Муштак Али Мухамед Салех. Исследование нейронных сетей для распознавания патологических отклонений формы электрокардиосигнала

Короткий опис

Муштак Али Мухамед Салех. Исследование нейронных сетей для распознавания патологических отклонений формы электрокардиосигнала : диссертация ... кандидата технических наук : 05.12.04 / Муштак Али Мухамед Салех; [Место защиты: Владимир. гос. ун-т им. Александра Григорьевича и Николая Григорьевича Столетовых].- Владимир, 2013.- 135 с.: ил. РГБ ОД, 61 13-5/1575

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«Владимирский государственный университет
имени Александра Григорьевича и Николая Григорьевича Столетовых» (ВлГУ)
На правах рукописи
04201357810
Муштак Али Мухамед Салех
Исследование нейронных сетей для распознавания патологических
отклонений формы электрокардиосигнала
Специальность 05.12.04 - Радиотехника, в том числе системы и устройства
телевидения
Диссертация на соискание ученой степени
кандидата технических наук
Научный руководитель: доктор технических наук, профессор Сушкова Л.Т.
Владимир 2013 
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 4
ГЛАВА 1 СОВРЕМЕННЫЕ МЕТОДЫ ОБРАБОТКИ И АНАЛИЗА ЭЛЕТРОКАРДИОСИГНАЛА 11
1.1. Особенности регистрации, обработки и анализа электрокардиосигнала... 11
1.2. Параметры электрокардиограммы условно здорового человека 15
1.3. Современные походы к анализу ЭКС 18
1.4. Применение искусственных нейронных сетей (ИНС) в анализе
электрокардиосигнала 37
1.5. Выводы 41
ГЛАВА 2 ТЕОРЕТИЧЕСКИЕ ПРЕДПОСЫЛКИ СОЗДАНИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ НАРУШЕНИЙ В РАБОТЕ СЕРДЦА 43
2.1 Классическая процедура автоматизированного анализа ЭКГ 43
2.2 Помехи при регистрации электрокардиосигнала 46
2.3 Методы селекции R - зубцов 51
2.4 Выбор и обоснование структуры нейросетевой системы анализа ЭКС 56
2.4.1 Основные положения искусственных нейронных сетей 56
2.4.2 Функции активации нейронов 61
2.4.3 Архитектура искусственных нейронных сетей 65
2.4.4 Методы обучения искусственных нейронных сетей 69
2.4.5 Обоснование выбора типа нейронной сети для анализа
электрокардиосигнала 70
2.5 Выводы 71
ГЛАВА 3 ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА К АНАЛИЗУ ЭЛЕКТРОКАРДИОСИГНАЛОВ 73
3.1 Описание экспериментального архива данных ЭКС 73
3.2 Методика формирования входного образа ЭКС 74
3.3 Алгоритм предварительной обработки ЭКС 76
3.4 Разработка структуры базы данных ИНС 80
з
3.5 Процедура проведения исследований ИНС 81
3.6 Алгоритм экспериментального программного исследования
функционирования ИНС 88
3.7 Результаты исследования ИНС 90
3.7.1 Результаты исследования нейронных сетей с применением сегментации
ЭКГ 90
3.7.2 Результаты исследования нейронных сетей с применением сегментации
и параметризации ЭКГ 95
3.7.3 Алгоритм поиска оптимального размера нейронной сети 98
3.8 Выводы 100
ГЛАВА 4 АППАРАТНО - ПРОГРАММНЫЙ КОМПЛЕКС ОБРАБОТКИ И НЕЙРОСЕТЕВОГО АНАЛИЗА СЕГМЕНТИРОВАННОГО
Э ЛЕКТРОК АРДИОСИГНАЛА 102
4.1 Структура экспериментальной системы нейросетевого анализа
электрокардиосигнала 102
4.2 Блок усиления и аналого-цифрового преобразования 103
4.3 Блок регистрации сигнала 104
4.4 Блок обработки и визуализации сигнала в реальном времени 104
4.5 Блок предварительной обработки сигнала и выделения образов 105
4.6 Блоки нейросетевого анализа сигнала 106
4.7 Блок принятия решений 107
4.8 Блок формирования реультатов анализа сегментированного ЭКС 107
4.9 Сравнение с аналогом 107
4.10 Выводы 108
ЗАКЛЮЧЕНИЕ И РЕКОМЕНДАЦИИ 109
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 112
ПРИЛОЖЕНИЕ 124

