Экспресс-диагностика функционального состояния человека по пульсометрическим данным: Методические указания к выполнению лабораторных работ

ÔÅÄÅÐÀËÜÍÎÅ ÀÃÅÍÒÑÒÂÎ ÏÎ ÎÁÐÀÇÎÂÀÍÈÞ Государственное образовательное учреждение высшего профессионального образования САНКТПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ

ÝÊÑÏÐÅÑÑ-ÄÈÀÃÍÎÑÒÈÊÀ ÔÓÍÊÖÈÎÍÀËÜÍÎÃÎ ÑÎÑÒÎßÍÈß ×ÅËÎÂÅÊÀ ÏÎ ÏÓËÜÑÎÌÅÒÐÈ×ÅÑÊÈÌ ÄÀÍÍÛÌ Ìåòîäè÷åñêèå óêàçàíèÿ ê âûïîëíåíèþ ëàáîðàòîðíîé ðàáîòû

СанктПетербург 2005

Ñîñòàâèòåëè: Ë. À. Êóëûãèíà, Ë. Ê. Êðþêîâà Ðåöåíçåíò êàíäèäàò òåõíè÷åñêèõ íàóê Î. È. Êðàñèëüíèêîâà

Ìåòîäè÷åñêèå óêàçàíèÿ ïðåäíàçíà÷åíû äëÿ âûïîëíåíèÿ ëàáîðàòîðíûõ ðàáîò ïî êóðñó «Ìåòîäû îáðàáîòêè áèîìåäèöèíñêèõ ñèãíàëîâ è äàííûõ» ñ èñïîëüçîâàíèåì âû÷èñëèòåëüíîé òåõíèêè. Ñîîòâåòñòâóþò ìàòåðèàëó, èçó÷àåìîìó ñòóäåíòàìè ïî ñïåöèàëüíîñòè 201600 «Ðàäèîýëåêòðîííûå ñèñòåìû», ñïåöèàëèçàöèÿ 201601 «Ìåäèêî-áèîëîãè÷åñêèå ýëåêòðîííûå ñèñòåìû è êîìïëåêñû». Ïîäãîòîâëåíû êàôåäðîé êîíâåðñèîííûõ êîìïüþòåðèçèðîâàííûõ ñèñòåì è ðåêîìåíäîâàíû ê èçäàíèþ ðåäàêöèîííî-èçäàòåëüñêèì ñîâåòîì Ñàíêò-Ïåòåðáóðãñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà àýðîêîñìè÷åñêîãî ïðèáîðîñòðîåíèÿ.

Ðåäàêòîð À. Â. Ïîä÷åïàåâà Êîìïüþòåðíûé íàáîð è âåðñòêà Í. Ñ. Ñòåïàíîâîé

Ïîäïèñàíî ê ïå÷àòè 11.11.05. Ôîðìàò 60´ 84 1/16. Áóìàãà îôñåòíàÿ. Ïå÷àòü îôñåòíàÿ. Óñë. ïå÷. ë. 2,4. Ó÷. -èçä. ë. 2,6. Òèðàæ 100 ýêç. Çàêàç ¹

Ðåäàêöèîííî-èçäàòåëüñêèé îòäåë Îòäåë ýëåêòðîííûõ ïóáëèêàöèé è áèáëèîãðàôèè áèáëèîòåêè Îòäåë îïåðàòèâíîé ïîëèãðàôèè ÃÓÀÏ 190000, Ñàíêò-Ïåòåðáóðã, óë. Á. Ìîðñêàÿ, 67

© ÃÎÓ ÂÏÎ «ÑÏáÃÓÀÏ», 2005

2

Лабораторная работа ЭКСПРЕСС-ДИАГНОСТИКА ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА ПО ПУЛЬСОМЕТРИЧЕСКИМ ДАННЫМ Цель работы: исследование методов статистической обработки ритмограммы. 1. Теоретические положения 1.1. Основные понятия биокибернетики Интенсификация воздушного сообщения вообще, а в зоне аэродромов особенно, предъявляет повышенные требования к состоянию здоровья диспетчеров, обеспечивающих безопасность полетов. В связи с этим важным вопросом является организация контроля состояния диспетчеров, осуществляемая в процессе работы. Разработанное учение о стрессе дает основание для построения разнообразных классификаций состояния организма на грани нормы и патологии. Возможность оценки стрессовых реакций связывается с биохимическими исследованиями биологических жидкостей организма. Хотя подобные измерения дают достаточно полную информацию о состоянии человеческого организма, данные исследования не могут проводиться оперативно и тем более непрерывно, даже при использовании самой современной электронно-вычислительной техники. Поэтому актуальным является поиск других путей измерения и оценки стрессовых состояний организма. Одним из решений этой проблемы является использование математического анализа пульсометрических данных, а именно оценка вариабельности ритма сердца, поскольку его изменение является оперативной универсальной реакцией организма в ответ на любое воздействие внешней среды. 1

Анализ вариабельности сердечного ритма (ВСР), т. е. исследование изменений длительностей RR-интервалов (рис. 1.1), является методом оценки состояния механизмов регуляции физиологических функций в организме человека и животных, в частности общей активности регуляторных механизмов, нейрогуморальной регуляции сердца, соотношения между симпатическим и парасимпатическим отделами вегетативной нервной системы. Текущая активность симпатического и парасимпатического отделов является результатом многоконтурной и многоуровневой реакции системы регуляции кровообращения, изменяющей во времени свои параметры для достижения оптимального для организма приспособительного ответа. Адаптационные реакции индивидуальны и реализуются у разных лиц с различной степенью участия функциональных систем, которые обладают в свою очередь обратной связью, изменяющейся во времени и имеющей переменную функциональную организацию. RR

Рис. 1.1. RR-интервал

Характерной особенностью метода является его высокая чувствительность к самым разнообразным внутренним и внешним воздействиям. Метод основан на распознавании и измерении временных RR-интервалов, построении динамических рядов кардиоинтервалов (кардиоинтервалограммы) и последующего анализа полученных числовых рядов различными математическими методами. При этом простота съема информации сочетается с возможностью извлечения из получаемых данных обширной и разнообразной информации о состоянии организма в целом. Основная информация о состоянии систем, регулирующих ритм сердца, заключена в «функциях разброса» длительностей кардиоинтервалов. При наличии нарушений ритма различного происхождения, требуется применение специальных методов по восстановлению стационар2

ности изучаемого процесса или особых аналитических подходов, например методов нелинейной динамики. Теория адаптации в настоящее время является одним из фундаментальных направлений современной биологии и физиологии. Адаптационная деятельность организма человека и животных не только обеспечивает выживание и эволюционное развитие, но и повседневное приспособление к изменениям окружающей среды. Система кровообращения может рассматриваться как чувствительный индикатор адаптационных реакций целостного организма, а вариабельность сердечного ритма хорошо отражает степень напряжения регуляторных систем, возникающую в ответ на любое стрессовое воздействие. Более детальный анализ ВСР с применением методов автокорреляционного и спектрального анализа привел к разработке подхода, основанного на положениях биологической кибернетики и теории функциональных систем. В основе этого подхода лежит представление о вариабельности ритма сердца как о результате влияния на систему кровообращения многочисленных регуляторных механизмов (нервных, гормональных, гуморальных). Функциональная система регуляции кровообращения представляет собой многоконтурную, иерархически организованную систему, в которой доминирующая роль отдельных звеньев определяется текущими потребностями организма. Наиболее простая двухконтурная модель регуляции сердечного ритма, предложенная Р. М. Баевским, основывается на кибернетическом подходе, при котором система регуляции синусового узла может быть представлена в виде двух взаимосвязанных уровней (контуров): центрального и автономного с прямой и обратной связью. Усовершенствованный вариант этой модели представлен на рис. 1.2. Дыхательная система рассматривается как элемент обратной связи в автономном контуре регуляции сердечного ритма. Центральный уровень можно представить в виде трех уровней, каждому из которых соответствует свой уровень регуляции. 1-й уровень обеспечивает организацию взаимодействия организма с внешней средой (адаптация организма к внешним воздействиям). К нему относится центральная нервная система. 2-й уровень организует равновесие различных систем организма между собой и обеспечивает межсистемный гомеостаз. Основную роль на этом уровне играют высшие вегетативные центры. 3

