Зубец, сегмент, комплекс
|
Физиологический процесс
|
P
|
Охват возбуждением
предсердий. Первая половина зубца соответствует распространению возбуждения
из синусного узла на правое предсердие, вторая половина - охвату возбуждением
левого предсердия.
|
PQ
|
Возбуждение
распространяется на предсердно-желудочковый узел и движется по проводящей
системе желудочков. Этот сегмент возникает в результате того, что возбуждение
оснований желудочков нарастает медленнее.
|
QRS
|
Охват возбуждением
желудочков.
|
Возбуждение верхушки сердца
и внутренней поверхности желудочков.
|
S
|
Полный охват возбуждением
миокарда желудочков.
|
T
|
Реполяризация (восстановление
нормального мембранного потенциала клеток миокарда).
|
1.2 Вариабельность сердечного ритма
У здоровых людей интервал времени от начала цикла одного сердечного
сокращения до начала другого не является одинаковым и постоянно меняется.
Первым это обнаружил А. Галлер в 1760 г. Явление получило название
вариабельности сердечного ритма (ВСР), оно наблюдается даже в состоянии покоя.
Характерно, что непостоянство интервала между кардиоциклами находится в
пределах некоторой средней величины, являющейся оптимальной для
рассматриваемого функционального состояния организма. Это свидетельствует о
том, что ВСР должна оцениваться только в стационарных состояниях, так как при
любом изменении (в простейшем случае, при изменении положения тела) частота
сердечных сокращений начинает подстраиваться под новый функциональный уровень.
Период «подстройки» является своеобразным переходным процессом, в течение
которого включаются другие, не связанные с регуляцией ВСР механизмы,
обеспечивающие достижение средней ЧСС, оптимальной уже для нового
функционального состояния.
О вариабельности ритма сердца традиционно судят по длительности R-R
интервалов ЭКГ, то есть промежутков времени между последовательными зубцами R,
хотя правильнее было бы рассматривать длительность P-P интервалов, так как
именно начало зубца P является началом нового сердечного цикла. Традиция
проведения оценки R-R интервалов связана с тем, что зубец R легче всего
выделить из сигнала ЭКГ при компьютерной обработке в силу того, что он является
наибольшим по амплитуде. Для изучения ВСР кроме записей ЭКГ можно использовать
и другие методы, осуществляющие регистрацию циклов сердечных сокращений
(реографию, плетизмографию, допплерографию магистральных артерий,
эхокардиографию).
Вариабельность сердечного ритма отчетливо видна при графическом
представлении последовательности R-R интервалов за определенный временной
промежуток. Если по оси абсцисс откладывается номер кардиоинтервала, то она
называется кардиоинтервалограммой, если время - кардиоритмограммой (или просто
ритмограммой). Кардиоинтервалограмма обычно изображается в виде столбиковых
диаграмм, а ритмограмма традиционно представляется в виде кривой (рисунок 2).
(а)(б)
Рисунок 2 - Кардиоинтервалограмма (а) и ритмограмма (б)
Существуют свои особенности построения ритмограммы, связанные с тем, что
по оси абсцисс откладывается время в секундах, а R-R интервалы отличаются по
длительности и не соответствуют целой секунде. Наличие переменного шага по
времени крайне неудобно для большинства методов обработки экспериментальных
данных (прежде всего, для спектрального анализа).
Для решения этой проблемы дискретные значения R-R интервалов принимаются
за опорные точки, которые последовательно откладываются по оси абсцисс. Затем
проводится переоцифровка полученной кривой с постоянным шагом по времени
(рисунок 3). В итоге этой процедуры получается весьма наглядная и удобная для
дальнейшего анализа ритмограмма.
Рисунок 3 - Переход к постоянному шагу по времени. Черными кружками
обозначены опорные точки, светлыми - результат переоцифровки полученной кривой
При визуальном рассмотрении ритмограмм оказывается, что изменение
длительности R-R интервалов происходит с определенной периодичностью. Это
свидетельствует о существовании волновой модуляции сердечного ритма.
Вариабельность сердечного ритма, не связанная с нарушениями функций
автоматизма, проводимости или возбудимости, получила название синусовой
аритмии. Выделяют дыхательную и недыхательную компоненты синусовой аритмии.
