ВНЕЗАПНАЯ СМЕРТЬ Материалы 2-го советско-американского симпозиума 1979 Индианаполис США

Под ред. А. М. Вихерта (СССР) и Б. Лауна (США)

Сюзанна Б. Кнобель и Д. Эжен Ловелас (США)

РЕФЕРАТ. Автоматические амбулаторные системы просмотрам ЭКГ должны обеспечивать распознавание желудочковых комплексов различной формы и отсеивание шумов. Компьютерная система Краннертовского института, классифицирующая эктопические желудочковые комплексы (ЭЖК) на основе анализа!] амплитуды комплекса QRS, интервала R—R и наклона сегмента ST, была недавно модифицирована с тем, чтобы можно было проводить: 1) распознавание различных форм ЭЖК на основе.; двумерной кластеризации интервалов R—R и ранней фазы зубца Т; 2) устранение шума путем распознавания отклонения,; от «нормальной» амплитуды сегмента ST. Предварительный:! анализ 25 записей, имеющих высокую частоту появления ЭЖК f и высокий уровень шума, показывает, что алгоритм правильно определяет наличие ЭЖК различной формы во всех случаях и' нет ни одного случая ложноположнтельного определения нали-s чия ЭЖК различной формы. Применение критерия устранения] шума уменьшило ложноположительное распознавание ЭЖК до] 2,3% при использовании магнитных лент с высоким уровнем шума.

ВВЕДЕНИЕ

Холтеровская мониторная техника, позволяющая производить записи ЭКГ в амбулаторных условиях за длительные промежутки времени, была впервые введена в 1961 г. [I]. Хотя общепринятые методы просмотра холтеровских записей удовлетворяют требованиям клинического определения переходящих нарушений основного ритма, многие считают, что для количественного анализа необходимы автоматические системы. Кроме того, для правильного предсказания появления преждевременного желудочкового комплекса (ПЖК) нужно проанализировать большое количество данных. За последние годы несколько центров разработали компьютерные системы, предназначенные для количественного анализа магнитных лент Холтера. Общие принципы построения этих систем были описаны Oliver [2]. В этой же работе дан обзор применимости и развития систем для распознавания ПЖК.

По мере развития систем компьютерного анализа амбулаторных записей ЭКГ стало ясно, что основной проблемой для всех таких систем являются шумовые помехи, приводящие к увеличению ложноположительных распознаваний ПЖК. Большинство созданных систем удовлетворительно обрабатывает только «чистые» записи. С возрастанием опыта компьютерного анализа ЭКГ и в связи с клиническими исследованиями по определению прогностического значения ПЖК, основанными на морфологии, стала также очевидной необходимость распознавания различных форм ПЖК.

Цель этой статьи — описание разработанной в Краннертовском институте системы компьютерного анализа амбулаторных записей ЭКГ, в том числе алгоритмов устранения шума и распознавания ПЖК различной формы [3—6]. Со времени предыдущих публикаций в систему был внесен ряд изменений;

МЕТОДЫ

Разработанная Краннертовским институтом система распознавания и классификации комплекса QRS использует процессор PDP 11/34 с оперативной памятью 32 000 слов, дисковое запоминающее устройство объемом 10 Мбайт, графический терминал «Тектроникс 4010-1» и подсистему управления и сбора данных (KDAC1), разработанную в институте. Эта подсистема связана непосредственно с общей шиной (UNIBUS) и является одним из модулей памяти для операционной системы RSXH М (рис. 1). Основными функциями модуля KDAC1 являются: а) преобразование аналоговых сигналов, поступающих по двум каналам ЭКГ в цифровой вид с частотой опроса до 24 000 точек в секунду; б) определение положения каждого комплекса QRS с использованием данных, поступающих в ленты двухканального аналогового магнитофона; в) определение и хранение величин параметров, используемых для распознавания и классификации комплексов QRS.

Методы классификации комплексов QRS в    основном    используют величину интервала R—R, взвешенную    амплитуду комплекса QRS  (YREL)  и тангенс TDIFF угла наклона ранней фазы зубца Т  (рис. 2). Интервалы А и В вместе с изо-электрическим интервалом YISO  фиксированы по отношению к вершине YNLOC. Изоэлектрический интервал YISO длится от 270 до 200 мс перед точкой YNLOC. Интервал А длится от 90 до 130 мс после этой точки. Интервал В начинается через 180 мс после точки YNLOG и длится до 230 мс. Для определения склона ранней фазы зубца Т, обозначенного TDIFF, используется прямая, построенная методом наименьших квадратов по дискретизованной ЭКГ в интервалах А и В. Амплитуда комплекса QRS определяется как взвешенное среднее значение YDEL дискретизованной    ЭКГ    по    точке,    предшествующей YNLOC, точке, следующей за YNLOC, и самой точке YNLOC. Амплитуда комплекса QRS и TDIFF записываются в массив данных, который сохраняется в течение периода в 100 комплексов. Предельные    значения    амплитуды    комплекса    QRS   и TDIFF определяются из их функций плотности вероятности. Между верхней и нижней границей должно содержаться 98% данных;  эти границы корректируются через каждые  100 комплексов. Длительности   интервалов R—R (TRR)    поддерживав ются в аналогичных границах.

