МИНОБРНАУКИ РОССИИ

Санкт-Петербургский государственный

электротехнический университет

«ЛЭТИ» им. В.И. Ульянова (Ленина)

Кафедра Биотехнических систем

АНАЛИТИЧЕСКИЙ ОТЧЕТ

по дисциплине «Биотехнические системы и технологии»

Студентка гр. 6503		Лебедь Г. Р. М.
Преподаватель		Семенова Е. А.

Санкт-Петербург

2021

СОДЕРЖАНИЕ

Y

1 ЦЕЛИ И ЗАДАЧИ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ 3

2 СТРУКТУРА БИОТЕХНИЧЕСКОЙ СИСТЕМЫ 5

3 ХАРАКТЕРИСТИКА ОБЪЕКТА ИССЛЕДОВАНИЯ 9

4 УСТОЙЧИВОСТЬ СИСТЕМЫ 13

5 ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ 17

7 ПУТИ СОВЕРШЕНСТВОВАНИЯ СИСТЕМЫ 24

ЗАКЛЮЧЕНИЕ 26

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 28

1 Цели и задачи диссертационного исследования

Наименование магистерской диссертации: «Распознавание фибрилляции предсердий на основе совместного анализа ЭКГ и фонокардиограммы».

Целью магистерской диссертации является создание алгоритма и программного комплекса для распознавания фибрилляции предсердий на основе совместного анализа ЭКГ и фонокардиограммы.

Объектом исследования является разрабатываемый алгоритм, выполняющий для записей фонокардиограммы и ЭКГ фильтрацию, переход от временной области к частотной (получение спектра), выделение значимых диагностических признаков и классификацию сигналов.

Предметом исследования является программное обеспечение на языке Python, реализующее разработанный алгоритм распознавания фибрилляции предсердий.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Обзор существующих методов автоматической диагностики фибрилляции предсердий с использованием машинного обучения.

2. Выбор информативных признаков ЭКГ-сигнала и фонокардиограммы, характеризующих диагностически значимые особенности фибрилляции предсердий.

3. Разработка эффективного алгоритма распознавания фибрилляции предсердий на основе совместного анализа ЭКГ и фонокардиограммы.

4. Реализация разработанного алгоритма детектирования фибрилляции предсердий на языке Python.

5. Тестирование разработанного алгоритма на тестовом наборе данных.

6. Проведение анализа полученных результатов.

Планируемые научные и практические результаты представляет разработанный алгоритм, эффективно детектирующий фибрилляции предсердий в присутствии шума, который может быть использован в составе программного обеспечения приборов и систем контроля сердечного ритма.

2 Структура биотехнической системы

Структура разрабатываемой системы:

В данной работе разрабатывается система распознавания фибрилляции предсердий на основе совместного анализа ЭКГ и фонокардиограммы пациента.

Сигналы фонокардиограммы и одиночные записи ЭКГ будут классифицироваться по 4 категориям: нормальный ритм, фибрилляция предсердий, зашумленный сегмент (сильные помехи) или другие аритмии.

На рисунке 1 представлена структура разрабатываемой биотехнической системы.

Рисунок 1 – Структура разрабатываемой биотехнической системы

Структура разрабатываемой биотехнической системы:

1. Загрузка записей аускультации сердца и ЭКГ;

2. Фильтрация сигналов ЭКГ и фонокардиограммы для борьбы с различными типами помех;

3. Получение спектра для перехода от временной области к частотной;

4. Сегментация S₁ и S₂ на фонокардиограмме (процесс определения принадлежности отсчета сигнала к одному из основных тонов сердца; необходимо найти начало и конец этих тонов для дальнейшего извлечения признаков и классификации);

5. Обнаружение R-пиков QRS-комплексов на ЭКГ для каждого сигнала из выборки;

6. Количественная оценка изменчивости RR-интервалов вокруг средних значений для каждого сигнала из выборки;

7. Извлечения признаков, характеризующих диагностически значимые особенности фибрилляции предсердий (расчет параметров основных тонов для фонокардиограммы и математических статистик для RR-интервалов);

8. Классификация (алгоритм проставляет для записи метку принадлежности к какому-либо классу).

