В типовых многоканальных цифровых электрокардиографах [1,2,3,4] схема 12-ти стандартных отведений формируется при помощи входной коммутации перед малошумящими дифференциальными (инструментальными) усилителями, а необходимые вычисления производятся при помощи делителей напряжения на основе прецизионных резисторов. В этой схеме съем потенциалов осуществляется с правой руки (R), левой руки (L), левой ноги (F) и шести точек от правого края грудины до левой среднеподмышечной линии (С1-С6). На основе снятых потенциалов вычисляются следующие отведения:

• основные I=L-R, II=F-R, III=F-L
• усиленные aVR=R-(F+L)/2, aVL=L-(R+F)/2, aVF=L-(R+L)/2
• грудные V_i=C_i-(R+L+F)/3, i=1..6.

          При реализации такой схемы, как правило, задействуется и дополнительный электрод на правую ногу (N), который обеспечивает нулевой потенциал для аналогового сигнала. Также через этот электрод на тело пациента можно в противофазе подавать сигнал, полученный от преобразования одного или нескольких входных потенциалов, что по сути является аналогом низкодобротного рекурсивного (адаптивного) фильтра, призванного компенсировать высокоамплитудную синфазную помеху - в первую очередь наводку от электросети (50 или 60 Гц).
      Соответствующими документами ГОСТа [5] определено, что у входного электрокардиографического сигнала при полном размахе 5 мВ от пика до пика допустимо наличие постоянной составляющей до 300 мВ. В первую очередь это требование объясняется необходимостью компенсации межэлектродных потенциалов, возникающих в местах подсоединения электродов [6,7,8]. Здесь следует отметить, что у современных AgCl электродов межэлектродный потенциал составляет единицы милливольт.
      Необходимый диапазон частот для электрокардиографа должен составлять, как минимум, полосу от 0.05 до 120 Гц (по уровню -3 dB). Причем, если к верхнему диапазону частот нет четко обоснованных требований - в разных источниках называются значения от 100 до 250 Гц, то со значением нижней частоты пропускания связываются значимые диагностические параметры ЭКГ. С одной сторонЭКГ. С одной стороны, при постоянной времени менее 3,2 секунды, что соответствует 0.05 Гц, на электрокардиограмме наблюдаются искажения низкочастотного S-T интервала, приводящие к неверной диагностике изменений миокарда, вплоть до ошибочного заключения о наличии инфаркта [7,9]. С другой стороны, при некоторых исследованиях, например нагрузочных пробах, осознанно выбирается меньшая постоянная времени для лучшего удержания изолинии [10]. Для подавления помех, связанных с электромиографическими сигналами, желателен антитреморный фильтр нижних частот (ФНЧ), ограничивающий диапазон входного сигнала до 60-70 Гц, а для борьбы с сетевой помехой режекторный фильтр на 50 Гц (60 Гц). В итоге электрокардиограф должен иметь переключаемый ФВЧ с наибольшей постоянной времени не менее 3,2 секунды, фильтр сетевой наводки и совмещенный с ним или реализованный отдельно переключаемый ФНЧ.
      Частота дискретизации должна быть более чем в два раза выше верхней полосы пропускания. Как правило, применяют частоту дискретизации в 500 Гц, рекомендованную Американской ассоциацией кардиологов [11,12,13]. Разрешение по амплитуде у современных приборов должно составлять не менее 5 мкВ. Высокое амплитудное разрешение необходимо для некоторых видов обработки кардиокривых (например, ЭКГ высокого разрешения [5]), а также для высококачественного представления электрокардиограммы на экране или в твердой копии.
      Для задания различных постоянных времени сигнала применяют переключаемый ФВЧ. Необходимую крутизну спада АЧХ в области верхних частот формируют при помощи ФНЧ как минимум второго порядка - теоретически на частоте равной половине от частоты дискретизации сигнал не должен превышать уровень, соответствующий младшему значащему разряду АЦП - в противном случае произойдет эффект наложения спектров [14]. Аналоговый тракт должен обеспечить общий коэффициент усиления порядка 1000. Таким образом, 12-ти канальная система должна состоять из 12 трактов усиления, как минимум по три активных элементов в каждом, 12-ти канальном мультиплексоре и 12-ти разрядном АЦП за которым следует цифровой сигнальный процессор, микроконтроллер или компьютер [11,15].
      Существует метод снижения аппаратных затрат, в котором электрокардиограф для синхронного съема 12-ти стандартных отведений строится по восьмиканальной схеме. Основываясь на том, что из 12 отведений только 8 линейно независимые [4], то исключают 4 канала, что в полтора раза уменьшает количество аналоговых трактов, а также позволяет использовать широкораспространенные восьмиканальные мультиплексоры или АЦП со встроенными мультиплексорами. Например, исключают аппаратные отведения III, aVR, aVL, aVF, которые программным способом вычисляют следующим образом: III=II-I, aVR=-(II+I)/2, aVL=(I-II)/2, aVF=(II-I)/2.
      Однако такое решение требует уменьшения времени между отсчетами на разных каналах. Если это время больше 15-20 микросекунд, то на вычисленных отведениях наблюдается искажение высокочастотных составляющих сигнала, обусловленное фазовыми набегами. Соответственно это заставляет устанавливать более высокоскоростные мультиплексоры и АЦП, а также обеспечивать скоростную доставку результатов АЦП до вычислителя или буфера промежуточной памяти. Последнее является в общем случае нетривиальной задачей, если учесть, что именно по цифровым линиям удобнее всего осуществить гальваническую развязку при помощи относительно низкоскоростной оптической или индуктивной связи.
      Основными ограничениями и недостатками, присущими классическому подходу при разработке аппаратуры цифровых ЭКГ систем являются:

