GE Healthcare - ATMOS - медицинское оборудование - оснащение медицинских учреждений

Новые методы обработки ЭКГ сигнала в Стресс-Тест исследованиях

Вилли Кайзер (Willi Kaiser) и Мартин Финдейс (Martin Findeis)
GE Marquette Hellige, Freiburg, Germany
Контакты: Willi Kaiser, GE Marquette Hellige GmbH, Munzinger Strasse 3, D-79111 Freiburg, Germany. E-mail: willi.kaiser@med.ge.com, phone +49 761 4543 242, fax +49 761 4543 370

Предисловие переводчика

Новые технологии иногда долго остаются незамеченными.  Не смотря на то, что алгоритм FRF уже более года применяется в системах CASE, CardioSoft и CardioSys   , пользователи не до конца представляют его ценность.  Вашему вниманию предлагается перевод статьи  сотрудников  GEMSIT Вилли Кайзера (Willi Kaiser) и Мартина Финдейс (Martin Findeis) посвященной алгоритму FRF.

Отзывы, замечания, предложения и вопрсы принимаются на адрес: dmitry_mochalin@nsm.spb.ru  

Мочалин Дмитрий Николаевич.

Все описанные алгоритмы защищены патентами в США и Европе. Перепечатка и публикация текста перевода в любом виде без согласования с с переводчиком и авторами статьи воспрещены.

Резюме.Электрокардиограмма (ЭКГ), регистрируемая при проведении Стресс-Тест исследований, подвержена воздействию артефактов, вызванных движениями пациента во время теста. На пике нагрузки артефакты могут настолько исказить ЭКГ, что она становится непригодной даже для визуального анализа и интерпретации. Алгоритмы автоматического анализа ЭКГ также не всегда справляются с зашумленной ЭКГ – возможны, например, ошибки в детектировании QRS комплекса, приводящие к неправильному вычислению ЧСС. Мы сосредоточились на проблеме борьбы с артефактами и выработали следующий метод: применяется алгоритм, использующий фильтры с конечной импульсной характеристикой (КИХ) (Finite Impulse Response Residual Filtering (FRF)), Алгоритм Интеллектуального Переключения Отведений (Intelligent Lead Switch algorithm), и Алгоритм Определения Циклических Артефактов (Detection of Cyclic Artifacts). Алгоритм FRF уменьшает колебания базовой линии и двигательные артефакты со значительно меньшими искажениями комплекса QRS. Постоянно обновляющийся усредненный комплекс QRS вычитается из текущего комплекса, разностный сигнал фильтруется и складывается с усредненным комплексом. Алгоритм Интеллектуального Переключения Отведений непрерывно выбирает наиболее качественные отведения для детектирования QRS, что позволяет, например, более точно определять ЧСС. Для управления функцией переключения отведений помимо таких параметров как амплитуда сигнала и уровень шумов используется новый параметр, получаемый при помощи Алгоритма Определения Циклических Артефактов (Detection of Cyclic Artifacts).
Ключевые слова: Exercise Test, Artifact, Digital Filter, QRS Detection, Heart Rate

1. Введение

Мы много лет работаем над разработкой алгоритмов обработки сигналов ЭКГ и всегда проблема артефактов, вызванных движениями пациента, оставалась одной из главных проблем. Во время Стресс-Теста, особенно на пике нагрузки, артефакты могут настолько исказить сигнал ЭКГ, что врач не сможет расшифровать запись. Артефакты также затрудняют и автоматический анализ ЭКГ – возможны, например, ошибки в детектировании QRS комплекса, приводящие к неправильному вычислению ЧСС и ошибкам измерения сегмента ST; кроме того, возникают ложные события аритмий, вызванные артефактами.
Мы сосредоточились на проблеме артефактов и предприняли большие усилия для улучшения наших программ обработки сигналов ЭКГ при нагрузочных исследованиях. Были разработаны три новых метода: Алгоритм фильтрации с использованием фильтров с конечной импульсной характеристикой (КИХ) (Finite Impulse Response Residual Filtering (FRF)), Алгоритм Интеллектуального Переключения Отведений (the Intelligent Lead Switch algorithm), и Алгоритм Определения Циклических Артефактов (Detection of Cyclic Artifacts algorithm).
Алгоритм FRF улучшает качество отображаемого ЭКГ сигнала, что, особенно в присутствии артефактов, значительно облегчает визуальный анализ сигнала.
Алгоритм Интеллектуального Переключения Отведений использует избыточность многоканального сигнала ЭКГ и выбирает для детектирования комплексов QRS отведения наименее подверженные артефактам. Это повышает точность вычисления ЧСС, анализа сегмента ST и определения аритмий во время Стресс-Теста даже во время фаз с большим количеством артефактов. Для управления функцией переключения наряду с такими параметрами, как амплитуда QRS и уровень шума используется новый параметр, получаемый при помощи Алгоритма Определения Циклических Артефактов» Все алгоритмы работают в реальном времени, текущая ЭКГ отображается немедленно.