Каждая запись должна быть классифицирована и определена принадлежность к группе (нормальный ритм, фибрилляция предсердий, зашумленный сегмент или другие аритмии).

Классификация может быть выполнена только с уже подготовленными записями фонокардиограммы и ЭКГ. Для определения принадлежности к классу необходимы предварительно выделенные и рассчитанные свойства (частотные и амплитудные характеристики).

В работе будет использоваться непрямая сегментация, использующая дополнительные данные, снятые одновременно с записью аускультации сердца. К таким источникам относится электрокардиограмма.

Для ЭКГ рассчитываются следующие математические статистики для RR-интервалов каждого сигнала:

• Среднее значение;

• СКО;

• Дисперсия;

• Скошенность (симметричность распределения);

• Эксцесс.

Асимметрия характеризует меру скошенности графика влево/вправо, а эксцесс – меру его высоты. Данные показатели рассчитываются как для эмпирических, так и для теоретических распределений, и за «эталон» симметрии принято нормальное распределение. Очевидно, что любое нормальное распределение строго симметрично относительно своего центра, следовательно, его асимметрия равна нулю [1].

Для каждого отсчета сигнала строят его спектр. Спектр может быть получен одним из трех преобразований: Фурье, Гильберта-Хуанга, Вейвлет.

В качестве контура управления выступают конфигурационные файлы, задающие настройки параметров, они задают параметры работы системы такие как: частоты среза полосового фильтра, способ получения спектра, выбор метода сегментации, выбор алгоритма классификации и т. д. То есть, эти конфигурационные файлы определяют выбор методов для выполнения фильтрации, сегментации и классификации. Также используются дополнительные параметры, которые могут оказать существенное влияние на эффективность обработки записей программным обеспечением. Например: размер окна для получения спектра (при его увеличении в 2 раза, потребление вычислительных ресурсов только для БПФ увеличивается в 2,25 раза).

В качестве каналов информационного обмена используется 3 канала:

1. Файлы с исходными записями аускультации и ЭКГ (входной). Канал содержит необработанные записи аускультации сердца и ЭКГ, которые в дальнейшем буду классифицированы программным обеспечением (ПО).

2. Канал, предназначенный для диагностики и отладки работы ПО (выходной). В случае возникновения ошибок будут показаны дополнительные данные о их причинах.

3. Файлы с отчетами и результатами работы (выходной). Этот канал содержит данные обработанных записей: параметры основных тонов, рассчитанные статистики для RR-интервалов и результаты классификации на принадлежность к одному из классов.

Состав обеспечений системы: система состоит из методического, информационного, программно-алгоритмического, метрологического и инструментального обеспечения.

В магистерской работе будет разработан программно-алгоритмический уровень обеспечения, в котором будут разработаны алгоритм и программный комплекс для совместной обработки аудиозаписей аускультации сердца и ЭКГ с целью более эффективного детектирования фибрилляции предсердий.

Запись фонокардиограммы представляет из себя периодически повторяющиеся сигналы, так называемые тоны S1 и S2. Программный комплекс должен их детектировать и классифицировать. В данной работе необходимо доказать на практике, что совместный анализ ЭКГ и фонокардиограммы сердца повышает точность определения фибрилляции предсердий. При анализе данных сигналов по отдельности точность классификации, а именно определения фибрилляции предсердий должна быть ниже.

Планируется, что программный код должен реализовывать несколько подходов: логистическая регрессия, деревья принятия решений, метод k-ближайших соседей.

Разрабатываемый программный комплекс потенциально имеет большую область применения. С учетом развития глобальной сети Internet, фонокардиограмма и ЭКГ-сигнал могут быть сняты удаленно и загружены на сервер для дальнейшей обработки.