Лаборатория метафорических исследований и ии

   СДК. Сибирская Диагностическая Компания

Лаборатория метафорических исследований и ии

СДК. Сибирская Диагностическая Компания

ОПРЕДЕЛЕНИЕ СЕРДЕЧНОГО РИТМА ПЛОДА ПО НЕИНВАЗИВНОМУ ЭКГ  
С ПРИМЕНЕНИЕМ РАЗЛИЧНЫХ ФИЛЬТРОВ  

 

УДК 004.67                                                                                   А. С. Шапошникова • М. Р. Богданов  

     Аннотация. Анализ сердечного ритма плода на данный момент времени является наиболее эффективным и точным методом для оценки здоровья плода. Существуют два способа получения измерений – инвазивный и неинвазивный. Первый метод используется непосредственно во время родов, электрод от электрокардиографа подключается к голове плода. Этот метод является более точным по сравнению с неинвазивным за счет прямого считывания сигнала сердечного ритма. Однако благодаря неинвазивному методу появляется возможность отслеживать изменения в здоровье плода на 2 и 3 триместрах и применять эффективное лечение к образующимся на ранних стадиях недугам. Основная проблема метода – точность считывания сердечного ритма плода, так как сигнал подвергается искажению за счет материнского сердцебиения и движений плода. В данной статье будет рассмотрен алгоритм по определению сердечного ритма плода, а также будут оцениваться несколько фильтров для удаления артефактов с записи ЭКГ.  
  Ключевые слова: сердечный ритм плода; неинвазивная электрокардиография плода; определение QRST-волны матери; определение длины RR-интервала плода; фильтр преобразования Фурье; фильтр Савицкого и Голея.  

ВВЕДЕНИЕ

    В настоящее время наиболее эффективным методом оценки состояния плода является анализ его сердечного ритма. Нормальным значением сердцебиения плода является вариация ритма от 100 до 180 ударов в минуту. Выход за данные рамки может свидетельствовать о наличии заболеваний сердечной системы или отклонениях в здоровье плода. Согласно заключению специалистов [1], аритмия диагностируется в 1–2 % случаях. Наличие аритмии может свидетельствовать о возникновении у плода дистресса [2], анемии, развитии инфекционных процессов [3], в особо опасных случаях – о возникновении водянки, что может привести к гибели плода.  
     Благодаря анализу ритма можно выявить сердечные аномалии на 2 и 3 триместре, назначить лечение с помощью специальных препаратов или провести операцию для сохранения жизни матери и малыша. Поэтому становится актуальным вопрос быстрого и точного определения нарушения ритма плода.  
      Для анализа существующих решений в области анализа данных в перинатальной кардиологии был проведен поиск по зарубежным и отечественным статьям. Существует методология [4] по исследованию аритмий сердца плода с помощью сегментирования исходного кардиосигнала и глубокого обучения. В статье был предложен метод обнаружения ЭКГ плода на общем ЭКГ с помощью первой производной, производилась сегментация исходных данных и передача сегмента в модель глубокого обучения [5], для избавления сигнала от шума использовался автоэнкодер. Помимо данной методологии, был предложен алгоритм по выявлению гипоксии плода [6] по данным ЭКГ с помощью сингулярного разложения и применения усовершенствованного метода FastICA. В данной статье производилось улучшение алгоритма FastICA. После этого алгоритм использовался совместно с сингулярным разложением исходного сигнала, содержащего как ЭКГ матери, так и ЭКГ плода. Также интересные результаты исследований приводятся в статье по применению энтропии вейвлета Клиффорда для извлечения ЭКГ плода [7]. Перед специалистами стояли следующие задачи: сравнение энтропии Клиффорда с существующими мерами энтропии, сравнение вейвлет-методов Хаара, Фабера–Шодера и Клиффорда, введение новой формы энтропии Шеннона для измерения порядка/беспорядка извлеченных и/или восстановленных сигналов из зашумленных относительно вейвлет-/мультивейвлет-приложения, выделение ЭКГ плода на основном сигнале с помощью перечисленных видов энтропий. Стоит отметить, что перечисленные решения предложены специалистами из иностранных университетов и научных заведений. В российском сегменте подобные работы практически не встречаются. В качестве отечественной работы можно рассмотреть статью, опубликованную в издании сетевого доступа [8]. В данной работе использовались алгоритм амплитудного порога и бутстреп с 95% доверительным интервалом для выделения материнской ЭКГ и ЭКГ плода. Вычитание материнских паттернов проводилось с помощью автокорреляционной функции.  
      В статье будет рассматриваться алгоритм по выявлению сердечного ритма плода на общей записи ЭКГ, включающей пульс матери и ребенка. Также будет проведено сравнение фильтров для получения «чистой» записи ЭКГ плода. 

