Система мониторинга нарушений сердечной деятельности, обусловленных двигательной активностью тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Яфаров Александр Захарович

• Яфаров Александр Захарович
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Яфаров Александр Захарович

ВВЕДЕНИЕ

1 АНАЛИЗ ПРОБЛЕМЫ УЧЁТА ВЛИЯНИЯ ВНЕШНИХ ФИЗИЧЕСКИХ ВОЗДЕЙСТВИЙ И ДВИГАТЕЛЬНОЙ АКТИВНОСТИ ПРИ ДЛИТЕЛЬНОМ КАРДИОМОНИТОРИНГЕ

1.1 Историческая справка о развитии подходов к оценке состояния здоровья человека с учётом влияния внешних воздействий различной природы

1.2 Исследование влияния контролируемых физических воздействий на сердечно-сосудистую систему человека по данным изменения вариабельности сердечного ритма

1.2.1 Связь между вариабельностью сердечного ритма и влиянием внешних воздействий как отражение регуляции сердечно-сосудистой системы

1.2.2 Применение контролируемых воздействий функциональных проб в кардиологии для оценки состояния сердечно-сосудистой системы

1.2.3 Постуральное воздействие как особый вид функциональных проб в кардиологии

1.3 Обзор существующих методов анализа вариабельности сердечного ритма

1.3.1 Классификация методов анализа вариабельности сердечного ритма

1.3.2 Статистический и временной анализ вариабельности сердечного ритма

1.3.3 Геометрический анализ вариабельности сердечного ритма и метод вариационной пульсометрии

1.3.4 Спектральный и автокорреляционный анализ вариабельности сердечного ритма

1.3.5 Анализ вариабельности сердечного ритма как процесса нелинейной динамики

1.3.6 Интегральные методы анализа: метод нахождения показателя активности регуляторных систем (ПАРС) и метод расчёта суммарной оценки регуляторных систем (СОРС)

1.4 Современное состояние проблемы анализа данных длительного кардиомониторинга с учётом двигательной активности обследуемого человека

1.4.1 Актуальные способы оценки данных длительного кардиомониторинга

1.4.2 Современный уровень развития методов и программно-аппаратных средств анализа влияния контролируемых воздействий и двигательной активности на сердечный ритм и аритмии

1.5 Постановка цели и задач исследования

1.6 Выводы по первой главе

2 РАЗРАБОТКА МЕТОДА И АЛГОРИТМОВ АВТОМАТИЗИРОВАННОГО ОБНАРУЖЕНИЯ ОТКЛОНЕНИЙ В СИГНАЛЕ ВАРИАБЕЛЬНОСТИ СЕРДЕЧНОГО РИТМА ПОД ВЛИЯНИЕМ КОНТРОЛИРУЕМОГО ФИЗИЧЕСКОГО ВОЗДЕЙСТВИЯ

2.1 Исследование методов автоматизации анализа сигнала вариабельности сердечного ритма для обнаружения влияния контролируемого физического воздействия

2.1.1 Поиск подходов к анализу нестационарных записей кардиоритмограмм и обнаружению влияния контролируемых физических воздействий

2.1.2 Обоснование выбора подходов адаптивной обработки сигналов

2.1.3 Формирование требований к разрабатываемым методу и алгоритмам автоматизированного обнаружения

2.2 Разработка модели адаптивного обнаружителя отклонений сигнала вариабельности сердечного ритма под влиянием контролируемого физического воздействия

2.2.1 Применение адаптивных свойств обнаружителей цифровых сигналов в разработке обнаружителя отклонений сигнала вариабельности сердечного ритма

2.2.2 Разработка модели адаптивного обнаружителя отклонений сигнала вариабельности сердечного ритма

2.2.3 Математическая модель адаптивного обнаружителя отклонений сигнала вариабельности сердечного ритма под влиянием контролируемого физического воздействия

2.2.4 Структурная и функциональная схемы разработанного адаптивного обнаружителя

2.3 Разработка метода и алгоритмов автоматизированного обнаружения отклонений сигнала вариабельности сердечного ритма под влиянием физического воздействия

2.3.1 Метод автоматизированного обнаружения отклонений сигнала вариабельности сердечного ритма под влиянием контролируемого физического воздействия

2.3.2 Алгоритм обнаружения отклонений сигнала вариабельности сердечного ритма по данным кардиоритмограмм в ходе длительного кардиомониторинга

2.3.3 Алгоритм идентификации обнаруженных отклонений сигнала вариабельности сердечного ритма как связанных и не связанных с влиянием контролируемого воздействия

2.3.4 Ограничения разработанного метода автоматизированного обнаружения

2.4 Выводы по второй главе

105

3 РАЗРАБОТКА МЕТОДА И АЛГОРИТМОВ АВТОМАТИЗИРОВАННОГО АНАЛИЗА ВЛИЯНИЯ ДВИГАТЕЛЬНОЙ АКТИВНОСТИ НА СЕРДЕЧНЫЙ РИТМ И АРИТМИИ В

ХОДЕ ДЛИТЕЛЬНОГО КАРДИОМОНТОРИНГА

3.1 Разработка метода преобразования данных акселерометра для проведения автоматизированного анализа двигательной активности обследуемого человека

3.1.1 Описание видов датчиков двигательной активности, связь измерительных каналов акселерометров с анатомическими осями и плоскостями

3.1.2 Формирование алгоритмов преобразования сигнала акселерометра для анализа двигательной активности

3.1.3 Анализ результатов преобразования сигнала и формирование показателя двигательной активности

3.2 Разработка метода и алгоритмов автоматизированного анализа связи сердечного ритма и выделенных аритмий с двигательной активностью обследуемого человека

3.2.1 Программная реализация разработанного метода в составе структурной и функциональной схем аппаратно-программного комплекса длительного кардиомониторинга

3.2.2 Алгоритмы автоматизированного выделения сегментов тахикардии и брадикардии и расчета их корреляционной связи с двигательной активностью

3.2.3 Алгоритм анализа связи выделенных аритмий (желудочковых и предсердных экстрасистол, пауз в сердечном ритме) с двигательной активностью по сегментам записи кардиомониторинга

3.2.4 Алгоритм регрессионного анализа выделенных аритмий и показателя двигательной активности в динамике записи кардиомониторинга

3.2.5 Ограничения разработанного метода автоматизированного анализа

3.3 Выводы по третьей главе

4 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МЕТОДОВ И АЛГОРИТМОВ

4.1 Применение разработанного метода обнаружения отклонений сигнала вариабельности

сердечного ритма для анализа постурального воздействия функциональных проб

4.1.1 Описание эксперимента, проведённого в научной лаборатории отдела экологической физиологии ФГБНУ «Институт экспериментальной медицины»

4.1.2 Условия проведения и последовательность стадий эксперимента

4.1.3 Содержание полученных экспериментальных данных

4.1.4 Разработка специального программного обеспечения для обработки полученных экспериментальных данных и анализа результатов

4.1.5 Результаты автоматизированного обнаружения отклонений в сигнале вариабельности сердечного ритма под влиянием контролируемого постурального воздействия

4.1.6 Поиск оптимальной величины параметра обнаружителя для обеспечения заданного уровня допустимой ошибки

4.2 Применение разработанного метода и алгоритмов анализа влияния двигательной активности обследуемого человека на сердечный ритм и аритмии

4.2.1 Описание верифицированной базы данных ритмов и аритмий, предоставленной ФГБУ «НМИЦ им. В. А. Алмазова» Минздрава России

4.2.2 Разработка специального программного обеспечения для реализации метода и алгоритмов анализа влияния двигательной активности на сердечный ритм и аритмии

4.2.3 Результаты обработки записей мониторинга верифицированной базы данных

4.3 Выводы по четвёртой главе

5 ЗАКЛЮЧЕНИЕ

СПИСОК ОСНОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Система мониторинга нарушений сердечной деятельности, обусловленных двигательной активностью»

Актуальность темы исследования

По настоящее время сердечно-сосудистые заболевания (ССЗ) остаются основной угрозой жизни и здоровью людей среди неинфекционных заболеваний [1, 2]. Многие ССЗ не проявляются в момент посещения врача-кардиолога, для их выявления применяется длительный кар-диомониторинг, широко известный как холтеровский мониторинг (ХМ). ХМ позволяет вести непрерывную запись электрокардиограммы (ЭКГ) в течение одних или нескольких суток в естественных условиях жизни обследуемого человека.

Для правильной интерпретации данных кардиомониторинга важна информация об особенностях жизнедеятельности обследуемого человека, среди которых особое место занимает его двигательная активность. Для анализа условий жизни проведение ХМ сопровождается ведением дневников, содержащих описание событий и ощущений во время ХМ. Дневники носят субъективный характер, так как записи ведутся обследуемыми людьми с разной степенью подробности, и потому не могут предоставить объективной картины всего спектра событий, сопровождающих ХМ.

Для повышения объективности информации ХМ современные аппаратно-программные комплексы (АПК) ХМ (например, «Кардиотехника», ЗАО «Инкарт», Санкт-Петербург) оснащаются датчиком двигательной активности, который представляет собой акселерометр, сопряжённый с телом обследуемого человека и измеряющий кажущиеся ускорения по одной или нескольким ортогональным осям. На этапе анализа данных ХМ результаты регистрации данных акселерометра отображаются в графической форме совместно с графиками ЭКГ, кардиоритмо-граммы (КРГ), ишемических изменений. Проблема анализа данных двигательной активности вместе с данными ХМ заключается в том, что в настоящее время влияние двигательной активности по данным акселерометра может быть проанализировано только визуально. Визуальный анализ носит субъективный характер, его точность и правильность интерпретации результатов определяются уровнем квалификации специалиста, осуществляющего подобный анализ данных. В то же время, проведение визуального сопоставления анализируемых графиков биологических параметров с графиком двигательной активности и поиск интерпретации их связи увеличивает время и сложность интерпретации результатов ХМ, а также нагрузку на специалиста, её осуществляющего.

В качестве решения выявленной проблемы рассматривается разработка методического и программно-алгоритмического обеспечения системы мониторинга нарушений сердечной деятельности, позволяющего качественно и количественно характеризовать связь выявленных нарушений сердечной деятельности с двигательной активностью в рамках анализируемых сегментов времени.

Объектом исследования является система длительного кардиомониторинга человека. Предметом исследования являются методы и алгоритмы анализа влияния двигательной активности на динамику сердечного ритма и проявления нарушений сердечной деятельности.

Целью научной работы является разработка методического и программно-алгоритмического обеспечения системы мониторинга нарушений сердечной деятельности, обусловленных двигательной активностью.

Цель достигается решением следующих задач:

1. Анализ проблемы учёта влияния внешних физических воздействий и двигательной активности на сердечно-сосудистую систему человека по данным длительного кардиомо-ниторинга;

2. Разработка метода и алгоритмов автоматизированного обнаружения отклонений в сигнале вариабельности сердечного ритма под влиянием контролируемого физического воздействия;

3. Разработка метода и алгоритмов автоматизированного анализа влияния двигательной активности на динамику сердечного ритма и возникновение аритмий в ходе длительного кардиомониторинга;

4. Практическая апробация разработанных методов и алгоритмов (п.2) при проведении эксперимента по обнаружению влияния контролируемого физического воздействия на показатели вариабельности сердечного ритма;

5. Практическая апробация разработанных методов и алгоритмов (п.3) с использованием верифицированной базы данных длительного кардиомониторинга.

Методы исследования. В ходе диссертационного исследования был использован системный подход к изучению медицинских процессов и систем [3], были применены методы нелинейного анализа, включающие в себя методы адаптивной обработки сигналов, методы математической статистики, регрессионного, корреляционного анализа. Моделирование осуществлялось с использованием программного пакета математического моделирования МА^АВ Я2015Ь.

Новые научные результаты. В процессе проведения исследования получены следующие новые научные результаты:

- Разработаны новый метод и алгоритмы автоматизированного обнаружения отклонений в сигнале вариабельности сердечного ритма под влиянием контролируемого физического воздействия;

- Разработан новый метод преобразования сигнала акселерометра в сигнал, характеризующий скорость его изменения и позволяющий сформировать ряд показателей двигательной активности;

- Разработаны новый метод и алгоритмы, позволяющие автоматизировать анализ влияния двигательной активности на динамику сердечного ритма и аритмий и дать количественную оценку связи между ними.

Теоретическую значимость работы отражают следующие результаты, полученные в диссертационной работе:

1. Метод обнаружения и идентификации отклонений в сигнале вариабельности сердечного ритма под влиянием контролируемого физического воздействия;

2. Метод преобразования сигнала акселерометра в сигнал, характеризующий скорость его изменения и позволяющий сформировать ряд значений показателя двигательной активности;

3. Алгоритмы автоматизированного выделения сегментов тахикардии, брадикардии и расчёта величины их корреляционной связи с двигательной активностью по данным длительного кардиомониторинга;

4. Алгоритм автоматизированного анализа связи выделенных аритмий с двигательной активностью; результатом алгоритма являются коэффициенты линейной регрессионной модели, которые позволяют качественно и количественно оценить связь анализируемого класса аритмий с двигательной активностью;

5. Алгоритм автоматизированного анализа динамики связи выделенных аритмий с двигательной активностью, позволяющий оперативно отслеживать изменение характера связи между двигательной активностью и выделенными аритмиями в скользящем временном окне, что обеспечивает возможность его применения при мониторинге в режиме реального времени.

Практическую значимость работы отражает разработанное методическое и программно-алгоритмическое обеспечение, которое позволяет оптимизировать процесс выявления нарушений сердечной деятельности под влиянием двигательной активности и повышает объективность выявления реакций на контролируемое внешнее воздействие. Автоматизация трудоёмких расчётов корреляционной и регрессионной связи анализируемых данных позволяет уменьшить влияние «человеческого фактора», повысить качество врачебного анализа и сократить время интерпретации результатов длительного кардиомониторинга, что снижает нагрузку на врача-специалиста.

Научные положения, выносимые на защиту:

1. Применение разработанного метода автоматизированного обнаружения отклонений в сигнале вариабельности сердечного ритма под влиянием контролируемого физического воздействия позволяет получить количественные оценки реакции сердечно-сосудистой

системы на контролируемое воздействие и оценить степень адаптации (привыкания) при его повторении;

2. Разработанный метод преобразования сигнала акселерометра в показатель двигательной активности, основанный на усреднении модуля производной сигнала акселерометра по времени, позволяет получить количественную оценку двигательной активности;

3. Корреляция между частотой сердечных сокращений и показателем двигательной активности позволяет получить количественную оценку взаимосвязи между изменением сердечного ритма и двигательной активностью, что даёт возможность разделить выделенные эпизоды тахикардии и брадикардии на два класса: связанные и не связанные с двигательной активностью;

4. Коэффициенты линейной регрессии являются показателями, характеризующими наличие или отсутствие влияния двигательной активности на возникновение аритмий в рамках анализируемого сегмента времени.

Степень достоверности результатов работы. Достоверность результатов работы подтверждается соответствием результатов экспертного анализа экспериментальных и верифицированных специалистами данных результатам и выводам, которые были получены с применением разработанного методического и программно-алгоритмического обеспечения.

Апробация результатов работы. Основные положения и результаты исследований докладывались и обсуждались на конференциях: «Региональная информатика РИ-2012», 2012; Всероссийская медицинская научно-практическая конференция «Развитие российского здравоохранения на современном этапе», 2013; III Всероссийская молодежная школа-семинар «Инновации и перспективы медицинских информационных систем», 2013; Международная конференция «Региональная информатика РИ-2014», 2014; XI Международный конгресс «Кардио-стим-2014», 2014; Международная конференция 2nd International Scientific Symposium "Sense. Enable. SPITSE.", 2015.

Реализация и внедрение результатов работы

Теоретические и практические результаты работы были внедрены в рамках НИР отдела экологической физиологии ФГБНУ «Институт экспериментальной медицины», связанных с обработкой и анализом постуральных воздействий. Разработано специальное программное обеспечение, получившее государственную регистрацию: № 16793 от 14.03.2011, № 2013613595 от 11.04.2013, № 2017614309 от 12.04.2017. Получен патент на полезную модель №154760 «Мобильный автономный прибор мониторинга состояния человека в экстремальных погодно-климатических условиях». СЧ НИР шифр «Наваждение» (заказчик ФГУП «ГосНИИПП» СПб). Анализ верифицированной базы данных длительного кардиомониторинга был проведён на базе НИО Физиологии Кровообращения ФГБУ «НМИЦ им. В. А. Алмазова» Минздрава России,

достоверность результатов подтверждена специалистами, что позволило внедрить результаты диссертационного исследования в клиническую практику.

Публикации

По теме диссертации опубликовано 19 научных работ. Из них 3 статьи - опубликовано в изданиях, рекомендованных ВАК РФ, 1 статья - в научном издании из базы данных Scopus, 3 свидетельства о государственной регистрации программ для ЭВМ, 1 патент РФ, другие 11 работ - в материалах международных и российских научно-технических конференций.

