Введение

  Наиболее важными системами организма, оценка деятельности которых необходима при проведении функциональных обследований, являются сердечно-сосудистая и дыхательная системы. Исследованиям функции внешнего дыхания и работе сердца всегда уделялось большое внимание, однако лишь в последние 10-15 лет они стали принимать массовый характер. Причиной этого является необходимость раннего выявления распространенных ныне неспецифических легочных заболеваний и заболеваний сердца, угрожающих здоровью населения своими тяжелыми последствиями.

  В последнее время наблюдается тенденция к использованию мини-компьютеров с широким набором программ [1]. Такие устройства, выполненные в виде отдельного модуля, позволяют организовать комплекс приборов для синхронного проведения разнообразных исследований, существенно уточняющих общую картину функционирования легких и сердца. Однако существующие методы диагностики имеют ряд недостатков: отказ от приборов определения газообмена; невозможность поддержания постоянства состава вдыхаемого воздуха и т.д. В связи с этим необходимо разработать специализированную компьютерную систему диагностики легких и сердца, позволяющая оценивать влияние процессов внешнего дыхания на сердечно-сосудистые функции, что проявляется в первую очередь в фазных с дыханием изменениях частоты сердечных сокращений. Обычно частота сердцебиений увеличивается на вдохе и уменьшается на выдохе. Это явление получило название респираторной синусовой аритмиии (РСА) [2]. Оценка РСА может дать важную информацию о состоянии здоровья человека.

  Один из способов расчета РСА основан на вычислении разности величин RR-интервалов на вдохе и выдохе. Этот метод обладает тем преимуществом, что дает наглядную картину изменения RR-интервалов на вдохе и выдохе в каждом дыхательном цикле, позволяет подробно анализировать связь изменений RR-интервалов с параметрами дыхательного цикла. Для осуществления этого метода необходима регистрация у обследуемых кривых спирограмм, регистрирующей дыхательные циклы, и ЭКГ, отражающей сердечную деятельность [3]. Обработка регистрируемых данных состоит в определении точек на кривых, характеризующих моменты возникновения зубцов R. На сигнале дыхания фиксируют значения, соответствующие положению R-пиков на ЭКГ. После этого по каждому дыхательному циклу отдельно вычисляется значения RR-интервалов - минимальное на вдохе и максимальное на выдохе. Для расчета РСА алгоритм выбирает приходящийся на вдох (выдох) такой ряд соседних RR-интервалов, что разности между любыми двумя, рядом расположенными RR-интервалами имеют один знак (отрицательный на вдохе и положительный на выдохе) [2]. Затем вычисляется разность продолжительности между максимальным и минимальным RR-интервалов на выдохе и вдохе в миллисекундах. В качестве оценки тонуса парасимпатической нервной системы используется отношение разности продолжительности RR-интервалов на вдохе и выдохе к среднему значению RR-интервалов по всей записи [4].

  Затем задача сводится к формированию временного ряда кардиоинтервалов с одновременным захватом дискретных значений спирограммы в реальном масштабе времени.

  После этого в памяти ЭВМ запоминаются значения RR-интервалов и дискретные значения спирограммы на момент опознания зубца R. Таким образом достигается синхронизация двух процессов [3]. Затем алгоритмом обрабатывается спирограмма для удаления случайных помех; находятся экстремумы и определяется средняя частота дыхания по числу RR-интервалов. Из спирограммы выделяется дыхательная составляющая и при этом получается истинная кривая дыхания и ее составляющая сердечно-сосудистой системы.

  Заключение

  Данная работа позволит получить следующие результаты:

1. распознавание наиболее важных особых точек ЭКГ и спирограммы.

2. измерение различных интервалов и амплитуд единичных циклов активности.

3. формирование векторных временных рядов, составленных как из интервалов и амплитуд единичных циклов активности, так и из их усредненных значений за определенное число циклов или секунд.

4. преобразование временных рядов характеристик единичных колебаний в бинарные последовательности: 0 - соответствует убыванию временного ряда, 1 - возрастанию.

5. формирование признаков временной динамики характеристик единичных колебаний, получаемых как с помощью традиционных статистических методов во временной и частотной областях, так и с помощью малоизвестных статистических методов: оценки случайности временного ряда, метода ?-матриц - нового концептуального аппарата анализа процессов - и некоторых других.

6. использование новой информации о процессах жизнедеятельности для автоматизированной разработки диагностических и прогностических алгоритмов.

  Литература

1. Генкин А.А. Модуль анализа физиологических процессов программного комплекса ОМИС.// Материалы VII Санкт-Петербургской международной конференции “Региональная информатика 2000” т.2. - СПб. 2000.
2. Калантар В.А., Сивачев А.В. Синхронный автоматизированный анализ спирограммы и кардиоинтервалограммы // Медицинская техника. - 1999 - №4. - 37-39.
3. Чирейкин Л.В., Шурыгин Д.Я., Лабутин В.К. Автоматический анализ электрокардиограммы.- Л. Медицина. 1977. - 248 c.
4. Бутенко А.Т. Измерение электрокардиограмм при бронхоспирометрическом исследовании функции внешнего дыхания // Врачебное дело. - К., 1970, №3, с.38-46.