Список літератури

ЗАКЛЮЧЕНИЕ И РЕКОМЕНДАЦИИ
Диссертационная работа посвящена решению научно технической задачи развития современных методов обработки и анализа электрокардиосигнала для создания аппаратно - программных комплексов функциональной медицинской диагностики.
Проблема автоматизированного анализа электрокардиосигнала связана с необходимостью профилактической (ранней) диагностики сердечнососудистой системы у большого числа людей для выделения группы риска. Для этой цели был проведён анализ методологии разработки систем распознавания, обоснован выбор технологии нейронных сетей. В результате были созданы обучающие и тестовые база данных реальных ЭКГ образов, разработаны и исследованы нейросетевые блоки распознавания отклонений от нормальной формы ЭКГ, способствующие совершенствованию методов обработки и анализа медицинских сигналов.
В ходе проведенных исследований получены следующие основные результаты.
1. При регистрации ЭКС используется II стандартное отведение от конечностей для выявления присутствия патологии во всём сердца, но для большей локализации необходимо провести параллельный анализ как минимум двух отведений (I и III стандартных). Это позволит выделить правую или левую часть сердца, имеющую патологию.
2. Исходя из того, что каждый кардиоцикл на ЭКГ отображается в норме со строгой периодичностью (с небольшими флуктуациями в пределах 0.02 с), предложено произвести сегментацию электрокардиокомплекса по времени, используя только одну точку синхронизации - R-зубец. Это способствует повышению надёжности работы системы, так как обнаружение одной относительно высокоамплитудной опорной точки на фоне шумов и помех является менее сложной задачей, чем определение 5 или более опорных точек каждого элемента ЭКГ.
3. В качестве искусственной нейронной сети выбран трехслойный типа «многослойный персептрон» с логистической функцией активации, и без обратных связей. Для такой структуры характерно последовательное выделение признаков из исходного образа, что способствует более эффективному распознаванию. В качестве метода обучения был выбран метод обратного распространения ошибки, так как преимуществом данной топологии сети является простота реализации и гарантированная сходимость сети после обучения.
4. Разработан и представлен алгоритм сегментации ЭКГ и выделения образов кардиокомплексов (PQRST). Предложены два варианта построения пространства признаков: по форме сегментов ЭКГ и по описательным параметрам сегментов ЭКС, а именно, мода (Мо), среднеквадратичное отклонение (SD), площадь под кривой (I), и энтропия сигнала (Е).
5. Разработан алгоритм нахождения оптимального числа нейронов скрытого слоя, основанная на выявлении положительной корреляции между чувствительностью и специфичностью по отношению к числу нейронов в зоне малой ошибки обучения.
6. Результаты вычислительного эксперимента показали, что метод построения базы данных вычислением описательных параметров (Mo, SD, I, Е) каждого сегмента ЭКГ не даёт приемлемых показателей достоверности анализа, а именно метод построения базы данных путём сегментирования формы ЭКГ комплекса даёт достаточные для практического применения критерии достоверности: средняя чувствительность - 85%, средняя специфичность - 92%.
7. Результаты тестирования и апробации разработанного аппаратного программного комплекса нейросетевой распознавания наличия или отсутствия отклонений в форме ЭС показали повышение чувствительности на 1% и специфичности - на 19% по сравнению с аналогом при разделении кардиокомплексов на классы «норма» и «патология».
Представленные в данной работе блоки сегментов электрокардиокомплесов аппаратно - программного комплекса обработки и нейросетевого анализа ЭКС расширяют возможности использования его в системах автоматизированного анализа функционального состояния сердечнососудистой системы, при проведении массовых экспресс исследований с целью выявления «групп риска», а также в программах автоматизированной расшифровки суточной записи ЭКГ.
В настоящее время ведётся совершенствование и развитие данного экспериментального аппаратно - программного комплекса анализа ЭКС и разрабатываются новые нейросетевые блоки и модули, увеличивающие функциональные возможности системы.