Структура и объем диссертации

Диссертация состоит из введения, 4 глав, заключения, списка литературы из 108 наименований. Основное содержание диссертации изложено на 198 страницах машинописного текста, содержит 71 рисунок и 43 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цель и задачи научного исследования; изложены новые научные результаты, значимость работы для теории и практики, положения, выносимые на защиту; приведено краткое содержание глав диссертации.

В первой главе анализируется проблема учёта влияния внешних физических воздействий и двигательной активности при ХМ. Приводится обоснование возможности проводить оценку влияния контролируемых физических воздействий по данным вариабельности сердечного ритма (ВСР). Рассматриваются воздействия, представленные функциональными пробами в кардиологии. Приводятся основные методы анализа ВСР. Исследован существующий уровень учёта влияния двигательной активности на данные ХМ. Выявлена проблема низкой автоматизации совместного анализа нарушений сердечной деятельности и двигательной активности, в виде их визуального анализа в графическом представлении. Сформирована цель и задачи работы, направленные на преодоление проблемы разработкой методического и программно-алгоритмического обеспечения системы мониторинга, автоматизирующего качественный и количественный анализ влияния двигательной активности на нарушения сердечной деятельности.

Во второй главе описан процесс разработки метода автоматизированного обнаружения отклонений сигнала ВСР под влиянием контролируемого физического воздействия. В основе метода два этапа: обнаружения и идентификации. На этапе обнаружения выделяются отклонения сигнала ВСР (ряд мгновенных оценок частоты сердечных сокращений (ЧСС) или величин кардиоинтервалов), потенциально связанные с контролируемым воздействием при сравнении с меняющимися верхним и нижним порогами обнаружения. Меняющиеся пороги формируются по данным оценки предшествующей динамики ВСР (среднего значения и стандартного отклонения) в скользящем окне, задаваемом как часть ряда анализируемых значений и значением коэффициента, определяющего их величину. На этапе идентификации обнаруженные отклонения

ВСР разделяются на два класса: связанные и не связанные с контролируемым воздействием. Разделение проводится при сравнении модуля коэффициента корреляции Спирмена по ряду анализируемых значений и ряду параметров контролируемого воздействия с соответствующим критическим значением коэффициента корреляции для заданного уровня значимости (наиболее широко распространён уровень 0,05) относительно каждого обнаруженного отклонения ВСР. К классу отклонений, связанных с контролируемым воздействием, относятся отклонения сигнала ВСР, имеющие значимый коэффициент корреляции, а величина коэффициента корреляции численно отражает величину влияния контролируемого воздействия.

В первой части третьей главы проводится анализ свойств сигнала датчика двигательной активности (акселерометра). Выявлено, что сигнал датчика отражает как положение в пространстве, так и его смену. Для выделения сигнала двигательной активности разработаны методика и алгоритмы преобразования сигнала акселерометра (одноосевого и трёхосевого), направленные на нахождение скорости его изменения как производной по времени и последующего усреднения по времени, чтобы получить показатель двигательной активности. Возможность анализа двигательной активности по результату преобразования сигнала акселерометра (показателю двигательной активности) подтверждена анализом связи полученного показателя с ЧСС. Выявленная связь ЧСС и показателя двигательной активности подобна известным сведениям о связи ЧСС с нагрузкой, что было установлено применением нелинейного регрессионного анализа полученных данных. Также была установлена значительная корреляционная связь между результирующим сигналом трёхосевого акселерометра и его компонентами, представляющими собой одноосевые датчики, что указывает на возможность анализа двигательной активности при использовании одноосевого акселерометра.

Во второй части третьей главы приводится описание разработанного метода автоматизированного анализа влияния двигательной активности на сердечный ритм и аритмии. Приводятся три группы алгоритмов: Алгоритмы 1 - позволяющие автоматически выделить сегменты тахикардии, брадикардии и оценить влияние двигательной активности на сегменте. Алгоритмы 2 - позволяющие автоматически получить коэффициенты линейной регрессии между анализируемыми аритмиями и показателем двигательной активности. Алгоритмы 3 - позволяющие оценить динамику коэффициентов линейной регрессии в скользящем временном окне.

В четвёртой главе представлено практическое применение разработанных методов. В первой части главы - в ходе эксперимента по анализу контролируемого физического (посту-рального) воздействия. Во второй части главы - при обработке верифицированных записей длительного кардиомониторинга.

В заключении приводятся основные результаты работы.

1 АНАЛИЗ ПРОБЛЕМЫ УЧЁТА ВЛИЯНИЯ ВНЕШНИХ ФИЗИЧЕСКИХ ВОЗДЕЙСТВИЙ И ДВИГАТЕЛЬНОЙ АКТИВНОСТИ ПРИ ДЛИТЕЛЬНОМ КАРДИОМОНИТОРИНГЕ

1.1 Историческая справка о развитии подходов к оценке состояния здоровья человека с учётом влияния внешних воздействий различной природы

Необходимость системного подхода к оценке функционирования человеческого организма в конкретных условиях жизнедеятельности была осознана еще древними врачами Востока [4]. Именно традиционную восточную медицину считают родоначальницей теории функциональных систем, истинность которой подтверждена как тысячелетиями, так и современными научными исследованиями и практикой [5, 6]. Уникальность системного подхода к оценке функционального состояния (ФС) человека в традиционной восточной медицине состоит в том, что отдельные системы человеческого организма, а затем и сам человеческий организм, всегда рассматриваются в тесной связи с другими системами и с условиями внешней среды, в которой данный организм существует. Состояние здоровья человека рассматривается неразрывно с условиями его жизни, что формирует основу научного подхода к оценке состояния здоровья в контексте и с учётом постоянного влияния различных внешних воздействий. Например, согласно теоретическим основам традиционной тибетской медицины, описанным в её основном тексте «Чжуд-Ши» [7], жизнь определяется как «пульсация», а здоровье и болезни считаются зависящими от «пульсирующих» сущностей — «ветра», «желчи», «слизи». Подобный подход также отражается в традиционной китайской медицине и её основной теории пяти элементов «У-Син» (дерево, огонь, земля, вода, металл), указывающей на влияние воздействий внешнего мира на состояния здоровья человека [8]. Системный подход позволяет не только достоверно оценивать уровни функционирования систем организма и самого организма в целом, но и с высокой точностью прогнозировать динамику их связи с изменениями внешних и внутренних условий существования организма [9, 10], а также предъявляет более высокие требования к знаниям и опыту специалистов, основным объектом деятельности которых является человек [4].

Развитие представлений о взаимосвязи внутренней среды организма и воздействий внешней среды в рамках современного естественнонаучного подхода началось значительно позднее. В 1857 году французский исследователь Клод Бернар выдвинул концепцию о постоянстве внутренней среды организма, которая стала ключевой для возникновения и развития понятий гомеостаза и адаптации организма к условиям внешней среды. Широко известен его тезис: «Постоянство внутренней среды - залог свободной и независимой жизни» [11, 12]. Клод Бернар различал «космическую среду» и «внутреннюю среду» организма и говорил об их общности и взаимосвязи, подчеркивая при этом, что в силу переменного характера космической среды постоянство внутренней среды организма является непременным условием его существования

[13]. Исследования реакций и состояний организма человека в ответ на контролируемые воздействия различной природы начали проводиться в 1872 году Чарльзом Дарвином, который изучал эмоциональные аффекты человека и животных и обратил внимание на общность и различия их эмоциональных проявлений [14]. В тот же период физиология перешла на новый этап своего развития благодаря открытию И. М. Сеченовым в 1863 году механизма центрального торможения [15, 16]. Считается, что открытие механизма центрального торможения обусловило последующее преобладание «нервистского» направления в физиологии, получившего развитие в работах русских и советских ученых И. П. Павлова, А. А. Ухтомского, Н. Е. Введенского, Л. А.Орбели, А. Д. Сперанского. Важно отметить, что в работах этих авторов появляются идеи о наличии свойств, присущих многим раздражителям, которые стимулируют защитные и приспособительные реакции организма в ответ на внешние воздействия [16]. В подтверждение тому может быть приведён фрагмент одной из работ И. П. Павлова: «...чрезвычайные раздражители, являющиеся в качестве болезнетворных причин, представляют собой специфические раздражители тех защитительных приборов организма, которые назначены для борьбы с соответствующими болезнетворными причинами. Мы думаем, что это представление должно быть обобщено на все случаи болезни, и в этом кроется общий механизм приспособления организма вообще при встрече с патогенными условиями, совершенно подобно тому, как нормальный, со-четанный и приспособленный ход жизни имеет в своем основании специфическое раздражение того или другого аппарата» [16, 17].

Положения о постоянстве внутренней среды организма Клода Бернара [12] получили дальнейшее развитие спустя десятилетия в работах американского физиолога Уолтера Бред-форда Кеннона [18, 19], которого считают автором принципа гомеостаза. В его работах рассматривается идея единства и постоянства внутренней среды организма; постоянство поддерживается рядом сложных и многообразных процессов, в которых главная роль отводится функциям симпатико-адреналовой системы. Предложенный термин «гомеостаз» обозначает способность организма поддерживать постоянство своей внутренней среды. В качестве примера го-меостаза рассматривается поддержание постоянного состава крови, лимфы, тканевых жидкостей, удержание на определенном уровне величин осмотического давления, общей концентрации электролитов и концентрации отдельных ионов, кислотно-основного состояния, содержания в крови питательных веществ, продуктов промежуточного и конечного обмена, и обеспечение других процессов организма. Согласно предложенной У. Б. Кенноном концепции [18], показатели гомеостаза даже при значительных внешних воздействиях удерживаются на определенном уровне, отклонения от которого происходят в сравнительно небольших пределах. Го-меостатическое равновесие по У. Б. Кеннону поддерживается механизмами автоматической саморегуляции, приобретенными живыми существами в результате совершенствования их при-

способительной деятельности в процессе эволюции [16]. Данные механизмы впоследствии были названы механизмами физиологической адаптации. Сам У. Б. Кеннон в одной из своих монографий [19] пишет о том, что тайна мудрости тела - в гомеостазе, достигаемом совершенной адаптационной деятельностью. Таким образом, именно приспособительные реакции организма, по мнению У. Б. Кеннона, поддерживают относительное динамическое постоянство его внутренней среды. В данном контексте понятие физиологической адаптивной реакции становится эквивалентом защиты организма от внешних воздействий, включая случаи сопровождения адаптационной реакции на внешнее воздействие повреждающим действием отдельных систем организма [20, 16].

Началом масштабных исследований реакций организма на различные внешние воздействия стало открытие канадским исследователем австро-венгерского происхождения Гансом Селье общего адаптационного синдрома. Во время работы в университетской клинике инфекционных болезней города Праги Ганс Селье обратил внимание на то, что первые проявления разнообразных инфекций совершенно одинаковы: различия появляются спустя несколько дней, а начальные симптомы во многом совпадают [21]. Эти наблюдения подвигли его к разработке собственной гипотезы общего адаптационного синдрома, согласно которой болезнетворный фактор обладает пусковым действием, запускающим выработанные в процессе эволюции механизмы адаптации [16]. В 1936 году основные положения его гипотезы об общем адаптационном синдроме были изложены в журнале «Nature» («Природа») в краткой заметке под заглавием: «Syndrome produced by Diverse Nocuous Agents» («Синдром, вызываемый разными повреждающими агентами») [22]. В ней, основываясь на результатах экспериментов над крысами, Ганс Селье сообщает об отмеченных им общих неспецифичных изменениях во внутренних органах и анатомо-физиологических системах лабораторных животных, которые происходят в ответ на действия различных по специфике экстремальных факторов: холод; хирургическое повреждение; предельные физические нагрузки; интоксикация почти летальными дозами различных препаратов - адреналин, атропин, морфин, формальдегид [16].

Открытие общего адаптационного синдрома стало началом нового понимания взаимосвязи состояния организма и воздействий на него внешних факторов. Последующие публикации об общем адаптационном синдроме стали основой для множества исследовательских работ, которые внесли большое число дополнений и уточнений в представление о взаимосвязи реакций организма и действий факторов внешней среды. Накопление новых данных позволило преодолеть возникающие противоречия, что впоследствии расширило представления о взаимодействии организма человека с внешней средой. Анализ медико-биологической информации с учетом как внешних воздействий, так и адаптивных реакций, стал основой для формирования системного подхода к оценке состояния здоровья человека.

1.2 Исследование влияния контролируемых физических воздействий на сердечно-сосудистую систему человека по данным изменения вариабельности сердечного ритма

1.2.1 Связь между вариабельностью сердечного ритма и влиянием внешних воздействий как отражение регуляции сердечно-сосудистой системы

Под вариабельностью сердечного ритма (ВСР) понимают выраженность колебаний частоты сердечных сокращений (ЧСС) или ЯЯ-интервалов по отношению к среднему уровню их значений [23]. Также понятие ВСР определяют как фактическую изменчивость продолжительности ЯЯ-интервалов между последовательными циклами сердечных сокращений за определённый промежуток времени [24].

Список литературы диссертационного исследования кандидат наук Яфаров Александр Захарович, 2017 год

^ — -

4

(4)

где п - число «пи», Ь - длина продольной оси скаттерограммы, - длина поперечной оси скаттерограммы.

Индекс функционального состояния рассчитывают по формуле (5):

ИФС — —, (5)

где М - центр совокупности точек скаттерограммы, также являющийся средним значением всех ЯЯ-интервалов в рассматриваемом сегменте записи КРГ, Ь - длина продольной оси скаттерограммы, ^ - длина поперечной оси скаттерограммы [43].

Благодаря тому, что значительные по величине изменения продолжительности ЯЯ-интервалов существенно изменяют фазовые координаты точек, метод анализа двумерной скат-терограммы позволяет выявлять и анализировать аритмии в тех случаях, когда методы статистического анализа не обеспечивают обнаружение нарушений ритма, а методы спектрального анализа неприменимы [40]. Например, классический статистический анализ сердечного ритма предполагает сегментирование записи для исключения переходных процессов в записи КРГ, что ведёт к потере информации, содержащейся в переходных процессах [31].

Важно отметить, что классический метод представления данных КРГ в виде двумерной скаттерограммы при переходе к геометрическому представлению последовательности ЯЯ-интервалов описывает соотношение соседних ЯЯ-интервалов. Таким образом, происходит

переход от прямого исследования длительности ЯЯ-интервалов к исследованию их относительной длительности на рассматриваемом сегменте записи КРГ.

Анализ гистограммы скаттерограммы. Метод заключается в построении трёхмерного графического изображения, на котором в горизонтальной плоскости строится разделённая на квадраты двумерная скаттерограмма, а по вертикальной оси откладывается количество кардио-интервалов, попавших в данный квадрат двумерной скаттерограммы.

Рассматриваются следующие характеристики гистограммы скаттерограммы [40]:

- Отношение высоты к ширине (разделяют пикообразную гистограмму скаттерограммы; уплощённую гистограмму скаттерограммы; плоскую гистограмму скаттерограммы);

- Количество больших пиков (разделяют одновершинную гистограмму скаттерограммы; двухвершинную гистограмму скаттерограммы; многовершинную гистограмму скаттеро-граммы);

- Преобладание основного пика (выделяют значительное и умеренное) [40].

Характерные виды гистограммы скаттерограммы для различных случаев представлены на рисунке (Рисунок 11):

Рисунок 11. Пример гистограммы скаттерограммы для четырёх случаев: а - преобладение активности ПСНС; б - преобладание активности СНС; в - проявление желудочковой и суправентрикулярной экстрасистолии; г - проявление дисфункции синусового узла [40]

Считается, что в норме гистограмма скаттерограммы имеет вид многовершинной горы с основанием овальной формы, при многих нарушениях ритма и проводимости кроме основной вершины будут наблюдаться отдельно расположенные изолированные возвышения. Преимуществом метода считается оптимальная визуализация всего рассматриваемого сегмента RR-интервалов записи КРГ для быстрой оценки нарушений ритма, проводимости и артефактов записи. Гистограмма скаттерограммы используется для проведения горизонтальных срезов на различных уровнях, определяемых исследователем, последующий анализ срезов является предметом исследования метода анализа срезов гистограммы скаттерограммы [40].

Метод вариационной пульсометрии. Метод вариационной пульсометрии был сформулирован российским исследователем Р. М. Баевским и нашёл широкое применение в медицинской практике. Метод анализа основан на интерпретации показателей, получаемых с помощью специального графика - интервальной гистограммы. Для построения графика RR-интервалы группируются по своему значению с шириной разряда (с шагом) в 0,05 секунды, в промежутке времени от 0,4 до 1,3 секунды, формируя 18 диапазонов. Значения RR-интервала ниже 0,4 и выше 1,3 не учитываются. Каждый диапазон значений отображается в виде столбика с высотой, соответствующей числу кардиоинтервалов, попавших в данный диапазон. Такую ширину разряда удобно использовать при объёме выборки около 100 RR-интервалов [40].

