АНАЛИЗ ЭМПИРИЧЕСКИХ МОД ЭКГ СИГНАЛОВ ПРИ ПОГРАНИЧНЫХ ПСИХИЧЕСКИХ РАССТРОЙСТВАХ 

Тычков Александр Юрьевич, кандидат технических наук, заместитель директора научно-исследовательского
института фундаментальных и прикладных исследований, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), tychkov-a@mail.ru

004.9

DOI

10.21685/2307-5538-2018-2-10

Актуальность и цели. Объект исследования: больные с пограничными психическими расстройствами (ППР) медицинского центра «Здоровье», у которых наблюдаются изменения функционирования сердечно-сосудистой системы. Предмет исследования: способ анализа эмпирических мод (ЭМ) электрокардиографических (ЭКГ) сигналов для диагностики ППР. Целью представленной работы явялется разработка способа определения конечного числа ЭМ ЭКГ сигналов при диагностировании пациентов с ППР для повышения достоверности диагностики сердечно-сосудистых заболеваний.
Материалы и методы. В качестве материалов использовались информативные параметры ЭКГ сигналов – амлитудно-временные составляющие. Для эффективной обработки ЭКГ сигналов использовался метод декомпозиции на эмпирические моды теории Гильберта – Хуанга.
Результаты. Разработан способ определения конечного числа ЭМ ЭКГ сигналов у пациентов с ППР, использующий адаптивную обработку ЭКГ сигналов с помощью метода ДЭМ; определение конечного числа ЭМ и сравнение его с пороговым значением. Представлена блок-схема и подробное математическое описание разработанного способа. Проведено исследование способа с использованием верифицированной базы сигналов условно здоровых пациентов и пациентов с ППР.
Выводы. Результаты исследования показали, что разработанный способ определения конечного числа ЭМ обеспечивает повышение точности определения состояния больных ППР с коэффициентом чувствительности 6,3 % и специфичности 3,1 %.

Ключевые слова

электрокардиографический сигнал, декомпозиция на эмпирические моды, пограничные психические расстройства

 Скачать статью в формате PDF

1. Ушаков, Г. К. Пограничные нервно-психические расстройства / Г. К. Ушаков. – М. : Медицина, 1987. – 304 с.
2. Sornmo, L. Time-Varying Digital Filtering of ECG Baseline Wander / L. Sornmo // Medical and Biological Engineering and Computing. – 1993. – № 31. – P. 503–508.
3. Бодин, О. Н. Новая технология подавления помех в электрокардиосигналах / О. Н. Бодин, М. Н. Крамм, Л. Ю. Кривоногов // Вестник кибернетики. – 2017. – № 4 (28). – С. 122–130.
4. Agrafioti, F. ECG in Biometric Recognition: Time Dependency and Application Challenges / F. Agrafioti ; Ph.D. Dissertation. – University of Toronto, 2011. – 172 p.
5. Каплан, А. Я. Вариабельность ритма сердца и характер обратной связи по результату операторской деятельности у человека / А. Я. Каплан // Журнал высшей нервной деятельности. – 1999. – № 48. – C. 345–350.
6. Kuzmin, A. Device and software for mobile heart monitoring / A. Kuzmin, M. Safronov, O. Bodin // Proceedings of the 19th Conference of Open Innovations Association, FRUCT. – 2017. – С. 121–127.
7. Purushothaman, S. Study of ECG changes and its relation to mortality in cases of cerebrovascular accidents / S. Purushothaman, D. Salmani // SciBiol Med. – 2014. – № 5. – P. 434–436.
8. Olbrish, S. EEG biomarkers in major depressive disorder: Discriminative power and prediction of treatment response / S. Olbrish // International Review of Psychiatry. – 2013. – Vol. 25 (5). – P. 604–618.
9. Тычков, А. Ю. Анализ и оценка сигнальных систем диагностики / А. Ю. Тычков, А. В. Агейкин, А. К. Алимурадов // Биотехносфера. – 2017. – № 1. – С. 24–28.
10. Агейкин, А. В. Патофизиологические особенности механизмов развития дисбаланса системы мозг-сердце при пограничных психических расстройствах / А. В. Агейкин Е. В. Колесова // Психическое здоровье. – 2017. – № 12. – С. 40–44.
11. Zhuang, X. Evaluation of Human Sense by Biological Information Analysis / X. Zhuang, K. Sekiyama, T. Fukuda // International Symposium on Micro-NanoMechatronics and Human Science. – Nagoya, Japan, 2009. – P. 74–80.
12. US Patent 11/376603. Automated analysis of a cardiac signal based on dynamical characteristics of the cardiac signal / Korzinov L. – 06.01.2010.
13. US Patent 10/984200. Method and apparatus for electro-biometric identity recognition / Lange D. – 30.03.2010.
14. Тычков, А. Ю. Перспективы применения преобразования Гильберта – Хуанга для автоматизированной обработки электрокардиосигналов / А. Ю. Тычков, Л. Ю. Кривоногов // Биотехносфера. – 2011. – № 1. – С. 73–81.
15. Huang, N. The Hilbert – Huang transform and its applications / N. Huang // World scientific publishing. – 2005. – № 5. – Р. 526.
16. Huang, N. An Introduction to Hilbert – Huang transform: a plea for adaptive data analysis / N. Huang // Research center for adaptive data analysis. – 2007. – Vol. 1, № 1. – P. 257.
17. Benitez, D. The use of Hilbert Transform in ECG Signal Analysis / D. Benitez // Computers in Biology and Medicine. – 2002. – № 31 (5). – P. 399–406.
18. Blanco-Velasco, M. ECG signal denoising and baseline wander сorrection based on the empirical mode decomposition / M. Blanco-Velasco, B. Weng // Computers in Biology and Medicine. – 2008. – № 38 (1). – P. 272–277.
19. Тычков, А. Ю. Применение теории Гильберта-Хуанга в задачах обработки кардиографической информации : монография / А. Ю. Тычков, П. П. Чураков, А. В. Кузьмин ; под общ. ред. Чуракова П. П. – Пенза : Изд-во ПГУ, 2015. – 150 с.
20. Kuzmin, A. V. Development of effective noise biomedical signals processing method /A. V. Kuzmin, A. Y. Tychkov, A. K. Alimuradov // International journal of applied engineering research. – 2015. – Vol. 10, № 4. – P. 8527–8531.