Первая из них определяется фазами дыхания - при вдохе происходит уменьшение
длительности R-R интервалов, а при выдохе - увеличение, что приводит к
формированию дыхательных волн. Анализ ритмограмм позволяет изучать:
· высокочастотный диапазон (дыхательные волны) - 0.15-0.4 Гц
(2.5-6.5 с);
· низкочастотный диапазон (медленные волны первого порядка) -
0.04-0.15 Гц (6.5-25 с);
· очень низкочастотный диапазон (медленные волны второго
порядка) - 0.003-0.04 Гц (25-333 с);
· ультранизкочастотный диапазон - частоты менее 0.003 Гц.
1. Измерение длительности R-R интервалов и представление
экспериментальных данных в виде кардиоинтервалограммы;
2. Анализ динамических рядов кардиоинтервалов;
. Оценку результатов анализа ВСР.
Для изучения вариабельности сердечного ритма анализируют кратковременные
(в течение минут, десятков минут) и долговременные записи (начиная с нескольких
часов). В целях контроля текущего состояния организма обычно регистрируют ЭКГ в
течение 5 минут. В этом случае рассматривают первые два диапазона [0.15-0.4] Гц
и [0.04-0.15] Гц. Для исследования остальных необходимо располагать более
длительными записями.
В настоящее время широко распространены спектральные методы анализа
вариабельности сердечного ритма (включая подходы, основанные на применении
вейвлет-преобразования, являющегося одним из наиболее универсальных методов
исследования нестационарных процессов по сигналам малой длительности). Анализ
спектральной плотности мощности колебаний дает информацию о распределении
энергии по частотам. Расчеты спектров позволяют получить информацию о
соотношении энергий разных компонент ВСР. Вариабельность сердечного ритма
анализируют также с помощью статистических методов, корреляционного анализа,
методов нелинейной динамики. В современной практике перечисленные методы
позволяют решать многие задачи диагностического и прогностического профиля,
оценки функциональных состояний.
2 Статистический анализ вариабельности сердечного
ритма
К статистическим показателям, которые позволяют оценивать быстрые (в
течение 2-5 с) изменения частоты сердечных сокращений (ЧСС) и основаны на
определении степени различий в длительности соседних R-R интервалов, относят
следующие характеристики:
· RMSSL (мс) - среднеквадратичное различие между продолжительностью
соседних R-R интервалов.
· pNN50 (%) - доля соседних интервалов R-R, которые различаются
более чем на 50 мс. Полагают, что их значения определяются преимущественно
влиянием парасимпатического отдела вегетативной нервной системы и являются в
основном отражением синусовой дыхательной аритмии.
· RMSSD (мс) - квадратный корень из среднего квадрата разности
значений соседних интервалов R-R:
Величина RMSSD является мерой ВСР с малой продолжительностью циклов.
Ряд других индексов позволяет оценить более медленную модуляцию ЧСС. Они
основаны на непосредственном измерении длительности R-R интервалов:
· SDNN (мс) - стандартное отклонение от средней длительности
всех интервалов (наиболее распространенный показатель ВСР). Значение SDNN -
интегральный показатель, характеризующий ВСР в целом, зависит от воздействия
как симпатического, так и парасимпатического отделов вегетативной нервной
системы. Из-за нестационарности последовательностей R-R величина SDNN зависит от
длительности анализируемого сегмента ЭКГ (без предварительного устранения
тренда будет наблюдаться тенденция к возрастанию SDNN при увеличении времени
записи).
· SDANN (мс) - стандартное отклонение от среднего значения R-R
интервалов, вычисленного для каждого 5-минутного участка записи ЭКГ. Данный
коэффициент характеризует ВСР с большой продолжительностью циклов.
Результаты временного анализа ВСР зависят от качества записи ЭКГ (уровня
шума, наличия артефактов) и точности распознавания QRS комплексов. Считается,
что менее чувствительны к указанным факторам геометрические методы, к числу
которых относится вариационная пульсометрия. Cущность данного подхода состоит в
изучении закона распределения R-R интервалов как случайных величин в
исследуемом ряду их значений, то есть в изучении так называемой «вариативности»
R-R интервалов. При этом строится вариационная кривая или гистограмма, и
определяются различные ее характеристики. При построении гистограммы важное
значение имеет выбор способа группировки кардиоинтервалов.