Для анализа более длительных сегментов КРГ ширину разряда допускается определять по формулам (6) и (7) [40]:

h = (RRmax - RR min) (6)

k '

k = 1 + 3,322 • lg n,

где ЯЯтах и ЯЯтт - значения самого продолжительного ЯЯ-интервала и самого короткого ЯЯ-интервала соответственно в рассматриваемом сегменте КРГ, к - число разрядов, п - число кардиоинтервалов в сегменте КРГ.

Числовыми характеристиками метода вариационной пульсометрии анализа гистограмм являются следующие показатели:

- Мо (мода) - диапазон значений наиболее часто встречающихся ЯЯ-интервалов в сегменте. Мода указывает на наиболее вероятный уровень функционирования системы кровообращения, точнее - синусового узла, и при близости динамики сердечного ритма к стационарному процессу совпадает с математическим ожиданием. В переходных процессах значение моды может быть условной мерой нестационарности, и значение моды указывает на доминирующий в этом процессе вид регуляции [29];

- АМо (амплитуда моды, вероятность моды в процентах, максимальная относительная частота гистограммы) - количество ЯЯ-интервалов, соответствующих диапазону моды, выраженное в процентах от общего количества ЯЯ-интервалов. Отражает эффект централизации управления ритмом сердца. Увеличение значения амплитуды моды указывает на повышение активности СНС и высокую мобилизацию органов системы кровообращения. Снижение значения амплитуды моды указывает на повышение активности ПСНС и относительно слабую централизацию управления сердечным ритмом [40];

- АХ (вариационный размах) - разница значений максимального и минимального ЯЯ-интервалов (указывает на максимальную амплитуду колебаний ЯЯ-интервалов) показывает степень вариативности значений кардиоинтервалов - при достаточно стационарных процессах по своему физиологическому смыслу не отличается от среднеквадратического отклонения для рассматриваемого сегмента КРГ. При наличии в анализируемом сегменте записи КРГ нарушений ритма и проводимости или артефактов, формирующих очень короткие и длинные ЯЯ-интервалы, значение вариационного размаха возрастает [29, 40];

- ИВР (индекс вегетативного равновесия) - вычисляется как отношение амплитуды моды к вариационному размаху по формуле (8) и отражает соотношение между активностью СНС и ПСНС [40];

- ПАПР (показатель адекватности процессов регуляции) - отношение амплитуды моды к величине моды, вычисляемое по формуле (9). Отражает соответствие между активностью симпатического отдела ВНС и ведущим уровнем функционирования синусового узла (СУ) [40];

- ВПР (вегетативный показатель ритма) - отражает вегетативный баланс с позиции степени активности автономного контура регуляции. Чем меньше значение ВПР, тем выше активность автономного контура регуляции и тем в большей мере вегетативный баланс смещён в сторону преобладания ПСНС. Вычисляется по формуле (10) [40];

- ИН (индекс напряжения регуляторных систем, стресс-индекс) - важнейший показатель вариационной пульсометрии, характеризующий состояние центрального контура регуляции. Вычисляется по формуле (11) и характеризуется высокой чувствительностью к усилению влияния СНС: при стрессе или физической нагрузке значение ИН увеличивается в несколько раз. В норме в покое ИН находится в пределах порядка 80-150 условных единиц [29, 40].

ИВР =

ПАПР =

ВПР =

ИН =

АМо АХ '

АМо

Мо , J_

Мо-АХ,

АМо 2-АХ• Мо •

(8)

(9)

(10) (11)

Считается, что многие показатели вариационной пульсометрии устойчивы к эпизодам нарушений ритма, проводимости и артефактам записи, и метод применим в случаях, когда многие другие методы анализа ВСР (например, спектральный анализ) проводить не рекомендуется [40]. Пример вида гистограмм при исследовании методом вариационной пульсометрии представлен на рисунке (Рисунок 12).

а) б)

Рисунок 12. Пример гистограммы метода вариационной пульсометрии для двух случаев: а - симметричной гистограммы здорового пациента; б - асимметричной гистограммы с нейроциркуляторной дистонией и «тоскливыми вздохами» [40]

В данном разделе приведены наиболее широко используемые на практике методы геометрического анализа ВСР. Важно отметить, что существует множество методов геометрического анализа ВСР (например, метод анализа дифференциальной гистограммы, оценка купола гистограммы по Л. Н. Лютиковой [40, 42], методы триангулярной интерполяции, включающие в себя расчёт индекса «Святого Георга» [40]), применение которых позволяет детально изучить структуру сердечного ритма.

1.3.4 Спектральный и автокорреляционный анализ вариабельности сердечного ритма

Метод спектрального анализа динамики сердечного ритма. Спектральный анализ в настоящее время рассматривается как ведущий математический метод анализа ВСР применительно к оценке периодических колебаний («волновой структуры») сердечного ритма. Согласно спектральному анализу сигнал ВСР рассматривают как периодическую кривую, образованную совместным наложением высокочастотных и низкочастотных колебаний (Рисунок 13). Спектральный анализ основан на положениях теории колебаний, согласно которой любая периодически повторяющаяся кривая сложного вида может быть разложена в ряд простейших синусоидальных колебаний, называемый рядом Фурье [29].

а)

б)

в) г)

Рисунок 13. Примеры спектрограмм для четырёх случаев: а - отражает баланс влияния СНС и ПСНС; б - преобладание активности ПСНС; в - преобладание активности СНС; г -преобладание гуморально-метаболических влияний [40]

Система управления сердечным ритмом рассматривается как иерархическая структура взаимосвязанных контуров, обладающих различной периодичностью, параметры которой зада-

ются уровнем активности соответствующих регуляторных механизмов. Данный подход позволяет установить взаимосвязь между количественным спектральным составом сегмента КРГ и влиянием контуров управления сердечным ритмом [29].

Существуют ограничения на применение метода спектрального анализа ВСР [40]:

- Нестационарные участки записи КРГ;

- Аритмии (например, синусовый ритм с частотой эктопических сокращений более 5-10%, пароксизмальная тахикардия, миграция водителя ритма, фибрилляция предсердий во время приступа и т.д.);

- Наличие искусственного водителя ритма в случае, если частота импульсов, генерируемых им, составляет более 10% всего рассматриваемого сегмента записи КРГ. Считается, что для надёжной количественной оценки самой низкочастотной анализируемой компоненты спектрального анализа требуется запись, продолжительностью не менее 10 длин волн этой частоты [40].

Показатели, оцениваемые методом спектрального анализа сердечного ритма [40]:

- TP (Total Power, общая мощность спектра, TF) - величина, которая отражает суммарный эффект воздействия на сердечный ритм всех уровней регуляции. Высокие значения характерны для практически здоровых обследуемых и отражают хорошее функциональное состояние ССС, однако сверхвысокие значения этого показателя, например, повышение TP более 16000мс связывают с некачественной записью КРГ или наличием эктопических ритмов. Снижение величины TP наблюдается при сниженных адаптационных возможностях ССС и низкой стрессовой устойчивости организма [40];

- HF (High Frequency, мощность волн высокой частоты в диапазоне от 0,4 до 0,15 Гц, Рдв)

- величина, которая отражает активность парасимпатического кардиоингибиторного центра продолговатого мозга. Повышение HF наблюдается в состоянии покоя, во время сна, при частой гипервентиляции. Снижение HF наблюдается при физической нагрузке, стрессе, различных заболеваниях (особенно выражено при наличии ССЗ) [40];

- LF (Low Frequency, мощность волн низкой частоты в диапазоне от 0,15 до 0,04 Гц, Рмв0)

- величина, которая отражает активность симпатических центров продолговатого мозга (кардиостимулирующего и вазоконстрикторного). Высокие абсолютные LF значения наблюдаются у практически здоровых людей. Снижение LF наблюдается при физической нагрузке, стрессе, различных заболеваниях (особенно выражено при наличии ССЗ) [40];

- VLF (Very Low Frequency, мощность волн очень низкой частоты в диапазоне от 0,04 до 0,0033 Гц, Рмв2) - величина, которая отражает активность центральных эрготропных и гуморально-метаболических механизмов регуляции сердечного ритма [40]. Была обна-

ружена связь VLF с психогенными и органическими патологиями головного мозга [44], а также гемодинамическими процессами в организме человека [45];

- ULF (Ultra Low Frequency, мощность волн ультранизкой частоты в диапазоне от 0,0033 до 0 Гц) - величина, которую связывают с активностью высших центров регуляции сердечного ритма. Повышение характерно для нарушения (срыва) вегетативной регуляции сердечного ритма [40];

- LF/HF (коэффициент вагосимпатического баланса) - отношение мощности волн низкой частоты (LF) к мощности волн высокой частоты (HF). Повышение связывают с активизацией СНС, снижение - с активизацией ПСНС [40];

- HF% (относительное значение мощности волн высокой частоты, Рдв%) - величина, которая отражает активность парасимпатического кардиоингибиторного центра продолговатого мозга. Преобладание HF% в структуре спектра наблюдается у здоровых людей и спортсменов. Повышение HF% наблюдается в состоянии покоя, во время сна, при частой гипервентиляции. Снижение HF% характерно для физической нагрузки, стресса, различных заболеваний (особенно выражено при наличии ССЗ) [40];

- LF% (относительное значение мощности волн низкой частоты, Рмв1%) - величина, которая отражает активность симпатических центров продолговатого мозга (кардиостимули-рующего и вазоконстрикторного). Повышение LF% наблюдается при физических нагрузках, стрессе, различных функциональных или органических изменениях ССС. Снижение LF% характерно для состояния покоя, сна, и частой гипервентиляции [40];

- VLF% (относительное значение мощности волн очень низкой частоты, Рмв2) - величина, которая отражает активность центральных эрготропных и гуморально-метаболических механизмов регуляции сердечного ритма. Повышение VLF% является вегетативным коррелятом тревоги, наблюдается при физической нагрузке, стрессе, органической патологии сердца. Снижение VLF% наблюдается в покое, и, например, во время беременности [40];

- HF n.u. (относительное значение мощности волн высокой частоты, выраженное в нормализованных единицах (Normal Units)) - величина, которая отражает активность парасимпатического кардиоингибиторного центра продолговатого мозга. Преобладание HF n.u. наблюдается у здоровых людей и спортсменов. Повышение HF n.u характерно для состояния покоя, времени сна, частой гипервентиляции. Снижение HF n.u наблюдается при физической нагрузке, стрессе, различных заболеваниях (особенно выражено при наличии ССЗ). Вычисляется по формуле (12) [40];

- LF n. и. (относительное значение мощности волн низкой частоты, выраженное в нормализованных единицах) - величина, которая отражает активность симпатических центров

продолговатого мозга (кардиостимулирующего и вазоконстрикторного). Повышение ЬР п.и. наблюдается при физических нагрузках, стрессе, различных функциональных или органических изменениях ССС. Снижение ЬР п.и. наблюдается в покое, во время сна, при частой гипервентиляции. Вычисляется по формуле (13) [40];

- ИЦ (индекс централизации) - величина, которая показывает отношение активности центрального контура регуляции к автономному. Вычисляется делением суммы мощностей низкочастотных волн (LF и VLF) на мощность волн высокой частоты (НР). Вычисляется по формуле (14) [40]:

ИР

ИРпм. =--100%

ТР - УЬР

ТР

ЬРпм. =--100%

ТР - УЬР

ИЦ =

ИР + ЬР УЬР

(12)

(13)

(14)

При оценке стационарных записей спектральный анализ является ведущим методом анализа ВСР [40]. На рисунке представлен пример изменения спектральных составляющих ритма сердца для стационарной записи КРГ длительностью в 10 минут (Рисунок 14):

Рисунок 14. Пример изменения спектральных составляющих во времени для стационарной записи практически здорового человека длительностью в 10 минут [40]

Автокорреляционный метод анализа динамики сердечного ритма. Вычисление и построение автокорреляционной функции динамического ряда кардиоинтервалов направлено на изучение внутренней структуры этого ряда как случайного процесса. График автокорреляционной функции строится по значениям ряда коэффициентов корреляции между исходным динамическим рядом ЯЯ-интервалов и новыми рядами, полученными при последовательных смещениях исходного ряда на одно значение ЯЯ-интервала. Коэффициенты корреляции сопоставляют не со временем, а с числом сдвигов (иначе - шагов) динамического ряда [46].

При вычислении коэффициента корреляции исходного ряда с самим собой он равен единице. После первого сдвига коэффициент корреляции всегда меньше единицы, и степень его уменьшения зависит от внутренней структуры исследуемого динамического ряда. Если значения ЯЯ-интервалов изменяются медленно, то есть преобладают медленные волны сердечного ритма, то коэффициент корреляции при первом сдвиге будет достаточно близок к единице. Если в исследуемом процессе доминируют дыхательные волны, то значение автокорреляционной функции на первом сдвиге будет значительно меньше единицы, а в отдельных случаях может иметь и отрицательное значение. Крутизна спада автокоррелограммы может определяться по значению коэффициента 1к после первого сдвига. Однако постепенное уменьшение значений коэффициентов корреляции при последующих сдвигах может происходить быстро или медленно, линейно или нелинейно. После быстрого уменьшения первых 3-4 коэффициентов автокор-релограммы скорость её затухания может резко замедлиться. Поэтому вводится коэффициент М0, который показывает, сколько нужно произвести сдвигов, чтобы появилось первое отрицательное значение коэффициента корреляции [29].

Физиологический смысл показателей 1к и М0 заключается в оценке степени и характера влияния центрального контура регуляции на автономный контур регуляции. При сильной связи между этими контурами динамический ряд ЯЯ-интервалов более организован, автокоррело-грамма затухает медленно, и наблюдаются высокие значения 1к и М0. Быстрый начальный спад автокоррелограммы с последующим медленным затуханием свидетельствует о наличии противоборствующих влияний автономного и центрального контура на ритм сердца [29].

Таким образом, выделяют следующие показатели метода автокорреляционного анализа: - 1к (коэффициент корреляции при первом сдвиге) - величина, которая отражает степень и характер влияния центрального контура на автономный (синусовый узел). Если преобладают медленные волны сердечного ритма, то коэффициент корреляции при первом сдвиге будет близок к единице. Если преобладают дыхательные волны, или в записи присутствуют артефакты, значение 1к на первом сдвиге будет меньше единицы. Повышение 1к свидетельствует о сильной связи между контурами регуляции сердечного рит-

ма. Снижение 1к наблюдается при слабой связи между контурами регуляции сердечного ритма [40];

- М0 (С0) - число сдвигов автокорреляции, через которые появляется первое отрицательное значение коэффициента корреляции. Отражает степень и характер влияния центрального контура регуляции на автономный контур регуляции. Большое значение М0 наблюдается при доминировании центральных механизмов регуляции сердечного ритма, малое значение Мо наблюдается при преобладании автономного контура регуляции сердечным ритмом [40].

а)

б)

в)

г)

Рисунок 15. Примеры автокоррелограмм для четырёх случаев: а - преобладание активности ПСНС; б - преобладание активности СНС; в - преобладание гуморально-метаболических влияний; г - наличие частой политопной экстрасистолии [40]

1.3.5 Анализ вариабельности сердечного ритма как процесса нелинейной динамики

Рассмотрение последних работ (например, [24, 47]), посвящённых различным аспектам анализа ВСР в норме и при различных заболеваниях, показывает, что кроме классических методов анализа сердечного ритма существует стабильная тенденция к изучению ВСР с позиций не-

линейного анализа динамики сердечного ритма [48, 49], то есть изучения сердечного ритма как процесса нелинейной динамики.

Наиболее широко в настоящее время применяются методы анализа ВСР по данным КРГ как статистического процесса во временной области и волнового процесса спектральным методом анализа сердечного ритма. Применительно к спектральному методу анализа сердечного ритма установлено, что до 85% спектра мощности записи КРГ составляют непериодические хаотические компоненты, имеющие фрактальную природу, что обусловило интерес к исследованию характеристик фрактальности сердечного ритма, как возможного индикатора поведения независимых нелинейных осцилляторов, принимающих участие в формировании сердечного ритма [48]. Данный подход органично сочетается с представлением, что ВСР отражает сложную многоуровневую и многоконтурную регуляцию сердечного ритма, при этом каждый ЯЯ-интервал записи КРГ является интегральным параметром с медленными отклонениями вокруг своих средних значений ввиду непрерывной подстройки к текущему состоянию гомеостаза [31, 48]. На динамику изменения ритма сердца оказывают влияние ЦНС и ВНС, дыхательные колебания, газовый состав крови и другие характеристики гомеостаза, данные влияния относят к стационарным, так как они оказывают непрерывное влияние на ритмическую деятельность и могут быть отражены в виде циклических колебаний величин ЯЯ-интервалов [48]. Одновременно с влиянием внутренних факторов регуляции на организм человека постоянно действуют факторы внешней среды, обуславливающие присутствие переходных (адаптационных) нестационарных процессов на записях КРГ [48]. Таким образом, считается, что регистрация ЭКГ и последующее выделение записи КРГ в любой произвольный момент времени позволяет оценить только показатели ВСР в данный временной отрезок, но не охарактеризовать всю имеющуюся совокупность признаков при использовании временного (статистического) и частотного (спектрального) методов анализа, так как в организме человека непрерывно протекают переходные процессы с различными постоянными времени колебательных процессов [48], которые могут быть оценены методами нелинейной динамики.