2. Материалы и методики

2.1. Данные
Для оценки качества алгоритма FRF и Алгоритма интеллектуального переключения отведений (включая алгоритм определения циклических артефактов) мы создали базу данных из приблизительно 750 расшифрованных вручную ЭКГ. Большинство ЭКГ были взяты из нагрузочных исследований, расшифрованы врачом и, соответственно, подтверждены. Были аннотированы точное расположение и категории для каждого комплекса QRS – например: нормальный, преждевременное желудочковое сокращение (PVC), преждевременное наджелужлчковое сокращение (PSVC). База ЭКГ состояла из: 300 исследований ЭКГ с бегущей дорожкой в 12-ти стандартных отведениях длительностью приблизительно по 20 минут, 200 исследований ЭКГ с велоэргометром также в 12-ти стандартных отведениях длительностью приблизительно по 20 минут; 214 ЭКГ, полученных от Massachusetts Institute of Technology (MIT), [Moody and Mark, 1990] American Heart Association (AHA) и European Society of Cardiology (ESC) (в 2-х отведениях) [Taddei et al., 1981]; кроме того, использовались 40 ЭКГ с искусственным водителем ритма, длительностью примерно по 10 минут каждая.
2.2. Алгоритм FRF
Алгоритм FRF уменьшает влияние артефактов на поток ЭКГ, при этом незначительно искажая комплексы QRS. Алгоритм состоит из Модуля Обновления усредненного комплекса QRS (Median update) и Функции Вычитания усредненного комплекса из текущей ЭКГ, дающей на выходе разностный сигнал (residual signal). Разностный сигнал проходит через фильтры нижних (Low pass filter) и верхних (High pass filter) частот, после чего складывается с усредненным комплексом. (Рис. 1).

 
Рис 1. Блок-схема алгоритма FRF.

Усредненный комплекс обновляется только в том случае, если текущий комплекс хорошо коррелирует с усредненным комплексом. Если корреляция хорошая – усредненный комплекс обновляется на одну шестнадцатую от разности между текущим комплексом и усредненным комплексом. Выбранные пределы корреляции гарантируют непрерывное обновление усредненного комплекса, а коэффициент обновления в одну шестнадцатую обеспечивает хорошее совпадение усредненного комплекса с текущим нормальным комплексом QRS.
Функция Вычитания вычитает усредненный комплекс только в случае, если текущий комплекс достаточно хорошо совпадает с усредненным комплексом. Если текущий комплекс является, например, PVC - вычитание не будет производиться. Вычитание комплекса производится в интервале от начала QRS до окончания волны T. Волна P не затрагивается Функцией Вычитания. В случаях суправентрикулярных экстрасистол, фибрилляции предсердий или Атрио-вентрикулярных блокад II (Wenckebach, Mobitz) или III степени вычитание волны P приводило бы к ошибкам.
На выходе Функции Вычитания получается разностный сигнал. Этот сигнал проходит через фильтр низких частот для уменьшения двигательных артефактов и через фильтр верхних частот для уменьшения колебаний базовой линии. Граничные частоты фильтров выбраны таким образом, чтобы исключить нежелательное искажение волны P и желудочковых экстрасистол, оставшихся неизмененными в разностном сигнале. Оба фильтра – с конечной импульсной характеристикой, имеют постоянное и независимое от сигнала время групповой задержки.
Постоянное время групповой задержки позволяет добавить усредненный комплекс в точности в том месте, где он был вычтен. Волна P не добавляется (Рис. 2). Если усредненный комплекс не сформирован, фильтры отключаются.
Наиболее важная часть алгоритма, обеспечивающая качество работы FRF, это Функция Вычитания. Для оценки эффективности и улучшения работы этой функции был разработан метод контроля качества (см. Рис. 3)

 
Рисунок 2. Обработка сигнала алгоритмом FRF. 1-й фрагмент (сверху) – исходный сигнал ЭКГ, 2-й фрагмент – разностный сигнал, полученный вычитанием усредненного комплекса, 3-й фрагмент – разностный сигнал после фильтрации, 4-й фрагмент (внизу) ЭКГ после добавления усредненного комплекса.