Кора головного мозга

Высшие вегетативные центры и подкорковые нервные центры Сердечно-сосудистый центр продолговатого мозга

Легкие

Гуморальный канал регуляции Дыхательный центр

Синусовый узел

Ядра блуждающего нерва АВТОНОМНЫЙ КОНТУР ЦЕНТРАЛЬНЫЙ КОНТУР

Нервный канал регуляции

Рис. 1.2. Схема двухконтурной модели регуляции сердечного ритма

3-й уровень обеспечивает внутрисистемный гомеостаз в различных системах организма, в частности в кардиореспираторной системе (систему кровообращения и систему дыхания можно рассматривать как единую функциональную систему). Абсолютно все органы и системы нашего организма находятся под постоянным нервно-гуморальным контролем. Тесный симбиоз различных отделов вегетативной нервной системы и гуморальных влияний обеспечивает достижение оптимальных результатов в плане адаптации к изменяющимся условиям внутренней и внешней среды. Отклонения, возникающие в регулирующих системах, предшествуют различным нарушениям и, следовательно, являются наиболее ранними прогностическими признаками заболевания человека. Сердечный ритм является индикатором этих отклонений, поэтому его анализ имеет важное прогностическое и диагностическое значение при различных, в том числе и стрессовых, нарушениях. Ритм сердца определяется способностью специализированных клеток проводящей системы сердца спонтанно активизироваться – так называемое свойство сердечного автоматизма. В норме основное модулирующее действие на сердечный ритм оказывает вегетативная нервная система. При этом симпатический отдел стимулирует деятельность сердца, а парасимпатический – угнетает ее. Центральная нервная система контролирует относительные уровни активности симпатического и парасимпатического отделов обычно по механизму обратной связи. 4

1.2. Классификация методов диагностики пульса Исследование кривых пульса (в различных сочетаниях и модификациях) позволяет получить правильное представление о ряде параметров кровообращения и некоторых морфофизиологических системах. Согласно рис. 1.3 все методы диагностики по параметрам пульса изначально делятся на инвазивные и неинвазивные. К инвазивным, например, относится регистрация пульсовой волны почечной артерии со вскрытием брюшной полости. В этом случае запись сфигмограмм осуМетоды пульсодиагностики

Инвазивные методы

Катетеризация

Острые опыты

Лазерные

Радиолокационные

Неинвазивные методы

Неконтактные

Контактные

Акустические

Методики с использование параметрических преобразователей

Пальпация

Фотометрические

Методики с использованием генераторных преобразователей

Рис. 1.3. Классификация методов диагностики пульса

ществляется тензометрическими датчиками, расположенными непосредственно на исследуемых сосудах. Недостатки таких инвазивных методик очевидны, так как хирургическое вмешательство и применение наркоза не проходят бесследно для любого организма. Прямая регистрация пульсовой волны также осуществляется при введении катетера или канюли в крупные артерии (например, в бедренную артерию) для интенсивного послеоперационного наблюдения за больным. Прибор 5

также можно вводить и в полость сердца при контроле с помощью рентгеновской аппаратуры. Среди всех неконтактных методов пульсовой диагностики хотелось бы отметить СВЧ-метод. Его основу составляет радиолокационная доплеровская система микроволнового диапазона. Она позволяет регистрировать микроперемещения облучаемой поверхности пациента, т. е. дистанционным методом регистрировать ритмограмму работы сердца и кривую дыхательной экскурсии под воздействием процессов дыхания и пульса. Существует также много контактных современных инструментальных методов. К ним относятся сфигмография лучевой артерии, радиальная пьезопульсография, регистрация каротидного пульса, вариационная пульсометрия и т. д. Но все вышеперечисленные методы являются узкоспециализированными методами изучения некоторых частных особенностей функционирования сердечно-сосудистой системы и иногда некоторых других морфо-физиологических систем. Информативные параметры пульсовых кривых можно подразделить на первичные (амплитудные, временные и частотные); производные от первичных, полученные путем несложных математических преобразований; статистические показатели, характеризующие закономерности изменения значений параметров во времени; показатели корреляционных зависимостей; обобщенные показатели, характеризующие деятельность сердечно-сосудистой системы и состояние организма в целом. 1.3. Пульсовая волна Пульсовая волна кровенаполнения имеет следующие основные компоненты (рис. 1.4): крутой систолический подъем от нулевой линии до максимума (АК) – анакротическая фаза, где различают два участка – период быстрого кровенаполнения от точки С до вершины (СК). Нисходящая часть кривой характеризуется медленным спуском и соответствует катакротической фазе пульсовой волны (КВ). На ней располагается дикротическая волна (MDB). В конце катакротической фазы перед началом следующего цикла появляется волна небольшой амплитуды, называемая диастолической волной (V). При анализе пульсовых кривых выделяются следующие информативные параметры. 6

K

D

C M

H0,5

V

H3

H4

H1

H2

H1 A

a1 a2

a3 a4 a5

B

Рис. 1.4. Информативные параметры пульсовой кривой

Амплитудные характеристики пульсовой волны: 1) максимальная амплитуда пульсовой волны Н2, определяемая по отношению к величине стандартного калибровочного пульса. Является показателем величины пульсового кровенаполнения исследуемой области и пропорциональна соотношению объемов притока артериальной крови и оттока венозной крови в момент максимального растяжения сосудистого ложа. На величину H2 значительно влияют ударный объем крови и тонус сосудистой стенки и слабо – частота сердечных сокращений и артериальное давление; 2) отношение амплитуды на уровне инцизуры (точка М) к амплитуде систолической волны H3/H2 – «дикротический индекс». Отражает периферическое сосудистое сопротивление; 3) отношение амплитуды на уровне вершины дикротического зубца к амплитуде систолической волны H4/H2 – «диастолический индекс», отражает состояние тонуса венозных сосудов; 4) отношение амплитуд H1/H2 характеризует периферическое сопротивление; 5) отношение амплитуды на уровне 0,5 интервала а1–В к амплитуде систолической волны H0,5/ H2 отражает условия венозного оттока. Временные характеристики пульсовой волн: 1) длительность пульсового колебания А–В, соответствующая длительности сердечного цикла; 2) интервал А–а1 отражает период быстрого кровенаполнения и зависит от ударного объема сердца и тонуса сосудов; 7

3) интервал а1–а2 отражает период медленного кровенаполнения и характеризует особенности микроциркуляции; 4) интервал А–а2, соответствующий длительности анакротической фазы, отличается стабильностью и достаточно полно отражает степень растяжения сосудистых стенок; 5) интервал а2–В, соответствующий длительности катакротической фазы, характеризует сократительную способность сосудов и их эластичность; 6) интервал от вершины пульсовой кривой до вершины дикротического зубца а2–а4 характеризует упругость стенок сосудов и условия венозного оттока; 7) отношение длительности фазы наполнения к общему времени цикла (сфигмографическая скорость) (А–а2)/(А–В). Дает возможность судить о способности стенок сосудов к растяжению; 8) показатель упруговязких свойств сосудов (R–A)+(А–а2); 9) показатель временных соотношений, характеризующий упруговязкие свойства сосудов (R–A+А–а2)/(А–а2+ а2–а3+а4–В). 1.4. Методика исследования вариабельности сердечного ритма Исследование ВСР может быть параллельным или специализированным. В первом случае оно проводится одновременно с регистрацией ЭКГ для целей диагностики или медицинского контроля во время Холтеровского мониторирования. Во втором случае это целенаправленное изучение ВСР с использованием специализированных систем. При этом можно выделить следующие виды исследований: 1) в условиях относительного покоя; 2) при проведении функциональных тестов; 3) исследования в условиях обычной деятельности или при выполнении профессиональных нагрузок; 4) в клинических условиях. В общем случае исследование и анализ ВСР включают три этапа: 1) измерение и представление динамических рядов кардиоинтервалов; 2) анализ динамических рядов кардиоинтервалов; 3) оценку результатов анализа ВСР. При исследовании ВСР следует различать кратковременные («короткие») и долговременные («длинные») записи. Под последними, как правило, понимают данные, получаемые при 24-часовом мониториро8