Среди множества методов нелинейной динамики наибольший интерес для оценки изменения состояния ССС под влиянием внешнего воздействия представляют методы анализа фазового портрета динамики сердечного ритма и методы прогноза нерегулярных временных рядов.

Метод анализа фазового портрета динамики сердечного ритма. Анализ нелинейной динамики сердечного ритма в отличие от классических методов анализа ВСР позволяет отфильтровать волны изменения ЯЯ-интервалов, ставшие результатом комплекса модулирующих влияний на сердечный ритм [50]. Первым этапом исследования нелинейной динамики сердечного ритма считается оценка внешнего вида фазового портрета сердечного ритма. Проведенные исследования [50] нелинейной динамики сердечного ритма у спортсменов показали, что для со-

стояния гармоничного взаимодействия всех уровней регуляции ритма сердца характерна равномерная картина фазового портрета с преобладанием циклов, похожих по распределению в пространстве на форму эллипса. Такая картина обусловлена гармоничным взаимодействием различных уровней регуляции сердечного ритма и показана на рисунке (Рисунок 16) [50].

а) б)

Рисунок 16. Пример фазового портрета сердечного ритма практически здорового спортсмена:

а - 3Б визуализация; б - 2Б визуализация [50]

Фазовая картина сердечного ритма практически здорового спортсмена (Рисунок 16) располагается вокруг некоторой «точки притяжения», приближаясь к ней или отдаляясь от неё при различных влияниях внешних воздействий на ССС. При нарушении гармоничного взаимодействия уровней вегетативной и гуморальной регуляции ритма сердца происходит изменение рассмотренной геометрической структуры фазового портрета. Например, при вегетативной дисфункции происходит значительное изменение структуры фазового портрета в сторону его геометрического упрощения и возникновения геометрических циклов, что продемонстрировано на рисунке (Рисунок 17) [50].

Хаотическое поведение динамической системы в фазовом пространстве образует притягивающее множество, называемое аттрактором (например, [49]). Форма аттрактора определяет причину нерегулярности поведения нелинейных систем экспоненциальным быстрым расхождением первоначально близких траекторий в ограниченной области фазового пространства. В рассмотренной работе [50] считается, что изменение размерности аттрактора на фазовом портрете является показателем изменения ФС организма спортсмена как единой системы и объективно отображать влияние и эффективность нагрузок. Проведенные исследования текущих изменений размерности аттракторов по изменению динамики ЯЯ-интервалов в рассмотренных записях КРГ показали, что ухудшение общего состояния организма спортсменов соответствует снижению размерности аттрактора на фазовом портрете [50].

а) б)

Рисунок 17. Пример фазового портрета спортсмена с синдромом перетренированности: а - 3Б визуализация; б - 2Б визуализация [50]

Методы прогноза нерегулярных временных рядов: сингулярный спектральный анализ (SSA) и локальная аппроксимация (LA). Метод сингулярного спектрального анализа (Singular spectrum analysis) основан на преобразовании одномерного временного ряда, в качестве которого могут рассматриваться данные КРГ, в многомерный временной ряд с последующим применением к нему метода главных компонент. Преобразование производится с помощью формирования специальных «векторов задержек», содержащих значения исходного временного ряда, взятые с некоторым сдвигом, совокупность которых формирует «пространство задержек». Вид процедуры сдвига напоминает «гусеницу», поэтому сам метод часто называют «методом гусеницы», при этом длина фрагмента временного ряда для сдвига называется длиной «гусеницы», а величина сдвига одного фрагмента относительно другого - шагом «гусеницы», как правило, шаг равен единице [24]. Важной особенностью метода является то, что пространство задержек, при соблюдении определённых условий, может рассматриваться как реконструкция фазового пространства нелинейной динамической системы, породившей исследуемый временной ряд [24, 51]. Несмотря на применимость метода SSA для решения прикладных задач и конкретных реализаций временных рядов существует сложность использования SSA в качестве глобального метода оценки динамики сердечного ритма вследствие того, что на результаты анализа метода SSA большое влияние оказывает как размерность исходного временного ряда и содержание в нём различных переходных процессов, так и выбор длины фрагмента временного ряда для сдвига, незначительные изменения которой значительно влияют на полученные результаты анализа методом SSA. Метод локальной аппроксимации (Local approximation method), основанный на поиске подходящей аппроксимирующей функции для описания дина-

мики временного ряда, также не может рассматриваться как глобальный метод анализа динамики сердечного ритма. Различным записям КРГ, в зависимости от содержания и вида переходных процессов в них, будут соответствовать различные оптимальные аппроксимирующие функции.

Согласно последним публикациям (например, [24, 52]) считается, что методы нелинейной динамики применительно к ВСР могут предоставить важную информацию для физиологической интерпретации вариабельности ритма и оценки риска ССЗ. Методы нелинейной динамики, применяемые для исследования нелинейных свойств вариабельности ритма, включают в себя множество методов: масштабирование спектра Фурье на 1//, Н-масштабирование экспоненты, кластерный спектральный анализ (CGSA). Для визуального представления результатов используются сечение Пуанкаре, графики аттрактора на малом числе измерений, сингулярное разложение и исследование различных видов траекторий аттрактора. Для количественного описания характера динамики сердечного ритма применяются Б2-корреляционные размерности, экспонента Ляпунова и энтропия Колмогорова [52]. В то же время отмечается [24, 52], что для включения методов нелинейной динамики в физиологические и клинические исследования необходимо не только развитие технологий анализа и интерпретации результатов ВСР нелинейными методами анализа, но и разработка системы стандартов для оценки результатов применения методов нелинейной динамики.

1.3.6 Интегральные методы анализа: метод нахождения показателя активности регуляторных

систем (ПАРС) и метод расчёта суммарной оценки регуляторных систем (СОРС)

Автором метода вариационной пульсометрии Р. М. Баевским был разработан интегральный показатель ФС и имеющихся адаптационных резервов - показатель активности регулятор-ных систем (ПАРС), вычисление которого объединяет методы вариационной пульсометрии, автокорреляционного и спектрального анализа динамики сердечного ритма.

Согласно автору метода [29], различным заболеваниям соответствуют однотипные изменения математико-статистических показателей сердечного ритма, и математический анализ ВСР может охарактеризовать состояние механизмов, участвующих в регуляции функций системы кровообращения. В то же время, механизмы регуляции являются межсистемными и обеспечивают согласование реакций системы кровообращения и других систем организма (например, [31, 53]). Таким образом, становится возможным анализировать регуляторные механизмы целостного организма, рассматривая их с позиции управления системой кровообращения, которое носит разносторонний характер и является полифункциональным, то есть включает в себя разнообразные элементы [29].

Регуляция ритма сердца рассматривается как сложный иерархически организованный процесс, который тесно связан с уровнями регуляции процессов управления в организме человека в условиях постоянного влияния внутренних и внешних факторов (например, [31]). Для оценки состояния организма человека по состоянию системы регуляции сердечного ритма был разработан классификатор состояний регуляции ритма сердца [29], охватывающий выдвинутые автором метода пять функциональных свойств сердечного ритма: индикацию суммарного эффекта всех регуляторных влияний; свойство автоматизма сердечной мышцы; степень устойчивости регуляторных влияний; вегетативный гомеостаз; индикацию состояния подкорковых нервных центров [29]. Для проведения совместного анализа функциональных свойств регуляции по данным ВСР был разработан интегральный показатель ПАРС. Данный показатель вычисляется в баллах согласно авторскому алгоритму, учитывающему как статистические показатели, так и данные спектрального и автокорреляционного анализа ВСР. Показатель ПАРС позволяет дифференцировать различные степени напряжения регуляторных систем и оценивать адаптационные возможности организма согласно критериям их выраженности согласно выработанным таблицам (Таблица 1, Таблица 2, Таблица 3, Таблица 4, Таблица 5) [29]:

- суммарный эффект регуляции;

- функция автоматизма;

- вегетативный гомеостаз;

- устойчивость регуляции;

- активность подкорковых нервных центров [29].

Суммарный эффект регуляции. Нахождение суммарного эффекта регуляции основано на классическом клиническом подходе к условному выделению по частоте пульса нормокар-дии, брадикардии и тахикардии. Для случаев брадикардии и тахикардии введено разделение на умеренную и выраженную степень их проявления. Границы классов выбраны исходя из литературных данных. Классификация может осуществляться как по значениям частоты пульса (ЧП), так и по значениям средней продолжительности сердечного цикла (М), то есть по величине ЯЛ - интервала и выраженной через него ЧСС [29].

Таблица 1. Суммарный эффект регуляции [29]

Балл Суммарный эффект регуляции ЧП М

+2 Выраженная тахикардия >90 <0,66

+1 Умеренная тахикардия >75 <0,80

0 Нормокардия 60<ЧП<75 0,8<М<1,0

-1 Умеренная брадикардия <60 >1,0

-2 Выраженная брадикардия <50 >1,2

Функция автоматизма. Определение функции автоматизма также основано на клиническом подходе к разделению нормотропных и гетеротопных нарушений автоматизма сердечного ритма. К нормотопным наряду с тахикардией и брадикардией относят и синусовую аритмию. Специалисты полагают, что синусовая аритмия связана с фазами дыхания и ее полное отсутствие (изометрия) наблюдается при поражении миокарда. Выраженная синусовая аритмия отмечается у детей и подростков, а также распространена у лиц, выздоравливающих после инфекционных болезней. Показатели гетеротопных нарушений автоматизма отражают появление дополнительных импульсов, которые могут быть единичными или множественными, случайными или постоянными. Нередко дополнительные импульсы характеризуются измененной формой электрокардиографического комплекса, однако, при некоторых нарушениях, например, при синоаурикулярной блокаде, форма QRS-комплекса не изменена. В рассматриваемом классификаторе оценка функции автоматизма преследует ограниченные цели: выделение состояний синусовой аритмии, изометрии и гетеротропной аритмии [29]. Для этого используются три статистических показателя рассмотренных ранее (раздел 1.3.2) и характеризующих степень различия величин ЯЯ-интервалов (АХ, а и V). Для определения стабильности ритма (изометрии) достаточно пользоваться абсолютными значениями параметров, например, V или а Однако при единичных дополнительных импульсах (аритмия) или, например, при нестационарности конечной части исследуемого процесса (например, начало восстановительного периода после физической нагрузки) значения V и а могут быть достаточно малыми. Поэтому автор метода рекомендует анализировать и АХ, где учитывается фактически каждый ЯЯ-интервал исследуемого ряда. Значения АХ для выявления изоритмии принимаются как абсолютные (меньшие, либо равные 0,10 секунды), в остальных случаях АХ учитывается, исходя из значения среднего значения (М). Для определения выраженности синусовой аритмии достаточно показателей АХ и а. При АХ более 0,45 М (т.е. при значении АХ более 45% значения М) предполагается наличие дополнительных импульсов, указывающих на нарушение ритма. Для выраженной аритмии, отражающей клинически значимые нарушения автоматизма, характерно не только увеличение АХ, но и значительное увеличение показателей а и V [29].

Таблица 2. Функция автоматизма [29]

Балл Функция автоматизма а АХ V

+2 Стабильный ритм <0,02 <0,10 <2,0

+1 Выраженная синусовая аритмия >0,10 >0,3М >8,0

0 Умеренная синусовая аритмия <0,10 <0,3М <8,0

-1 Нарушение автоматизма умеренное - >0,45М -

-2 Нарушение автоматизма выраженное >0,10 >0,6 М >8,0

Вегетативный гомеостаз. Математический анализ сердечного ритма рассматривается как специфический метод оценки вегетативного гомеостаза. В рассматриваемом классификаторе выделяются умеренные и выраженные степени преобладания тонуса симпатической или парасимпатической нервной системы на основании оценки значений АХ, АМо и ИН, формулы расчёта которых рассмотрены ранее (раздел 1.3.3). Алгоритм предусматривает классификацию по любым двум показателям [29].

Таблица 3. Вегетативный гомеостаз [29]

Балл Вегетативный гомеостаз АХ АМо ИН

+2 Выраженное преобладание СНС <0,06 >80 >500

+1 Умеренное преобладание СНС <0,15 >50 >200

0 Вегетативный гомеостаз сохранён 0,15<АХ<0,30 30<АМо<50 <200

-1 Умеренное преобладание ПСНС >0,30 <30 <50

-2 Выраженное преобладание ПСНС >0,50 <15 <25

В таблице (Таблица 3) используются следующие обозначения: СНС - симпатическая нервная система; ПСНС - парасимпатическая нервная система.

Устойчивость регуляции. Система регуляции ритма сердца рассматривается как множество функциональных элементов, действие которых не всегда согласовано. Выделяют ситуации, в которых может наблюдаться разнонаправленная реакция регуляторов системы кровообращения: при быстрой перестройке кровообращения на новый уровень функционирования наблюдается опережающее включение одних систем регуляции по сравнению с другими; при патологических изменениях в организме, влияющих на состояние определенных звеньев системы регуляции; при функциональном рассогласовании разных уровней регуляции. Для рассмотренных ситуаций выделяют следующие варианты нарушения регуляции ритма сердца [29]:

- Явления опережающего включения отдельных систем регуляции (преобладание нервного или гуморального, симпатического или парасимпатического элементов), которые обычно рассматриваются как переходный процесс в системе регуляции ритма сердца. Выраженность и длительность переходных процессов, а также их количественная оценка определяются применением методов теории автоматического регулирования;

- Дисрегуляция с преобладанием активности ПСНС определяется в случаях нормального сердечного ритма (нормокардии), умеренной или выраженной тахикардии, когда активация СНС относительно невелика. Малая активация СНС может быть обусловлена высокой экономичностью энергетических и метаболических процессов (тренированные спортсмены) или слабостью процессов мобилизации ресурсов, снижением резервных

возможностей организма (после тяжелых заболеваний, синдром перенапряжения и асте-низации);

- Дисрегуляция с преобладанием СНС определяется в случаях нормокардии, умеренной или выраженной брадикардии, когда активность СНС относительно велика, что связывают с наличием факторов, вызывающих чрезмерную активацию СНС (возбуждение подкорковых центров, раздражение спинномозговых симпатических узлов), либо с компенсаторным усилием адренергических влияний на метаболизм вследствие патологических изменений в организме;

- Дисрегуляция центрального типа обусловлена возбуждением центрального контура управления, влияющего как на СНС, так и на ПСНС. Подобные состояния наблюдаются при умственном переутомлении, физическом перенапряжении [29].

Таблица 4. Устойчивоть регуляции [29]

Балл Устойчивость регуляции V ИН М 1к

+2 Дисрегуляция с преобладанием СНС <3,0 >200 >0,8 - -

+1 Дисрегуляция центрального типа <3,0 - - >0,5 >5,0

0 Устойчивая регуляция <10 <200 - - -

-1 Переходный процесс >10,0 <25 - - -

-2 Дисрегуляция с преобладанием ПСНС >6,0 <50 <0,8 - -

В таблице указаны следующие обозначения (Таблица 4): СНС - симпатический отдел вегетативной нервной системы (ВНС), ПСНС - парасимпатический отдел ВНС, V - коэффициент вариации (формула расчёта в разделе 1.3.2), ИН - индекс напряжения (формула расчёт в разделе 1.3.3), М - среднее значение (формула расчёта в разделе 1.3.4), 1к - коэффициент корреляции при первом сдвиге (формула расчёта в разделе 1.3.4), VLF(So) - содержание очень низкочастотной составляющей в общей мощности спектра [29].

Активность подкорковых центров. Считается, что синусовая аритмия, не связанная с дыханием (медленные волны сердечного ритма) и обусловленная неустойчивостью тонуса центров симпатического или блуждающего нерва, встречается у лиц с переутомлением (астениза-цией), а также может свидетельствовать о развитии патологических состояний, таких как острый инфаркт миокарда, ревматизм, инфекционные заболевания. Согласно физиологии кровообращения, в продолговатом мозге находится модуляторный сердечно-сосудистый центр, обеспечивающий регуляцию артериального давления, минутного объема и сосудистого сопротивления посредством вагусных тормозных и симпатических возбудительных волокон. Этот центр функционирует в тесном взаимодействии с высшими нервными структурами, но обладает значительной независимостью. К числу высших уровней управления сердечно-сосудистой системой

относится гипоталамус, который интегрирует рефлекторные, вегетативные и гормональные влияния и координирует с ним деятельность сердечно-сосудистой системы через системы автономных нервных центров, также известных как «независимые центры». Медленные волны сердечного ритма считаются проявлением активности модуляторного сердечно-сосудистого центра, который обладает сложной структурой и включает вазомоторный, кардиостимуляторный и кардиоингибиторный центры. Состояние модуляторного центра определяют оценкой активности составляющих его подкорковых нервных центров. Под усилением или ослаблением активности подкорковых нервных центров понимается изменение функциональных взаимоотношений между вазомоторными, кардиостимуляторным и кардиоингибиторным центрами [29].

