Устройство для измерения временных параметров и анализа электрокардиосигналов

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Введение

От сердечнососудистых заболеваний в России ежегодно умирает более миллиона человек, еще большее количество становится инвалидами. Такая неутешительная статистика дает основания считать, что борьба с заболеваниями сердечнососудистой системы является одной из наиболее важных задач современной медицины. Прогресс в этом направлении может быть достигнут за счет привлечения в медицину новых диагностических средств, созданных на основе применения теории информации, анализа биотехнических систем, статистики, цифровой обработки сигналов, измерительной техники, а также последних достижений микрокомпьютерных, информационных и полупроводниковых технологий. Для своевременного выявления, предупреждения и лечения заболеваний сердечнососудистой системы широко используется автоматическое исследование электрокардиосигнала (ЭКС).

Основными этапами получения и обработки ЭКС являются: обнаружение и распознавание информативных кардиоимпульсов (КИ), измерение амплитудных и временных параметров сигнала, анализ вариабельности сердечного ритма (ВСР).

Обнаружение и распознавание формы кардиоимпульсов осложняется их изменчивостью и многообразием (особенно при различных патологиях сердечно-сосудистой системы), а также присутствием помех, различных по своему происхождению, интенсивности, спектральному составу и функциям распределения. В некоторых случаях (при длительном исследовании электрокардиосигнала в режиме свободной двигательной активности, нагрузочных пробах, кардиостимуляции, передаче сигнала по различным каналам связи) эти помехи могут превышать уровень полезного сигнала в несколько раз.

В последние годы выявлена прямая и независимая от других факторов связь вариабельности сердечного ритма со смертностью от острого инфаркта миокарда. Была установлена тесная корреляция нарушений автономной нервной регуляции с жизнеопасными желудочковыми аритмиями и сердечной смертью, включая внезапную.

ВСР - одно из фундаментальных физиологических свойств нашего организма (а не просто сердечно-сосудистой системы, и, тем более, - сердца). Она с большой точностью отражает состояние процессов регулирования в организме, и поэтому ее изучение дает важную информацию для качественной диагностики, прогнозирования, лечения и предупреждения болезней.

ВСР есть изменчивость мгновенного периода сердечных сокращений в последовательности сердечных циклов при квазистационарной нагрузке и положении тела человека. В глобальном же понимании ВСР - это совокупность всех ее свойств, от переменности мгновенного периода сердечных сокращений до ее причин, обусловленных и определяемых нелинейностью симпатической, парасимпатической и гуморальной регуляции, их разветвленными связями между собой, с подкорковыми и корковыми образованиями, а также реакциями на ментальный, физический и иные виды стресса.

ВСР находит все более широкое применение, в клиническую практику внедряются методы анализа вариабельности и других периодических процессов (систолического и диастолического артериального давления, ударного объема крови, частоты дыхания, волновых явлений в головном мозге).

Все это дает повод для утверждения, что разработка устройства для анализа вариабельности сердечного ритма и принятия диагностических решений о вероятности появления угрожающих жизни состояний является актуальной задачей современного медицинского приборостроения.

Целью дипломного проектирования является разработка прибора для измерения длительности кардиоциклов (R-R интервалов) и последующей статистической обработки этой информации с целью вычисления наиболее информативных показателей (характеристик) ВСР. Значения этих показателей позволят предсказать вероятности появления угрожающих жизни состояний (внезапной смерти).

При создании медицинского измерительно-вычислительного комплекса (чем собственно и является разрабатываемое устройство для измерения временных параметров и анализа электрокардиосигналов) необходимо решить две основные задачи:

· разработка аналогового входа, т.е. устройства ввода ЭКС в ПК;

· создание программного обеспечения.

Современный ПК предоставляют существенные возможности по управлению, хранению и визуализации любых длительных процессов. Кроме того, вычислительная мощность ПК позволяет достаточно сложную статистическую обработку информации.

Обычно для создания измерительной системы в ПК устанавливают сложные и дорогостоящие платы ввода-вывода. Такой подход используется в научных лабораториях, но довольно приличных результатов можно добиться, подключив, аналого-цифровые преобразователи или микроконтроллеры к стандартным последовательным или параллельным портам. Специальное программное обеспечение, а также стандартные офисные пакеты Windows позволят получить входные данные от АЦП, визуализировать их на экране монитора, провести обработку сигнала, измерить временные параметры и провести анализ ВСР.

1. Устройство для измерения временных параметров и анализа электрокардиосигналов

1.1 Обзор методов и средств измерения и обработки ЭКС

Общие сведения об ЭКС.

ЭКС отражает электрофизиологические явления в сердечной мышце и широко используются в медицине в качестве источника диагностической информации о физиологическом состоянии и деятельности как сердца и сердечнососудистой системы, так и всего организма.

ЭКС образуется вследствие процессов, происходящих на клеточных полупроницаемых мембранах живой ткани. В результате различия концентрации неорганических ионов (калия, натрия, кальция, хлора) во внутри и внеклеточных средах, мембраны клеток оказываются заряженными. В состоянии покоя внутренняя поверхность мембран имеет отрицательный постоянный потенциал по отношению к внешней поверхности. Этот потенциал достигает 90-95 мВ у волокон сердечной мышцы [1]. При возбуждении ткани происходит кратковременное изменение потенциала мембраны, и возникает «потенциал действия», обусловленный скачкообразным изменением проницаемости мембраны вследствие возбуждения клетки. При этом имеет место быстрое изменение распределения ионов, которое затем восстанавливается. Длительность пика потенциала действия составляет несколько миллисекунд, а амплитуда - около 100 мВ [1]. Затем процесс возбуждения распространяется в ткани, чем обеспечивается передача сигналов от рецепторов к нервным клеткам по нервным стволам к мышцам и т.д. В мышечной ткани биопотенциалы действия сопровождают ее сократительную деятельность.