вании электрокардиограммы (Холтеровское мониторирование). К так называемым « коротким» записям относят данные исследований, проводимых в течение минут, десятков минут или нескольких часов. Динамические ряды кардиоинтервалов (кардиоритмограммы) могут быть получены при анализе любых кардиографических записей (электрических, механических, ультразвуковых и. т. д.), однако в данном случае необходимо ограничиться рассмотрением данных анализа только электрокардиосигналов, поскольку при исследовании ритма сердца оценивают источник водителя ритма (зубец Р), морфологию комплекса QRS и взаимосвязь между ними. Кроме того, существует понятие «дефицит пульса» (не каждое сердечное сокращение приводит к возникновению пульсовой волны). Именно поэтому для расчета показателей вариабельности ритма сердца необходимо использовать запись электрокардиограммы. Анализ ВСР основан на измерении длительностей RR-интервалов ЭКГ и на формировании динамического ряда значений, которые визуально отображаются в виде кардиоинтервалограммы (ритмограммы). Методы анализа ВСР можно разделить на три больших класса: исследование общей вариабельности (статистические методы и временной анализ); исследование периодических составляющих ВСР (частотный анализ); исследование внутренней организации динамического ряда кардиоинтервалов (методы нелинейной динамики, автокорреляционный анализ, корреляционная ритмография). В общем случае электрический сигнал, снимаемый с датчика, имеет структуру процесса, в котором информационный сигнал смешан с шумом. При этом соотношение сигнал/шум может сильно изменяться в зависимости от местоположения датчика и других особенностей в момент снятия биоинформации. Таким образом, полученные с помощью датчиков данные представляют собой выборочные совокупности, причем эти выборки являются в некоторой степени случайными. Биоэлектрические сигналы, регистрируемые с различных точек, являются существенно малыми по амплитуде и занимают области низких и инфранизких частот. При оценке качества записи необходимо учитывать влияние разнообразных помех, которые могут быть обусловлены токами наводки, мышечным тремором, плохим контактом электродов с кожей и други9

ми причинами. Все выявленные артефакты нужно устранять (отфильтровывать). Однако это целесообразно в том случае, когда число артефактов невелико (менее 5–10 %). При большем количестве следует ограничиться анализом гистограммы и скаттерограммы. В случае проведения исследований одновременно со снятием электрокардиограммы распознавание на записи отправной точки измерения, которая идентифицирует QRS-комплекс, может быть основано на максимуме или барицентре комплекса, на определении максимума интерполяционной кривой или нахождении путем соответствия эталону. 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. 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 класси10

фикации 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 рис. 1.5. Отбраковка RR-интервалов

Последовательность NN

Интерполяция + выборка

Редактирование данных

Идентификация артефактов

Временной анализ ВСР

Частотный анализ ВСР

Компьютерная оцифровка

Запись ЭКГ

Рис. 1.5. Диаграмма, суммирующая последовательность шагов при записи и обработке ЭКГ-сигнала с целью получения данных для анализа сердечного ритма

Длительность регистрации сердечного ритма зависит от целей исследования. Так называемые «кратковременные» исследования могут иметь продолжительность от нескольких минут до нескольких часов. Например, при массовых профилактических осмотрах или при предварительных поликлинических и клинических исследованиях применяют 5-минутную регистрацию. При функциональных пробах длительность регистрации может колебаться от 10–15 минут до 1,5–2 часов. Во время хирургических операций могут потребоваться контрольные исследования в течение 3–5 часов, наконец, в реанимационных отделениях или при исследовании сна длительность непрерывной регистрации может достигать 10–12 часов. В связи с этим предлагается выделять четы11

ре типа исследований ВСР: кратковременные (оперативные или обзорные) записи (стандартная длительность – 5 минут); записи средней длительности (до 1 часа); многочасовые записи (до 8–10 часов); суточные (24-часовые) записи. Независимо от длительности регистрации при анализе данных в качестве базовых выборок используются 5-минутные сегменты записи. При необходимости используются характеристики более длительных этапов исследования и результаты анализа этих сегментов соответствующим образом суммируются. Обычно в подобных исследованиях, продолжительность записи диктуется природой самого исследования. 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 выбрана предпочтительная длительность записи для стационарных систем – 5 минут, если природа исследования не диктует иного. Часто целесообразно устанавливать продолжительность записи не по времени, а по количеству регистрируемых кардиоциклов. Обычно рекомендуется 300–500 кардиоциклов. При повторных записях, при проведении функциональных проб следует записывать одинаковое количество кардиоциклов. Данное требование объясняется тем, что для анализа кардиоритмограммы применяются методы, в основе которых лежит аппарат математической статистики, требующий одинаковой длины сопоставляемых выборок. В ходе исследований регистрируется ЭКГ-сигнал в одном из стандартных или грудных отведениях. Продолжительность записи должна быть, как правило, не менее 5 минут. При наличии нарушений ритма лучше проводить запись не менее 10 минут. Анализ 2–3 последовательных записей по 5 минут подтверждает условия стабильности физиологического статуса. В экспериментальных и клинических исследованиях должна быть известна ЧСС для корректного сопоставления получаемых данных. Перед исследованием обязательна отмена физиотерапевтических процедур и медикаментозного лечения, либо эти факторы должны учитываться при оценке результатов исследования. Перед нача12

лом исследования необходим период адаптации к окружающим условиям в течение 5–10 минут. Необходимо устранить все помехи, приводящие к эмоциональному возбуждению, не разговаривать с исследуемым и посторонними, исключить телефонные звонки и появление в кабинете других лиц, включая медработников. В период исследования ВСР пациент должен дышать, не делая глубоких вдохов, не кашлять, не сглатывать слюну. Другой важной разновидностью исследований сердечного ритма является проведение функциональных тестов. Основной целью при этом является оценка функциональных резервов механизмов вегетативной регуляции. В зависимости от вида функциональной нагрузки могут тестироваться различные звенья системы управления физиологическими функциями. Чувствительность и реактивность вегетативной нервной системы, ее симпатического и парасимпатического отделов при воздействии того или иного тестирующего фактора могут служить диагностическими и прогностическими критериями. Необходимо отметить следующие особенности анализа ВСР при функциональных пробах: фоновая (исходная) запись должна проводится в условиях покоя в течение не менее 5 минут. Для сравнения с фоновой записью должны использоваться аналогичные по длительности записи, полученные на разных этапах функциональной пробы; переходный процесс при функциональных пробах должен анализироваться специальными методами. При этом он должен быть выделен из записи визуально или автоматически с использованием соответствующих алгоритмов, учитывающих нестационарность и нелинейность процесса. Анализ переходных процессов может иметь самостоятельное диагностическое и прогностическое значение; оценку изменений показателей ВСР при функциональных пробах следует проводить с учетом данных, полученных другими методами исследования. Особый интерес однако представляют измерения, проводимые в условиях профессиональных нагрузок, когда необходимо принимать оперативное решение о состоянии здоровья, анализируя достаточно короткие записи, при наличии большого количества помех и артефактов. Применение анализа ВСР в качестве метода оценки адаптационных возможностей организма или текущего уровня стресса представляет практический интерес для различных областей прикладной физиологии, 13

профессиональной и спортивной медицины, а также для социально-экологических исследований. Развитие диагностики сделало возможным выделение среди практически здоровых людей обширных групп лиц с высоким и очень высоким напряжением регуляторных систем, с повышенным риском срыва адаптации и появления патологических отклонений и заболеваний. Такие лица нуждаются в регулярном контроле уровня стресса и в рекомендациях по сохранению здоровья. Проблема хронического стресса, когда имеется постоянно повышенное напряжение регуляторных систем, касается практически всего населения, но особенно важна для отдельных профессиональных групп, труд которых сопряжен с воздействием комплекса стрессовых факторов. Это, в частности, операторы компьютерных систем, диспетчеры, водители, а также бизнесмены и административно-управленческий аппарат. Анализ ВСР является адекватным методом оценки уровня стресса при их повседневной деятельности. Здесь в зависимости от цели возможно применение любого из трех типов исследований (кратковременные, средней длительности или многочасовые). 1.5. Временной метод анализа вариабельности сердечного ритма Изменчивость ЧСС может быть оценена множеством методов. Возможно, 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. Простейшие переменные, которые могут быть вычислены: средний RR-интервал, средняя ЧСС, разница между самым длинным и самым коротким RR-интервалом, отличие между дневной и ночной ЧСС и т. д. Могут исcледоваться также вариации мгновенной ЧСС, связанные с дыханием, ортостатическим (tilt) тестом, маневром Вальсальвы, инфузией фенилэфрина. Изменения могут быть описаны при анализе величины ЧСС или длины сердечного цикла (RR). На основе серии мгновенных ЧСС или интервалов RR (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: 1) полученные при обработке прямых измерений мгновенной ЧСС или RR-интервалов; 2) вычисленные на основе разницы между RR-интервалами. 14

