Модели и алгоритмы хронопрогнозирования исходов мерцательной аритмии

• Автор: Хливненко, Любовь Владимировна
• Шифр специальности: 05.13.09
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Белгород
• Количество страниц: 114 с.

СОДЕРЖАНИЕ
Введение
Глава 1. Современные методы оценки и прогнозирования развития мерцательной
аритмии и ее исходов
Выводы по главе
Глава 2. Применение математического аппарата теории нечетких множеств в
распознавании образов
Выводы по главе
Глава 3. Методы исследования
3.1. Методы распознавания нарушений ритма сердца
3.2. Корреляционная ритмография
3.3. Статистические приемы исследования ритма сердца
3.4. Приложения теории нечетких множеств в распознавании образов
3.5. Показатели статистической оценки эффективности систем
распознавания
Выводы по главе
Глава 4. Разработка генератора, моделирующего нарушения ритма сердца при мерцательной аритмии, для решения вопроса о представительности обучающих массивов
4.1. Разработка генератора авторегрессионных облаков
4.2. Формирование обучающих массивов
Выводы по главе
Глава 5. Разработка алгоритмов хронопрогнозирования исходов мерцательной аритмии
5.1. Выделение информативных признаков из матриц трофотропных и эрготропных коррекций здоровых и больных мерцательной аритмией людей
5.2. Вывод решающих правил для дихотомического разделения мономо-дальных и немономодальных классов авторегрессионных облаков
при обучении на основе прямого опроса группы экспертов
5.3. Введение статистических характеристик распределения межпульсовых интевалов для дифференциации мономодальных классов авторегрессионных облаков
5.4. Вывод решающих правил для дихотомического разделения полимодального и амодального классов авторегрессионных облаков при обучении на основе нечетких характеристик “учителя”
Выводы по главе
Глава 6. Структура макетного образца биотехнической системы хронопрогнозиро-
вания исходов мерцательной аритмии
Выводы по главе
Глава 7. Оценка эффективности хронодиагностических алгоритмов на обучающих
массивах
Выводы по главе
Глава 8. Заключение. Оценка эффективности работы макетного образца биотехнической системы хронопрогнозирования исходов мерцательной аритмии
на экзаменационном массиве
Выводы по главе
Основные выводы и результаты работы
Список литературы
Список сокращений
ВВЕДЕНИЕ
Сердечно-сосудистые заболевания стоят на одном из первых мест по распространенности, инвалидизации, темпу прироста смертности населения среди других заболеваний. Так, темп прироста смертности среди трудоспособного населения от сердечно-сосудистых заболеваний составил 76,3 % за период с 1990 по 1994 гг. [40]. Важно подчеркнуть, что синдром мерцательной аритмии, который утяжеляет течение любого заболевания, довольно часто встречается как осложнение при сердечно-сосудистых заболеваниях и выступает как самая распространенная форма тахиаритмий. Синдром мерцательной аритмии регистрируется приблизительно у 0,5 - 1 % взрослого населения, а у лиц старше 75 лет его частота достигает 10 % [79].
Так как среди нарушений ритма сердечной деятельности мерцательная аритмия встречается чаще других, то и прогноз исходов ее лечения представляет большой практический интерес.
Существуют медикаментозные [3,7,11,43,70] и физические способы [10] восстановления синусового ритма при мерцательной аритмии. Каждый из них имеет свои преимущества и недостатки.
Для каждого из способов восстановления синусового ритма необходим прогноз возможности восстановления и сохранения синусового ритма на протяжении не менее чем шести последующих месяцев. Для реализации этих двух задач необходим прогноз полезности восстановления синусового ритма, так как возможен риск эмболических осложнений и рецидивы мерцания.
До последнего времени решение проблемы полезности восстановления синусового ритма целиком основывалось на общеклинических методах исследования, что не всегда позволяло получить правильные результаты. Общеклинические методы решения проблемы эффективности восстановления синусового ритма оказываются трудоёмкими и малонадёжными в силу субъективизма критериев оценки [70].
Следовательно, являются актуальными поиски математических критериев и способов прогнозирования восстановления синусового ритма. Известен способ

корреляционной ритмографии, позволяющие давать прогностические оценки возможности восстановления синусового ритма. Данный метод исследования реализован при помощи аппаратных средств, включающих электрокардиографическую приставку, электрокардиоскоп и фотоаппарат для фиксирования типа авторегрессионного облака. Известны и модификации данного способа, использующие вычислительные машины, когда предварительно обработанную информацию в виде авторегрессионных облаков предъявляют врачу-эксперту, который и дает заключение о конечном прогнозе (Пятакович Ф.А. с соавт.). Такой подход упрощает задачу с позиций экономии времени, но не уменьшает ее субъективной нагрузки, поскольку каждый врач-эксперт по своему может определить принадлежность авторегрессионного облака к тому или иному классу. Исследователями предлагается для повышения точности прогнозирования разработать экспертную компьютерную систему [71].
В связи со сказанным весьма актуальным представляется поиск методов анализа электрофизиологической информации, базирующихся на количественном подходе с использованием математических правил и по своей надежности не уступающих методам врачебного анализа и превосходящих их по отсутствию субъективизма. Одним из таких методов является метод распознавания образов, основанный на нечетких'правилах классификации обучающих объектов.
Целью работы является автоматизация прогнозирования исходов мерцательной аритмии путем создания обучающейся компьютерной биотехнической системы автоматического хронопрогнозирования исходов мерцательной аритмии, обеспечивающей индивидуализацию и объективность прогноза.
Для реализации поставленной цели в работе решены следующие задачи.
1. Проведение анализа перспективных направлений, связанных с решением задачи увеличения эффективности прогнозирования исходов синдрома мерцательной аритмии, основанных на количественном подходе с использованием нечетких математических правил.
2. Создание моделей, обеспечивающих искусственное воспроизведение прогнозируемых состояний.
точки максимума кривой распределения.
С помощью , значений дисперсии, вычисляемой по формуле В(Х) = М[Х ~М(Х)]2, и среднего квадратичного отклонения ах = -/Е>(Х) судят о рассеянии случайной величины X относительно математического ожидания.
Центральным моментом д-го порядка случайной величины X считают математическое ожидание величины [X - М(Х)]': - М{ [X - М(Х)]'}.
Нормированный центральный момент третьего порядка служит характеристикой скошенности или асимметрии распределения (коэффициент ассиметрии):
А = цъ!<у>.
Нормированный центральный момент четвертого порядка служит характеристикой островершинности или плосковершинности распределения (эксцесс):
А=Ць!с
Формула для вычисления относительной энтропии имеет вид: к

# = -£>,. ‘ 12 Р (гДе Р1 " вероятность попадания межпульсового интервала в /-

ый класс), Н о = о%2 т - максимальная энтропия.
Избыточность определяется по формуле: £> = 1 — к.
Условно-вероятностный анализ включает алгоритм, разработанный Ф.А. Пята-ковичем с соавт.
Алгоритм. Определение реализаций трофотропных и эрготропных коррекций.
Вся шкала длительностей межпульсовых интервалов делится на классовые интервалы по 0,04 с и каждый межпульсовый интервал временного ряда регистрируемого вектора межпульсовых интервалов кодируется номером классового интервала, соответствующего его длительности. Полученный временной ряд преобразуется в матрицу переходов межпульсовых интервалов из нго класса в 1+п класс, где последовательности строк составляют номера классов предшествующих интервалов, а ячейки на их пересечении содержат количество переходов определенного предшествующего межпульсового интервала к соответствующему последующему. Если последующий интервал попадает в тот же нй класс (независимо от его номера), что и предыдущий