Автоматизированная интерпретация ЭКГ

Автоматизированная интерпретация ЭКГ — это использование искусственного интеллекта и распознавания образов программного обеспечения и баз знаний для автоматической интерпретации, составления отчетов об испытаниях и компьютерной диагностики электрокардиограмм, полученных обычно от пациента .

История

Первые автоматизированные программы ЭКГ были разработаны в 1970-х годах, когда цифровые ЭКГ-аппараты стали возможны благодаря платам цифровой обработки сигналов третьего поколения. Коммерческие модели, например, разработанные Hewlett-Packard , включили эти программы в устройства, используемые в клинических условиях.

В 1980-е и 1990-е годы компании и университетские лаборатории проводили обширные исследования с целью повышения точности, которая у первых моделей была не очень высокой. С этой целью такие учреждения, как Массачусетский технологический институт , создали несколько баз данных сигналов с нормальными и аномальными ЭКГ и использовали их для проверки алгоритмов и их точности.

Фазы

Основные характеристики сигнала: время и амплитуда, которые измеряются и составляют основу для автоматического анализа ЭКГ.

Цифровое представление каждого записанного канала ЭКГ получается с помощью аналого-цифрового преобразователя и специального программного обеспечения для сбора данных или цифровой обработки сигналов (DSP) микросхемы .
Результирующий цифровой сигнал обрабатывается рядом специализированных алгоритмов , которые начинают с его обработки , например, удаления шума , базового уровня и т. д. изменения
Извлечение признаков : математический анализ теперь выполняется на чистом сигнале всех каналов, чтобы идентифицировать и измерить ряд характеристик, которые важны для интерпретации и диагностики. Это будет представлять собой входные данные для программ на основе искусственного интеллекта, таких как пиковая амплитуда, площадь под кривой, смещение относительно базовой линии и т. д. зубцов P, Q, R, S и T, ^[1] временная задержка между этими пиками и впадинами, частота пульса (мгновенная и средняя) и многие другие. Какая-то вторичная обработка, такая как анализ Фурье и вейвлет-анализ. ^[2] также может выполняться для предоставления входных данных для программ, основанных на распознавании образов.
Логическая обработка и распознавание образов с использованием экспертных систем , основанных на правилах , ^[3] вероятностный байесовский анализ или алгоритмы нечеткой логики , кластерный анализ , ^[4] искусственные нейронные сети , ^[5] генетические алгоритмы и другие методы используются для получения выводов, интерпретации и диагностики.
Программа отчетности активируется и обеспечивает правильное отображение исходных и расчетных данных, а также результатов автоматизированной интерпретации.
В некоторых приложениях, таких как автоматические дефибрилляторы , результаты анализа могут инициировать какое-либо действие, например возникновение фибрилляции предсердий или остановки сердца , подача сигналов тревоги на медицинском мониторе в отделениях интенсивной терапии . , и так далее.

Приложения

Производство аппаратов ЭКГ в настоящее время полностью цифровое, и многие модели включают встроенное программное обеспечение для анализа и интерпретации записей ЭКГ с 3 или более отведениями. Потребительские товары, такие как домашние регистраторы ЭКГ для простого одноканального обнаружения сердечной аритмии , также используют базовый анализ ЭКГ, главным образом для выявления отклонений. Некоторые области применения:

Включение в автоматические дефибрилляторы для принятия автономного решения о том, существует ли причина для применения электрошока на основании предсердной или желудочковой аритмии;
Портативная ЭКГ, используемая в телемедицине . Эти машины используются для отправки записей ЭКГ по телекоммуникационному каналу, например телефону , сотовой связи или Интернету.
Обычные ЭКГ-аппараты для использования в учреждениях первичной медико-санитарной помощи квалифицированного кардиолога . , где нет

Последствия и ограничения

Автоматизированная интерпретация ЭКГ является полезным инструментом, когда доступ к специалисту невозможен. Хотя были предприняты значительные усилия для улучшения алгоритмов автоматизированной ЭКГ, чувствительность автоматической интерпретации ЭКГ имеет ограниченное значение в случае STEMI. эквивалента ^[6]^[7] как, например, с «сверхострыми зубцами Т», ^[8] комплекс де Винтер СТ-Т, ^[9] Феномен Велленса, гипертрофия левого желудочка, блокада левой ножки пучка Гиса или наличие кардиостимулятора. Автоматизированный мониторинг сегмента ST во время транспортировки пациентов используется все чаще и повышает чувствительность обнаружения ИМпST, поскольку подъем ST является динамическим явлением.