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, как то сон, отдых, и т. д. Подробный анализ показателей математического анализа ритма, в том числе и по Р. М. Баевскому, проведен в работах [1, 2]. Приведем наиболее информативные и широко применяемые из них, отметив при этом их физиологическую интерпретацию. Математическое ожидание (М или RRNN в зарубежной литературе) – показатель, отражающий конечный результат многочисленных регуляторных влияний и систему кровообращения в целом. Он эквивалентен средней ЧСС, обладает наименьшей изменчивостью медикостатистических показателей. Наиболее удобная для вычисления переменная – стандартное отклонение RR-интервалов – Сигма δ (SDNN) – квадратный корень из разброса RR. Поскольку величина под корнем математически эквивалентна общей мощности в спектральном анализе, SDNN отражает все циклические компоненты, ответственные за вариабельность в течение периода записи. Это один из основных показателей, оцениваемый при анализе ритма сердца, поскольку отражает состояние всех механизмов регуляции. Необходимо отметить, что при прочих равных условиях общая величина вариабельности возрастает при увеличении длины исследуемой записи. Для исключения искажения результатов следует анализировать записи одинаковой длительности, например 5-минутные. Коэффициент вариабельности (CVr) – по физиологическому смыслу не отличается от δ, но является показателем,нормированным по частоте сердечных сокращений, а потому испытывает меньшее влияние при наличии артефактов. Обычно используемые статистические показатели включают также SDANN – стандартное отклонение средних RR-интервалов, вычисленных за короткие промежутки времени (обычно 5-минутные), которое позволяет оценить изменения ЧСС цикличностью с периодом более 5 минут и SDNN index – среднюю 5-минутных стандартных отклонений RR-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 RR-интервалами, NN50 – количество случаев, в которых 15

разница между длительностью последовательных RR, превышает 50 мс., pNN50 – пропорция интервалов между смежными RR, превосходящими 50 мс., к общему количеству RR-интервалов в записи. Все эти показатели отражают быстрые высокочастотные колебания в структуре ВСР и высоко коррелируют. Последовательность RR-интервалов также может быть преобразована в геометрическую структуру, такую как распределение плотности длительности RR-интервалов, распределение плотности разницы между смежными RR-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: 1) основные измерения геометрической модели (например, ширина гистограммы распределения на определенном уровне) конвертируются в измерения ВСР; 2) определенным математическим образом (аппроксимация гистограммы распределения треугольником или дифференциальной гистограммы экспоненциальной кривой) интерполируется геометрическая модель и далее анализируются коэффициенты, описывающие эту математическую форму; 3) 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 RR-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 мс (точнее, 1/128 секунды), что соответствует возможностям серийно выпускаемого оборудования. К числу геометрических методов прежде всего относится так называемая вариационная пульсометрия. Сущность вариационной пульсометрии заключается в изучении закона распределения кардиоинтервалов как случайных величин. При этом строится вариационная кривая (кривая распределения кардиоинтервалов или гистограмма) и определяются ее основные характеристики: М0 (мода), АМ0 (амплитуда моды), ВАР (вариационный размах). Мода – это наиболее часто встречающееся в данном динамическом ряде значение кардиоинтервала. При нормальном распределении и 16

Число нормальных RR-интервалов

высокой стационарности исследуемого процесса М0 мало отличается от математического ожидания (М). Амплитуда моды – это число кардиоинтервалов, соответствующих значению моды, в % к объему выборки. Вариационный размах отражает степень вариативности значений кардиоинтервалов в исследуемом динамическом ряду. Он вычисляется по разности (D – difference) максимального (Mx) и минимального (Mn) значений кардиоинтервалов и иногда обозначается как MxDMn. В западных работах этот показатель обозначается как TINN (trangular interpolation of NN intervals), поскольку вычисляется по интерполирующему кривую распределения треугольнику. Триангулярный индекс – интеграл плотности распределения (а это общее количество RR-интервалов), отнесенный к максимуму плотности распределения. При использовании дискретной шкалы RR-интервалов его значение может зависить 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 RR-интервалов (TIR-R) – это ширина основания распределения, измеренная как основание треугольника, полученного при аппроксимации расределения RR-интервалов методом наименьших квпдратов. Детали вычисления триангулярного индекса вариабельности и TINN показаны на рис. 1.6. Оба эти измерения выражают общую вариабельность сердечного ритма, измеренную за 24 часа, и более зависимы от низкочастотных, нежели от высокочастотных составляющих.

Y Плотность распределения D X M N Продолжительность нормальных RR-интервалов

Рис. 1.6. Вычисления триангулярного индекса

17

Для проведения геометрических измерений по гистограмме RR-интервалов вначале конструируется плотность распределения выборки D, т. е. соответствие между каждым значением длины RR-интервала в выборке и количеством интервалов, имеющих эту длину. Затем определяется длина X наиболее часто встречающихся RR-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 RR-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 tM, и интеграл +∞

∫0 ( D (t) − q (t))

2

dt

минимален при всех возможных значениях между N и M. Величина TINN имеет размерность миллисекунд и выражается формулой TINN = M–N. 1.6. Частотные методы анализа вариабельности сердечного ритма Спектральные методы анализа ВСР получили в настоящее время очень широкое распространение. Анализ спектральной плотности мощности колебаний дает информацию о распределении мощности в зависимости от частоты колебаний. Применение спектрального анализа позволяет количественно оценить различные частотные составляющие колебаний ритма сердца и наглядно графически представить соотношения разных компонентов сердечного ритма, отражающих активность определенных звеньев регуляторного механизма. Различают параметрические и непараметрические методы спектрального анализа. К первым относится авторегрессионный анализ, ко вторым – быстрое преобразование Фурье (БПФ) и периодограммный анализ. Обе эти группы методов дают сравнимые результаты. Положительными чертами непараметрических методов являются: а) простота используемого алгоритма (в большинстве случаев, быстрое преобразование Фурье – БПФ), б) быстрота вычисления. К преимуществам параметрических методов можно отнести: а) более гладкие спектральные компоненты, различимые независимо от предварительно выбранной полосы частот; б) простая обработка полученного спектра с 18

автоматическим вычислением низкочастотных и высокочастотных компонентов спектра и простой идентификацией основной частоты каждого компонента; в) 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). Параметрические и, в частности, авторегрессионные методы требуют соответствия анализируемого объекта определенным моделям. Общим для всех классических методов спектрального анализа является вопрос применения функции окна (Windowing). Основное назначение окна – уменьшение величины смещения в периодограммных спектральных оценках. Существуют определенные различия спектрального оценивания данных при использовании периодограммного метода с равномерным окном (при 256 значениях RR) и применении различных уровней межсегментного сдвига и различного числа отсчетов на сегмент. Увеличение разрешения при возрастании межсегментного сдвига и числа отсчетов на сегмент влечет за собой появление массы дополнительных пиков в спектре и увеличение амплитуды пиков в правой половине спектра. При спектральном анализе ВСР важное значение имеет длительность анализируемой выборки. При коротких записях (5 минут) выделяют три главных спектральных компоненты. Эти компоненты соответствуют диапазонам дыхательных волн и медленных волн 1-го и 2-го порядка. В западной литературе соответствующие спектральные компоненты получили названия высокочастотных (High Frequency – HF, ВЧ), низкочастотных (Low Frequency – LF, НЧ) и очень низкочастотных (Very Low Frequency – VLF, ОНЧ). Согласно стандартам предлагаются следующие диапазоны частот (рис. 1.7): высокочастотный диапазон (дыхательные волны) – 0,4–0,15 Гц (2,5–6,5 с); низкочастотный диапазон (медленные волны 1-го порядка) – 0,15–0,04 Гц (6,5– 25 с); очень низкочастотный диапазон ( медленные волны 2-го порядка) – 0,04– 0,003 Гц (25–333 с). При анализе длительных записей выделяют также и ультранизкочастотный компонент – Ultra Low Frequency (ULF) с частотами выше 0,003 Гц.