ПОСТАНОВКА ЗАДАЧИ АЛГОРИТМА

    Основная задача алгоритма – выявить на общей записи ЭКГ матери и ребенка сердечные сокращения плода и определить длительность RR-интервала (последовательность сердечных сокращений) в секундах. Проблема в определении ЭКГ плода связана с влиянием шумов: сердечных сокращений матери и подвижности тела ребенка. Запись сердца матери является интерферирующим сигналом и превосходит сигнал сердцебиения ребенка во много раз. Поэтому одной из важных задач в области кардиологии плода является определение реперных точек ЭКГ матери, обнаружение образа ее QRST-волны и удаление ее с записи. Другой не менее важной задачей является определение образа QRST-волны плода. На данных после удаления материнской ЭКГ могут оставаться остаточные шумы от удаленной записи, а также звуки движения плода. Таким образом, становится важной задача точной фильтрации сигнала. В данной работе будет приведено сравнение работы двух фильтров для удаления шумов – фильтр с преобразованием Фурье и фильтр Савицкого и Голея с различными режимами обработки сигнала. 

ОПИСАНИЕ РАБОТЫ АЛГОРИТМА

      Алгоритм обнаружения сердечного ритма плода выполняется следующим образом: 

  1. Обработка исходного сигнала ЭКГ и устранение шумов. 
  2. Выделение ЭКГ матери с помощью амплитудного порога и бутстреп, подсчет в секундах длины RR-интервала. 
  3. Удаление материнского ЭКГ с записи с помощью автокорреляционной функции. 
  4. Выделение ЭКГ плода, проведение фильтрации получившегося сигнала. 
  5. Выделение R-пиков плода, подсчет длины RR-интервала в секундах. 

   Для получения точных результатов частоты сердечных сокращений плода необходимо «очистить» получившуюся после удаление материнской ЭКГ запись. Для этого в текущей работе рассматривались два фильтра: очистка сигнала с помощью преобразования Фурье и фильтрация Савицкого и Голея с 4 режимами обработки сигнала: mirror (повторение значений сигнала по краям в обратном порядке), nearest (ближайшее значение сигнала), constant (значение, заданное определенным аргументом (в данной статье оно равно 1.5)), wrap (использование значений с другого конца массива). Преобразование Фурье исходного сигнала задается следующей формулой:

    При выполнении фильтрации Савицкого и Голея вычисляется полиномиальная аппроксимация на основе степени полинома и размера окна. 
    Для проверки работы алгоритма и различных методов фильтрации использовались данные из нескольких наборов открытого доступа [9–11]. Данные представляют собой csv и edf-файлы, разделенные на здоровый сердечный ритм плода и сердечный ритм с аритмией.  
   На рисунке 1 представлена общая запись ЭКГ матери и плода после определения R-зубцов матери. Программа определила положение R-пиков верно, R-зубец обладает самой высокой амплитудой среди других зубцов QRST-комплекса.  

Рис. 1   Отображение данных ЭКГ плода и матери с определенными R-пиками. 

      На рисунке 2 представлены данные после удаления ЭКГ матери до применения фильтра с распределением Фурье (оранжевый цвет) и после его применения (синий цвет). Как видно из рисунка, после применения фильтра из данных пропали высокие амплитуды и выбросы, основные пики сохранились. На рисунке 3 представлены значения ЭКГ плода до применения фильтра Савицкого и Голея (оранжевый цвет) и после его применения (синий цвет). После применения фильтрации данные практически полностью сохранили свое исходное значение, сгладились некоторые выбросы. Такой результат отображения достигается при любом выборе режима фильтрации.  

Рис. 2   Отображение данных ЭКГ плода до и после применения фильтра Фурье. 

Рис. 3   Отображение данных ЭКГ плода до и после применения фильтра Савицкого и Голея.

Рис. 4. Определение R-пиков плода.