См. также

Ссылки

^ Системы BioPac. Примечание по применению: автоматический анализ ЭКГ
^ Аль-Фахум, AS; Ховитт, И. Комбинированное вейвлет-преобразование и нейронные сети на радиальном базисе для классификации опасных для жизни сердечных аритмий, Med. Биол. англ. Вычислить. 37 (1999), стр. 566–573.
^ Маутгрев, В. и др. ГЭС ЭКГ эксперт – экспертная система для комплексного анализа и обучения ЭКГ. Учеб. Компьютеры в кардиологии: Иерусалим, Израиль, 19–22 сентября 1989 г. (США: IEEE Comput. Soc. Press, 1990. стр. 77–80).
^ Бортолан, Г. и др. Классификация ЭКГ с помощью нейронных сетей и кластерного анализа. Учеб. Компьютеры в кардиологии. Венеция, Италия, 23–26 сентября 1991 г. (США: IEEE Comput. Soc. Press, 1991. стр. 177–80).
^ Саббатини, RME Применение искусственных нейронных сетей в обработке биологических сигналов. MD Computing, 3 (2), 165–172, март 1996 г.
^ Сложные ЭКГ при STEMI: уроки, извлеченные из серийной выборки до- и госпитальных ЭКГ, Ayer et al., JECG, 2014.
^ Интерпретация ЭКГ - STEMI и его эквиваленты, электронная книга
^ Выдающийся зубец T: электрокардиографический дифференциальный диагноз , Соммерс и др., Американский журнал неотложной медицины.
^ Новый ЭКГ-признак проксимальной окклюзии ПМЖВ, де Винтер, NEJM, 2008 г.

Источники

Саббатини, RME : Компьютер в обработке биологических сигналов . Revista Informédica, 2 (12): 5–9, 1995. Компьютеры в обработке биологических сигналов. (На португальском языке)

Переведено и воспроизведено с разрешения автора.

Внешние ссылки

[1] Системы BioPac. Примечание по применению: автоматический анализ ЭКГ

[2] Аль-Фахум, AS; Ховитт, И. Комбинированное вейвлет-преобразование и нейронные сети на радиальном базисе для классификации опасных для жизни сердечных аритмий, Med. Биол. англ. Вычислить. 37 (1999), стр. 566–573.

[3] Маутгрев, В. и др. ГЭС ЭКГ эксперт – экспертная система для комплексного анализа и обучения ЭКГ. Учеб. Компьютеры в кардиологии: Иерусалим, Израиль, 19–22 сентября 1989 г. (США: IEEE Comput. Soc. Press, 1990. стр. 77–80).

[4] Бортолан, Г. и др. Классификация ЭКГ с помощью нейронных сетей и кластерного анализа. Учеб. Компьютеры в кардиологии. Венеция, Италия, 23–26 сентября 1991 г. (США: IEEE Comput. Soc. Press, 1991. стр. 177–80).

[5] Саббатини, RME Применение искусственных нейронных сетей в обработке биологических сигналов. MD Computing, 3 (2), 165–172, март 1996 г.

[6] Сложные ЭКГ при STEMI: уроки, извлеченные из серийной выборки до- и госпитальных ЭКГ, Ayer et al., JECG, 2014.

[7] Интерпретация ЭКГ - STEMI и его эквиваленты, электронная книга

[8] Выдающийся зубец T: электрокардиографический дифференциальный диагноз , Соммерс и др., Американский журнал неотложной медицины.

[9] Новый ЭКГ-признак проксимальной окклюзии ПМЖВ, де Винтер, NEJM, 2008 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]