Таблица решений, используемая при классификации комплексов QRS, базируется на предельных значениях нормального синусового комплекса. Если комплекс имеет нормальную амплитуду, а также нормальный склон сегмента ST-—Т, то он классифицируется или как нормальный синусовый или как предсердная экстрасистола — в зависимости от степени пре-ждевремённости. Если комплекс имеет нормальный склон сегмента ST—Т и ненормальную амплитуду, то в зависимости от степени преждевременности он определяется как ПЖК и ЭЖК. Основная схема принятия решения может изменяться в зависимости от описываемого ниже критерия    устранения    шума.

Очевидно, комплекс может называться зашумленным с тем большей уверенностью, чем больше для него шумовое отношение. Проводимые в табл. 1 граничные значения для каждого параметра классификации (TRR, YDEL И TDIFF) устанавливаются на основе предела гистограммы, который наблюдается в нормальном синусовом комплексе при каждом решении. При решающем правиле для более высокого шумового отношения (табл. 2) эти граничные величины являются более узкими. В этом случае для параметров YDEL и TDIFF используется двухпроцентная двусторонняя предельная величина. Прежде всего выясняется, удовлетворяет ли комплекс критерию шума. Если не удовлетворяет, то проверяются остальные критерии. Таким образом, зашумленным комплексам не дается возможность исказить поверхности вероятности. Комплекс классифицируется как шум, если на зубец Т наложена высокочастотная компонента и если сравнение со средними значениями начальной фазы зубца Т не дает систематического отклонения.

Решающее правило при высоком шумовом отношении указано в табл. 3. В этом случае решающее правило классифицирует комплекс как эктопический желудочковый комплекс или как шум. Комплекс является ПЖК или ЭЖК, если его зубец Т имеет систематическое отклонение от прямой линии и если этот зубец Т имеет систематическое отклонение от среднего нормального зубца Т.

Различные формы ПЖК

После того как применен критерий устранения шумов, частота появления склона зубца Т (TDIFF) и интервала R—R для каждого ПЖК и ЭЖК запоминается в двухмерной таблице частот событий. Эта таблица представляет функции плотности вероятностей для всех желудочковых комплексов. Таблица вероятностей просматривается при поступлении каждых 25 ПЖК или ЭЖК, и для нескольких (не более 10) форм определяются области Ri, R2,...Rm, каждая из которых ограничивается соответствующей замкнутой кривой. Границей области    является односвязная замкнутая кривая, так называемый скрок. Частота появления каждой формы равна общему числу комплексов, содержащихся внутри области, ограниченной каждым скроком. Области Ri, R2...Rm определяются последовательно на основе концепции двухмерной кластеризации. Для определения области Ri таблица плотности вероятностей просматривается с целью нахождения точки основной частоты (Pi). Начинаясь в точке Pi, область распространяется в каждом направлении однородно до тех пор, пока не установится граничная точка. Под граничной точкой понимается точка, имеющая по крайней мере с одной стороны точки с нулевой частотой появления или представителей другой области. Встреченные граничные точки :i;i носятся в таблицу ограничивающих скроков. (Таблица ограничивающих скроков является закодированным массивом параметров, который описывает граничные точки области Ri.) Вто-1>ли область Ёг определяется путем нахождения точки Рг, имеющей максимальную среди точек, не входящих в область Ri," частоту появления, и последующим использованием алгоритма определения граничных точек на множестве точек частотного распределения, исключая точки из области Ri. Этот процесс последовательно повторяется до тех пор, пока не исчерпываются точки с ненулевой частотой появления. Так как некоторые из областей могут сливаться, то граничные значения для этих областей определяются с использованием Байесова решающего правила, как это описано Hansmann [7]. Основное отличие заключается в функции плотности и определении областей. В данном случае распределение частот для 1-й области берется непосредственно из таблицы частот событий для соответствующей области Ri. Примеры распознавания ПЖК различных форм показаны на рис. 3 и рис. 4.