Регистрация и исследование ЭКС может производиться длительно и многократно без каких-либо болезненных ощущений или вредного действия на организм. Это важное достоинство наряду с большой информативностью, явилось одной из причин, способствовавших развитию и широкому распространению биоэлектрических методов исследования в медицине.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рисунок 1.

Для получения (регистрации) ЭКС используют электрокардиографические электроды, положение которых на поверхности тела называют отведением. ЭКС имеет вид повторяющихся от одного сердечного цикла к другому комбинаций импульсов и отражает процесс возбуждения и покоя различных участков сердечной мышцы. На рисунке 1 показано графическое изображение ЭКС с обозначением основных элементов.

Цикл электрокардиосигнала обычно представлен в виде трех комплексов - P, QRS и T. Каждый комплекс содержит несколько разнонаправленных (разнополярных) импульсов. Число импульсов в каждом комплексе неодинаково в разных отведениях и у разных пациентов. P и T комплексы обычно состоят из одного или двух разнонаправленных импульсов, а QRS-комплекс содержит до семи разнонаправленных импульсов [1, 2]. В дальнейшем комплексы ЭКС (в основном это касается QRS-комплексов) будем называть кардиоимпульсами.

При нормальном функционировании сердца синусовый узел, расположенный в правом предсердии, генерирует импульсы с определенной частотой (60-80 импульсов в минуту). На ЭКС эти импульсы не регистрируются. Через несколько сотых долей секунды импульс от синусового узла достигает миокарда предсердий и приводит к их деполяризации и сокращению. Сокращение предсердий способствует наполнению кровью желудочков. От предсердий возбуждение распространяется по атриовентрикулярному (АВ) соединению, где происходит задержка импульса (примерно на 0,08 с), вследствие более медленного его проведения на этом участке. Такая задержка позволяет завершиться механической систоле предсердий. Миновав АВ-соединение, возбуждение проходит по пучку Гиса и волокнам Пуркинье к миокарду желудочков. Клетки миокарда желудочков деполяризуются, что приводит к сокращению желудочков и выталкиванию крови в систему кровообращения. После сокращения желудочков наступает период восстановления (реполяризации), который длится до тех пор, пока сердце вновь не придет в исходное состояние. К этому моменту сердечный цикл заканчивается, и импульс от синусового узла может запустить новый цикл. На ЭКС P-комплекс соответствует деполяризации предсердий. Длительность интервал P-Q равна времени проведения импульса по проводящим путям от предсердий к желудочкам. Комплекс QRS отражает процесс сокращения миокарда желудочков, зубец T соответствует фазе их восстановления. Сегмент ST отражает период охвата возбуждением всего миокарда желудочков и период ранней реполяризации. Реполяризация предсердий на ЭКС не проявляется [1].

Кроме описанных элементов проводящей системы, имеются дополнительные тракты, по которым импульсы могут проходить обходным путем. При нарушении проводящих путей, АВ-соединение и нижняя часть пучка Гиса могут также быть центрами автоматизма и вырабатывать импульсы с частотой 40-60 и 25-40 импульсов в минуту соответственно [1].

При работе сердца в окружающей его среде создается электрическое поле, характер которого на поверхности тела определяется взаимным расположением и электрическими свойствами органов и тканей грудной клетки. Вследствие этого, значение разности потенциалов на поверхности тела, создающейся функционированием сердца, зависит от очень многих факторов, которые с разным весом влияют на формирование ЭКС.

Однако при отсутствии патологий во всех отведениях формируются стандартные элементы ЭКС (импульсы и интервалы между ними), повторяющиеся от одного сердечного цикла к другому и отражающие последовательность возбуждения сердечной мышцы. Импульсы (зубцы) P, R, T являются обязательными компонентами ЭКС в любом отведении. Импульсы Q и S непостоянные и обнаруживаются в зависимости от положения оси выбранного отведения относительно положения сердца.

Амплитудные и временные параметры основных импульсов ЭКС достаточно стабильны у одного и того же здорового человека, в то же время имеют довольно широкий разброс у разных лиц. Даже при отсутствии патологий существует множество вариантов конфигурации КИ, что значительно осложняет подходы к автоматической обработке ЭКС [3].

В таблице 1 приведены сведения о значениях амплитуды и длительности элементов ЭКС при отсутствии патологий. При различных патологиях значения амплитуды и длительности импульсов, их форма, полярность, а так же длительности интервалов между импульсами могут значительно изменяться, что дает основание использовать ЭКГ информацию для диагностики многих заболеваний сердечно-сосудистой системы.

ЭКС, даже при отсутствии патологий, характеризуется высокой изменчивостью параметров (флуктуация амплитуды, длительности кардиоимпульсов и интервалов между ними вокруг средних значений, локальные выбросы и перегибы), вызванной биологическими особенностями формирования и проведения электрических импульсов тканями организма, расположением электродов, индивидуальными свойствами биообъекта. При патологических же состояниях параметры ЭКС, особенно форма и интервалы между соседними КИ, могут значительно изменяться.

Таблица 1.

Элементы ЭКС	Длительность, мс	Амплитуда, мВ
импульс P	50 - 110	0,05 - 0,25
интервал P-Q	120 - 220
импульс Q	0 - 30	0 - 0,25
импульс R	30 - 70	0,6 - 3,5
импульс S	0 - 40	0 - 0,6
импульс QRS	50 - 180	0,6 - 4,1
интервал ST	30 - 150	0,05 -0,1
импульс T	120 - 160	0,25 - 0,6
интервал QT	0,24 - 0,55

Обзор методов обнаружения и анализа формы КИ ЭКС

Обнаружение информативных кардиоимпульсов в условиях интенсивных помех и индивидуальной изменчивости формы самих КИ является достаточно серьезной проблемой.

В общем случае исследуемый ЭКС содержит нестационарные помехи, различные по своему происхождению, интенсивности, спектральному составу и функциям распределения. В процессе исследования могут меняться также свойства полезного сигнала, причем изменяются не только временные интервалы между соседними КИ и амплитуда, но и их форма. При патологиях функционирования сердца, приводящих к изменению формы КИ (например, при политопных желудочковых экстрасистолах), а также при физической нагрузке спектры сигнала и помех могут перекрываться.