      На рисунке 4 представлен результат поиска R-пиков на ЭКГ плода. Программа определила положение R-пиков верно, R-зубец обладает самой высокой амплитудой среди других зубцов QRST-комплекса.  
     После проведения серии экспериментов на файлах из трех наборов данных было установлено, что длительность RR-интервала совпадает как при использовании фильтра Савицкого и Голея, так и при применении фильтра преобразования Фурье. Таким образом, можно сделать вывод о том, что работа фильтров не влияет существенно на отображение конечного результата подсчета. На некоторых данных значения длины RR-интервалов после этих фильтров отличались друг от друга порядка 0.1 значений. При этом после анализа полученной длительности интервала можно было сделать вывод о наличии или отсутствии заболевания (разница между значениями длительности не приводила к разным диагнозам). При этом следует учесть, что диагноз в текущей работе – наличие или отсутствие аритмии.  
      В детской кардиологии существуют следующие виды заболеваний сердца: 

синусовая тахикардия или брадикардия; 

  • стойкая синусовая тахикардия или брадикардия; 
  • экстрасистолия. Суправентрикулярная тахикардия; 
  • экстрасистолия. Вентрикулярная тахикардия; 
  • пароксизмальная тахикардия.

    В первых двух случаях вывод об отсутствии или наличии заболевания делается на основе длительности RR-интервала и длительности возникновения аномалии. В остальных, более опасных случаях, анализировать необходимо не только частоту сердечных сокращений, но и форму QRST-волны. Поэтому в дальнейшем будет проводиться работа по анализу вида QRST-волны, и уже там применение различных фильтров может привести к возникновению отличных друг от друга результатов.  

ЗАКЛЮЧЕНИЕ

     В данной статье была рассмотрена проблема определения сердечного ритма плода на неинвазивном ЭКГ. Были проведен краткий анализ существующих решений и предложен алгоритм по выявлению длины RR-интервала плода. Были рассмотрены два вида фильтров по удалению артефактов и шумов с записи ЭКГ плода – фильтр преобразования Фурье и фильтр Савицкого и Голея. Как показал вычислительный эксперимент, после применения фильтров их результаты были схожими или расходились на 0.1 значений. Расхождение результатов не приводило к возникновению противоречий в постановке диагноза – есть аритмия или она отсутствует. В дальнейшем будет проводиться работа по доработке алгоритма и анализу QRST-волны плода.  

БЛАГОДАРНОСТИ

Исследование поддержано грантом РНФ 22-19-00471. 