Существуют графический и числовой способы представления результатов
вариационной пульсометрии. При графическом способе каждый диапазон значений
отражается в виде столбика с высотой, пропорциональной числу кардиоинтервалов
j, попавших в данный диапазон значений. На рисунке 4 одновременно представлены
три возможных типа вариационной пульсограммы, характеризующие разные механизмы
регуляции. Вариационная кривая 1 отражает эффект преобладания тонуса
симпатического отдела вегетативной нервной системы: все значения R-R интервалов
размещаются преимущественно в двух диапазонах. Это означает наличие высокой
мобилизации системы кровообращения и высокого уровня ее функционирования, так
как частота пульса составляет примерно 90-110 ударов в минуту. Кривая 3 демонстрирует
эффект преобладания парасимпатического отдела вегетативной нервной системы:
значения R-R интервалов находятся в пределах 0.95-1.25 с (48-63 ударов в
минуту). Высокая степень вариативности указывает на относительно слабую
централизацию управления сердечным ритмом. Вариационная кривая 2 характерна для
переходного процесса, она имеет несимметричную форму с преобладанием R-R
интервалов в диапазоне минимальных значений. Кривая указывает на то, что
наблюдается односторонний сдвиг значений R-R интервалов, и это свидетельствует
о переходе синусового узла от одного уровня функционирования к другому.
Рисунок 4 - Графический способ представления результатов вариационной
пульсометрии в виде гистограммы
Широко используются следующие числовые характеристики вариационных
пульсограмм:
· Мода Мо, с - диапазон значений наиболее часто встречающихся
R-R интервалов. В качестве моды принимают начальное значение диапазона, в
котором отмечается наибольшее число R-R интервалов. Мо указывает на наиболее
вероятный уровень функционирования системы кровообращения и для стационарных
процессов совпадает с математическим ожиданием.
· Вариационный размах ∆X, c - степень непостоянства
значений R-R интервалов. Для стационарных процессов по своему смыслу не
отличается от среднеквадратического отклонения, то есть отражает суммарный
эффект регуляции ритма вегетативной нервной системой, но указывает на максимальную
амплитуду колебаний значений R-R интервалов. Вариационный размах можно считать
показателем, в значительной мере связанным с состоянием парасимпатического
отдела вегетативной нервной системы. Однако, в определенных условиях (при
значительной амплитуде медленных волн) вариационный размах зависит в большей
мере от состояния подкорковых нервных центров, чем от тонуса парасимпатической
системы.
По данным вариационной пульсометрии вычисляют ряд дополнительных
показателей:
· Триангулярный индекс (ТИ). Для расчета этого показателя на
гистограмме H(RR) находят диапазон наиболее часто встречающихся значений R-R
интервалов X (рисунок 5) и определяют соответствующий максимум гистограммы:
Y=H(X) - число кардиоинтервалов, попадающих в данный диапазон. Триангулярный индекс
вычисляется путем деления общего количества R-R интервалов Nmax на величину Y:
ТИ = Nmax/Y. Значения ТИ в значительной степени зависят от интервала
группировки R-R интервалов. Этот показатель характеризует суммарную ВСР в
целом.
· Триангулярная интерполяция гистограммы (TINN). Данная
характеристика представляет собой ширину основания треугольника, которым можно
аппроксимировать гистограмму. На рисунке 5: TINN = M-N.
Главный недостаток вариационной пульсометрии - необходимость
использования значительного числа кардиоинтервалов для построения гистограммы.
На практике, продолжительность реализации R-R интервалов не должна быть меньше
20 минут, чтобы быть уверенным в корректном применении геометрических методов
анализа R-R интервалов. В связи с этим, данный метод не подходит для оценки
кратковременных изменений ВСР.
Рисунок 5 - Распределение R-R интервалов
Еще одним геометрическим методом является корреляционная ритмография, в
рамках которой по осям прямоугольной системы координат откладываются значения
двух соседних R-R интервалов. При этом получается точка на плоскости,
координатами которой являются: по оси абсцисс - значение текущего R-R интервала
(RRn), а по оси ординат - значение последующего R-R интервала (RRn+1).