Кроме того, имеются и другие затрудняющие исследования факторы: высокий уровень миосигналов (биопотенциалы скелетных мышц), промышленные и бытовые помехи (от работающей радиоаппаратуры, бытовых электроприборов, лифтов, транспортных средств, электрических коммутаций).

Основная мощность непатологнческого КИ сосредоточена в области частот от 2 до 20 Гц с максимумом на частоте около 12 Гц. Но спектр КИ может изменяться в зависимости от их морфологии (чаще в сторону уменьшения) и динамики сердечного ритма (при увеличении ЧСС спектр смещается в сторону увеличения частоты).

Конфигурацию формы КИ можно описать следующим образом:

· сложный КИ (QRS - комплекс) имеет определенную структуру и состоит из нескольких разнонаправленных простых импульсов (от 1 до 7);

· форма каждого простого КИ близка к треугольной или колоколообразной;

· длительность сложного КИ лежит в диапазоне 160-200 мс;

· скорость изменения сигнала 5-225 мВ/с;

· КИ начинается и заканчивается на уровне изолинии.

Кроме того, необходимо описать наиболее распространенные помехи.

· Миографические помехи, вызванные биопотенциалами работающих мышц, имеют протяженный, неоднородно распределенный спектр частот, который в значительной степени подвержен вариабельности, связанной с видом физической нагрузки и местом расположения электродов. Спектр мышечных помех (частота 1…1000 Гц) частично перекрывается со спектром КИ. Сигнал практически не структурирован.

· Помехи, возникающие при движениях больного за счет изменения напряжения поляризации из-за смещения электродов,*имеют спектр частот от 1 до 10 Гц.

· Импульсы злектрокардиостимуляторов могут быть приняты за КИ, например, при отсутствии сокращения сердца в ответ на стимул (неэффективная стимуляция). Они имеют простую структуру (один - два перегиба), аналогичную конфигурации КИ, но более высокий спектр, меньшую длительность (0.1-2 мс) и большую амплитуду, чем у КИ.

· Помехи, определяемые структурой кардиокомплекса, т.е. теми его составляющими, которые не всегда подлежат обнаружению (зубцы P и T), могут быть приняты за КИ и давать, ошибки ложного срабатывания. Они имеют структуру, аналогичную форме КИ, но обычно меньшее число перегибов, и расположены во времени до или после информативного импульса. Кроме того, Т-зубец в большинстве случаев имеет более низкочастотный спектр [2].

Анализ научно-технической литературы позволяет выделить две основные группы методов обнаружения и распознавания КИ ЭКС - структурные в дискриминаторные [3].

Структурные методы обнаружения КИ основаны не предварительной сегментации ЭКС, в ходе которой входной сигнал представляется в виде последовательности простейших элементов (горизонтальных и наклонных отрезков прямой, фрагментов полиномов 2-го и 3-го порядка). Сегментированный сигнал подвергается далее грамматическому разбору с использованием алгоритма, в основу которого положены эмпирические представления о структуре QRS - комплекса. ЭКС. Структурные методы характеризуются наглядностью, удобством для программирования универсальностью, а также возможностью снижения избыточности информации, описывающей сигнал [4].

Однако следует отметить и существенные недостатки структурных методов, к которым можно отнести высокую сложность вследствие резкого увеличения количества вариантов перебора по мере уменьшения размера минимальной грамматики, потерю части информации о сигнале при его сегментации, невозможностью всех встречающихся вариантов структур желудочкового комплекса, вероятность скачкообразного изменения результатов анализа при незначительных случайных отклонениях в форме входного сигнала, а также невозможность сегментации при высоком уровне помех.

Дискриминаторные методы, в свою очередь, можно подразделить на детерминированные и стохастические. К первым относятся методы, не учитывающие априорные вероятностные зависимости между признаками обнаруживаемых КИ и классами, к которым их относят, включающие две большие группы - простые и сложные [3].

Простые дискриминаторные методы основываются на сравнении с амплитудными порогами входного или преобразованного ЭКС (например, продифференцированного, выпрямленного или нелинейно усиленного), которое обычно ограничено по времени длительностью КИ. Пороги могут быть адаптивными к конкретным сигналам: или помехам. Критериями обнаружения являются амплитуда, длительность, скорость изменения фронтов КИ. Такие методы отличаются относительной простотой, но обладают невысокой устойчивостью к помехам, особенно к миографическим и стимулирующим импульсам, и к изменчивости КИ, так как не учитывают их структуру. Если амплитуда сигнала меньше амплитуды помехи, при любых усовершенствованиях, в рамках этих методов эффективного обнаружения КИ добиться невозможно.

Сложные дискриминаторные методы основываются на суммировании (часто весовом) дискретных отсчетов сигнала за определенные интервалы времени, поэтому их можно назвать интегральными, суммирующими или накопительными методами. К ним относятся:

* методы на основе цифровой фильтрации (ЦФ);

* разложения по различным опорным базисам (разложения в ряды и по различным базисам, W-анализ) [5].

Подход, основанный на использовании цифровой фильтрации, для распознавания КИ может рассматриваться как один из вариантов упрощенной реализации корреляционных методов. При этом процедура распознавания распадается на два взаимосвязанных этапа. Сначала сигнал пропускается через цифровой фильтр (или цепочку фильтров) с частотной характеристикой, соответствующей спектру КИ, полученному усреднением спектральных оценок большого числа комплексов различных морфологии. Это адекватно вычислению взаимной корреляционной функции между сигналом и некоторым «типовым» желудочковым комплексом, форма которого соответствует импульсной характеристике применяемого ЦФ. На следующем этапе анализа по алгоритму, основанному на пороговых правилах, предварительно обнаруживается КИ и определяется его опорная точка, которая служит для совмещения во времени текущего комплекса с усредненными образцами ранее найденных комплексов, относящихся к различным массам формы. Вычисляются коэффициенты взаимной корреляции между обнаруженным комплексом и всеми имеющимися образцами.