РЕЗУЛЬТАТЫ

Точность наших алгоритмов устранения шума и распознавания желудочковых эктопических комплексов различных форм! была проверена на 24-часовых «сильно зашумленных» холтевских записях ЭКГ 25 амбулаторных больных, у которых обнаруживалось умеренное или большое число ЭЖК. Из 25 больных у 5 отмечались ПЖК одной формы, у 9—ЭЖК, у 11 — ПЖК н (или) ЭЖК сложной формы и у 6—предсерд-кые экстрасистолы. После применения алгоритма устранения шума компьютер верно распознал наличие эктопических желудочковых комплексов различной формы у всех 11 больных. У 5 больных, имеющих ПЖК одной формы, было верно определено наличие ПЖК только одной формы. Применение алгоритма устранения шума снизило процент ложноположительного определения ПЖК на этих сильно зашумленных лентах до 2,3, а пропусков ПЖК — до 3,9. При этом было ложно отмечено 0,04% и пропущено 0,06% от общего числа имеющихся комплексов QRS.

ОБСУЖДЕНИЕ

Мы убеждены, что достигнут определенный успех в уменьшении числа ошибок распознавания ПЖК и ЭЖК, вызванных смещением базовой линии и мышечным шумом, и что становятся реальностью автоматические системы, не требующие длительного обучения и повторной обработки. Хотя обучение будет несомненно оставаться жизненно важным компонентом любой системы, обеспечивающей количественную обработку, оно может быть чрезмерно обременительным при наличии лент с высоким уровнем шума, а также во многом зависит от мастерства и терпения обучающего. К тому же, если только не делается просмотр записи почти один к одному, ложное распознавание ЭЖК не контролируется. Возможно, это более важно при использовании системы для оценки изменений ритма сердца или параметров QT, которые могут предвещать появление ЭКЖ; значение таких событий может быть затушевано или усилено из-за включения ложных положительных или отрицательных распознаваний ПЖК или ЭЖК в статистический анализ.

Методика кластеризации, описанная в этой статье, значительно отличается от других подходов тем, что определение области для данной формы нарушений ритма основано на частоте появления событий внутри этой области. В тех случаях, когда имеются две формы, близкие настолько, что требуется определение границы между ними, решение о месте нахождения границы основывается на ожидаемой' величине распределения частот, линейно-экстраполированных к нулевой частоте появления события во всех направлениях. Хотя этот подход требует дополнительной логики и более сложен, чем другие подходы, создается впечатление, что дополнительные расчеты обеспечивают гибкость, отсутствующую в других алгоритмах.

Это исследование было проведено Краннертовским институтом кардиологии,  отделением    медицины    Медицинской  школы  Университета штата Индиана и Медицинским центром Администрации ветеранов, Ин-дианаполис, Индиана. Это исследование частично поддержано фондом Германа С. Краннерта, субсидиями HL-06308 и HL-07182 Национальных институтов здоровья и Администрации ветеранов.

СПИСОК ЛИТЕРАТУРЫ

1.             Bolter N. J. New method for heart studies. Continuous electrocardiograp-

hy of active subjects over long periods is non practical.— Science, 1961, 134 : 1214—1220.

2.             Olver G. C, Ripley K. L-, Miller J. P., Martin T. F. A critical review of

vomputer arrithmia detection.— In: Computer Electrocardiography: Present Status and Criteria, ed. by Leon Pordy. Mount Kisco, New-York, Futura publishing Co., 1977, p. 319—360.

3. Knoebel S. В., Lovelace D. E., Rasmussen S., Wash S. Computer detection of premature ventricular complexes: A modified approach.— Am. J. Cardiol., 38 : 440—447, 1976.

4.             Lovelace D. E., Knoebel S. В., Zipes D. P. Recognition of ventricular

extrasystoles in sedentary versus ambulatory populations.— In: Com-puters in Cardiology (IEEE 76 CHI 160—1С). St. Luis, N MO, October 7—9, 1976, p. 9—11.

5.             Lovelace D. E., Knoebel S. B. An adaptive algorithm for noise rejec-

tion.— J. Assoc. Adv. Med. Instrum., 1978, 12 :334—336.

6.             Knoebel S. В., Lovelace D. E. A two dimensional clustering technique

for identification of multiform ventricular complexes.—J. Assoc. Adv. Med. Intrum., 1978, 12 7.      Hansmann D. R., Sheppard J. J.,  Yeshaya A. Evaluation of the  Dyna-

Gram Holter ECG analysis sistem.— In: Computers in Cardiology: IEEE 76 CHI 160—1С). St. Luis, NO. October 7—9, p. 171—182.