Медицинская Техника / Медицинская техника №4, 2024 / с. 29-32

Нелинейный анализ вариабельности сердечного ритма в задаче распознавания застойной сердечной недостаточности

Д.У. Холматов, Л.А. Манило, А.П. Немирко

Аннотация

Работа посвящена исследованию методов распознавания ранних форм застойной сердечной недостаточности функциональных классов I-II NYHA по записям ритма с использованием нелинейных, статистических и геометрических параметров, оцениваемых по отображению Пуанкаре. Показана возможность построения линейного классификатора для выявления данной патологии, получены пороговые решающие правила. На базе реальных записей ритма, отобранных из веб-ресурса «PhysioNet», проведены эксперименты по сравнительной оценке качества распознавания с применением различных показателей.

Вернуться к содержанию

Сведения об авторах

Достон Умиджонович Холматов, магистрант,

Людмила Алексеевна Манило, д-р техн. наук, профессор,

Анатолий Павлович Немирко, д-р техн. наук, профессор, кафедра «Биотехнические системы», ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет им. В.И. Ульянова (Ленина)», г. С.-Петербург,

е-mail: lmanilo@yandex.ru

Список литературы

1. Ponikowski P., Voors A., Anker S. et al. 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure: The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC)Developed with the special contribution of the Heart Failure Association (HFA) of the ESC // European Heart Journal. 2016. Vol. 37. № 27. PP. 2129-2200.

2. Мареев В.Ю., Фомин И.В., Агеев Ф.Т. и др. Клинические рекомендации ОССН – РКО – РНМОТ. Сердечная недостаточность: хроническая (ХСН) и острая декомпенсированная (ОДСН). Диагностика, профилактика и лечение // Кардиология. 2018. Т. 58. № 6. С. 8-161.

3. Maлetiж Z., Subasi A. Detection of congestive heart failures using C4.5 Decision Tree // Southeast Europe Journal of Soft Computing. 2013. Vol. 2. PP. 74-77.

4. Liao K.Y-K., Chiu C-C, Yeh S-J. A Novel Approach for Classification of Congestive Heart Failure Using Relatively Short-term ECG Waveforms and SVM Classifier // Proceedings of the International MultiConference of Engineers and Computer Scientists. 2015. Vol. 1. PP. 18-21.

5. Sudarshan V.K., Acharya U.R., Lih S., Adam M., Hong J., Kuang C. et al. Automated diagnosis of congestive heart failure using dual tree complex wavelet transform and statistical features extracted from 2’s of ECG signals // Computers in Biology and Medicine. 2017. Vol. 83. PP. 48-58.

6. Jahmunah V., Oh S.L., Wei J.K.E. et al. Computer-aided diagnosis of congestive heart failure using ECG signals – A review // Physica Medica. 2019. Vol. 62. PP. 95-104.

7. Melillo P., Fusco R., Sansone M., Bracale M., Pecchia L. Discrimination power of long-term heart rate variability measures for chronic heart failure detection // Medical & Biological Engineering & Computing. 2011. Vol. 49. PP. 67-74.

8. Jong T.L., Chang B., Kuo C.D. Optimal timing in screening patients with congestive heart failure and healthy subjects during circadian observation // Annals of Biomedical Engineering. 2011. Vol. 39. № 2. PP. 835-849.

9. Kumar M., Pachori R.B., Acharya U.R. Use of accumulated entropies for automated detection of congestive heart failure in flexible analytic wavelet transform framework based on short- term HRV signals // Entropy. 2017. Vol. 19. № 3. P. 92.

10. Немирко А.П., Манило Л.А., Калиниченко А.Н. Математический анализ биомедицинских сигналов и данных. – М.: Физматлит, 2017.

11. Борисенко Т.Л., Снежицкий В.А., Фролов А.В. Клиническое значение нелинейных параметров вариабельности сердечного ритма у пациентов с сердечно-сосудистыми заболеваниями // Журнал Гродненского ГМУ. 2020. № 18 (3). С. 223-229.

12. Kamen P., Krum H., Tonkin A. Poincare plot of heart rate variability allows quantitative display of parasympathetic nervous activity in humans // Clinical Science. 1996. Vol. 91. PP. 201-208.

13. Karmakar C.K., Khandoker A.H., Gubbi J., Palaniswami M. Complex Correlation Measure: A novel descriptor for Poincarй plot // BioMedical Engineering OnLine. 2009. Vol. 8. № 1. PP. 17-35.

14. Manilo L., Kholmatov D. Recognition of Congestive Heart Failure Based on a Complex Correlation Measure of the Heart Rate Signal // Pattern Recognition and Image Analysis. 2022. Vol. 32. № 3. PP. 586-590.

15. Moharreri S., Dabanloo N.J., Rezaei S., Parvaneh S. New feature set for better representation of dynamic of RR intervals in Poincare plot // Computing in Cardiology. 2017. Vol. 44. PP. 1-4.

16. Goldberger A., Amaral L., Glass L., Hausdorff J., Ivanov P., Mark R., Stanley H. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals // PCirculation. 2000. Vol. 101. № 23. PP. 215-220.