На основании полученных результатов анализируемый комплекс относится к одному из ранее существовавших классов, считается первым представителем нового класса формы или отбраковывается как артефакт. Описанная процедура, используемая в том или ином виде во многих разработках, является результатом компромисса между принципиально достижимым высоким качеством обнаружения QRS - комплекса с помощью корреляционных методов и ограниченной производительностью широко распространенных микропроцессоров. Сравнительная вычислительная простота описанного метода объясняется тем, что при этом обычно используются легко реализуемые ЦФ, а вычисление корреляционной функции выполняется для каждого образца в одной единственной точке (т.е. вычисляется не функция, а коэффициент взаимной корреляции). Эффективность применения этих методов при непредсказуемо изменяющихся формах КИ и перекрытии спектров сигнала и помехи вызывает сомнения [5].

Разложения по опорным базисам - в целом наиболее перспективная группа методов, особенно со времени открытия многомасштабного Wavelet-преобразования (W-анализа), позволяющего идентифицировать локальные амплитудно-временные свойства финитных сигналов на фоне интенсивных помех. К недостаткам этих методов следует отнести вычислительную сложность, а также то, что любые изменения амплитуды исследуемого сигнала прямым весом входят в результирующие коэффициенты разложений [5].

1.2 Обзор методов вариабельности сердечного ритма

ВСР - достаточно известное явление, которое, в то же время, является основой одной из новейших диагностических технологий клинической медицины. Первоначально внимание ученых фокусировалось на физиологических механизмах ВСР. В ряду этих исследований особенное место занимают работы Р.М. Баевского и его сотрудников, в которых установлена связь вариабельности ритма сердца с нейрогуморальной регуляцией и адаптивными реакциями организма человека на стресс. Интенсификация исследований ВСР приходится на середину 70-х годов, когда повсеместное внедрение персональных компьютеров позволило автоматизировать этот процесс, и он стал доступным для широких приложений. С 1981 г. для более полного изучения ВСР стали использовать спектральный анализ последовательности значений RR-интервалов ЭКГ. В настоящее время к проблемам анализа причин возникновения и характера ВСР начали применять методы теории хаоса, нелинейных динамических систем и математического моделирования [6].

Области применения технологии вариабельности сердечного ритма - валеология, терапевтическая клиника в ее широком понимании, включая кардиологию, пульмонологию, нефрологию, неврологию, психиатрию, а также акушерство, перинатология, реаниматология и другие области клинической медицины. В развитых странах исследование ВСР включено в стандартные протоколы контроля над состоянием здоровья при профилактических осмотрах, наблюдении за беременными, ведении послеинфарктных больных. В России этот метод также находит все более широкое применение.

В ВСР до последнего времени были трудности, связанные со стандартизацией метода. В 1996 г. эта проблема в значительной мере была решена разработкой соответствующих рекомендаций Рабочей Группой Европейского Общества Кардиологов и Северо-Американского Общества Стимуляции и Электрофизиологии. Эта ассоциация разработала стандарты использования в клинической практике и кардиологических исследованиях вариабельности сердечного ритма (ВСР) [6].

Методы временной области (Time Domain Methods)

Изменчивость ЧСС может быть оценена множеством методов. Простейшими в применении являются методы оценки во временной области. В этих методах в расчет берутся либо значения ЧСС, вычисленные в каждый момент времени, либо интервалы между последовательными комплексами. В непрерывной записи ЭКГ детектируется каждый QRS-комплекс и вычисляются так называемые нормальный к нормальному интервалы (NN), т.е. интервалы между смежными (соседними) нормальными комплексами QRS, являющимися результатом деполяризации клеток синусового узла, либо определяется мгновенная ЧСС. Простейшие переменные, которые могут быть вычислены: средний NN интервал, средняя ЧСС, разница между самым длинным и самым коротким NN интервалом, отличие между дневной и ночной ЧСС и т.д. Изменения могут быть описаны при анализе величины ЧСС или длины сердечного цикла [6].

Статистические методы

На основе серии мгновенных ЧСС или интервалов NN, записанных в течение длительного промежутка времени, обычно за 24 часа, могут быть вычислены более сложные показатели - статистические временные показатели. Их можно разделить на две группы:

· полученные при обработке прямых измерений мгновенной ЧСС или NN интервалов;

· вычисленные на основе разницы между NN интервалами.

Эти показатели могут вычисляться за все время наблюдения или за какие то определенные промежутки в течение периода записи, что позволяет сравнивать ВСР в различные моменты жизнедеятельности (сон, отдых, и т.д.).

Наиболее удобная для вычисления переменная - стандартное отклонение NN интервалов (SDNN) - квадратный корень из разброса NN. Поскольку величина под корнем математически эквивалентна общей мощности в спектральном анализе, SDNN отражает все циклические компоненты, ответственные за вариабельность в течение периода записи. Во многих исследованиях SDNN вычисляется за весь 24-часовой период и таким образом включает в себя и кратковременные высокочастотные изменения, и компоненты очень низкой частоты, имевшие место в течение 24-часового периода. Когда период записи сокращается, SDNN оценивает все более короткие сердечные циклы. Необходимо отметить, что при прочих равных условиях общая величина вариабельности возрастает при увеличении длины исследуемой записи. Для произвольно снятой ЭКГ SDNN не лучший статистический количественный показатель ввиду его зависимости от длины периода записи. Некорректно сравнивать SDNN, вычисленные на записях различной длительности. Продолжительность записей, на которых предполагается вычислять SDNN стандартизована, используется 5-минутная и 24-часовая длительность.