В качестве индикатора состояния модуляторного центра рассматриваются медленные волны сердечного ритма первого и второго порядка. Усиление медленных волн указывает на активацию подкорковых нервных центров и предполагает преобладание активности кардио-стимуляторного центра. Усиление дыхательных волн рассматривается как результат усиления активности кардиоингибиторного центра, оказывающего тормозящее влияние на ССС через хо-линергические вагусные нейроны. При таком воздействии ослабляется активность кардиости-муляторного и вазомоторного центров, что связывается со снижением контроля со стороны высших уровней регуляции или торможением самого модуляторного центра в результате рефлекторных влияний или патологических изменений в организме человека [29].

Таблица 5. Активность подкорковых нервных центров [29]

Балл Активность подкорковых нервных центров (ПНЦ) УЬБ^) ЬБ^м) НБ(8д)

+2 Выраженная активность ПНЦ >0,40 >0,20 <0,01

+1 Умеренное усиление активности ПНЦ >0,20 - <0,04

0 Нормальная активность ПНЦ 0,09<УЬБ<0,20 - 0.04<НБ<0,07

-1 Умеренное ослабление активности ПНЦ <0,09 - >0,07

-2 Выраженное ослабление активности ПНЦ <0,04 - >0,09

Обозначения в таблице: УЬБ(80), ЬБ(8М), НБ(8д) - содержание очень низкочастотной, низкочастотной и высокочастотных составляющих соответственно в общей мощности спектра [29].

Общая оценка активности регуляторных систем. Единый подход к оценке отдельных функциональных элементов системы регуляции ритма сердца был сформирован для обеспечения возможности характеризовать систему регуляции ССС и целостного организма. Все проявления регуляций согласно представленному методу связываются с повышением или с понижением активности регуляторов. Изменения активности регуляторных систем представлены в ви-

де соответствующих значении отдельных показателей, которые разделяются по степени выраженности в виде 5-балльной шкалы (+2, +1, 0, -1, -2). Такое разделение осуществляется по пяти критериям: суммарному эффекту регуляции — А, функции автоматизма — Б, вегетативному гомеостазу — В, устойчивости регуляции — Г и активности подкорковых нервных центров — Д. Для графического представления результатов метода строится диаграмма активности регуля-торных систем, которая представляет собой матрицу 5x5 (Рисунок 18). Для разных ФС вид этой диаграммы различен. Так, на рисунке (Рисунок 18) даны диаграммы для случаев спокойного состояния, физической нагрузки и сна.

Рисунок 18. Диаграммы активности регуляторных систем: I - спокойное состояние, II -

нагрузка, III - сон [29]

Для объединения характеристик активности регуляторных систем Р. М. Баевским [28, 29] предложен показатель ПАРС, рассчитываемый в виде суммы условных баллов согласно специальной таблице (Таблица 6), при расчёте показателя также рассматривается отдельно сумма положительных и отрицательных значений. ПАРС выражается в следующей форме записи: 2(+1, -1); 7(+7, 0), 4(+1, -3) соответственно для случаев, изображенных диаграммами на рисунке (Рисунок 18). ПАРС рассматривается как интегральный показатель, отражающий состояние систем регуляции ССС, функциональных резервов организма и уровня функционирования отдельных систем и характеризует степень напряжения регуляторных систем. Для оценки состояния (степени напряжения) регуляторных систем применяется следующая схема классификации состояний [30]:

1. Состояние нормы, под которым понимается состояние минимального или оптимального напряжения систем регуляции, характерное для удовлетворительной адаптации организма к условиям среды;

2. Состояние функционального напряжения, проявляющееся мобилизацией защитных механизмов;

3. Состояние перенапряжения, для которого характерны недостаточность адаптационных защитно-приспособительных механизмов и их неспособность обеспечить оптимальную адекватную реакцию организма на воздействие факторов внешней среды;

4. Состояние истощения (астенизации) регуляторных механизмов, при котором могут проявляться характерные проявления возникновения и развития различных заболеваний [29].

Таблица 6. Оценка регуляторных механизмов по значениям ПАРС [29]

Состояние ПАРС

Модуль Отрицательное Положительное

Норма 0-4 <3 1

Функциональное напряжение 3-6 1 <5

Перенапряжение 6-8 <2 <6

Истощение (астенизация) 8-10 <3 <7

Применение ПАРС направлено на оперативное обнаружение различных функциональных состояний при условии одновременного учёта имеющегося комплекса данных о пациенте, включая анамнез, результаты медико-физиологических исследований и анализ влияния на организм факторов среды. Предложенная шкала оценок (Таблица 6) предусматривает взаимно перекрывающиеся значения ПАРС при переходе от состояния к состоянию с возможностью их дифференцирования по значениям отрицательных или положительных координат [29].

Метод расчёта ПАРС по настоящее время привлекает внимание исследователей регуляции ССС и регуляции организма человека как интегральный метод оценки ФС. На основе метода расчёта ПАРС авторским коллективом [40] был сформулирован новый метод оценки состояния здоровья: суммарная оценка регуляторных систем (СОРС) вычисляется подобно ПАРС, но, в отличие от ПАРС, состояние характеризуется по более широкой шкале баллов от -12 до +12 баллов.

Критерии оценки СОРС, подобно критериям оценки ПАРС, описываются в табличной форме (Таблица 7).

Результатам оценки СОРС дают следующую интерпретацию [40]:

1. СОРС от +10 до +12. Состояние истощения. Крайний вариант срыва вегетативной регуляции - резко стабилизированный ритм на фоне тахикардии - «ригидный ритм». Функциональные возможности сердца резко снижены. Неадекватная реакция систем организма на воздействие факторов внешней среды. Вероятна органическая патология сердца;

2. СОРС от +7 до +9. Состояние перенапряжения. Недостаточность защитно-приспособительных механизмов и неспособность сердечно-сосудистой системы обеспе-

чить оптимальную адекватную реакцию организма на воздействие факторов внешней среды. Функциональные возможности сердца снижены. Вероятно проявление и отдельных симптомов предболезни. Возможна органическая патология сердца;

3. СОРС от +4 до +6. Состояние функционального напряжения. Мобилизация функциональных резервов сердечно-сосудистой системы. Адаптация организма к условиям среды обеспечивается более высоким, чем в норме, напряжением регуляторных систем. Пациент относится к группе риска сердечно-сосудистых заболеваний;

Таблица 7. Оценка регуляторных механизмов по значениям СОРС [40]

Балл Суммарный эффект регуляции Функция автоматизма Вегетативный гомеостаз Активность ПНЦ Спектральная структура ритма ТР, мс2

+2 Выраженная тахикардия Стабильный ритм Выраженное преобладание СНС ИЦ более 8 Преобладание ^Р или ^Р Меньше 1000

+1 Умеренная тахикардия Выраженная СА Умеренное преобладание СНС ИЦ от 5 до 8 Преобладание LF 10002248

0 Нормокардия Умеренная СА Вегетативный гомеостаз ИЦ от 2 до 5 Баланс (любая другая ситуация) 22483366

-1 Умеренная брадикардия Нарушение автоматизма умеренное Умеренное преобладание ПСНС ИЦ от 1 до 2 Преобладает ИР при ИР от 30 до 50% 33664484

-2 Выраженная брадикардия Нарушение автоматизма выраженное Выраженное преобладание ПСНС ИЦ менее 1 Преобладает НР при НР более 50% Более 4484

4. СОРС от +3 до -3. Состояние нормы. Минимальное напряжение систем регуляции, характерное для удовлетворительной адаптации организма к условиям внешней среды. Функциональные возможности сердца высокие. Активность симпатического и парасимпатического отделов вегетативной нервной системы в целом сбалансирована;

5. СОРС от -4 до -6. Вариант нормы. Оптимальная активность систем регуляции. Функциональные возможности сердца высокие, реакции на различные воздействия хорошо выражены, нагрузки переносятся легко. Определяется наличие значительных резервов регуляции сердечно-сосудистой системы. Рефлекторные влияния преобладают над гу-морально-метаболическими;

6. СОРС от -7 до -9. Состояние «спортивного сердца». Организм способен переносить нагрузку при минимальном напряжении систем регуляции, активность которых адекватна уровню нагрузки;

7. СОРС от -10 до -12. Наблюдается выраженное преобладание активности ПСНС. Такой вариант значения СОРС встречается или у хорошо тренированных людей, или у пациентов с патологической ваготонией. Интерпретация таких значений данного показателя возможна только с учётом клинических данных обследуемого [40].

8. В представленной таблице оценки регуляторных механизмов по значениям СОРС (Таблица 7) используются следующие обозначения и сокращения: СА - синусовая аритмия; ИЦ - индекс централизации; TP - общая мощность спектра рассматриваемой записи КРГ, отражающая суммарную активность регуляторных механизмов по показателю общей мощности спектра; ULF - ультранизкочастотные, используемые для длительных записей мониторинга и содержащие компоненты с частотами менее VLF (раздел 1.3.4).

1.4 Современное состояние проблемы анализа данных длительного кардиомониторинга с учётом двигательной активности обследуемого человека

1.4.1 Актуальные способы оценки данных длительного кардиомониторинга

Современный длительный кардиомониторинг, называемый также мониторингом по Холтеру или холтеровским мониторингом (ХМ), характеризуется непрерывной записью параметров электрической деятельности сердца на протяжении длительных промежутков времени от нескольких часов до нескольких суток [54]. При проведении ХМ регистрируется ЭКГ в одном или нескольких стандартных электрокардиографических отведениях. Из данных ЭКГ по мере проведения мониторинга или после его окончания извлекается информация о продолжи-тельностях последовательных RR-интервалов, которая представляет собой запись КРГ. Как правило, после окончания ХМ производится предварительная обработка его данных, также называемая препроцессингом. На этапе предварительной обработки данных ХМ происходит автоматическое разделение кардиокомплексов по типам и построение КРГ. Правильность автоматического разделения кардиокомплексов, называемых также QRS-комплексами, по принадлежности к одному из возможных видов контролируется врачом-специалистом, проводящим анализ данных ХМ [54]. Устройство, проводящее автоматическое разделение записи ХМ на кар-диокомплексы, называется дешифратором, большинство дешифраторов представляют врачу-специалисту суммарную информацию по проведённой автоматической классификации кардио-комплексов на предусмотренные классы. Классы также известны в литературе как кластеры, бины или шаблоны. Наиболее распространено автоматическое разделение кардиокомплексов на

следующие классы: нормальные, аберрантно-желудочковые, артефактные, неизвестные и другие [54]. Считается, что автоматическое разделение помогает врачу-специалисту избавиться от артефактов записи и даёт возможность повторно классифицировать неправильно определённые дешифратором комплексы [54] для отнесения их к нормальной сердечной активности или патологической, являющейся признаком ССЗ.

Анализ результатов ХМ начинается с анализа динамики ЧСС [54], то есть с анализа данных длительности последовательных RR-интервалов, отражающих ВСР и представленных записью КРГ. В настоящее время из существующего множества методов анализа КРГ (наиболее широко распространённые рассмотрены в разделе 1.3) в клинической практике преимущественно используются два метода: метод временного анализа сердечного ритма (time domain method) и метод спектрального анализа сердечного ритма (frequency domain method) [54], рассмотренные в предшествующих разделах (разделы 1.3.2 и 1.3.4). После анализа ВСР по данным КРГ выполняется классический анализ длительной записи ЭКГ. При анализе ЭКГ рассматриваются выделенные классы кардиокомплексов, составляющих запись мониторинга, соотношение их классов в записи ХМ, исследуется форма и вид элементов кардиокомплексов, проводится их анализ в сравнении с известными видами кардиокомплексов и связанными с ними диагностическими критериями для выявления ССЗ. Процедура анализа данных ЭКГ часто называется «разметкой». По завершении анализа ЭКГ формируется заключение по результатам ХМ. В современных системах анализа ХМ реализована связь между каждым выделенным кардиоком-плексом и соответствующим ему значением RR-интервала на КРГ, таким образом, анализ ЭКГ сопряжён с анализом КРГ, что обеспечивает возможность перехода от отклоняющегося значения RR-интервала на КРГ к соответствующей ему паре кардиокомплексов ЭКГ для анализа их структуры [54].

Для анализа данных КРГ в ХМ распространено использование двух видов выборок: генеральной выборки (за 24 часа) и кратковременной выборки (за 5 минут) кардиоинтервалов. Считается, что в большинстве случаев наблюдения изменчивость ритма сердца возрастает с увеличением периода наблюдения, что влияет на выбор частотных диапазонов для анализа кратковременных и долговременных записей КРГ [54].

Большинство современных систем ХМ применяют преобразование ЭКГ в цифровой формат, что позволяет применять подходы «сглаживания» и цифровой фильтрации для данных ЭКГ и КРГ [55, 56], чтобы свести к минимуму число артефактов записи ХМ [54]. Также отмечают важность подготовки обследуемого и правильного обслуживания записывающей аппаратуры ХМ для минимизации артефактов физической природы, связанных с нахождением электродов для съёма биопотенциалов на теле обследуемого человека [54]. Для уменьшения числа артефактов, выраженных значительным отклонением величины RR-интервала от других интер-

валов записи, в дополнение к ручному (визуальному) подходу рекомендуется использовать алгоритмы поиска артефактов, основанные на оценках распределения RR-интервалов [54, 56, 57, 58]. Кроме артефактов записи ХМ классический анализ ВСР осложняет наличие сердечных аритмий. Считается, что традиционный анализ ВСР невозможен при наличии постоянной фибрилляции предсердий или полной атриовентрикулярной (АВ) блокаде [54]. Так как метод анализа ВСР (во временной области) считается информативным в предсказании и характеристике аномальных ритмов, делаются попытки переработки записи при обнаружении аномальных RR-интервалов, чтобы избежать ошибок анализа ВСР, как метода, исследующего вегетативные влияния на сердечный ритм [54]. Однако применение сложной фильтрации пока не даёт надёжных решений для представления и анализа данных, содержащих переходные процессы в динамике сердечного ритма, которые отражаются на характере изменения сигнала ВСР. Наибольшее распространение получили следующие методы обработки данных КРГ при обнаружении аномальных сердечных сокращений (RR-интервалов): интерполяция единичных (случайных) аномальных сокращений и ограниченный анализ сегментов, не содержащих участки аномальных сокращений (переходные процессы, отражающиеся на форме сигнала ВСР) [54].

ХМ является не только средством обнаружения признаков ССЗ, но и самым распространенным инструментальным средством изучения динамики ФС человека в процессе его активности с помощью анализа ВСР. Сигнал ВСР рассматривается как особый вид сигнала во времени (Рисунок 6) и характеризует не только функционирование ССС, но и состояние и регуляцию организма человека (раздел 1.2). Анализ КРГ методами анализа ВСР является способом анализа динамики сердечного ритма на протяжении ХМ, а также способом контроля динамики ФС состояния человека. В то же время анализ ЭКГ при ХМ направлен на прикладную задачу анализа функционирования и проводимости сердца в интересах выявления ССЗ и сопряжен с анализом КРГ, так как на записи КРГ отмечается, какие RR-интервалы относятся к нормальному ритму, а какие - к аритмиям. Результаты анализа ЭКГ обеспечивают выявление и подтверждение ССЗ по обнаруженным признакам (как правило, по характерному виду кардиокомплексов (аритмий), их числу и распространенности в записи ЭКГ) в сравнении с известными признаками различных ССЗ [54].

Применительно к анализу ВСР по данным ХМ преимущественно используется метод анализа во временной области (time domain method), так как процесс получения результатов очень нагляден и существует множество клинических интерпретаций, с которыми может быть проведено сравнение результатов временного анализа [54]. Метод анализа во временной области отражает интегральные характеристики ВСР, вычисляемые по сегментам КРГ различной длительности. Как и для спектрального метода анализа ВСР, метод анализа ВСР во временной области требует сегментирования записи КРГ на квазистационарные участки для исключения

нестационарных участков записи КРГ, содержащих переходные процессы [31, 54]. Параметры, анализируемые при временном анализе сердечного ритма, подробно рассмотрены в предшествующем разделе (раздел 1.3.2). Низкий уровень ВСР (малая изменчивость сигнала ВСР) считается признаком многих патологических состояний и рассматривается как прогностический показатель, увеличивающий риск летального исхода для обследуемого человека при его клиническом наблюдении [54]. В анализе ВСР методами временной области особенно выделяют две характеристики изменчивости ритма сердца: разброс и концентрацию. Функцию разброса связывают со значением стандартного отклонения длительностей RR-интервалов сегмента КРГ (SDNN) и называют адаптивным коридором колебания сердечного ритма [54]. Функцию концентрации связывают c величинами rMSSD, АМо (рассмотрены ранее, раздел 1.3.2) анализируемого сегмента КРГ и связывают с уровнем функциональных резервов ССС, которые могут быть задействованы для поддержания гемодинамики [54], адекватной текущей ситуации.