19

100 1 0,1 0,01 0,001

0,001

VLF 0,01

LF

HF

0,1

0,15

ULF

0,04

0,0001 0,00001 0,0001

0,003

Power (ms2)

10

Frequency (Hz)

Рис. 1.7. Диапазоны частот при спектральном анализе

Ввиду важных отличий в интерпретации результатов, подходы к спектральному анализу коротких и длинных электрокардиограмм должны строго различаться. Для проведения достоверной спектральной оценки анализируемый ЭКГ сигнал должен удовлетворять некоторым требованиям, любое отклонение от которых может привести к получению невоспроизводимых 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. Одно из главных технических требований, предъявляемых к спектральным методам – это правильный выбор частоты 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. Большое количество ограничений и требований, налагаемых при спектральных методах анализа пульсометрических данных, делает их использование при оперативных измерениях сложным или даже нецелесообразным. Методы цифровой фильтрации предназначены для быстрого анализа коротких участков записи ЭКГ (менее 5 минут) и позволяют дать количественную оценку периодических компонентов ВСР. 20

1.7. Нелинейные методы анализа вариабельности сердечного ритма Рассмотрение нелинейных методов начнем с автокорреляционного анализа. Вычисление и построение автокорреляционной функции динамического ряда кардиоинтервалов направлено на изучение внутренней структуры этого ряда как случайного процесса. Автокорреляционная функция представляет собой график динамики коэффициентов корреляции, получаемых при последовательном смещении анализируемого динамического ряда на одно число по отношению к своему собственному ряду. После первого сдвига на одно значение коэффициент корреляции тем меньше единицы, чем более выражены дыхательные волны. Если в исследуемой выборке доминируют медленноволновые компоненты, то коэффициент корреляции после первого сдвига будет лишь незначительно ниже единицы. Последующие сдвиги ведут к постепенному уменьшению корреляционных коэффициентов. Автокоррелограмма позволяет судить о скрытой периодичности сердечного ритма. В качестве количественных показателей автокоррелограммы вводятся С1 – значение коэффициента корреляции после первого сдвига и С0 – число сдвигов в результате которого значение коэффициента корреляции становиться отрицательным (<0). Сущность метода корреляционной ритмографии заключается в графическом отображении последовательных пар кардиоинтервалов (предыдущего и последующего) в двухмерной координатной плоскости (рис. 1.8). При этом по оси абсцисс откладывается величина RRn, а по оси ординат – величина RRn+1. График и область точек, полученных таким образом (пятна Пуанкаре или Лоренца), называется корреляционной ритмограммой или скаттерограммой (scatter-рассеивание). Этот способ оценки ВСР относится к методам нелинейного анализа и является особенно полезным для случаев, когда на фоне монотонности ритма встречаются редкие и внезапные нарушения (эктопические сокращения и (или) « выпадения» отдельных сердечных сокращений). При построении скаттерограммы образуется совокупность точек, центр которых располагается на биссектрисе. Расстояние от центра до начала осей координат соответствует наиболее ожидаемой длительности сердечного цикла (М0). Величина отклонения точки от биссектрисы влево показывает, насколько данный сердечный цикл короче преды21

сек 1,5

Скаттерограмма

1,25 1 0,75 0,5 0,25 сек

0 0

0,25

0,5

0,75

1

1,25

1,5

1.8. Изображение скаттерограммы

дущего, вправо от биссектрисы – насколько он длиннее предыдущего. Предлагается вычислять следующие показатели скаттерограммы: длина основного (без экстрасистол и артефактов) «облака» (длинная ось эллипса – L) соответствует вариационному размаху. По физиологическому смыслу этот показатель не отличается от SDNN, т. е. отражает суммарный эффект регуляции ВСР, но указывает на максимальную амплитуду колебаний длительности интервалов RR; ширина скаттерограммы (перпендикуляр к длинной оси, проведенный через ее середину – w); площадь скаттерограммы вычисляется по формуле площади эллипса: S = (p × L × w)/4. Нормальная форма скаттерограммы представляет собой эллипс, вытянутый вдоль биссектрисы. Именно такое расположение эллипса означает, что к дыхательной прибавлена некоторая величина недыхательной аритмии. Форма скаттерограммы в виде круга означает отсутствие недыхательных компонентов аритмии. Узкий овал соответствует преобладанию недыхательных компонентов в общей вариабельности ритма, которая определяется длиной «облака». Длина овала хорошо коррелирует с величиной HF, а ширина – с LF. При аритмиях, когда методы статистического и спектрального анализа вариабельности сердечного ритма малоинформативны или неприемлемы, целесо22

образно использовать оценку корреляционной ритмограммы (скаттерограммы). 1.8. Статистический анализ вариабельности сердечного ритма Многообразие существующих методов для анализа пульсометрических данных позволяет получить полную информацию о состоянии человеческого организма, однако большинство исследований не могут проводиться оперативно. В этом случае математический анализ пульсометрических данных дает следующие преимущества: надежность и малая вариабельность показателей, а также наличие четкой зависимости между системами организма и параметрами кардиоинтервалограммы; соответствие показателей международным стандартам оценки, физиологической интерпретации и клинического использования; объективность и точность статистической обработки электрических сигналов; неинвазивность метода при высокой надежности и объективности получаемых результатов; возможность накопления информации и ее анализа, как в реальном времени, так и в динамике; доступность и возможность визуализации получаемой информации и результатов ее анализа; интегральность показателя, дающая возможность объективной оценки вегетативного обеспечения важнейших систем жизнеобеспечения: сердечной деятельности, внешнего дыхания, сосудистой системы, вегетативной системы, механизмов гуморальной регуляции; возможность комплексного исследования функционального состояния организма без ограничения подвижности исследуемого пациента, т. е. в более естественных условиях, чем при других методах функциональной диагностики. Ориентируясь на проведенный анализ, можно отметить, что для создания емкого и при этом информативного приложения достаточно будет вычисления следующих параметров, определяемых статистическими методами. 1. SDNN* (Standart deviation of all NN intervals) – стандартного отклонения всех NN-интервалов – квадратный корень из дисперсии * Интервалы RR между RRS-комплексами нормальных синусовых кардиоциклов принято называть NN-интервалами.

23

N

SDNN =

∑ ( NNi − NNavg )

2

i =1

N

,

(1.1)

где NNi – значение i-го интервала; NNavg – среднее по NNi всей записи; N – число интервалов. Так как дисперсия является математическим эквивалентом общей мощности спектра, то SDNN отражает все периодические составляющие вариабельности за время записи. 2. Mean (мс) – среднее значение NN-интервалов M ean =

N

∑

i =1

NN i . N

3. CVr (сoefficient of variation), К (%) – коэффициент вариабельности

CV r =

SDNN M ean

× 100% ,

(1.3)

где SDNN – стандартное отклонение по всей записи, Mean – среднее по всей записи. 4. HR (Heart rate), (1/с) – частота сердечных сокращений

HR =

1000 M

× 60,

(1.4)

где M – либо среднее, либо мода или медиана NN-интервалов. Выбор этих статистических величин обоснован их большой информативностью, достаточной простотой вычислений и широким использованием в медицине. Данные параметры хорошо стандартизированы, что позволяет осуществлять в программе сравнение получаемых результатов с «нормой» и производить оперативную оценку состояния пациента, не проводя дополнительные вычисления. Геометрические методы анализа дают возможность наиболее наглядного представления информации в виде гистограммы. Ее форма практически однозначно указывает на наличие отклонений или даже патологий. Форма гистограммы (количество столбцов) зависит от ширины разряда, иначе говоря, от того временного диапазона, на которое разбивается основание гистограммы. Ширина разряда выбирается либо фиксированной 0,05 с (при объеме выборки около 100 кардиоциклов), либо по формуле X − X min , ∆ = max (1.5) K 24