Обычно используемые статистические показатели включают также SDANN - стандартное отклонение средних NN, вычисленных за короткие промежутки времени (обычно 5-и минутные), которое позволяет оценить изменения ЧСС цикличностью с периодом более 5 минут и SDNN index - среднюю 5-минутных стандартных отклонений NN интервалов, вычисленных за 24 часа, отражающий вариабельность с цикличностью менее 5 минут.

Наиболее часто используемые показатели, определяемые из межинтервальных различий включают RMSSD - квадратный корень средних квадратов разницы между смежными NN интервалами, NN50 - количество случаев, в которых разница между длительностью последовательных NN, превышает 50 мсек., pNN50 - пропорция интервалов между смежными NN, превосходящих 50 мсек., к общему количеству NN интервалов в записи. Все эти показатели отражают быстрые высокочастотные колебания в структуре ВСР [6].

Геометрические методы

Последовательность NN интервалов также может быть преобразована в геометрическую структуру, такую как распределение плотности длительности NN интервалов, распределение плотности разницы между смежными NN интервалами, Лоренцовское распределение и т.д. Далее применяется простая формула, которая позволяет оценить вариабельность на основе геометрических и / или графических свойств модели. При работе с геометрическими методами используются три основных подхода:

· основные измерения геометрической модели (например, ширина гистограммы распределения на определенном уровне) конвертируются в измерения ВСР;

· определенным математическим образом (аппроксимация гистограммы распределения треугольником или дифференциальной гистограммы экспоненциальной кривой) интерполируется геометрическая модель и далее анализируются коэффициенты, описывающие эту математическую форму;

· геометрическая форма классифицируется, различается несколько категорий образцов геометрической формы, представляющих различные классы ВСР (эллиптическая, линейная, треугольная форма кривой Лоренца).

Большинство геометрических методов требуют, чтобы последовательность NN интервалов была измерена, либо конвертирована в дискретную шкалу, что обычно выполняется не вполне строго, но позволяет получать сглаженные гистограммы. Наиболее часто используемая частота дискретизации 8 мсек (точнее, 1/128 секунды), что соответствует возможностям серийно выпускаемого оборудования.

Триангулярный индекс - интеграл плотности распределения (а это общее количество NN интервалов), отнесенный к максимуму плотности распределения. При использовании дискретной шкалы NN интервалов его значение может зависеть от частоты дискретизации. Таким образом, если используется дискретная аппроксимация измерений с частотой, отличной от наиболее часто встречающейся 128 Гц, то необходимо указывать применявшуюся частоту измерений. Треугольная интерполяция гистограммы NN интервалов (TINN) - это ширина основания распределения, измеренная как основание треугольника, полученного при аппроксимации распределения NN-интервалов методом наименьших квадратов. Детали вычисления триангулярного индекса вариабельности и TINN показаны на рисунке 2. Оба эти измерения выражают общую вариабельность сердечного ритма, измеренную за 24 часа, и более зависимы от низкочастотных, нежели от высокочастотных составляющих. Другие геометрические методы находятся еще в состоянии исследования и объяснения.

Главное преимущество геометрических методов заключается в их относительной нечувствительности к аналитическому качеству серии RR-интервалов. Самым большим недостатком является необходимость приемлемого количества NN-интервалов для построения геометрической модели. На практике для уверенности в корректности применения геометрических методов нужно использовать записи не короче 20 минут (но предпочтительнее 24 часа). Современные геометрические методы не подходят для оценки быстрых изменений вариабельности.

Семейство временных характеристик ВСР приведено в таблице 1, поскольку многие из величин, получаемых при анализе ВСР во временной области, тесно коррелируют с другими, к использованию рекомендуются следующие 4 показателя:

· SDNN - для оценки общей ВСР,

· триангулярный индекс ВСР - для оценки общей ВСР,

· SDANN - для оценки низкочастотных компонент вариабельности,

· RMSSD - для оценки высокочастотных компонент вариабельности.

Два способа оценки общей ВСР рекомендованы в связи с тем, что триангулярный индекс позволяет провести лишь грубую оценку ЭКГ сигнала. Из методов, в основе которых лежит анализ разницы между смежными NN, предпочтительнее вычисление RMSSD, так как он обладает лучшими статистические свойствами, чем NN50 и pNN50.

Методы оценки общей вариабельности сердечного ритма и ее компонентов с коротким и длинным периодом не могут заменить друг друга. Выбор метода должен соответствовать целям конкретного исследования.

Необходимо сознавать отличия между параметрами, вычисляемыми на основе длин интервалов NN или значений мгновенной ЧСС и величинами, рассчитанными из разницы смежных NN.

Наконец, некорректно сравнение временных величин, особенно характеризующих общую вариабельность, вычисленных на основе записей различной длительности [6].



Рисунок 2

Для проведения геометрических измерений по гистограмме NN-интервалов вначале конструируется плотность распределения выборки D, т.е. соответствие между каждым значением длины NN-интервала в выборке и количеством интервалов, имеющих эту длину. Затем определяется длина X наиболее часто встречающихся NN-интервалов, при этом Y=D(X) - максимум плотности распределения выборки. Триангулярный индекс ВСР представляет собой значение, полученное делением интеграла под кривой D на Y. При использовании дискретной шкалы по горизонтальной оси это значение равно общему числу NN-интервалов, деленному на величину Y. Для вычисления значения TINN на оси времени задаются точки N и M, после чего конструируется мультилинейная функция q, такая, что q(t)=0 для t<N и t>M, и интеграл минимален при всех возможных значениях между N и M. Величина TINN имеет размерность мс и выражается формулой TINN = M - N.

В таблице 1 приведены основные временные характеристики ВСР.

Таблица 1.