При большой значимости методов исследования ВСР по данным КРГ, наиболее распространённые методы анализа ВСР имеют ряд ограничений, связанных с используемым статистическим подходом к записям КРГ. Применительно к спектральному анализу ВСР по КРГ (frequency domain method) отмечается ограниченная применимость метода к анализу длительных записей КРГ в ходе анализа данных ХМ [54]. Эксперты ведущих кардиологических объединений США «American College Cardiology» и «American Heart Association» рекомендуют использовать спектральный анализ только для оценки коротких сегментов записи продолжительностью 5 минут, но не результатов длительного ХМ [54, 59]. С этими рекомендациями согласны многие специалисты, включая авторов «Национальных российских рекомендаций по применению методики холтеровского мониторирования в клинической практике» [54]. В основе ограничения на применение спектрального анализа для длительных записей КРГ находится требование к стационарности записи КРГ, для которой производится преобразование Фурье в частотную область. Суточные записи, как правило, характеризуются наличием большого числа переходных процессов и, следовательно, высокой степенью нестационарности записи. Для спектрального анализа производится ручной (визуальный) выбор квазистационарных участков с помощью сегментирования записи КРГ [40]. Таким образом, существующие методы анализа КРГ в интересах исследования динамики ФС в ходе ХМ (временные и спектральные) характеризуются невозможностью автоматического анализа сегментов КРГ, содержащих переходные процессы и характеризующихся нестационарным характером. В то же время переходные процессы составляют большую часть записи ХМ человека, ведущего активный образ жизни, и обусловлены его двигательной активностью, а также влиянием внешних воздействий на организм наблюдаемого человека в процессе проведения ХМ. Существующие проблемы в данной предметной области выявляют необходимость в разработке нового метода анализа данных КРГ,

учитывающего как нестационарный характер сигнала ВСР, так и влияние собственной двигательной активности обследуемого человека на изменение характера сигнала ВСР. Разработка подобного метода требует применения новых подходов к временному анализу сердечного ритма с позиций регуляции организма человека, так как динамика сердечного ритма считается отражением состояния и функционирования регуляторных систем организма [31]. В то же время, для повышения объективности анализа результатов ХМ необходим метод совместного анализа ВСР как динамики сердечного ритма и выделенных аритмий с двигательной активностью на рассматриваемых сегментах записи ХМ.

1.4.2 Современный уровень развития методов и программно-аппаратных средств анализа

влияния контролируемых воздействий и двигательной активности на сердечный ритм и

аритмии

Современные программно-аппаратные средства ХМ условно можно разделить на два компонента: технические средства кардиомониторинга в виде специальных устройств - кар-диомониторов с набором датчиков для съёма биопотенциалов - и программно-алгоритмические средства для обработки данных мониторинга, анализа и отображения результатов проводимого анализа.

Анализ современного уровня развития известных технических средств мониторинга (например, [60, 61, 62]) выявляет тенденцию к расширению числа рассматриваемых параметров мониторинга. Например, одновременно с ХМ проводится мониторинг дыхательной активности, двигательной активности человека и изменения положения его тела в пространстве, а также периодического измерения артериального давления. В то же время, сохраняется тенденция к построению технических средств как можно меньшего размера и снижению, таким образом, влияния технических средств на состояние обследуемого человека. Анализ современных технических средств показывает отсутствие явных технических ограничений на сбор параметров двигательной активности и внешних воздействий на обследуемого человека одновременно с проведением ХМ. Но реализация совместного анализа влияния внешних воздействий и данных ХМ ограничена существующим уровнем развития программно-алгоритмических средств анализа данных, которые, в свою очередь, опираются на известные методы анализа ВСР по данным КРГ в составе данных ХМ (рассмотрены в разделе 1.3).

В программно-алгоритмических средствах анализа данных ХМ в настоящее время реализовано большинство методов анализа данных ВСР по данным КРГ (методы рассмотрены в разделе 1.3), что позволяет оценивать динамику ФС обследуемого на подходящих для анализа квазистационарных сегментах записи КРГ.

Отсутствие возможности автоматизированного анализа нестационарных участков КРГ существующими методами анализа (методы раздела 1.3) ограничивает применение методов контроля динамики ФС человека при ведении обследуемым активного образа жизни, характеризующегося большим числом действующих внешних воздействий. Влияние внешних воздействий отражается на характере сигнала ВСР в виде переходных процессов, анализ и интерпретация которых в отсутствие программно-алгоритмических средств контроля действия внешних факторов ограничены визуальным анализом. Предполагается, что информация о действии внешних факторов содержится в дневниках участников ХМ, ведущихся ими во время проведения мониторинга. Однако вольный стиль написания дневников и концентрация повествования на субъективных ощущениях обследуемых людей [63] не позволяют рассматривать дневники как объективный контроль влияния внешних воздействий, которые физически могут быть не замечены и потому не отражены автором дневника даже при самом скрупулезном его ведении. Таким образом, объективный контроль внешних факторов и двигательной активности обследуемого человека возможен только реализацией программно-аппаратного контроля и анализа их влияния на изменение характера ВСР в составе данных ХМ.

До недавнего времени развитие современных программно-аппаратных средств ХМ преимущественно было направлено на решение прикладных задач, наиболее существенной из которых являлась задача повышения качества записи ЭКГ при проведении ХМ. В настоящее время наблюдается тенденция к повышению объективности анализа ХМ добавлением функции учёта двигательной активности обследуемого человека по данным акселерометра, совместный анализ которой с динамикой показателей ХМ позволит более точно интерпретировать обнаруженные явления. Для технического обеспечения возможности решения этой задачи современные системы мониторинга (например, «Кардиотехника», ЗАО "ИНКАРТ", Россия; «Валента», ООО «Компания Нео», Россия) включают в свой состав датчик двигательной активности, фиксирующий кажущиеся ускорения с помощью акселерометра, измеряющего разницу между истинным и гравитационным ускорением и сопряжённого с телом обследуемого человека.

Контроль внешних воздействий в современных программно-аппаратных средствах (например, «Кардиотехника», ЗАО "ИНКАРТ", Россия) по настоящее время реализован только регистрацией показаний акселерометра совместно с проведением ХМ. Также возможна регистрация нагрузки от устройств проведения функциональных проб (например, велоэргометра или тредмила), что представляет собой явное отражение внешнего физического воздействия.

Анализ данных КРГ, полученных как при контролируемом физическом воздействии функциональных проб, так и при собственной физической активности обследуемого человека сопряжён со значительными трудностями. Наличие большого числа переходных процессов в записи КРГ ведёт к тому, что применение существующих методов анализа ВСР (описанных в

разделе 1.3) невозможно или их применение ограничено квазистационарными участками КРГ. Для анализа контролируемых физических воздействий функциональных проб специалисты используют специальные методики и рекомендации (например, [32, 64]).

Анализ двигательной активности по данным акселерометра и динамики сердечного ритма по данным КРГ в настоящее время проводится визуально в форме совместных графиков от времени как самих данных КРГ, так и параметров двигательной активности человека. Пример подобного графика для совместного визуального анализа представлен на рисунке (Рисунок 19), на котором изображены как график динамики ЧСС, так и соответствующий ему по времени график колебания вектора ускорения, полученный при синхронной регистрации ЭКГ и показаний акселерометра.

Рисунок 19. Результаты мониторинга КРГ и двигательной активности (верхний график отображает динамику ЧСС, нижний график - колебания вектора ускорения акселерометра во времени). Реализовано в среде «KTResult 3» ( ЗАО «Инкарт», Россия) [61]

Важно отметить, что представление результатов мониторинга двигательной активности и КРГ в графической форме для визуального врачебного анализа позволяет только качественно сопоставить динамику ЧСС и динамику двигательной активности. Подобный качественный анализ, с одной стороны, увеличивает нагрузку на врача-специалиста, реализующего расшиф-

ровку и анализ ХМ, а с другой стороны - не предоставляет количественной информации о степени связи динамики сердечного ритма и выявленных аритмий.

Сведений об автоматических методах контроля влияния двигательной активности, выделяющих количественные показатели и количественные характеристики при совместном анализе динамики сердечного ритма, аритмий и двигательной активности, в настоящее время не было обнаружено. Сложившееся требование к повышению объективности анализа данных ХМ указывает на важность разработки подобных методов, которые, с одной стороны, автоматизируют процесс анализа, а с другой стороны - предоставляют количественную оценку связи анализируемых параметров длительного кардиомониторинга с двигательной активностью.

1.5 Постановка цели и задач исследования

Проведённый в предшествующем разделе анализ проблемы контроля влияния двигательной активности на данные длительного кардиомониторинга позволяет перейти к постановке цели и задач исследования.

В качестве цели работы рассматривается поиск решения медицинской проблемы - повышения объективности анализа результатов длительного кардиомониторинга. Предполагается, что данная проблема может быть решена техническими средствами - разработкой автоматизированных методов и алгоритмов, позволяющих количественно оценить связь между динамикой сердечного ритма, выделенными аритмиями и двигательной активностью. Формулируется цель работы: повышение объективности анализа результатов длительного кардиомониторинга разработкой автоматизированных методов и алгоритмов, позволяющих количественно оценить связь между динамикой сердечного ритма, выделенными аритмиями и двигательной активностью.

Для достижения цели необходимо решение ряда задач:

1. Анализ проблемы учёта влияния внешних физических воздействий и двигательной активности обследуемого человека на данные длительного кардиомониторинга - для выявления существующего уровня разработанности предмета исследований;

2. Разработка метода и алгоритмов автоматизированного обнаружения отклонений в сигнале вариабельности сердечного ритма под влиянием контролируемого физического воздействия - для анализа возможности автоматизированного обнаружения влияния контролируемого физического воздействия - постурального воздействия, которое можно рассматривать как имитацию двигательной активности;

3. Разработка метода и алгоритмов автоматизированного анализа влияния двигательной активности на динамику сердечного ритма и выделенные аритмии в ходе длительного кар-диомониторинга;

4. Практическая апробации разработанных методов и алгоритмов (п. 2) при обработке данных эксперимента по обнаружению влияния контролируемого физического воздействия на показатели вариабельности сердечного ритма;

5. Практическая апробации разработанных методов и алгоритмов (п.3) при обработке верифицированной базы данных длительного кардиомониторинга.

1.6 Выводы по первой главе

Проведён анализ возникновения и развития представлений о необходимости контроля состояния здоровья с учётом постоянного влияния различных внешних воздействий. Приведена историческая справка о формировании основных концепций и подходов к анализу состояния здоровья человека в контексте влияния внешних воздействий (раздел 1.1).

Проведён анализ способов оценки влияния внешних воздействий на сердечнососудистую систему (раздел 1.2). Выделена особая роль анализа динамики сердечного ритма как сигнала вариабельности сердечного ритма, чувствительного к изменению внешних по отношению к организму воздействий (раздел 1.2.1). Рассмотрена наиболее широко разработанная сфера анализа контролируемых воздействий на сердечно-сосудистую систему - функциональные пробы в кардиологии (раздел 1.2.2). Среди функциональных проб в кардиологии выделен особый вид функциональных проб - постуральное воздействие, обладающее рядом отличительных особенностей, которые делают его удобным для реализации в контролируемых условиях и позволяют рассматривать как имитацию двигательной активности обследуемого человека (раздел 1.2.3).

Рассмотрены наиболее широко распространённые методы анализа вариабельности сердечного ритма (раздел 1.3), чтобы впоследствии оценить их применимость к анализу данных длительного кардиомониторинга (раздел 1.4). Анализ применимости существующих методов контроля динамики сердечного ритма (сигнала вариабельности сердечного ритма по данным кардиоритмограмм) выявил их ограниченную применимость к анализу данных длительного кардиомониторинга. Результаты анализа наиболее современных программно-аппаратных комплексов длительного кардиомониторинга выявили существующий контроль влияния двигательной активности обследуемого человека как визуальный совместный анализ графиков динамики сердечного ритма и графиков изменчивости показаний акселерометра (раздел 1.4.2).

Существующий уровень анализа двигательной активности при длительном кардиомони-торинге выявил необходимость в разработке методов и алгоритмов, позволяющих автоматически количественно оценить связь между динамикой сердечного ритма, выявленными аритмиями и двигательной активностью, что было отражено в постановке цели и задач исследования (раздел 1.5).

2 РАЗРАБОТКА МЕТОДА И АЛГОРИТМОВ АВТОМАТИЗИРОВАННОГО ОБНАРУЖЕНИЯ ОТКЛОНЕНИЙ В СИГНАЛЕ ВАРИАБЕЛЬНОСТИ СЕРДЕЧНОГО РИТМА ПОД ВЛИЯНИЕМ КОНТРОЛИРУЕМОГО ФИЗИЧЕСКОГО ВОЗДЕЙСТВИЯ

2.1 Исследование методов автоматизации анализа сигнала вариабельности сердечного ритма для обнаружения влияния контролируемого физического воздействия

2.1.1 Поиск подходов к анализу нестационарных записей кардиоритмограмм и обнаружению влияния контролируемых физических воздействий

Для исследования влияния внешних воздействий на характер сигнала ВСР по данным КРГ необходимо обеспечить возможность сопоставления динамики сердечного ритма и динамики параметров контролируемых внешних факторов во временной области. Анализ динамики сердечного ритма во временной области реализуется при применении статистического и временного методов анализа сердечного ритма (раздел 1.3.2) при рассмотрении самой динамики сердечного ритма как меняющегося во времени сигнала (сигнала ВСР) согласно представленной классификации методов анализа ВСР по данным КРГ (раздел 1.3.1). Основными параметрами динамики сердечного ритма, и, в то же время, общими параметрами для методов статистического и временного анализа сердечного ритма, являются: оценка математического ожидания М, вычисляемая как среднее значение всех ЯЯ-интервалов в сегменте записи КРГ, и оценка стандартного отклонения о, вычисляемая на том же сегменте ЯЯ-интервалов. Существующий анализ динамики сердечного ритма по записи КРГ осуществляется последовательным анализом составляющих запись сегментов, при условии исключения сегментов, содержащих переходные процессы. Для анализа ХМ во временной области применяется разделение записи КРГ на сегменты длительностью порядка пяти минут [54], исключение из анализа сегментов записи переходных процессов и последующий анализ математического ожидания и стандартного отклонения на каждом из выделенных сегментов. Таким образом, в рамках классического статистического подхода динамика сердечного ритма исследуется как цепь или ряд состояний, описываемых последовательностью математических ожиданий и стандартных отклонений каждого рассматриваемого сегмента записи КРГ.

В главе 1 было отмечено, что динамика сердечного ритма отражает регуляцию не только ССС, но и целостного организма (раздел 1.2.1): сердечный ритм находится в постоянном изменении. Динамика сердечного ритма отражает решение текущих приспособительных задач организма человека [31], что позволяет рассматривать обнаруживаемые тенденции изменения значений ЯЯ-интервалов как элементарное отображение изменения регуляторных процессов в организме. Такой подход позволяет исследовать данные КРГ как некоторый сигнал ВСР, несу-

щий информацию о процессе регуляции. Динамика сердечного ритма может рассматриваться как последовательность смены ФС, которые следует искать посредством анализа текущей записи КРГ. Чтобы избежать возможной потери информации о переходных процессах, анализ записи КРГ целесообразно осуществлять в некотором смещаемом (скользящем) окне определённой величины, перемещающемся от одного значения ЯЯ-интервала к следующему. Возникающее перекрытие окон анализа (в виде последовательности сегментов КРГ) на один ЯЯ-интервал может быть описано математическим методом скользящего окна. Метод скользящего окна подразумевает многократный расчёт характеристик исследуемого ряда в окне заданной размерности, которое смещается по ходу регистрации сигнала. Например, для временного ряда - в окне заданной длительности. Распространённая реализация метода скользящего окна - это метод скользящего среднего. Традиционно метод скользящего среднего используется для выявления тенденций в рассматриваемом сигнале и снижения влияния на сигнал случайных явлений [65].

Применение метода скользящего окна для обнаружения переходных процессов смены ФС становится возможным потому, что переходные процессы и оценки их статистических характеристик не рассматриваются отдельно в виде отдельного сегмента записи КРГ. Переходные процессы последовательно анализируется в составе скользящего окна по мере его перемещения по записи КРГ, и рассматриваются наряду с аналогичными характеристиками предыдущего и последующего скользящих окон по отношению к текущему окну анализа. Таким образом, рассматриваемый подход к анализу данных КРГ позволяет отразить динамику последовательности состояний, исследуемой в рамках временного и статистического подходов к анализу динамики ВСР.

В качестве технологии выделения моментов смены ФС организма по результатам анализа ВСР предлагается использовать известный из теории цифровой обработки сигналов в условиях нестационарных помех механизм построения автоматически подстраивающихся под сигнал (адаптивных) границ порога принятия решения. Данный подход традиционно применяется для решения задач адаптивной обработки сигналов в системах радиолокации и радиосвязи.

Выдвигается предположение, что представленную технологию, основанную на принципах адаптивной обработки сигналов, можно использовать для формирования меняющихся порогов обнаружителя, заданного системой неравенств (15).