где Xmax – максимальное значение интервала RR; Xmin – минимальное значение интервала RR; K – число разрядов, определяемое по формуле: K = 1+3,322 × lgn, где n – число наблюдений случайной величины. При использовании графических методов различают следующие типы гистограмм распределения ритма сердца: нормальная; ассиметричная; эксцессивная; амодальная. Встречается также многовершинная гистограмма, которая обусловлена наличием несинусового ритма (мерцательная аритмия, экстрасистолия), а также множественными артефактами. Различают нормотонические, симпатикотонические и ваготонические типы гистограмм, по которым судят о состоянии вегетативной нервной системы. Главное преимущество геометрических методов заключается в их относительной нечувствительности к аналитическому качеству серии RR-интервалов. Самым большим недостатком является необходимость приемлемого количества RR-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. 1. Нормальная гистограмма. В состоянии покоя у здорового человека распределение величин интервалов RR близко к виду симметричной кривой Гаусса (рис. 1.9). 2. Ассиметричная гистограмма (рис. 1.10). Такая гистограмма обычно указывает на нарушение стационарности процесса регуляции ритма сердца и наблюдается при переходных состояниях. 3. При стрессе и патологических состояниях регистрируется эксцессивная гистограмма (рис. 1.11), которая характеризуется очень узким основанием и заостренной вершиной. В таком случае распределение величин подчиняется логнормальному закону. 4. Амодальная гистограмма (рис. 1.12). При этом распределение настолько хаотично, что невозможно выделить доминирующее значение длительности RR-интервала. В этом случае на фоне избыточной активации симпатико-адреналовой системы снижается общая мощность 25

55 50 45

Количество RR

40 35 30 25 20 15 10 5 0

0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98 1 RR, с

200 190 180 170 160 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0 0,4

Kоличество RR

Kоличество RR

Рис. 1.9. Нормальная гистограмма

0,6 0,8

1 1,2 RR,c

1,4 1,6

Рис. 1.10. Ассиметричная гистограмма

26

380 360 340 320 300 280 260 240 220 200 180 160 140 120 100 80 60 40 20 0

0,5

0,55 0,6 RR,c

0,65

Рис. 1.11. Эксцессивная гистограмма

13 12 11

Количество RR

10 9 8 7 6 5 4 3 2 1 0

0,6

0,8

1

1,2 RR, с

1,4

1,6

Рис. 1.12. Амодальная гистограмма

спектра, что можно трактовать как ухудшение функционального состояния, и нарушается паттерн дыхания. В частности, возрастает изменчивость длительности дыхательного цикла, что приводит к формированию на гистограмме большего, чем обычно, числа столбиков гистограммы. Подобная гистограмма характерна для фибрилляций предсердий и множественных артефактов. Такое четкое соответствие типов гистограмм определенным состояниям организма человека позволяет выбрать гистограмму в качестве результата, необходимого для индикации и анализа в создаваемом приложении. 2. Техническая реализация системы анализа пульсометрических данных Анализ теоретических и практических сведений показывает, что проведение исследований ритма сердца непосредственно при снятии ЭКГ дает наиболее точные и полные результаты и широко используется в современной аппаратуре. Однако в требуемых условиях оперативной диагностики диспетчеров системы УВД для снятия информации целесообразнее использовать пальцевый датчик. Такое решение обосновано необходимостью быстрого принятия решения, когда использование 27

электрокардиографа будет связано с большими затратами времени. При этом в случае необходимости диагностики состояния диспетчера непосредственно на его рабочем месте датчик пульса не будет ограничивать его свободу действий и мешать выполнению его целевой функции. Помимо этого использование 12-канального компьютерного электрокардиографа связано с большими материальными затратами и в данном случае экономически невыгодно. При необходимости электрокардиографом может быть оснащена специализированная ЭВМ, когда полученные данные будут требовать более точной интерпретации. Аппаратно-программный комплекс (АПК) может представлять собой устройства ввода пульсометрических данных, их обработки и программное обеспечение (рис. 2.1). Входной поток измеряемой информации образуется в пальцевом датчике с подключенным к нему усилительно-преобразовательным блоком, R-импульсы фиксируются ЭВМ, производится измерение длительности RR-интервалов и их анализ. Показатели статистические

Датчик

Блок усиления и Интерфейс фильтрации АЦП

Спектральный анализ Анализ гистограммы Корреляционный анализ

Принятие решения

Индикация

Рис. 2.1. Структурная схема системы сбора и обработки пульсометрических данных

Практически при измерении медленно меняющихся процессов на вход воздействует сигнал, имеющий значительный уровень шума. В результате получается дополнительная аддитивная составляющая суммарной помехи. Полезный сигнал представляет собой импульсы, следующие со случайным периодом, а помехи – фоновую медленно меняющуюся составляющую. Таким образом, требуется построение системы, обеспечивающей минимум аддитивной составляющей суммарной погрешности измерения при установившихся режимах работы. Датчиковая система должна 28

состоять из датчика импульсов и компаратора, фиксирующего движение импульсов некоторого уровня. В реальных условиях амплитуда импульсов непрерывно меняется, поэтому необходимо предусмотреть устройство стабилизации уровня сигнала. Система должна быть охвачена обратной связью, подавляющей медленно меняющуюся помеху и не влияющей на полезный сигнал. Полосу пропускания системы необходимо ограничить сверху некоторой частотой, определяемой скоростью нарастания полезного сигнала, это защитит систему от высокочастотных помех. Так как спектр биоэлектрических сигналов занимает область низких и инфранизких частот, то для увеличения соотношения сигнал/шум достаточно провести сбалансированную фильтрацию и тем самым получить максимум отношение сигнал/шум. В качестве первичных преобразователей информации при регистрации ритма сердца наиболее часто используются: пьезоэлектрические, емкостные, тензометрические и фотоэлектрические преобразователи. В случае плетизмографии – регистрации изменения объема органа или части тела, вызванного изменением кровенаполнения всех находящихся в них кровеносных сосудов, эти преобразователи трансформируют величину давления за счет упругой деформации чувствительного элемента в изменение его электрических характеристик (сопротивления, емкости, напряжения). В зависимости от параметра, который используется в качестве критерия изменения объема (кровенаполнения), различают механическую, электрическую и фотоэлектрическую плетизмографию. В механических плетизмографах используется принцип определения изменений объема твердого тела по количеству вытесненной им жидкости. И хотя использование ЭКГ для регистрации дает наиболее точные данные, оно имеет практические ограничения. Работа пьезоэлектрических датчиков основана на появлении электрического разряда на гранях некоторого искусственного или естественного кристалла при деформации его внешними силами. Такие датчики сравнительно универсальны. Однако при высокочастотном спектре помех уровень выходного сигнала будет достаточно низким. Использование тензопреобразователей и индукционных датчиков ограничено требованием полной неподвижности исследуемого вследствие искажения показателей при смещении поверхностей, наложении венозных пульсаций и т. д. Акустические датчики не нашли широкого применения из-за неудовлетворительной частотной характеристики, нестационарности измерений и малого отношения сигнал/шум. 29

Рис. 2.2. Датчики пульса

Применение фотоэлектрических преобразователей ограничено участками с тонкой кожей и характеризуется нестационарностью характеристик. Помеха в этих типах датчиков сосредоточена в области НЧ. При этом их использование для регистрации пульса получило широкое распространение благодаря высокой надежности. На рис. 2.2 изображены несколько датчиков работы сердца, в том числе и широко используемый в настоящее время плетизмографический ИК-датчик для регистрации пульса кровотока от пальца или уха. ИК-датчик пульса работает следующим образом: сигнал, излучаемый ИК-светодиодом, отражается от пальца и улавливается фотодиодом датчика, который подключен ко входу усилителя. Далее, пройдя через фильтр низких частот, сигнал поступает на другой усилительный каскад, на выходе которого его амплитуда достигает значения, достаточного для работы схемы формирователя. Последний представляет собой триггер Шмитта и вырабатывает импульсы, соответствующие ударам пульса. В целом АПК помимо датчиковой системы представляет собой программное обеспечение, установленное на ЭВМ и некоторое интерфейсное устройство, позволяющее ПК получить доступ к тем физическим величинам и процессам, которые он должен обрабатывать. Как правило, в качестве такой системы выступает аналого-цифровое устройство (АЦП) с одним или несколькими входами, возможно снабженное устройством нормирования входного сигнала. До недавнего времени для того чтобы превратить ЭВМ в измерительный прибор, требовалось установить в компьютер одну или несколько сложных дорогостоящих плат. Такой подход до сих пор используется в промышленности, но в данном случае можно добиться результатов путем подключения АЦП к стандартным последовательным или параллельным портам. Одно из важ30

