Исследование нейронных сетей для распознавания патологических отклонений формы электрокардиосигнала

• Автор: Муштак Али Мухамед Салех
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Владимир
• Количество страниц: 135 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1 СОВРЕМЕННЫЕ МЕТОДЫ ОБРАБОТКИ И АНАЛИЗА
ЭЛЕТРОКАРДИОСИГНАЛА
1Л. Особенности регистрации, обработки и анализа электрокардиосигнала
1.2. Параметры электрокардиограммы условно здорового человека
1.3. Современные походы к анализу ЭКС
1.4. Применение искусственных нейронных сетей (ИНС) в анализе электрокардиосигнала
1.5. Выводы
ГЛАВА 2 ТЕОРЕТИЧЕСКИЕ ПРЕДПОСЫЛКИ СОЗДАНИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ НАРУШЕНИЙ В РАБОТЕ СЕРДЦА
2.1 Классическая процедура автоматизированного анализа ЭКГ
2.2 Помехи при регистрации электрокардиосигнала
2.3 Методы селекции Я - зубцов
2.4 Выбор и обоснование структуры нейросетевой системы анализа ЭКС
2.4.1 Основные положения искусственных нейронных сетей
2.4.2 Функции активации нейронов
2.4.3 Архитектура искусственных нейронных сетей
2.4.4 Методы обучения искусственных нейронных сетей
2.4.5 Обоснование выбора типа нейронной сети для анализа электрокардиосигнала
2.5 Выводы
ГЛАВА 3 ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА К АНАЛИЗУ ЭЛЕКТРОКАРДИОСИГНАЛОВ
3.1 Описание экспериментального архива данных ЭКС
3.2 Методика формирования входного образа ЭКС
3.3 Алгоритм предварительной обработки ЭКС
3.4 Разработка структуры базы данных ИНС

3.5 Процедура проведения исследований ИНС
3.6 Алгоритм экспериментального программного исследования функционирования ИНС
3.7 Результаты исследования ИНС
3.7.1 Результаты исследования нейронных сетей с применением сегментации ЭКГ
3.7.2 Результаты исследования нейронных сетей с применением сегментации и параметризации ЭКГ
3.7.3 Алгоритм поиска оптимального размера нейронной сети
3.8 Выводы
ГЛАВА 4 АППАРАТНО - ПРОГРАММНЫЙ КОМПЛЕКС ОБРАБОТКИ И НЕЙРОСЕТЕВОГО АНАЛИЗА СЕГМЕНТИРОВАННОГО ЭЛЕКТРОКАРДИОСИГНАЛА
4.1 Структура экспериментальной системы нейросетевого анализа электрокардиосигнала
4.2 Блок усиления и аналого-цифрового преобразования
4.3 Блок регистрации сигнала
4.4 Блок обработки и визуализации сигнала в реальном времени
4.5 Блок предварительной обработки сигнала и выделения образов
4.6 Блоки нейросетевого анализа сигнала
4.7 Блок принятия решений
4.8 Блок формирования реультатов анализа сегментированного ЭКС
4.9 Сравнение с аналогом
4.10 Выводы
ЗАКЛЮЧЕНИЕ И РЕКОМЕНДАЦИИ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность проблемы.
Радиотехнические методы приёма, обработки и хранения информации получили широкое развитие в различных областях жизни и продолжают расширять свои области применения, охватывая такую предметную область, как медицина.
Применение радиотехнических устройств обработки биомедицинских сигналов способствует увеличению объёма и качества получаемой информации о функциональном состоянии человека, и как следствие, созданию более эффективных биомедицинских приборов, аппаратов и систем.
Так применение методов обнаружения и селекции слабых сигналов на фоне помех для автоматического анализа электрокардиосигнала (ЭКС) позволяет выявить различные виды нарушений в работе сердца, в т.ч. аритмии.
Автоматизация процесса приёма, обработки и анализа ЭКС для обнаружения и распознавания патологических отклонений является актуальной задачей диагностики работы сердца человека, т.к. заболевания сердечнососудистой системы (ССС) являются наиболее распространенной причиной смертности и инвалидности во всем мире. По данным Всемирной организации здравоохранения смертность от этих заболеваний составляет 30% в мире и 42% в Европе.
В связи с этим особую значимость и практический интерес представляют мобильные кардиомониторы (МКМ), обладающие расширенными функциональными возможностями для экспресс-диагностики работы сердца с помощью интеллектуальных методов регистрации, обработки и анализа электрокардиосигнала (ЭКС) и обеспечивающие получение достоверной информации об электрической активности сердца на основе раннего выявления в ЭКС каких либо изменений по сравнению с ЭКС здорового человека.

траекторий при различных начальных значениях переменных дает обозримый портрет системы. Построение фазового портрета позволяет сделать выводы о характере изменений переменных без анализа аналитических решений исходной системы уравнений [43].
Построение и топологический анализ фазовых портретов (фокус, узел, седло и т.д.). Математическим образом установившегося хаотического поведения в динамических системах являются фазовый портрет (ФП) представляющий собой странные аттракторы. Другой разновидностью фазового портрета динамической системы может быть изолированная замкнутая кривая на фазовой плоскости или предельный цикл. Обычно в кардиологии применяется построение ФП одномерного сигнала (например, К-Я интервалограммы) в 3-х мерной или 2-х мерной плоскости по методу Такенса: по одной оси откладывается исходный сигнал, по другим - исходный сигнал с опозданием на одно или несколько значений (рис. 1.14).
Рис. 1.14- Пример фазового портрета, построенного методом Такенса
Существование предельного цикла на фазовой плоскости - есть основной признак автоколебательной системы. Если колебания в системе имеют постоянные период и амплитуду, устанавливаются независимо от начальных условий и поддерживаются самой системой, а не вследствие