• прецизионные резисторы во входном каскаде схемы формирования отведений,
• относительно сложные инструментальные входные усилители для подавления синфазной помехи,
• крупногабаритные конденсаторы с малыми токами утечки в ФВЧ,
• ФНЧ высокого порядка для ограничения спектра аналогового сигнала при достаточно низкой частоте оцифровки,
• схемы выборки-хранения и мультиплексор перед входом 12-ти разрядного АЦП, вносящие дополнительные нелинейные искажения, а также фазовый межканальный сдвиг.

      Цифровая обработка сигналов (ЦОС) является базовым принципом для разработки функциональной структуры современных многоканальных электрокардиографов. Качество ЦОС в значительной мере определяется качеством аналого-цифрового преобразования (АЦП), которое, в свою очередь, в значительной мере зависит от качества выделения электрокардиографического сигнала. Для выделения электрокардиографического сигнала обычно используют инструментальные усилители и аналоговую фильтрацию [2,3,10].
      С развитием технологии производства сверхбольших интегральных схем появилась коммерческая элементная база, реализующая принцип сигма-дельта (S-D) аналого-цифрового преобразования в одной микросхеме [11,16,17]. Сигма-дельта АЦП обладает высоким разрешением (более 14 разрядов). Технология сигма-дельта АЦП базируется на принципах цифровой фильтрации сигналов, что позволяет снизить требования к аналоговой фильтрации сигналов и вместо инструментальных усилителей использовать усилители постоянного тока. Недавно появились первые сообщения о реализации электрокардиографов на сигма-дельта АЦП [11,15,17,18].
      В работах [18,19,20,73] для реализации электрокардиографа использовались 22-х разрядные сигма-дельта АЦП AD7716 фирмы Analog Devices (производства США). Показано, что использование в электрокардиографах сигма-дельта АЦП является достаточно полезной альтернативой традиционных Ай традиционных АЦП. Более того, сигма-дельта АЦП могут быть полезны и для других систем сбора и обработки биомедицинских сигналов, имеющих близкие требования по диапазону частот и динамическому диапазону входных сигналов - энцефалографическим, реографическим и т.д. [20,22].
      По Найквисту [14], частота дискретизации должна быть в два раза больше верхней граничной частоты аналогового сигнала. В сигма-дельта АЦП частота дискретизации во много раз больше удвоенной верхней граничной частоты аналогового сигнала, что позволяет увеличить число значащих разрядов АЦП и улучшить шумовые характеристики преобразования.
      С использованием в схемотехнике электрокардиографов сигма-дельта АЦП [11] в первую очередь решается проблема входного диапазона. Постоянная составляющая на входе ЭКГ компенсируется за счет 5-6 дополнительных бит сигма-дельта АЦП. Последний обеспечивает 17-18 значащих разрядов в требуемой полосе частот, то есть перекрывает динамический диапазон входного сигнала как минимум в 105 дБ. Возможность полностью отказаться от ФВЧ с его крупногабаритными высокостабильными конденсаторами, а также проводить работу с нулевой нижней частотой, является основным преимуществом технологии сигма-дельта АЦП при построении цифровых электрокардиографов. Также возможны программные решения интеллектуальной привязки изолинии раздельно по каждому из каналов на основе избирательнснове избирательного изменения постоянной времени цифрового ФВЧ для обеспечения минимального искажения низкочастотных составляющих электрокардиосигнала, одновременно удерживая его в середине диапазона устройства отображения.