Характеристика	Единицы	Описание
SDNN	мс	Стандартное отклонение всех NN-интервалов
SDANN	мс	Стандартное отклонение средних значений NN-интервалов, вычисленных по 5-минутным промежуткам в течение всей записи
RMSSD	мс	Квадратный корень из средней суммы квадратов разностей между соседними NN-интервалами
Индекс SDNN	мс	Среднее значение стандартных отклонений NN-интервалов, вычисленных по 5-минутным промежуткам в течение всей записи
SDSD	мс	Стандартное отклонение разностей между соседними NN-интервалами
NN50		Количество пар соседних NN-интервалов, различающихся более чем на 50 мс, в течение всей записи. Возможны три варианта вычислений: подсчет всех таких пар или подсчет только пар, в которых или первый интервал длиннее второго, или наоборот
pNN50	%	Значение NN50, деленное на общее число NN-интервалов
Триангулярный индекс ВСР		Общее количество NN-интервалов, деленное на высоту гистограммы всех NN-интервалов с шагом 7,8125 мс (1/128 мс). (см. рисунок 1.8)
TINN	мс	Ширина основания среднеквадратичной триангулярной интерполяции наиболее высокого пика гистограммы, построенной по всем NN-интервалам. (см. рисунок 1.8)
Дифференциальный индекс	мс	Разность между ширинами гистограммы, построенной по разностям между соседними NN-интервалами, измеренными по выбранным высотам (например, по уровням в 1000 и 10000 точек)
Логарифмический индекс		Коэффициент ц экспоненциальной кривой kexp(-ft)), являющейся наилучшей аппроксимацией гистограммы, построенной по абсолютным разностям между соседними NN-интервалами

Методы частотной области (Frequency Domain Methods)

Различные методы спектрального анализа тахограмм применяются с конца 60-х годов. Анализ спектральной плотности мощности (PSD) дает информацию о распределении мощности в зависимости от частоты колебаний.

Методы вычисления спектральной плотности мощности могут быть классифицированы на параметрические и непараметрические; в большинстве случаев обе группы методов дают сравнимые результаты. Положительными чертами непараметрических методов являются:

· простота используемого алгоритма (в большинстве случаев, быстрое преобразование Фурье - БПФ);

· быстрота вычисления.

В то же время к преимуществам параметрических методов можно отнести:

· более гладкие спектральные компоненты, различимые независимо от предварительно выбранной полосы частот;

· простая обработка полученного спектра с автоматическим вычислением низкочастотных и высокочастотных компонентов спектра и простой идентификацией основной частоты каждого компонента;

· точная оценка спектральной плотности мощности даже при малом числе образцов, где сигнал, как предполагается, стационарен.

Основным недостатком непараметрических методов можно считать необходимость верификации того факта, что выбранная модель удовлетворяет предъявляемым требованиям, и ее сложность (порядок модели).

Спектральные компоненты.

Короткие записи. В спектре, полученном при анализе коротких записей (от 2 до 5 минут), различают три главных спектральных компонента: очень низких частот (ОНЧ), низких частот (НЧ) и высоких частот (ВЧ). Распределение мощности и центральная частота каждого компонента не фиксированы, а могут варьировать в связи с изменениями автономных модуляций сердечного цикла.

Менее всего ясна физиологическая сущность компонента ОНЧ, более того, наличие специфического физиологического процесса, которому могут быть приписаны колебания в этом диапазоне, вообще спорно. Негармонический компонент, не имеющий когерентных свойств, который может быть выделен при применении алгоритмов корректировки дрейфа нулевого уровня, составляет основную часть ОНЧ. Таким образом, смысл полученного при обработке коротких записей (например, менее 5 мин) компонента ОНЧ спорен, и его интерпретации при спектральном анализе коротких электрокардиограмм лучше избегать.

Измерение мощности ОНЧ, НЧ, ВЧ обычно осуществляется в абсолютных единицах мощности (мс²), но НЧ и ВЧ могут быть дополнительно выражены в нормализованных единицах, которые отражают относительный вклад каждого из компонентов в пропорции к общей мощности за вычетом ОНЧ-компонента. Представление НЧ и ВЧ компонентов в нормализованных единицах подчеркивает контролируемое и сбалансированное поведение двух звеньев автономной вегетативной нервной системы. Более того, нормализация минимизирует влияние изменений общей мощности на уровень НЧ и ВЧ компонентов. Тем не менее, при использовании нормализованных единиц всегда необходимо ссылаться на абсолютные значения НЧ и ВЧ компонентов для описания в общих чертах распределения мощности спектра.

Спектральный анализ может использоваться и для анализа последовательности NN интервалов за весь 24-х часовой период; в этом случае наряду с ОНЧ, НЧ, и ВЧ компонентами будет получен и ультранизкочастотный (УНЧ) компонент спектра. Для характеристики спектра может использоваться a-наклон суточного спектра, построенного в двойной логарифмической шкале. В таблице 2 приведены некоторые спектральные характеристики ВСР.

В отношении длинных записей часто дискутируется проблема «стационарности». Если механизм, ответственный за определенные модуляции сердечного периода, остается неизменным на протяжении всего периода записи, то соответствующий частотный компонент может являться мерой этих модуляций. Если модуляции нестабильны, то интерпретация результатов спектрального анализа менее очевидна. В частности, нельзя полагать, что физиологические механизмы модуляций ритма сердца, опосредующие НЧ и ВЧ компоненты спектра остаются постоянными в течение суток. Таким образом, спектральный анализ, проведенный за весь 24-часовой период, так же как и анализ коротких сегментов (5 минут) с усреднением за весь период регистрации (сутки). Результаты, полученные этими двумя методами, практически не отличаются.

Технические требования и рекомендации

Ввиду важных отличий в интерпретации результатов, подходы к спектральному анализу коротких и длинных электрокардиограмм должны строго различаться, как показано в таблице 2. Для проведения достоверной спектральной оценки анализируемый ЭКГ сигнал должен удовлетворять некоторым требованиям, любое отклонение от которых может привести к получению не воспроизводимых и плохо объяснимых результатов.