ных преимуществ использования в качестве устройства для представления результатов экрана ЭВМ в том, что возможности графических интерфейсов типа Windows обеспечивают широкую область применения, не говоря уже о потенциальном использовании принтеров, дисковых накопителей и т. д. На практике чаще всего используется аналого-цифровое преобразование с помощью импульсно-кодовой модуляции. В этом случае процесс начинается с представления непрерывного сигнала в виде последовательности отсчетов, которые берутся с определенной частотой дискретизации. Эту функцию выполняет устройство выборки–хранения. Запоминая мгновенное значение входного сигнала, это устройство обеспечивает сохранение величины взятого отсчета на время процесса оцифровки, который состоит в представлении амплитуды каждого отсчета в форме двоичного кодового слова с определенным количеством разрядов. Способ, используемый для выполнения оцифровки, и определяет возможности, сложность и цену АЦП. Другим решением вопроса могут являться интерфейсные платы внутреннего исполнения. Устройства, выполненные на платах, которые устанавливаются на материнскую плату ПК, позволяют достичь в реальном масштабе времени частоты дискретизации в несколько десятков мегагерц и разрядности 16 или 24, причем для нескольких входных каналов одновременно. Эти устройства жестко подключены к шине центрального процессора и могут работать в режиме прямого доступа к памяти, а следовательно, использовать возможности самых быстрых процессоров. Однако в случае, когда стоит задача минимальной модернизации самой ЭВМ, организация АПК должна быть простой, а быстродействие не имеет первостепенного значения, более экономичное решение представляют внешние интерфейсные устройства, подключаемые через последовательный или параллельные порты. 3. Описание методики компьютерной обработки сигнала пульсового ряда Проектируемое программное обеспечение (ПО) должно выполнять следующие задачи: осуществлять обработку данных, поступающих с датчиковой системы; выводить на экран численные и графические результаты анализа; в случае необходимости предоставлять возможность сохранения и печати результатов. 31

Программное обеспечение лабораторной работы является имитационным и обрабатывает данные, генерируемые в самой программе.

Инициализация АЦП

Считывание исходных данных

Драйвер зависит от вида устройства

Обработка данных Прикладная программа Вывод результатов

Рис. 3.1. Структура приложения

На рис. 3.1 представлена общая структура, по которой строится готовое приложение. В начале программы должен находиться драйвер, соответствующий выбранному АЦП. Драйверы можно рассматривать как часть ПО, но допустимо также модифицировать его в самых разных целях. Первый блок каждого драйвера проводит инициализацию последовательного или параллельного порта, используемого для связи, и обеспечивает подачу напряжения питания на подключенный к нему АЦП. Блок должен заканчиваться командой, передающей управление собственно прикладной программе. Программа универсальна и не зависит от применяемого АЦП. Поэтому заменить драйвер при смене АЦП (например, при переходе от 12 к 16-разрядному) очень просто. Прикладная программа может сама обращаться ко второму блоку драйвера настолько часто, насколько требуется. Эта часть драйвера отвечает за выполнение одного аналого-цифрового преобразования и за раз32

мещение результата в некоторую переменную. Только прикладная программа определяет с какой скоростью будут проводиться преобразования и каков будет способ обработки результата (цифровое табло, построение кривой, запись на диск и т. п.). Поскольку данное приложение должно использоваться в АПК, предназначенном для экспресс-диагностики состояния диспетчеров системы управления воздушным движением (УВД), то это накладывает некоторые ограничения на моделируемое приложение. Предполагается, что диспетчер системы УВД является физическим подготовленным и предварительно отобранным человеком. Поэтому вопрос о наличии сложной патологии или явных нарушений сердечной деятельности не рассматривается. Остановимся на анализе двух состояний: нормы и стресса как на наиболее актуальных вопросах при диагностике состояния людей, чья работа связана с большим эмоциональным и физическим напряжением. Учитывая, что на сегодняшний момент наиболее широко используемой операционной системой является WINDOWS, то к приложению предъявляется требование возможности его реализации в данной ОС. Таким образом, когда определены задачи, предназначенные для реализации в программе, можно изобразить структурно-функциональную схему работы всего приложения в виде модулей, выполняющих основные функции: главным образом приложение должно формировать интерфейс, позволяющий организовать связь пользователя, программной и аппаратной частей системы (модуль интерфейса); в приложении должна осуществляться генерация исходных данных, обеспечивающая возможность проведения вычислений (модуль генерации выборки); формирование результатов работы приложения должно происходить в двух модулях: вычисления показателей и построения гистограммы. Потоки исходных данных, формируемой выборки и результатов образуют замкнутую структуру приложения (рис. 3.2). Как уже было определено, наибольший интерес для анализа представляет диагностика в состоянии стресса и предшествующих ему, поскольку в состоянии покоя у здорового человека значения пульсометрического ряда подчиняются нормальному закону распределения, а в случае стресса – логнормальному, то моделированию таких процессов и будет уделено внимание, чтобы продемонстрировать возможности про33

граммы в их обработке и наглядно изобразить реализации различных состояний. Исходные данные

Модуль интерфей интерфейса са

Результаты

Выборка

выбор Модуль генерации ки выборки

Модуль вычисления Модуль вычисл показателей ения

Выборка, результаты

строения гистогра по Модуль группировки и ммы построения гистограммы

Рис. 3.2. Структурно-функциональная схема

Существует довольно большое количество методов моделирования случайных величин. Однако на практике при выборе того или иного метода следует иметь в виду следующие соображения. Если в задаче моделирования требуется высокая точность воспроизведения законов распределения случайных величин, то целесообразно использовать алгоритмы, не обладающие методической погрешностью (метод нелинейного преобразования, обратного функции распределения), погрешностью которых можно пренебречь, так как она определяется лишь погрешностью выполнения на ЭВМ необходимых нелинейных операций и отклонением закона распределения исходных случайных чисел от равномерного (нормального). В задачах, не предъявляющих высоких требований к качеству статистических характеристик случайных величин, для сокращения количества элементарных операций рекомендуется использовать более экономичные приближенные методы. Необходимо отметить, какие случайные величины относятся к тому или иному распределению. Случайная величина x имеет нормальное распределение, если ее функция плотности вероятности имеет следующий вид:

(

 x − m2 1 exp  p (x) =  2σ 2 2πσ 

34

)  − ∞ ≤ x ≤ ∞.  

(3.1)

На рис. 3.3 представлены три варианта функции плотности вероятности p(х), p1(x) и p2(x) нормального распределения в зависимости от значений параметров распределения (математического ожидания m и среднеквадратического отклонения σ). σ := 2.5, m := 0; σ1 := 1, m1 := 0; σ 2 := 0,5, m2 := 3. 11 0,9 р(x) 0,8 0,7 0,6 р1(x) 0,5 0,4 0,3 р2(x) 0,2 0,1 00 –10 –10

–8

–6

–4

–2 0 x, –x, x, –x, x

2

4

6

8

10 10

Рис. 3.3. Зависимость функции плотности вероятности нормального распределения от параметров распределения

Случайные величины, обладающие нормальным распределением, являются базовыми для получения случайных величин с любыми другими видами распределений. Кроме того, в разрабатываемом приложении используется так называемый очный способ генерации нормального распределения. Он представляет собой алгоритм генерации случайных величин x с нормальным распределением. Основан на общеизвестном утверждении, что распределение произведения двух независимых случайных величин, одна из которых имеет релеевское распределение, а другая распределена по закону арксинуса с параметрами (0; 0,5), т. е. с нулевым средним значением и дисперсией, равной 0,5, является нормальным. Это позволит формировать случайную величину путем следующего преобразования системы двух независимых равномерно распределенных на интервале (0; 1) случайных величин r1 и r2: x := −2ln ( r1 ) sin ( 2πr2 ) , или

(3.2)

x := −2ln ( r1 ) cos ( 2πr2 ).