СПИСОК ЛИТЕРАТУРЫ / REFERENCES

  1. Томчик Н. В., Янковская Н. И. Неонатальные и фетальные нарушения сердечного ритма [Электронный ресурс] // Ки-берЛенинка: [сайт]. URL: https://cyberleninka.ru/article/n/neonatalnye-i-fetalnye-narusheniya-serdechnogo-ritma/viewer (дата обращения: 14.12.2023). [[ Tomchik N. V., Yankovskaya N. I. “Neonatal and fetal heart rhythm disturbances” // CyberLeninka. https://cyberleninka.ru/article/n/neonatalnye-i-fetalnye-narusheniya-serdechnogo-ritma/viewer (In Russian). ]] 
  2. Шахмаметова Г. Р., Христодуло А. Д., Береговая С. П. Анализ эндокринологических данных на основе моделей классификации // Системная инженерия и информационные технологии. 2022. Т. 4. № 2(9). С. 30-36. EDN LBZVZL.  [[ Shakhmametova G. R., Christodoulo A. D., Beregovaya S. P. “Analysis of endocrinological data based on classification models” // System Engineering and Information Technologies. 2022. Vol. 4, No. 2(9), pp. 30-36. (In Russian). ]] 
  3. Юсупова Н. И., Нургаянова О. С., Зулкарнеев Р. Х. Формализация этапов риск-анализа в СППР с учетом оценок клинических рисков при бронхолегочных заболеваниях // Системная инженерия и информационные технологии. 2023. Т. 5. № 1(10). С. 11-24. EDN KHIIHT.  [[ Yusupova N. I., Nurgayanova O. S., Zulkarneev R. Kh. “Formalization of risk analysis stages in DSS taking into account clinical risk assessments for bronchopulmonary diseases” // System Engineering and Information Technologies. 2023. T. 5, No. 1(10), pp. 11-24. (In Russian). ]] 
  4. Накатани С., Ямамото К., Оцуки Т. Обнаружение аритмий плода на основе разметки интервала сердцебиения [Электронный ресурс] // MDPI: [сайт]. URL: https://www.mdpi.com/2306-5354/10/1/48 (дата обращения: 14.12.2023). [[ Sara Nakatani, Kohei Yamamoto, Tomoaki Otsuki. “Detection of fetal arrhythmias based on heartbeat interval markings” [Electronic resource] // MDPI: [website]. URL: https://www.mdpi.com/2306-5354/10/1/48 (In Russian). ]] 
  5. Жумажанова С. С., Сулавко А. Е., Ложников П. С. Распознавание психофизиологического состояния субъектов-операторов на основе анализа термографических изображений лица с применением сверточных нейронных сетей // Системная инженерия и информационные технологии. 2023. Т. 5. № 2(11). С. 41-55. EDN NNZWLV.  [[ Zhumazhanova S. S., Sulavko A. E., Lozhnikov P. S. Recognition of the psychophysiological state of subject-operators based on the analysis of thermographic images of the face using convolutional neural networks // System Engineering and Information Technologies. 2023. Vol. 5, No. 2(11), pp. 41-55. (In Russian). ]] 
  6. Хао Ц., Ян Ю., Чжоу Ч., Ву Ш. Извлечение сигнала электрокардиограммы плода на основе быстрого анализа независимых компонентов и разложения по сингулярным значениям [Электронный ресурс] // MDPI : [сайт]. URL: https://www.mdpi.com/1424-8220/22/10/3705 (дата обращения: 14.12.2023).  [[ Jingyu Hao, Yuyao Yang, Zhuhuang Zhou, Shuikai Wu. “Extraction of the fetal electrocardiogram signal based on fast analysis of independent components and singular value decomposition” [Electronic resource] // MDPI: [website]. URL: https://www.mdpi.com/1424-8220/22/10/3705 (access date: 12/14/2023). (In Russian). ]] 
  7. Джаллули М., Арфауи С., Мабрук А. Бен, Каттани К. Энтропия вейвлета Клиффорда для извлечения ЭКГ плода [Электронный ресурс] // MDPI: [сайт]. URL: https://www.mdpi.com/1099-4300/23/7/844 (дата обращения: 14.12.2023).  [[ Malika Jallouli, Sabrina Arfaoui, Anouar Ben Mabrouk, Carlo Cattani. “Clifford wavelet entropy for fetal ECG extraction” [Electronic resource] // MDPI: [website]. URL: https://www.mdpi.com/1099-4300/23/7/844 (access date: 12/14/2023). (In Russian). ]] 
  8. Юсупова Н. И., Богданов М. Р. Снижение риска при распознавании аритмии у плода с использованием методов машинного обучения // 90 лет УГАТУ на службе науке, образованию и бизнесу: Мат-лы Всероссийской научно-практической конференции, Уфа, 21–22 ноября 2022 года. Уфа: Уфимский университет науки и технологий, 2022. С. 171-174. EDN RVHBML. [[ Malika Jallouli, Sabrina Arfaoui, Anouar Ben Mabrouk, Carlo Cattani. Clifford wavelet entropy for fetal ECG extraction [Electronic resource] // MDPI: [website]. URL: https://www.mdpi.com/1099-4300/23/7/844 (access date: 12/14/2023). (In Russian). ]] 
  9. Ежевски Дж., Матония А., Купка Т., Рой Д., Чабанский Р. База данных инвазивных и неинвазивных ЭКГ плода [Электронный ресурс] // Kaggle: [сайт]. URL: https://www.kaggle.com/datasets/sachinjohn/abdominal-direct-fetal-ecg-database-csv-format (дата обращения: 12.10.2023).  [[ Jerzewski J., Matonia A., Kupka T., Roy D., Chabansky R. “Database of invasive and non-invasive fetal ECGs” [Electronic resource] // Kaggle: [site]. URL: https://www.kaggle.com/datasets/sachinjohn/abdominal-direct-fetal-ecg-database-csv-format (access date: 10/12/2023). (In Russian). ]] 
  10. Сильва И., Бехар И., Самени Р., Чжу Т., Клиффорд Г. Д., Муди  Д. Неинвазивная ЭКГ плода  [Электронный ресурс] // PhysioNet: [сайт]. URL: https://physionet.org/content/challenge-2013/1.0.0/ (дата обращения: 09.11.2023).  [[ Icaro Silva, Joachim Behar, Reza Sameni, Tingting Zhu, Gary D. Clifford, George Moody “Non-invasive fetal ECG” [Electronic resource] // PhysioNet: [site]. URL: https://physionet.org/content/challenge-2013/1.0.0/ (access date: 11/09/2023). (In Russian). ]] 
  11. Бехар И. База данных неинвазивных ЭКГ плода [Электронный ресурс] // PhysioNet: [сайт]. URL: https://physionet.org/content/nifeadb/1.0.0/ (дата обращения: 12.10.2023). [[ Joachim Behar. “Database of non-invasive fetal ECG” [Electronic resource] // PhysioNet: [website]. URL: https://physionet.org/content/nifeadb/1.0.0/ (access date: 10/12/2023). (In Russian). ]]