тем не менее, существует некоторое различие в подходах к решению этих дзух типов задач. Основным приемом решения задач типа 1 является построение разделяющих функций так, как это делается при распознавании образов. Применительно к нашей ситуации задачу построения разделяющей функции можно сформулировать следующим образом. Имеется набор совокупностей кривых ЭКГ например, кривых ЭКГ, кривых ЭКГ3, кривых ЭКГ и т. А и Б. Каждая кривая характеризуется одним и тем же параметром Ь скалярным или векторным. Б неравенство Ь 0. Ь называется разделяющей функцией, а неравенство 1Ъ 0 критерием принадлежности кривой ЭКГ к классу Б.