Спектральные компоненты только в том случае можно связать с определенными физиологическими механизмами модуляции ритма, если механизмы эти оставались неизменными в течение периода записи. Транзиторные физиологические феномены, возможно, могут быть доступны анализу посредством специфических методов, которые в настоящее время составляют актуальную научную тему, но не проработаны настолько, чтобы применяться в прикладных исследованиях. Для проверки стабильности сигнала с точки зрения определенных спектральных компонентов могут использоваться традиционные статистические тесты.

Должна быть правильно выбрана частота измерений. Низкое значение этой частоты может вызывать погрешность в определении времени появления R-волны (отправной точки измерения), что может значительно исказить спектр. Оптимальный диапазон 250-500 Гц, а возможно еще выше, в то время как более низкая частота (в любом случае выше 100 Гц) может вести себя удовлетворительно, только в том случае, если для облагораживания R-волны отправной точки измерения применяется параболический алгоритм интерполяции.

Алгоритмы устранения дрейфа нулевого уровня, если они применяются, могут влиять на нижние компоненты спектра. Желательно контролировать частотную характеристику фильтра или поведение алгоритма регрессии и удостовериться, что интересующие спектральные компоненты существенно не затронуты.

Выбор отправной точки измерения QRS может быть критичным. Чтобы определить местонахождение стабильного и шумонезависимого ориентира, необходимо использовать надежный алгоритм. Заметим, что на отправную точку измерения, расположенную далеко внутри QRS-комплекса, могут влиять нарушениями внутрижелудочковой проводимости.

Экстрасистолы и другие аритмии, дефекты записи, ее зашумленность могут вносить изменения в оценку спектральной плотности мощности вариабельности сердечного ритма. Адекватная интерполяция (методом линейной регрессии или другими сходными алгоритмами) по значению предшествующего и последующего комплекса QRS может уменьшить ошибку. Предпочтительно использовать короткие записи без экстрасистол, и шумов. При некоторых обстоятельствах, однако, подобная избирательность может приводить к необъективности. В таких случаях нужно проводить надлежащую интерполяцию; необходимо принимать во внимание, что полученные результаты могут завесить от наличия экстрасистолии. Нужно также указывать число и относительную длительность интерполированных или выброшенных из обработки RR интервалов [6].

В таблице 2 приведены основные частотные характеристики ВСР.

Таблица 2.

Величина	Единицы	Описание	Частотный диапазон
Для кратковременных записей (5 мин)
5-минутная полная мощность	мс2	Изменчивость RR-интервалов во временном сегменте	<0,4 Гц
ОНЧ	мс2	Мощность в диапазоне очень низких частот	<0,04 Гц
НЧ	мс2	Мощность в диапазоне низких частот	0,04 - 0,15 Гц
НЧ норм.	н.е.	Мощность в диапазоне низких частот в нормализованных единицах: НЧ/(общая мощность-ОНЧ) ·100
ВЧ	мс2	Мощность в диапазоне высоких частот	0,15 - 0,4 Гц
ВЧ норм.		Мощность в диапазоне высоких частот в нормализованных единицах: ВЧ/(общая мощность-ОНЧ) ·100
НЧ/ВЧ		Отношение низкочастотной к высокочастотной составляющей
Для 24-часовой записи
Общая мощность	мс2	Изменчивость всех RR-интервалов	<0,4Гц
УНЧ	мс2	Мощность в диапазоне ультранизких частот	<0,003 Гц
ОНЧ	мс2	Мощность в диапазоне очень низких частот	0,003 - 0,04 Гц
НЧ	мс2	Мощность в диапазоне низких частот	0,04 - 0,15 Гц
ВЧ	мс2	Мощность в диапазоне высоких частот	0,15 - 0,4 Гц
a		Hаклон линейной интерполяции спектра, построенного в логарифмическом масштабе по обеим осям	<0,4 Гц

Алгоритмические стандарты и рекомендации

Наборы данных, подвергаемых спектральному анализу, могут быть получены различными путями. Полезным иллюстративным представлением результатов является последовательность дискретных событий (DES), представляющая собой график зависимости интервалов Ri - Ri-1 от времени (время отмечается в момент появления очередного Ri), которая представляет собой сигнал, измеренный в нерегулярные моменты. Кроме того, во многих исследованиях использовался спектральный анализ последовательности мгновенных ЧСС.

Спектр сигнала ВСР обычно вычисляется либо на основе тахограммы RR-интервалов (т.е. зависимости длительности RR от порядкового номера удара, или интерполяцией последовательности дискретных событий, после чего непрерывный сигнал является функцией времени, или вычислением спектра отсчетов одиночных импульсов как функции времени в соответствии с каждым распознанном комплексом. Выбор типа представления исходных данных может сказываться на морфологии и единицах измерения спектра, а также определяемых параметрах спектров. С целью стандартизации подходов может быть предложено использование тахограммы RR-интервалов и параметрических методов или интерполированной дискретной последовательности событий и непараметрических методов. Однако для анализа интерполированной дискретной серии могут применяться и параметрические методы. Максимальная частота интерполяции дискретной серии должна быть существенно выше, чем Найквистовская частота спектра и не находиться в пределах интересующего частотного диапазона.

Стандарты для непараметрических методов (основанных на преобразовании Фурье) должны включать значения, представленные в таблице 2, формулу интерполяции дискретной последовательности событий, частоту дискретизации интерполяционной кривой, число точек, использованных для вычисления спектра, и использованные спектральные окна (наиболее часто применяются окна Hann, Hamming, треугольные окна). Также необходимо указывать метод вычисления мощности в зависимости от используемого окна. В дополнение к требованиям, изложенным в других частях документа, каждое исследование, использующее непараметрические методы спектрального анализа ВСР, должно ссылаться на все эти параметры.

Стандарты для параметрических методов должны включать величины, представленные в таблице 2, тип модели, число точек, центральную частоту для каждого спектрального компонента (ВЧ и НЧ) и порядок модели (количество параметров). Для выбора порядка р авторегрессионной модели могут быть предложены следующие оперативные критерии: порядок модели должен находиться в пределах 8-20.