I =

^ \АУ; > УиТ] (А, I)

{АУ} < УЬТ} (А, г) , (15)

о уьтз (А, г) < АУ} < уит}. (А, г)

\ciassEI \сог(АУ[а Ь],Е1[аЬ])\ ^ 1

Ъ = I , (16)

I С^08 \сог(АУ[а,ьрЕ1[аЯ)\ ^ 0'

где AVj - (analyzed value) текущее значение j-того RR-интервала или мгновенной ЧСС; VUTj и VLTj - меняющиеся верхний и нижний пороги обнаружения (varying upper threshold и varying lower threshold) отклонения ВСР соответственно, рассчитанные для AVj, как функции от окна фиксированной размерности Z RR-интервалов, предшествующих текущему значению j; Z - параметр размерности скользящего окна в RR-интервалах, участвующих в формировании меняющихся верхних и нижних порогов обнаружения; A - параметр чувствительности обнаружения, участвующий в формировании меняющихся верхних и нижних порогов обнаружения; classEI - (class of external influences) отклонения сигнала ВСР, связанные с контролируемым внешним воздействием; classOS - (class of other sources) отклонения сигнала ВСР, не связанные с контролируемым внешним воздействием; AV[a,b] и EI[ab] - значения анализируемой величины (AV) и внешнего воздействия (EI - external influence) на отрезке [a,b], где a - начальный индекс рассматриваемого сегмента, b - конечный индекс рассматриваемого сегмента. Величины AV[a, b] и EI[abb] используются для расчета коэффициента корреляции, по величине которого I2 (то есть AVj обнаруженное на предыдущем этапе Ii (15)) будет отнесено к одному из классов classEI или classOS на этапе (16).

Достаточно быстрое изменение параметров сигнала ВСР, вызванное некоторыми внешними или внутренними причинами функционирования организма, будет приводить к выходу за пределы сформированных границ, отражающих интегральную характеристику ФС, связанную с воздействием внешнего или внутреннего фактора. Таким образом, будут обнаруживаться переходные процессы как процессы перехода от одного ФС к другому. После обнаружения отклонений сигнала ВСР (15) необходимо установить их природу, то есть причины, вызвавшие отклонения сигнала КРГ за пределы построенных границ. В самом широком смысле отклонения сигнала ВСР могут являться реакцией на контролируемое внешнее воздействие, реакцией на неконтролируемые внешние воздействия, признаком аритмии (наличие которой необходимо уточить по данным ЭКГ) или отражением некоторых неучтённых процессов гомеостаза. В интересах исследования влияния внешних факторов предлагается глобальное разделение всего множества отклонений сигнала ВСР I2 на два класса: реакции на действие контролируемого внешнего фактора classEI и отклонения сигнала ВСР classOS, не связанные с данным контролируемым внешним воздействием согласно выражению (16). Разделение отклонений сигнала ВСР, как быстрых изменений показателей ВСР относительного их предшествующей динамики, на два класса (classEI и classOS) возможно реализовать в зависимости от наличия или отсутствия корреляционной связи между данными КРГ на некоторой предшествующей обнаруженному отклонению окрестности последовательного ряда измеренных RR-интервалов относительно обнаруженного отклонения сигнала ВСР по данным КРГ и соответствующим отклонением параметра, отражающего влияние контролируемого воздействия.

Вследствие того, что для большинства записей КРГ и сегментов записей КРГ не выполняется требование соответствия распределения данных в сегменте нормальному закону распределения, в качестве метода исследования корреляционной связи рассматривается метод нахождения коэффициента корреляции Спирмена, как один из наиболее распространённых методов исследования корреляционной связи (например, [66]).

2.1.2 Обоснование выбора подходов адаптивной обработки сигналов

Анализ современных методов анализа ВСР и выделения реакций ССС по данным КРГ, представленный в первой главе настоящей работы (раздел 1.3, раздел 1.4), выявил их следующие основные недостатки, которые представляется возможным устранить путём применения методов адаптивной обработки сигналов:

- требования к стационарности участков анализа ввиду традиционного использования стационарных методов обработки данных, которые являются серьезным препятствием для проведения автоматического анализа всей записи КРГ, а также практически исключают из автоматического анализа переходные процессы, содержащие информацию о реакции ССС на то или иное воздействие;

- фактически анализ переходных процессов по данным КРГ осуществляется вручную врачом-диагностом. Результаты анализа находятся в сильной зависимости не только от опыта и компетенции врача, но и от так называемого «человеческого фактора» как фактора увеличения числа ошибок обнаружения и снижения вероятности правильной оценки реакции ССС на внешнее воздействие вследствие субъективного взгляда и уровня подготовленности специалиста, осуществляющего анализ записей КРГ. Обнаружение влияния контролируемых внешних воздействий на показатели ВСР человека остаётся сложной задачей, так как в большинстве случаев в ходе измерений трудно учесть неизвестный набор действующих факторов внешней среды. Иначе говоря, современный мониторинг физиологических параметров в большинстве случаев осуществляется без проведения мониторинга воздействий и факторов внешней среды. Средствами ХМ состояние человека и его ССС рассматривается в отрыве от «контекста» влияния внешних воздействий, и обнаруженные отклонения сигнала ВСР рассматриваются «по умолчанию» как признаки аномалий сердечного ритма, несмотря на то, что они могут быть естественными реакциями организма на внешнее воздействие.

Таким образом, для преодоления перечисленных выше проблем необходима не только организация совместного мониторинга физиологических показателей и параметров контролируемых внешних воздействий, но и разработка специального метода анализа данных монито-

ринга физиологических показателей, учитывающего нестационарный характер изменения физиологических сигналов, и сигнала ВСР в частности.

В качестве перспективных подходов к преодолению проблемы автоматизированного (приборного) обнаружения реакций ССС на внешние воздействия по данным КРГ рассматриваются методы и устройства адаптивной обработки сигналов. Применение известных методов адаптивной обработки сигналов к выделению выраженных реакций ССС по данным КРГ позволяет сформировать оригинальный метод выделения отклонений сигнала ВСР с использованием адаптивных (меняющихся) порогов (иначе - границ) обнаружения.

Известны следующие свойства адаптивных систем как класса [67]:

1. Адаптивные системы обладают свойством адаптироваться (самооптимизироваться) при изменении (нестационарном) условий окружающей среды и требований к системе [67];

2. Адаптивные системы могут обучаться для осуществления заданного режима фильтрации и выполнения задачи принятия решения (обнаружения реакций). Системы с указанными свойствами можно автоматически синтезировать через обучение. Адаптивные системы можно в некотором смысле «запрограммировать» процессом обучения [67];

3. Адаптивные системы не требуют тщательно разработанных методов синтеза, обычно необходимых для неадаптивных систем. Наоборот, их можно считать «самоорганизующимися» [67];

4. Адаптивные системы могут экстраполировать модель поведения для функционирования в новых условиях после обучения на конечном и часто небольшом числе сигналов или ситуаций [67];

5. Адаптивные системы могут в некоторой степени восстанавливаться, то есть адаптироваться к определённым внутренним дефектам [67];

6. Адаптивные системы можно рассматривать как нелинейные системы с изменяющимися во времени параметрами [67];

7. Адаптивные системы сложнее анализировать, чем неадаптивные системы, но они позволяют значительно увеличить область функционирования системы, когда параметры входного сигнала неизвестны или изменяются во времени [67].

При этом считается, что адаптивная система может обладать некоторыми или всеми перечисленными свойствами адаптивных систем [67]. Реализация метода обнаружения реакций ССС по данным обработки КРГ, обладающего свойствами адаптивных систем, должна позволить проводить автоматический анализ всей записи КРГ, включая нестационарные участки записи, которые исключаются из автоматического анализа статистических характеристик записи при существующем статистическом анализе КРГ.

2.1.3 Формирование требований к разрабатываемым методу и алгоритмам автоматизированного обнаружения

С учётом свойств адаптивных систем (раздел 2.1.2) к разработке методов и алгоритмов автоматического обнаружения влияния внешних факторов на показатели ВСР предъявляются следующие требования:

1. Техническое средство обнаружения должно формировать меняющиеся пороги (верхний УиТ и нижний УЬТ, рассмотренные в системе неравенств (15)) по результатам расчёта оценок математического ожидания и дисперсии в окне заданной размерности

2. Размерность скользящего окна выбирается в исследовательских целях, и может быть определена в ходе эксперимента. В общем случае выделяется два подхода к расчёту величины скользящего окна. Согласно первому подходу размерность окна рассчитывается в результате оценки максимума автокорреляционной функции параметров внешнего воздействия для обеспечения обнаружения реакции по данным КРГ на рассматриваемое внешнее воздействие. Согласно второму подходу размерность скользящего окна рассчитывается по данным мониторинга параметров контролируемого воздействия и числу ЯЯ-интервалов записи КРГ, соответствующих периоду влияния контролируемого воздействия;

3. Возможно обнаружение влияния только контролируемых внешних воздействий, неизвестные воздействия или факторы, для параметров которых невозможна регистрация техническими средствами, являются неконтролируемыми. Таким образом, необходимо минимизировать влияние неконтролируемых воздействий и обеспечить контроль изменения параметров воздействий техническими средствами регистрации и синхронизировать с данными КРГ по времени;

4. Необходимо учитывать возможность взаимного влияния контролируемых воздействий, желательно, чтобы рассматриваемые воздействия были независимы. Оптимальным для наблюдения является единственный вид воздействия по отношению к постоянно действующими факторам, влияние которых минимизировано;

5. Принятие решения об автоматическом обнаружении отклонения сигнала ВСР проводится в результате сравнения выработанных меняющихся порогов обнаружения и текущих значений ЯЯ-интервалов по факту их пересечения (15);

6. Принятие решения об автоматическом обнаружении влияния внешнего воздействия на показатели ВСР проводится в результате сравнения величины коэффициента корреляции (между окрестностями относительно ранее обнаруженного отклонения сиг-

нала ВСР и соответствующей окрестностью действующего фактора) с заданным порогом принятия решения Р.

2.2 Разработка модели адаптивного обнаружителя отклонений сигнала вариабельности сердечного ритма под влиянием контролируемого физического воздействия

2.2.1 Применение адаптивных свойств обнаружителей цифровых сигналов в разработке обнаружителя отклонений сигнала вариабельности сердечного ритма

Проблеме поиска и обнаружения полезных сигналов посвящена фундаментальная теория обнаружения сигналов [68], которая разрабатывает теоретические и прикладные аспекты выявления искомых сигналов в условиях различной степени определённости их параметров. Как правило, задача обнаружения сигнала предполагает частичное отсутствие информации о параметрах исследуемого сигнала. Для решения подобной задачи необходимо применение подходов, которые позволяли бы обнаружителю сигнала приспосабливаться к изменяющемуся характеру исследуемого сигнала, параметры которого неизвестны и могут меняться с течением времени. Для обеспечения гибкости функционирования обнаружителя сигнала, под которым подразумевается техническое средство обнаружения неизвестного сигнала, применяются подходы адаптивной обработки сигналов.

Среди возможных реализаций обнаружителей радиосигналов наибольшее распространение получили энергетические обнаружители, основанные на применении алгоритма энергетического обнаружения Прайса-Урковица [69, 70], благодаря относительной простоте их технической реализации, а также эффективности при использовании на станциях радиотехнической разведки для обнаружения неизвестных сигналов, включая и детерминированные сигналы с псевдослучайной перестройкой рабочей частоты [71].

Существующее многообразие энергетических обнаружителей разделяют на два класса

[71]:

- Одноканальные широкополосные обнаружители, параметры которых в некоторой степени согласованы с передаваемым сообщением по ширине полосы частот и по времени передачи сообщения;

- Многоканальные обнаружители, в которых полоса пропускания и время интегрирования каждого узкополосного канала в некоторой степени согласованы с полосой частот и длительностью частотного элемента (скачка частоты) сигнала с псевдослучайной перестройкой рабочей частоты [71].

Каждому из рассмотренных классов соответствует метод обнаружения неизвестного сигнала с псевдослучайной перестройкой рабочей частоты, особенности данных методов проиллюстрированы на рисунке (Рисунок 20).

Согласно методу одноканального широкополосного обнаружения (Рисунок 20, а), накопление энергии (интегрирование) сигнала проводится по всему рабочему диапазону частот Ж=Жз и в течение всего времени передачи сообщения ТИ=ТМ, где ТИ - время интегрирования, ТМ - время передачи сообщения, Жз - рабочий диапазон частот станции радиотехнической разведки, Ж - диапазон частот исследуемого сигнала [71]. Для метода многоканального энергетического обнаружителя (Рисунок 20, б) характерно накопление энергии частотных элементов по полосе частот Гз в течение времени, равного длительности скачка частоты ТИ= Тн, где Гз - ширина полосы частот информационного символа, Тн - длительность скачка частоты (время работы на одной частоте). Метод многоканального энергетического обнаружения предполагает использование отдельных каналов для каждой из возможных частот сигнала с псевдослучайной перестройкой частоты. Для уменьшения числа каналов и обеспечения простоты реализации многоканального обнаружителя применяются различные структурные схемы. Основное различие между структурными схемами многоканальных обнаружителей заключается в процессе принятия решения, который позволяет преобразовать данные об обнаружении отдельных частотных элементов сигнала в решение о передаче сообщения [71].

Для иллюстрации аналогии, выявленной в ходе настоящего исследования, между процессом обнаружения радиосигнала и процессом обнаружения влияния внешних воздействий на показатели ВСР человека рассмотрим два характерных вида обнаружителей радиосигналов: широкополосный (одноканальный) и многоканальный энергетические обнаружители.

а) б)

Рисунок 20. Иллюстрация особенностей методов обнаружения сигналов с псевдослучайной перестройкой рабочей частоты (а - одноконального широкополосного обнаружителя, б -

многоконального обнаружителя) [71 ]

Широкополосный энергетический обнаружитель. Структурная схема широкополосного (одноканального) энергетического обнаружителя представлена на рисунке (Рисунок 21).

У2© О Т Н Н ¿1

х(1) Полосовой фильтр У© (■)2 Устройство

С 0 1 сравнения ¿0

> Порог ъ0 к

Рисунок 21. Структурная схема широкополосного (одноканального) энергетического

обнаружителя [71]

Обозначения на схеме: х^) - входной сигнал, у(1) - сигнал, прошедший фильтрацию, у - детектированный сигнал, 2 - результат интегрирования, 20 - устанавливаемый внешне порог сравнения.

Структурная схема широкополосного энергетического обнаружителя (Рисунок 21) содержит широкополосный полосовой фильтр со средней частотой £ и полосой пропускания ШЗ,

квадратичный детектор (-)2, интегратор (Т ) и устройство сравнения с порогом.

Со 1

Структурная схема широкополосного энергетического обнаружителя позволяет установить аналогию между процессом обнаружения сигнала и процессом обнаружения влияния внешнего воздействия на показатели ВСР человека. Обнаруженную аналогию можно проиллюстрировать следующей таблицей (Таблица 8).

Представленная таблица (Таблица 8) выявляет сходство между процессами обнаружения сигнала и процессом обнаружения отклонений сигнала ВСР, которые могут являться признаками влияния внешних воздействий и связь которых с контролируемым воздействием требует дальнейшего уточнения. При этом выделяются адаптивные свойства процесса обнаружения влияния внешних воздействий на показатели ВСР человека, выраженные в том, что сами пороги обнаружения не задаются извне, а являются результатом ретроспективной математической обработки последовательности ЯЯ-интервалов в составе данных КРГ.

Таблица 8. Сравнительный анализ процессов обнаружения сигнала и обнаружения влияния

внешнего воздействия на показатели ВСР человека

Рассматриваемые процессы Процесс обнаружения широкополосного энергетического обнаружителя Процесс обнаружения влияния внешнего воздействия на показатели ВСР человека

Объект анализа Рассматриваемый сигнал х(^ Сигнал ВСР, как последовательность ЯЯ-интервалов КРГ

Операция преобразования Полосовой фильтр - выделение в сигнале определенного частотного диапазона Операция взятия скользящего окна - выделение диапазона, соответствующего влиянию внешнего воздействия

Результат преобразования У^) - сигнал, прошедший фильтрацию с полосой пропускания (шириной диапазона) Ws Последовательность скользящих окон, содержащих число Ъ ЯЯ-интервалов и перекрывающихся на один ЯЯ-интервал

Математическая обработка результатов преобразования Детектор и интегратор - математическая обработка сигнала у^) Нахождение показателей ВСР (оценок математического ожидания и СКО) для каждого скользящего окна

Результат математической обработки результатов преобразования Результат математической обработки сигнала уО) - параметр z Результат математической обработки скользящих окон - последовательность верхних порогов обнаружения УиТ (¡,А,1), где А - параметр величины порогов обнаружения

Объект сравнения с результатом математической обработки z0 - задаваемый внешне порог сравнения Последовательность ЯЯ-интервалов следующих после каждого соответствующего скользящего окна

Процесс сравнения Сравнение z с верхним порогом обнаружения z0 Сравнение АУ1 с УиТ]

Результат сравнения z>zo Ау > УЩ

Интерпретация результата сравнения Результат: ё1 - наличие радиосигнала Результат: 11=1 - наличие отклонения сигнала ВСР, которое может быть признаком влияния внешнего воздействия, требуется обнаружение связи межу ним и внешним воздействием

Многоканальный энергетический обнаружитель. Обобщённая структурная схема многоканального обнаружителя, в котором каждый канал имеет полосу частот Жз/К и является смежным каналом по отношению к соседним каналам, представлена на следующем рисунке (Рисунок 22).

