2. Методы обработки ЭКГ

Разработка алгоритма автоматического анализа в портативных устройствах ограничена объемом памяти для обработки и хранения больших массивов промежуточных данных и техническими характеристиками микроконтроллера. Применение высокопроизводительных специализированных процессоров цифровой обработки сигналов (DSP) в данном случае невозможно из-за их высокого энергопотребления. В свою очередь необходимо создание надежного алгоритма выявления наиболее опасных видов нарушений ритма и проводимости сердца. Рассмотрим существующие алгоритмы.

1)                 Нейронные сети

Достоинства:  большая помехоустойчивость;
Недостатки: необходимость в больших вычислительных ресурсах;

2)                 Частотно–временные методы

Достоинства: хорошее разрешение по времени в области высоких частот; хорошее разрешение по частоте в области низких частот; эффективность 99%, низкая чувствительность к шумам

Недостатки: невозможно локализовать частотные компоненты по времени в случае применения преобразования Фурье, что накладывает ограничения на применение данного метода. В случае Вейвлет – преобразования, плохое разрешение по времени в области низких частот и плохое разрешение по частоте в области высоких частот;

3)                 Синтаксические методы

Достоинства:  хорошая устойчивость к колебаниям изолинии;
Недостатки:  ошибки при соизмеримости амплитуд R и T зубцов, значительная зашумленность исходного сигнала ЭКГ, пропуски искомых фрагментов ЭКГ сигнала при анализе;

4)                 Методы эталонов

Достоинства: возможность синхронной регистрации, например, 12-ти стандартных отведений ЭКГ в реальном времени;

Недостатки: повышенные требования к объему памяти в устройстве регистрации;
5.   Комбинированные методы

Достоинства: метод особенно важен для обеспечения бифункционального (АД+ЭКГ) мониторирования; при комбинации из частотно-временного метода и метода нейронных сетей достигается максимальная на сегодняшний день чувствительность
Недостатки (предпочтение): предпочтительно мониторирование в условиях с ожидаемой физической нагрузкой; повышенные требования к вычислительным ресурсам

3. Исследование существующих методов выделения R – зубца

Комплекс QRS является доминантой электрокардиографического сигнала (ЭКС), и его точное обнаружение имеет жизненно важное значение в ряде клинических задач диагностики заболеваний сердца. Задача осложняется тем, что морфология в норме и патологии имеет широкую индивидуальную вариабельность для каждого человека. Кроме того, в ЭКС могут присутствовать различные шумы и артефакты, которые также усложняют задачу обнаружения корректного положения QRS – комплексов.
Рассмотрим наиболее достоверныеи эффективные алгоритмы обнаружения QRS-комплекса.   

• Алгоритм Пан и Томпкинса

1)     Фильтр нижних частот;

2)     Фильтр верхних частот;

3)     Оператор производной;

4)     Возведение в квадрат;

5)     Интегрирование;

6)     Адаптивная пороговая процедура и процедура поиска.