Множество точек, полученное таким образом, называют скатерграммой (или
автокорреляционным облаком) - рисунок 6. По виду облака можно определять
сердечные аритмии, так как большие отклонения продолжительности
кардиоинтервалов от среднего значения приводят к существенному разбросу точек
на плоскости (RRn, RRn+1). Изменения синусового ритма дают определенный разброс
точек в виде окружности или эллипса. Если в динамическом ряду кардиоинтервалов
присутствует
сильно выраженная низкочастотная периодика, то будет наблюдаться эллипс,
вытянутый вдоль биссектрисы. Наиболее простым способом описания множества точек
автокорреляционного облака является расчет отношения длин продольной и
поперечной осей эллипса (a/b): чем сильнее выражена медленная периодика, тем
больше данное отношение.
а б
Рисунок 6 - Корреляционная ритмограмма человека в спокойном состоянии (а)
и при эмоциональном стрессе (б)
Методы анализа вариабельности сердечного ритма могут использоваться для
оценки состояния человека в различных условиях трудовой деятельности,
физической нагрузки, уровня стресса и т.д. В настоящее время особый интерес для
исследователей представляет изучение медленных волн второго порядка и компонент
спектра колебаний с частотами менее 0.01 Гц, включая минутные и часовые волны,
а также разработка новых методов анализа вариабельности сердечного ритма,
учитывающих сложный нестационарный характер динамики сердечно-сосудистой
системы. В частности, недавние исследования позволили обнаружить ряд интересных
явлений, к числу которых относится возможность синхронизации сердечного ритма
человека. Было установлено, что слабый внешний периодический сигнал приводит к
эффективной синхронизации и подстройке частоты сердечных сокращений. Наличие
такого эффекта открывает новые возможности и для фундаментальной науки и для
клинической практики.
3.
Классификация методик выделения QRS-комплексов
В настоящее время существует множество методик выделения QRS-комплексов, которые по используемому
подходу можно разделить на 5 основных групп:
а) алгоритмы анализа ЭКГ во временной области;
б) алгоритмы, основанные на частотно-временных, в том числе и нелинейных
преобразованиях сигнала ЭКГ;
в) алгоритмы на основе применения нейросетевых моделей;
г) синтаксические методы;
д) комбинированные алгоритмы.
Количественными характеристиками эффективности QRS-алгоритмов принято считать несколько величин:
вероятность распознавания произвольного QRS-комплекса, выраженную в процентах (чувствительность),
вероятность того, что произвольный выделенный QRS-комплекс является истинным (предсказуемость, или
специфичность) и вероятность выдачи детектором правильного результата
(эффективность). Чувствительность определяется количеством ложно отсеянных QRS-отсчетов, предсказуемость зависит от
количества ложно определенных комплексов, а эффективность является интегральным
показателем качества метода. Таким образом, указанные величины соответственно
равны
где Ntp - количество правильно определенных
комплексов, Nfn - количество ложно отвергнутых, a Nfp -ложно определенных.
Алгоритмы группы а) используют принципы, заложенные в работе [2],
основаны на применении к входному сигналу, кроме процедур линейной фильтрации,
некоторого нелинейного преобразования, включающего в себя обычно процедуру
интегрирования сигнала в скользящем окне. Положение R-зубца определятся при помощи порогового детектора уровня
сигнала, значения которого могут быть как фиксированными, так и вычисляться
адаптивно на каждом шаге работы алгоритма. Дополнительно, чтобы повысить
чувствительность, могут использоваться другие процедуры повышения точности:
дополнительная предварительная обработка ЭКГ, введение вспомогательных
оценочных процедур, позволяющих выявлять ложно определенные QRS-комплексы. Альтернативным подходом
является применение согласованной фильтрации [3], представляющей собой
вычисление тех или иных корреляционных соотношений между отрезком входного
сигнала соответствующей длительности и базовыми шаблонами QRS-комплекса. Данный подход
предусматривает различные вспомогательные процедуры, позволяющие производить
коррекцию морфологии исходных шаблонов. Эффективность методов этой группы
составляет 96-98% корректно определяемых QRS-комплексов из общего числа присутствующих в ЭКГ.