Использовались 5 счетчиков:
Значение первого счетчика, «N1» увеличивается на единицу, если вычитание было произведено для комплекса, определенного в базе данных как. Это правильная операция. нормальный (Истинно-Позитивная – ИП)
Второй счетчик «N0» получает приращение, если комплекс был нормальным, но алгоритм не произвел вычитание. Это Ложная – Негативная (ЛН) операция.
Третий счетчик «V1» получает приращение, когда вычитание производится для эктопического комплекса, например для PVC. Это Ложно – Позитивная (ЛП) операция.
Четвертый счетчик, «Vo» получает приращение, если комплекс был желудочковым, и алгоритм не произвел вычитание. Это правильная операция (Истинно-Негативная – ИН).
Пятый счетчик, «O1» получает приращение, если в сигнале нет никакого комплекса, но алгоритм произвел вычитание усредненного комплекса. Это Ложно – Позитивная (ЛП) операция, вызываемая, как правило, артефактами. Сливные комплексы не подсчитываются.
После того как все комплексы «рассортированы» по соответствующим счетчикам, вычисляются чувствительность и «Положительная прогностическая значимость» (see Fig. 3).

 FRF:
1 = вычинание
0 = нет вычитания

Обозначения:
N = норм. PSVC
V = желудочковый комплекс, напр. PVC
0 = нет комплекса
Чувствительность: = N1 / (N1 + No)
Положительная прогностическая значимость = N1 / (N1 +V1 + 01)
Сливные комплексы исключены

Рис 3. Матрица решений для определения качества работы функции вычитания.

2.3. Алгоритм интеллектуального переключения отведений (The Intelligent Lead Switch Algorithm)
Современные стресс-тест системы как правило используют многоканальную запись ЭКГ. Наиболее часто используются ЭКГ в 12-ти стандартных отведениях, хотя применяются и другие последовательности с большим или меньшим количеством отведений. Для выделения комплекса QRS, вычисления ЧСС и анализа аритмий нет необходимости использовать все отведения. Принимая во внимание такую избыточность многоканального сигнала ЭКГ можно выбирать для анализа только каналы с наилучшим качеством сигнала. В нашей предыдущей системе мы использовали для определения QRS комплекса все доступные отведения. Сигнал каждого отведения проходил через полосовой фильтр, результирующий сигнал переводился в абсолютные значения. Из полученных значений значения складывался единый сигнал, по которому и детектировался комплекс QRS. Этот метод не давал хороших результатов, если один или несколько каналов имели неудовлетворительное качество сигнала (см. Рис. 4).

Рисунок 4.ЭКГ Стресс-Тест исследования с артефактами, наблюдающимися в разных отведениях в разное время. Простое объединение всех отведений ухудшает качество детектирования комплекса QRS.

Очевидно, что выбор только «качественных» отведений при проведении Стресс-Теста позволило бы улучшить детектирование комплекса QRS. Для этой цели мы разработали Алгоритм Интеллектуального Переключения Отведений (The Intelligent Lead Switch Algorithm). Он состоит из:

• 2-х или более одинаковых независимых модулей для детектирования комплекса QRS, классификации событий и определения уровня качества ЭКГ.

• Логического модуля для выбора результатов из лучшего по качеству канала, корректировки классификации событий в лучшем канале и корректировки триггерных точек (точки расположения QRS) лучшего канала (см. Рис. 5)

Рисунок 5. Блок-схема Алгоритма интеллектуального переключения отведений.

Уровень качества ЭКГ определяется на основании амплитуды комплекса QRS, уровней средне- и высокочастотного шумов, состояния электродов (присоединен/не присоединен) и нового параметра, полученного при помощи Алгоритма определения циклических артефактов (см. ниже).
Примеры классификации событий: Паузы, наджелудочковые экстрасистолы (PSVC) и желудочковые экстрасистолы (PVC). Если в лучшем отведении детектируется Пауза, а в других отведениях желудочковая экстрасистола (PVC), алгоритм скорректирует классификацию события и триггерные точки для лучшего отведения.
Преимуществом алгоритма является более достоверное детектирование комплекса QRS даже на фазах с большой нагрузкой. Алгоритм требует значительной вычислительной мощности компьютера, особенно при анализе в 15 отведениях. Но возросшие возможности современных ПК волне достаточны для решения этой задачи.

