Медицинская Техника / Медицинская техника №2, 2018 / с. 34-37

Двухэтапный алгоритм обнаружения мерцательной аритмии

С.В. Моторина, А.Н. Калиниченко

Аннотация

Одним из наиболее распространенных и опасных видов нарушений сердечного ритма является мерцательная аритмия (фибрилляция предсердий), которая может вызвать инсульт и даже привести к смерти, поэтому своевременная диагностика этого заболевания – одна из важнейших функций систем мониторинга состояния человека. На сегодняшний день существует множество алгоритмов выявления мерцательной аритмии, при этом их точность не превышает 94,5 %. В настоящей статье представлен двухэтапный метод обнаружения фибрилляции предсердий, отличающийся высоким уровнем специфичности, что позволяет избежать гипердиагностики при анализе этого нарушения.

Вернуться к содержанию

Сведения об авторах

Светлана Валерьевна Моторина, аспирант, кафедра биотехнических систем, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), инженер, отдел медицинских информационных систем, ФГБУ «Национальный медицинский исследовательский центр им. В.А. Алмазова» Минздрава России,
Александр Николаевич Калиниченко, д-р техн. наук, профессор, кафедра биотехнических систем, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), г. С.-Петербург,
e-mail: ank-bs@yandex.ru

Список литературы

1. Physionet: The research resource for physiologic signals / www.physionet.org (дата доступа: 26.05.2017).
2. Моторина С.В., Калиниченко А.Н. Алгоритм выявления мерцательной аритмии в реальном масштабе времени // Медицинская техника. 2016. № 3. С. 12-15.
3. Моторина С.В., Калиниченко А.Н. Оценка регулярности в порядке следования и длине кардиоинтервалов методами математической статистики // Биомедицинская радиоэлектроника. 2016. № 8. С. 14-19.
4. Бондарев В.А., Лисицына А.В., Меньшутина Н.В. Применение правил остановки кластерного анализа в случае слабой и сильной иерархии кластеров на примере белковых структур // Успехи в химии и химической технологии. 2007. № 1. С. 105-109.
5. Яцкив И., Гусарова Л. Методы определения количества кла- стеров при классификации без обучения // Transport and Telecommunication. 2003. № 1. РР. 23-28.
6. Moody G.B., Mark R.G. A new method for detecting atrial fibrillation using R-R intervals // Computers in Cardiology. 1983. № 10. PP. 227-230.
7. Logan B., Healey J. Detection of Atrial Fibrillation for a Long Term Telemonitoring System // Computers in Cardiology. 2005. № 32. PP. 619-622.
8. Linker D.T. Long-Term Monitoring for Detection of Atrial Fibrillation / Patent Application Publication. 2006. P. 498.
9. Tatento K., Glass L. Automatic detection of atrial fibrillation using the coefficient of variation and density histograms of RR and RR intervals // Medical & Biological Engineering & Computing. 2001. № 39. PP. 664-671.
10. Cerutti S., Mainardi L.T., Porta A. et al. Analysis of the dynamics of RR interval series for the detection of atrial fibrillation episodes // Computers in Cardiology. 1997. № 24. PP. 77-80.
11. Slocum J., Sahakian A., Swiryn S. Diagnosis of Atrial Fibrillation from Surface Electrocardiograms Based on Computer-detected Atrial Activity // Journal of Electrocardiology. 1992. № 25. PP. 1-8.
12. Schmidt R., Harris M., Novac D. et al. Atrial Fibrillation Detection / Patent Cooperation Treaty. 2008. P. 731.
13. Babaeizadeh S., Gregg R., Helfenbein E. et al. Improvements in atrial fibrillation detection for real-time monitoring // Journal of Electrocardiology. 2009. № 42. PP. 522-526.
14. Couceiro R., Carvalho P., Henriques J. et al. Detection of Atrial Fibrillation using model-based ECG analysis / 19th International Conference on Pattern Recognition. 2008. PP. 1-5.