(3.3) 35

Моделирование случайных величин с логнормальным распределением представляет собой несколько более сложную задачу. Случайная величина x имеет логнормальное распределение, если ее функция плотности вероятности имеет следующий вид:

 (ln ( x ) − ln ( m ))2  1  x ≥ 0. exp  − p ( x) = (3.4)   2πσx 2σ 2   Алгоритм генерации основан на логической связи между случайными величинами, имеющими нормальное и логнормальное распределения. Выражение алгоритма генерации x из системы равномерно распределенных величин r1и rx на интервале (0, 1) имеет следующий вид:

(

)

x = m exp σ −2ln ( r1 ) cos ( 2πr2 ) .

(3.5)

На рис. 3.4 представлены три варианта функции плотности вероятности p(х), p1(x) и p2(x) логнормального распределения в зависимости от значений параметров распределения (m и σ). 1 1 0.9 0.8 0.7 р(x) 0.6 р1(x) 0.5 0.4 р2(x) 0.3 0.2 0.1 0 0

0

1

2

3

4

5 x

6

7

8

9

10 10

Рис. 3.4. Зависимость функции плотности вероятности логнормального распределения от параметров распределени

Точный вид распределения будет зависеть от значений параметров: математического ожидания m и среднеквадратического отклонения σ, которые должны задаваться в программе. В конечном итоге, когда сформулирована функциональная модель программы и принципы моделирования основного массива данных, можно изобразить основной алгоритм функционирования программы (рис. 3.5). 36

Начало

Ввод исходных данных

Входныеверны данные верны Да

Нет

Генерация выборки

Вычисление показателей Группировка выборки построение и построение гистограммы

Вывод результатов Сохранение Ввод новых входных параметров результатов Выход Конец

Сохранение результатов

Сохранение гистограммы

Рис. 3.5. Основной алгоритм функционирования программы

37

4. Выполнение лабораторной работы 4.1. Описание интерфейса программы При запуске программы пользователю открывается окно с рядом закладок. При выборе одной из них предоставляется возможность заполнения полей необходимой информацией или результаты обработки. Входные параметры (рис. 4.1). Пользователю предоставляется возможность ввода входных данных. Поскольку программа носит демонстрационный характер, в том числе и с целью ознакомления с принципами обработки пульсометрических данных в случае нормы и патологии, то в приложении прежде всего предусмотрен выбор закона распределения (1) для входных значений: нормальное или логнормальное. Затем необходимо ввести параметры распределения, которые и определят конкретный вид распределения: математическое ожидание (2) и дисперсия (3). Необходимо ввести параметры измерения, которые могут задаваться двумя способами; либо число интервалов (4), которые будут подвергаться обработке, либо время измерения (5) в мс. Затем при необходимости начала обработки нужно нажать кнопку Запуск (6). На панели программы также предусмотрена кнопка Выход (7) для завершения работы и О программе (8) для получения некоторых сведений о программном продукте. В приложении предусмотрена защита от произведения неверных вычислений: в случае если один из параметров не задан, кнопка Запуск будет неактивна, что предотвратит появление ошибок при обработке. Результаты (рис. 4.2). В данном окне представляются результаты произведенной обработки пульсового ряда. При этом выводятся входные параметры, производится сравнение полученных результатов с нормой. Значение Mean, помимо прочего указывает на правильность работы генератора случайных чисел, поскольку практически совпадает с задаваемым математическим ожиданием. Окно результатов временного анализа может быть либо сохранено (9) для статистики или печати, либо очищено (10) с помощью нажатия соответствующих кнопок. При этом предусмотрена возможность введения дополнительных данных в самом окне результатов с помощью клавиатуры (11). 38

1 2 3

4 5 6

7

8

Рис. 4.1. Изображение интерфейсного окна Входные параметры

11 9

10

Рис. 4.2. Изображение интерфейса окна Результаты

39

Гистограмма (рис. 4.3). В данном окне происходит построение гистограммы, причем поскольку ввод параметров измерения производится непосредственно в программе, то и Число групп (12) можно менять в окне построения гистограммы. В случае необходимости при выставлении соответствующих флажков над столбцами гистограммы могут появляться метки (13), обозначающие количество составляющих, принадлежащих данной группе, или гистограмма будет представлена в стиле 3D (14). Имеется возможность сохранения (15) гистограммы в формате BMP-файла для печати или статистики.

1

1

1 1

Рис. 4.3. Изображение интерфейса окна Гистограмма

Остальные два этапа – тестирование и совершенствование, большей частью относятся к эксплуатации приложения, а не к его созданию. Чтобы быть уверенными в правильности работы программного обеспечения, необходимо убедиться в корректности анализа данных, производимого в программе. В конце проектирования необходимо оценить продукт с точки зрения того, удовлетворяют ли пользователя полученные результаты (достоверность, быстродействие, удобство, интерфейс и т. д.). Описание минимума стандартной аппаратно-программной поддержки: IBM совместимый компьютер (486 и выше), оперативная память не менее 16 Mb, емкость накопителя на жестком диске не менее 200 Мb; 40

поскольку программа предусматривает сохранение результатов в виде текстового файла или BMP-файла, то печать может осуществляться любым принтером; для применения в сети на клиентском компьютере должна быть установлена сетевая карта; минимальная емкость жесткого диска 2,1 Gb. Операционная система MS WINDOWS. 4.2. Порядок выполнения лабораторной работы Для того чтобы запустить программу, надо выполнить следующие действия: 1) включить питание компьютера; 2) войти в каталог D:\KULYGINA\ECG; 3) запустить файл hb.exe. В меню входные параметры задать: Распределение; Мат. ожидание; Дисперсия; Число интервалов. Вычислить параметры: SDDN (Standard deviation of all NN intervals) – стандартного отклонения всех NN интервалов; Mean (мс) – среднее значение NN-интервалов; CVr (Coefficient of variation), K (%) – коэффициент вариабельности; HR (Heart rate), (1/с) – частота сердечных сокращений. Изменить входные параметры, произвести расчет. Сравнить вычисленные параметры. Зарисовать полученные гистограммы. 4.3. Контрольные вопросы 1. Область применения математического анализа пульсометрических данных и оценки ВСР. 2. Преимущества и недостатки схемы двухконтурной модели регуляции сердечного ритма. 3. Параллельное и специализированное исследование ВСР. 4. Методы анализа ВСР. 5. Стратегия получения данных для анализа ВСР. 41

6. Методика проведения измерений в условиях покоя и при выполнении профессиональных нагрузок. 7. Особенности анализа ВСР при функциональных пробах. 8. Методы оценки изменчивости ЧСС. 9. Коэффициент вариабельности. Мода. Амплитуда моды. Вариационный размах. Триангулярный индекс. 10. Спектральные методы анализа ВСР. 11. Нелинейный метод (автокорреляционный анализ). 12. Нелинейный метод (корреляционная ритмография). 13. Преимущество математического анализа пульсометрических данных. 4.4. Содержание отчета Отчет о лабораторной работе должен содержать: 1) алгоритм функционирования программы; 2) гистограммы; 3) результаты вычисленных параметров; 4) сравнение полученных данных. Библиографический список 1. Баевский Р. М. Математический анализ изменения сердечного ритма при стрессе. М.: Наука, 1984. 2. Баевский Р. М., Иванов Г. Г. Вариабельность сердечного ритма: теоретические аспекты и возможность клинического применения. М.: Наука, 2000. 3. Березный Е. А., Рубин А. М. Практическая кардиоритмография. СПб.: НПО «НЕО», 1997. 4. Гель П. Как превратить персональный компьютер в измерительный комплекс. М.: ДМКпресс, 2001. 5. Михайлов В. М. Вариабельность ритма сердца. Опыт практического применения метода. М.: Наука, 2000. 6. Нидеккер И. Г. Проблемы математического анализа сердечного ритма // Физиология человека. 1993. № 19. C. 80–84. 7. Рыбкина Г. В., Соболев А. В. Анализ вариабельности ритма сердца // Кардиология. 1996. № 10. C. 87–97. 8. Компьютерная электрокардиография на рубеже столетий // Тезисы докладов международного симпозиума. М., 1999. 9. URL: http://www.ecg.ru

42