2.4 Алгоритм определения циклических артефактов (The Detection Of Cyclic Artifacts Algorithm)

Во время проведения Стресс-Тест исследования пациент идет (или бежит) по бегущей дорожке или крутит педали велоэргометра. В том и в другом случае движения пациента порождают Циклические Артефакты. По мере нарастания нагрузки Циклические артефакты усиливаются.
Причиной возникновения артефактов являются движения мышц пациента или небольшие изменения положения электродов, вызванные движениями пациента. Изменение положения электродов вызывает артефакты, по спектру очень близкие к спектру комплексов QRS. По этой причине их очень трудно дифференцировать. Более того, они представляют значительную опасность, так как мешают детектированию комплексов QRS, что может привести к неверному вычислению ЧСС, ошибкам при анализе аритмий и неверной интерпретации Стресс-Тест исследования.
Мы предполагаем, что сигнал ЭКГ и Циклические артефакты – это два независимых ритма. Во время исследования как интервал RR так и интервал Циклических артефактов остаются неизменными в течение коротких периодов времени (порядка 10 секунд). Для идентификации и разделения двух независимых ритмов использовался следующий алгоритм:

Рисунок 6. ЭКГ с Циклическими Артефактами: в отведениях V2-V5 видны оба ритма, в отведениях I и V6 – только ритм ЭКГ, в отведении V1 – только ритм Циклических Артефактов.

3. Результаты

3.1. Функция вычитания алгоритма FRF
При оценке качества вычитающей функции алгоритма FRF , были достигнуты – Чувствительность - 99.8% и Положительная прогностическая значимость 99.9% [Kaiser and Findeis,1999].
3.2. Качество детектирования QRS
Оценка качества детектирования QRS при использовании Алгоритма интеллектуального переключения отведений  проводилась по параметрам Чувствительности и Положительного предсказания на основе базы данных из приблизительно 750 аннотированных ЭКГ с нагрузкой. Каждый раз, когда алгоритм правильно детектировал  аннотированный QRS, комплекс получал приращение счетчик "TP" Счетчик "FP" получал приращение, если комплекс детектировался в том месте, где его не было. Счетчик "FN" получал приращение, если аннотированный QRS комплекс не детектировался алгоритмом.
  Чувствительность (%)  Положительная прогностическая значимость (%)
ЭКГ исследований с Бегущей Дорожкой 99.88 99.89
ЭКГ исследований   99,91 99.97
MIT  99.76  99.78
AHA  99.71 99.84
ЭКГ с кардиостимулятором  99.15  99.25
Чувствительность S = 100*TP/(TP + FN) Положительная прогностическая значимость P = 100*TP/(TP + FP). MIT, Massachusetts Institute of Technology; AHA, American Heart Association

Результаты для велоэргометрических исследований нескольку лучше, чем для бегущей дорожки. Это не удивительно, так как велоэргометрический тест обычно дает меньше артефактов, чем исследование с бегущей дорожкой. Результаты по базам MIT и AHA немного хуже, поскольку они содержат только два канала ЭКГ, и преимущество переключения каналов проявляется в меньшей степени. Анализ ЭКГ с кардиостимулятором всегда представляло особую сложность: широкие комплексы QRS с более узким частотным диапазоном, изменчивость QRS по амплитуде и ширине, высокая волна T и сами импульсы стимулятора.

4. Обсуждение

Алгоритмы не могут решить всех проблем. При совершенно неудовлетворительном качестве входного сигнала они не помогут. Самый лучший алгоритм не в силах защитить от плохого наложения электродов. В то же время Алгоритм FRF и Алгоритм интеллектуального переключения отведений совместно с Алгоритмом определения Циклических Артефактов позволили достигнуть значительного прогресса в отображении ЭКГ при Нагрузочном Тесте. Но это не окончательное решение проблемы. Выделение сигнала ЭКГ в окружении большого количества артефактов остается сложной задачей.
Применяемые алгоритмы должны работать в реальном времени. Иначе говоря, комплекс QRS должен быть детектирован и проанализирован, прежде чем появится следующий комплекс. Это требует от компьютера значительных вычислительных мощностей. В прошлом это часто становилось серьезным ограничением для применения новых алгоритмов. В настоящее время постоянный рост мощности и объема памяти персональных компьютеров создает предпосылки для создания и использования в будущем новых еще более эффективных алгоритмов.

Ссылки:
Kaiser W, Findeis M. Artifact Processing During Exercise Testing. Journal of Electrocardiology, Vol 32 Supplement: 212-219,1999.
Moody GB, Mark RG. The MIT-BIH arrhythmia database on CD-ROM and software for use with it. Computers in Cardiology, 17: 185-188, 1990.
Taddei A, Biagini A, Distante G, Marchesi C, Mazzei MG, Pisani P, Roggero N, Zeelenberg. An annotated database aimed at performance evaluation of algorithms for ST-T change analysis. Computers in Cardiology, 16:117-120,1989.