Рисунок 22. Обобщённая структурная схема многоканального обнаружителя [71]

Таким образом, многоканальный энергетический обнаружитель является комбинацией одноканальных энергетических обнаружителей, работающих параллельно в отведённой каждому из них полосе частот. Рассмотренная аналогия (Таблица 8) может быть расширена: для реализации сравнения не только с верхним порогом обнаружения, но и с нижним порогом обнаружения потребуется второй канал. Следовательно, для обнаружения влияния контролируемого внешнего воздействия необходимо использование двух каналов обнаружения для сравнения с верхним и нижним порогами обнаружения. Для обнаружения влияния нескольких действующих воздействий, обнаружитель влияния внешних воздействий на показатели ВСР человека должен содержать число пар каналов, равное числу контролируемых воздействий, влияние которых необходимо установить.

2.2.2 Разработка модели адаптивного обнаружителя отклонений сигнала вариабельности сердечного ритма

Применение методов адаптивной обработки для обнаружения сигналов позволяет выделять отклонения анализируемого сигнала при наличии частичной информации о параметрах анализируемого сигнала. При рассмотрении сигнала ВСР в качестве анализируемого сигнала задача обнаружения влияния внешнего воздействия в виде характерной реакции ССС на воздействие значительно упрощается, так как сам вид сигнала ВСР известен в результате расчёта интервалов между соседними сокращениями сердца (ЯЯ-интервалов). При классическом анализе КРГ, представленном системой неравенств (17), сами пороги обнаружения являются постоянными величинами.

íAVj > CUT(А)

А = Г {AVj < CLT(А) , (17)

0 CUT{A) < AV < CLT(А)

CUT(A) = M + A a, CLT(A) =M - A a, (18)

где А - результат обнаружения с постоянными порогами (1 - обнаружение, 0 - отсутствие обнаружения); AVj - анализируемая величина с индексом j (значение RR-интервала или мгновенное значение ЧСС); CUT - величина постоянного верхнего порога обнаружения (constant upper threshold); CLT - величина постоянного нижнего порога обнаружения (constant lower threshold), в данном примере представлен вариант, когда постоянные пороги выбираются в зависимости от среднего значения на сегменте записи КРГ M и стандартного отклонения на сегменте о согласно формулам (18) и потому постоянные пороги обозначены как зависящие от величины параметра A, определяющего их ширину: CUT(A) и CLT(A).

Например, для ЧСС, являющейся величиной, связанной с RR-интервалами преобразованием по формуле (2), существуют классические медицинские пороги, рассчитанные для различных половозрастных групп [54] и являющиеся усреднёнными значениями для популяций. Для обнаружения же влияния внешних факторов на конкретного человека в условиях его жизнедеятельности необходим расчёт меняющихся порогов обнаружения (15), выработанных на основании ретроспективной оценки динамики сердечного ритма и связанных с параметрами контролируемого воздействия, что может быть реализовано применением подходов адаптивной обработки сигналов.

Для разработки модели обнаружителя реакций ССС на контролируемое воздействие с меняющимися порогами обнаружения согласно системе неравенств (15) особенно важны следующие свойства адаптивных систем как систем адаптивной обработки сигналов [67]: «самооптимизация» при нестационарном изменении окружающей среды, автоматический синтез обнаружителя через обучение, самоорганизация обнаружения в процессе деятельности обнаружителя, рассмотренные ранее (раздел 2.1.2).

В качестве иллюстрации подходов адаптивной обработки сигналов к обнаружению влияния внешних факторов на показатели вариабельности сердечного ритма проводится исследование принципов функционирования адаптивного обнаружителя для решения классической задачи обнаружения полезного цифрового сигнала на фоне нестационарной аддитивной помехи (Рисунок 23) [72]. Подобные обнаружители широко используются в системах радиолокации и связи. Применительно к обнаружению отклонений сигнала ВСР, связанных с параметрами контролируемого воздействия, под «помехой» понимается сигнал ВСР, не связанный с контроли-

руемым воздействием, вызывающим реакцию ССС в виде обнаруживаемых отклонений сигнала ВСР.

В рассматриваемом обнаружителе, представленном на рисунке (Рисунок 23), отсчёты анализируемого сигнала Х(к) фиксируются в ячейках оперативного запоминающего устройства с индексами к, где (к=1...К). Далее, начиная с некоторого отсчёта Х(п), по ряду предшествующих отсчётов (с первого отсчёта по Ы-1-ый отсчёт) вычисляется среднее значение (как оценка математического ожидания М) и среднеквадратическое отклонение (о), которые называются оценочным средним тП и оценочным среднеквадратическим отклонением (СКО) оП соответственно. После чего величина Х(п) нормируется вычитанием оценочного среднего тП и делением на оценочное СКО оП [72]. Подобная обработка проводится для каждого последующего Х(п+1) отсчёта по соответствующему ему ряду предшествующих значений со смещением на один шаг до момента достижения последнего отсчёта анализируемого сигнала Х(К), что является реализацией расчётов в скользящем окне размерностью в N отсчётов. Полученные отсчёты нормированной статистики ХН(п) сравниваются с фиксированным порогом у с помощью специального порогового устройства (ПУ). Величина порога у обеспечивает требуемое значение вероятности ложной тревоги Рр [72], нахождение в рамках которой контролируется по значению g(k) на выходе ПУ после выполнения каждого цикла расчётов в скользящем окне размерностью в N отсчётов.

Рисунок 23. Функциональная схема прототипа адаптивного обнаружителя сигнала [72]

Адаптивность рассмотренного обнаружителя проявляется в том, что при постоянной величине порога обнаружения у сравниваемые с порогом отсчёты нормированной статистики Хн(п) автоматически настраиваются соответственно изменению характера сигнала с течением времени, а также характеризуют изменение его статистических параметров с течением времени.

В системах радиолокации и связи объектом обнаружения является информативный сигнал на фоне аддитивной помехи. Применительно к задаче обнаружения влияния контролируемых воздействий на показатели ВСР человека объектом обнаружения являются отклонения сигнала ВСР, связанные с изменением параметров внешнего воздействия. Отклонения сигнала ВСР рассматриваются как эпизоды изменения динамики сердечного ритма относительно оценки уровня предшествующей динамики, задаваемой меняющимся порогом обнаружения.

Применение метода аналогии к обнаружителям сигнала в системах радиолокации и связи (на основе методов адаптивной обработки сигналов) даёт возможность выбрать прототип (Рисунок 23) адаптивного обнаружителя и предложить схему модификации прототипа обнаружителя (Рисунок 24) в интересах решения задачи исследования - выявления влияния внешнего воздействия на показатели ВСР человека (как реакции ССС на внешние воздействие по данным КРГ). Разработанный обнаружитель позволяет выявлять отклонения сигнала ВСР, которые могут быть связаны с влиянием внешнего фактора, что требует уточнения на следующем этапе обнаружения влияния внешнего воздействия на показатели ВСР человека.

Разработанный прототип представлен на рисунке (Рисунок 24) и направлен на обнаружение отклонений сигнала ВСР путём сравнения значений ЯЯ-интервалов с меняющимся верхним порогом обнаружения.

Рисунок 24. Функциональная схема (одноканального) адаптивного обнаружителя отклонений сигнала ВСР при сравнении с меняющимся верхним порогом обнаружения

Представленный на рисунке (Рисунок 24) обнаружитель обеспечивает обнаружение отклонений сигнала ВСР по принципу сравнения значений ЯЯ-интервалов с меняющимся верхним порогом обнаружения. Значения ЯЯ-интервалов по данным КРГ фиксируются в ячейках оперативного запоминающего устройства с индексами т, где (т=1 ...М). Далее, начиная с неко-

торого отсчёта RR(n) по ряду предшествующих отсчётов (с первого отсчёта по п-ый отсчёт), вычисляются оценочные значения среднего значения (как оценки математического ожидания M) и среднеквадратического отклонения (о). Значение M суммируется со значением о, умноженным на некоторый коэффициент чувствительности A, что образует верхний порог обнаружения VUT. С верхним порогом обнаружения в ПУ сравнивается RR(n+1) интервал, превышение порога VUT означает факт обнаружения отклонения сигнала ВСР по признаку превышения верхнего порога (1=1). После чего производится смещение анализируемого ряда на один шаг согласно методу скользящего окна, расчёт оценок статистических параметров M и о для смещённого ряда, вычисление нового значения порога VUT и сравнение с ним следующего значения ЯЯ-интервала. Подобный подход позволяет сформировать меняющийся порог обнаружения VUT и обеспечивает возможность сравнения с ним каждого последующего ЯЯ-интервала, что является реализацией метода адаптивной обработки сигналов.

Поскольку отклонения сигнала ВСР могут характеризоваться как быстро нарастающим, так и быстро спадающим градиентом уровня изменения сигнала ВСР, то для корректного контроля влияния внешнего воздействия необходимо разработать двухуровневую систему обнаружения с верхним (как описано выше) и нижним порогами обнаружения. Для схемы с нижним порогом должно проводиться сравнение ЯЯ-интервалов с меняющимся нижним порогом обнаружения, для которого порог обнаружения VLT будет представлять собой разность оценок математического ожидания (M) и СКО (о), умноженного на некоторый коэффициент чувствительности A, и фактом обнаружения отклонения сигнала ВСР (1=1) будет отсутствие превышения нижнего порога обнаружения. Таким образом, для обнаружения отклонений сигнала ВСР значения ЯЯ-интервалов должны быть сопоставлены с меняющимися верхним VUT и нижним VLT порогами обнаружения. Каждый из обнаружителей, реализующих сравнение с верхним или с нижним порогом обнаружения, является аналогом широкополосного (одноканального) энергетического обнаружителя (Рисунок 21). Для обеспечения одновременного сравнения с верхним и нижним порогом обнаружения необходимо их объединение в многоканальный обнаружитель по аналогии с многоканальным энергетическим обнаружителем (Рисунок 22). Таким образом, одноканальный обнаружитель (Рисунок 24) может быть усовершенствован для обеспечения многоканального обнаружения: двухканального обнаружения в случае одновременного сравнения с верхним и нижним порогами обнаружения. Второй усовершенствованный обнаружитель представлен на рисунке (Рисунок 25) и содержит два канала обнаружения, осуществляющих сравнение текущих значений ЯЯ-интервалов как с верхним, так и с нижним порогами обнаружения.

Представленный на рисунке (Рисунок 25) прототип обнаружителя обеспечивает обнаружение отклонений сигнала ВСР по принципу сравнения значений ЯЯ-интервалов с меняющи-

мися верхним и нижним порогами обнаружения. Значения ЯЯ-интервалов по данным КРГ фиксируются в ячейках оперативного запоминающего устройства с индексами т, где (т=1 ...М). Далее, начиная с некоторого отсчёта ЕЯ(п) по ряду предшествующих отсчётов (с первого отсчёта по п-ый отсчёт), вычисляются оценочные значения среднего значения (как оценки математического ожидания М) и среднеквадратического отклонения (с). Значение М суммируется со значением о, умноженным на некоторый коэффициент чувствительности А, что образует верхний порог обнаружения УиТ. С верхним порогом обнаружения в ПУ 1 сравнивается величина ЕЯ(п+1) интервала, превышение порога УиТ означает факт обнаружения отклонения сигнала ВСР по превышению верхнего порога (1=1). После чего производится смещение анализируемого ряда на один шаг согласно методу скользящего окна, расчёт статистических оценок параметров М и о для смещённого ряда, вычисление нового значения порога УиТ и сравнение с ним следующего значения ЯЯ-интервала. Одновременно с тем в ПУ 2 с нижним порогом обнаружения сравнивается величина ЕЯ(п+1) интервала, отсутствие превышения порога

К ш означает факт обнаружения отклонения сигнала ВСР по признаку отсутствия превышения нижнего порога (1=1). Подобное решение формирует меняющиеся пороги обнаружения УиТ и УЬТ, а также возможность сравнения с ними каждого последующего ЯЯ-интервала.

Рисунок 25. Функциональная схема прототипа (двухканального) адаптивного обнаружителя отклонений сигнала ВСР при сравнении с меняющимися верхним и нижним порогами обнаружения

В качестве проявления влияния внешнего воздействия на показатели ВСР человека рассматриваются быстрые изменения динамики сердечного ритма, которые обнаруживаются как отклонения сигнала ВСР, характер изменения которых значительно отличается от предшествующей динамики сигнала ВСР. Отклонениями сигнала ВСР считаются значения ЯЯ-интервалов выше верхнего порога обнаружения VUT или ниже нижнего порога обнаружения VLT отклонений сигнала ВСР. Сами верхние и нижние пороги обнаружения вычисляются на основании статистических оценок предшествующей динамики ЯЯ-интервалов в скользящем окне. На следующем этапе обнаружения необходимо установить связь ранее обнаруженных отклонений сигнала ВСР с контролируемым внешним воздействием. Делается предположение, что отклонения сигнала ВСР, имеющие выраженную корреляционную связь с параметрами контролируемого воздействия, могут считаться отражением влияния данного контролируемого воздействия на показатели ВСР человека.

Величины меняющихся порогов обнаружения зависят от величины коэффициента чувствительности A и величины скользящего окна Z (в рассматриваемых реализациях обнаружителей определяются размерностью в отсчётах: от 1 до N-1 для адаптивного обнаружителя сигнала и от 1 до п для прототипа обнаружителя отклонений сигнала ВСР). Таким образом, режим работы обнаружителей отклонений сигнала ВСР может быть задан двумя параметрами Z и A.

2.2.3 Математическая модель адаптивного обнаружителя отклонений сигнала вариабельности

сердечного ритма под влиянием контролируемого физического воздействия

Обнаружение отклонений сигнала ВСР позволяет установить ряд значений ЯЯ-интервалов, потенциально связанных с влиянием внешнего воздействия. Для установления связи между обнаруженными отклонениями сигнала ВСР и изменением параметров контролируемого воздействия необходимо установление корреляционной связи между рядом параметров ВСР и рядом параметров контролируемого воздействия. Таким образом, процесс обнаружения влияния внешнего воздействия на показатели ВСР можно представить последовательностью двух этапов:

1. Обнаружение отклонений сигнала ВСР;

2. Идентификация обнаруженных отклонений сигнала ВСР.

Каждый из указанных этапов вносит вклад в формирование математической модели адаптивного обнаружителя влияния внешнего воздействия, основанного на системах неравенств (15) и (16), рассмотренных ранее (раздел 1.5) и найденной аналогии с адаптивным обнаружителем сигнала (раздел 2.2.2). Выявленная аналогия позволила сформировать способ построения меняющихся порогов обнаружения, использующий ретроспективную оценку предше-

ствующей (для каждого анализируемого ЯЯ-интервала) динамики параметров сигнала ВСР в скользящем окне.

Обнаружение отклонений сигнала ВСР

Разработанная модель обнаружителя отклонений сигнала ВСР (Рисунок 25) находит отражение в сформированной математической модели. Математическая модель обнаружителя отклонений сигнала ВСР представлена в аналитической форме записи в виде системы неравенств (19), дополненной формулами расчёта меняющихся порогов обнаружения и их компонент (20), (21), (22), (23):

I =

1 |АГ] > гит] (А,г) [АУ} < УЬТ] (А, г)

о уьт] (А,г) < АУ}. < уит] (А, г) 1 ■/'-1

ыи, г) = - • £ ЛУ(г) ,

г 1=]-г

г) =

1 ^

- • £(ау (о - ы и, г))

уит1 (А, г) = ы (], г) + А • &(], г)

(19)

(20)

(21) (22)

УЬТ; (А, г) = ы(], г) - А • а(], г)

(23)

<

где ] - номер текущего анализируемого значения ЛУ (для примера - ЯЯ-интервала), для которого осуществляется вычисление;

г - порядковый номер ЯЯ-интервала от начала скользящего окна; 2 - число ЯЯ-интервалов, входящих в скользящее окно;

АУО) - ЯЯ-интервал записи, для которого проверяется факт превышения порогов: превышение одного из порогов означает, что отклонение сигнала ВСР I на записи КРГ зафиксировано (1=1), в обратном случае ЯЯ-интервал пребывает между верхним и нижним порогами включительно (1=0);

М(],2) - оценка математического ожидания (МО) в скользящем окне; <у(],2) - оценка среднеквадратического отклонения (СКО) в скользящем окне; АУ(г) - каждый из последовательности ЯЯ-интервалов в рассматриваемой записи КРГ; А - эмпирически подбираемый коэффициент, определяющий величину диапазона значений, находящихся между верхним и нижним порогами обнаружения; УиТ (А,2) - верхний порог обнаружения;

VLTj (Л,Т) - нижний порог обнаружения.