Алгоритмы группы б) основаны на применении после ряда процедур
предварительной обработки ЭКГ различных частотно-временных преобразований,
таких как локальное преобразование Фурье, преобразование Карунена-Лоева,
дискретное вейвлет-преобразование [4]. При использовании вейвлет-преобразования
применяется несколько основных базовых вейвлет-функций, причем ряд методов
предусматривает обратную связь для коррекции их параметров. При этом
локализация положения QRS-комплекса
осуществляется в области вейвлет-спектра, в простейшем случае, путем простого
детектирования уровня. Методики этой группы характеризуются относительно
невысокой производительностью, достаточно низкой чувствительностью к шумам и
эффективностью, превышающей 99%.
Алгоритмы группы в) используют нейросетевые методы обработки данных и
обычно применяются для анализа морфологии и классификации элементов ЭКГ.
Нейросетевые модели позволяют значительно более эффективно адаптироваться к
нестационарному характеру ЭКГ, поэтому в задачах выделения QRS-комплексов используются при
адаптивной согласованной фильтрации [5]. Чувствительность методик варьируется в
широком диапазоне, но в целом достигает 99%.
Группу г) составляют синтаксические алгоритмы, также известные как
лингвистические или грамматические. Исходный анализируемый сигнал
представляется в виде определенной последовательности примитивов, определяются
специальные правила (грамматики), порождающие тот или иной элемент ЭКГ из
множества примитивов. Выделение элементов ЭКГ сводится к определению
порождающей грамматики.
Группу д) составляют различные комбинации методов, обычно являющиеся
синтезом алгоритмов группы в) и б) или в) и а). Особенно выигрышным оказалось
первое сочетание, поскольку подобный подход позволяет достичь максимальной на
сегодняшний день чувствительности - 99,9% на тестовых подборках ЭКГ. К
недостаткам методов этой группы стоит отнести требовательность к вычислительным
ресурсам.
Проведенный анализа показал, что методики групп б), в), г) и д) требуют в
единицу времени на порядок больше элементарных математических операций, чем
методы группы а), при этом чувствительность и эффективность QRS-детектора обычно повышается на 1-3%.
Более того, необходим достаточно большой интервал времени для адаптации
параметров детектора, что делает подобные алгоритмы трудно применимыми для
систем реального времени, когда необходимо получение ЧСС с первых секунд после
начала съема ЭКГ. Вейвлет-анализаторы обычно применяются при автоматизированном
анализе уже записанной длительной ЭКГ и отличаются повышенной устойчивостью к шумам,
нейросетевые алгоритмы активно применяются для классификации элементов ЭКГ.
Заключение
Методы анализа вариабельности сердечного ритма могут использоваться для
оценки состояния человека в различных условиях трудовой деятельности,
физической нагрузки, уровня стресса и т.д. В настоящее время особый интерес для
исследователей представляет изучение медленных волн второго порядка и компонент
спектра колебаний с частотами менее 0.01 Гц, включая минутные и часовые волны,
а также разработка новых методов анализа вариабельности сердечного ритма,
учитывающих сложный нестационарный характер динамики сердечно-сосудистой
системы. В частности, недавние исследования позволили обнаружить ряд интересных
явлений, к числу которых относится возможность синхронизации сердечного ритма
человека. Было установлено, что слабый внешний периодический сигнал приводит к
эффективной синхронизации и подстройке частоты сердечных сокращений. Наличие
такого эффекта открывает новые возможности и для фундаментальной науки и для
клинической практики.
Библиографический список
1. Нагин В.А., Селищев С.В. Выделение QRS-комплексов в ЭКГ-системах реального
времени // М: Медицинская техника. - 2001. - № 6.
2. Pan J., Tomkins, A real-time QRS detection
algorithm // IEEE Trans. Biomed. Eng., vol. BME-32, 2005.
. Kaplan D., Simultaneous QRS detection and
feature extraction using simple matched filter basis functions // Computers in
cardiology. - IEEE Computer Society Press. - 2009.
. Li C., Zheng C., Tai C. Detection of ECG
characteristic points using the wavelet transform // IEEE Trans. Biomed. Eng.,
2006.
. Xue Q., Hu Y.H., Tompkins W.J.
Neural-network-based adaptive matched filtering for QRS detection // IEEE Trans.
Biomed. Eng., BME-39(4), 1992.