Имеется больше экспериментальных и теоретических знаний по физиологической интерпретации частотного анализа стационарных коротких записей, нежели их анализа при помощи временных методов.

Между тем множество переменных временной и частотной области, вычисленных за 24-часовой период, в большой степени коррелируют друг с другом (таблица 3). Эти тесные корреляции существуют благодаря как математическим, так и физиологическим связям. Вдобавок, физиологическая интерпретация спектральных компонентов, вычисленных за сутки, трудна по уже описанным причинам. Таким образом, пока не проведены специальные исследования, использующие суточную запись сигнала для выделения дополнительной информации помимо обычных спектральных компонентов (наклон спектрограммы в двойном логарифмическом масштабе), результаты анализа в частотной области практически эквивалентны результатам более легкого в применении анализа во временной области. В таблице 3. приведено приблизительное соответствие между временными и частотными характеристиками ВСР переменными применительно к 24-часовым записям.

Таблица 3.

Временная характеристика	Частотная характеристика
SDNN	Общая мощность
Триангулярный индекс ВСР	Общая мощность
TINN	Общая мощность
SDANN	Ультранизкая частота
Индекс SDNN	Среднее значение 5-минутной общей мощности
RMSSD	Высокая частота
SDSD	Высокая частота
NN50	Высокая частота
PNN50	Высокая частота
Дифференциальный индекс	Высокая частота
Логарифмический индекс	Высокая частота

Требования к записи ЭКС

Распознавание на записи опорной точки измерения, которая идентифицирует QRS-комплекс, может быть основано на максимуме или барицентре комплекса, на определении максимума интерполяционной кривой или нахождении путем соответствия шаблону или другим событиям-маркерам.

Для достаточно четкой временной привязки QRS-комплекса допустим широкий диапазон показателей аппаратуры по соотношению сигнал/шум, подавлению синфазной помехи, ширине полосы регистрации и т.д. Если верхняя частота среза существенно ниже 200 Гц, принятых для диагностического оборудования, это может вызывать дополнительный разброс, внося ошибки в распознавание отправной точки QRS-комплекса и, следовательно, в измерение RR интервалов. Подобным образом, ограниченная частота выборки вносит ошибку в спектр ВСР, степень которой увеличивается по мере увеличения частоты, тем самым больше влияя на высокочастотные компоненты. Интерполяция ЭКГ-сигнала может уменьшить степень ошибки. При надлежащей интерполяции даже частота измерений 100 Гц может быть достаточной.

В случае использования цифровой записи первичных данных необходимо тщательно выбирать используемые способы сжатия, учитывая эффективную частоту дискретизации и качество способа восстановления сигнала; в противном случае в амплитуду и фазу сигнала могут быть внесены дополнительные искажения.

В исследованиях, посвященных ВСР, продолжительность записи диктуется природой самого исследования. Требуется стандартизация, особенно в исследованиях, посвященных изучению физиологического и клинического потенциала ВСР.

При работе с короткими записями методы частотного анализа предпочтительней, чем временного. Продолжительность записи должна составлять по меньшей мере 10 длин волны низкочастотной полосы исследуемого компонента, но, чтобы быть уверенным в стабильности сигнала, не должна быть существенно длительной. Таким образом, для оценки высокочастотного компонента необходима запись около 1 минуты, в то время как для анализа низкочастотного компонента нужно 2 минуты. Для стандартизации различных исследований, посвященных анализу вариабельности ритма на коротких записях, выбрана предпочтительная длительность записи для стационарных систем - 5 минут, если природа исследования не диктует иного.

Усреднение спектральных компонентов, полученных за последовательные промежутки времени, способно минимизировать ошибку, наложенную анализом очень коротких сегментов. Тем не менее, если природа и степень физиологических модуляций сердечного периода изменяется от одного короткого фрагмента записи к другому, то физиологическая интерпретация таких усредненных спектральных компонентов страдает от тех же проблем, что и спектральный анализ длинных записей, и нуждается в дополнительном исследовании. Демонстрация собранных серий последовательных спектров мощности (более 20 минут) может помочь подтвердить условия стабильности физиологического статуса в течение времени регистрации серии.

Хотя методы временного анализа, особенно SDNN и RMSSD, могут использоваться для исследования записей короткой длительности, частотные методы обычно способны обеспечить более легко интерпретируемые в отношении физиологических регуляционных воздействий результаты. В общем, методы временного анализа идеальны для анализа длинных записей (меньшая стабильность модуляций сердечного периода в течение длительных записей делает результаты частотного анализа труднее интерпретируемыми). Опыт показывает, что циркадные отличия день / ночь вносят вклад в существенную часть характеристик вариабельности, полученных для длительного периода. Таким образом, длительные записи, анализируемые методами временного анализа, должны содержать по меньшей мере 18 часов анализируемой ЭКГ, включающей целую ночь.

Известно, что ошибки, накладываемые неточностью определения RR интервалов, могут значительно влиять на результаты статистических временных и частотных методов. Известно, что грубое редактирование данных по RR-интервалам достаточно для аппроксимационной оценки общей вариабельности геометрическими методами, но неясно, какая точность редактирования необходима для достижения уверенности в том, что и при использовании других методов будут получены корректные результаты. Таким образом, при использовании статистических методов временной и частотной области вручную проводимое редактирование массива RR интервалов должно осуществляться в соответствии с высокими стандартами корректной идентификации и классификации каждого QRS комплекса. Автоматические фильтры, которые исключают из оригинальной последовательности некоторые RR интервалы (например, отличающиеся более чем на 20% от предыдущего) не могут заменить редактирования врачом, поскольку замечено их неудовлетворительное поведение и наличие нежелательных эффектов, потенциально ведущих к ошибкам.

Стратегия получения данных для анализа ВСР должна следовать схеме, показанной на рисунке 3.

Для минимизации ошибок, вносимых неправильно выбранными или некорректно используемыми методиками, рекомендуется следующее:

...