      Такие электрокардиографы предназначены для обеспечения работы синхронно с 12-ю ЭКГ отведениями. Девять полностью идентичных аналоговых канала представляют собой операционные усилители с высоким входным сопротивлением и коэффициентом усиления 4 и последовательно с ними RC ФНЧ. Имитация дифференциальных отведений, с одновременным вычитанием синфазной помехой, производится полностью программным способом. Из этого следует, что существует возможность при достаточном числе входных каналов сформировать практически любую схему отведений или набор схем отведений - для этого не требуется прецизионных делителей и малошумящих коммутирующих элементов. А именно, можно просчитать, как стандартные 12 отведений, так и отведения по Небу, Франку, Мак Фи-Пурангао и т.д.[23,24]. При этом обеспечивается возможность оператору самому определять необходимые для съема электроды. Более того, возможно создание модульных электрокардиографов или ЭКГ-полиграфов, в которых для усложнения схемы отведений достаточно добавить недостающее количество аналого-цифровых каналов и модифицировать программное обеспечение. С ростом числа каналов существенно снижаются удельные затраты для получения каждого новогоя каждого нового отведения при общей высокой надежности устройства - это идеально подходит для систем ЭКГ картирования [24,25,26,27].
      Программное обеспечение (ПО) является важной составляющей цифровых электрокардиографов, которое определяет функциональность и потребительские свойства приборов. Оно проектируется таким образом, чтобы обеспечить высокую достоверность выявления и измерения параметров элементов ЭКГ (интервалов, сегментов, комплексов), на основании которых врач-кардиолог осуществляет постановку диагностического заключения. Функция автоматического формирования диагностических заключений также реализуется в ПО современных электрокардиографах. Условно работу ПО разделяют на следующие три этапа:

1. Сглаживание и фильтрация ЭКГ.
2. Обнаружение и измерение характерных элементов ЭКГ.
3. Постановка диагностических заключений.

      При выборе метода сглаживания (фильтрации) электрокардиосигнала последний представляется как смесь полезного сигнала и аддитивной помехи [28,29,4]. К таким помехам относятся:

• наводка от промышленной сети,
• миографическая наводка, обусловленная механическим тремором и электрической активностью мышц в местах наложения электродов,
• наводка, вызываемая перемещением электродов относительно сердца,
• артефакты, обусловленные наличием непостоянной поляризации электродов,
• внутренние шумы электрокардиографов.

      Наибольшее распространение получили алгоритмы сглаживания, основанные на логической фильтрации, нелинейной и адаптивной фильтрации. Методы фильтрации на основе базисных разложений [30,31], как правило, всегда можно отнести к одному из перечисленных типов фильтрации (например, фильтрацию на основе преобразования Фурье - к линейным фильтрам, фильтрацию на основе разложения Карунена-Лоэва - к адаптивным фильтрам и т.п.).
      Логическая фильтрация [32] требует разработки достаточно большого количества эмпирических логических правил принятия решений, основанных на сравнении исследуемых параметров ЭКГ с заранее заданными пороговыми значениями. Каким образом назначить эти пороговые величины и как их адаптировать под конкретную ЭКГ, представляет собой отдельную задачу, решаемую эмпирическим путем каждый раз при малейшем изменении вида фильтра. Это, безусловно, главный недостаток логических фильтров.
      Нелинейные фильтры [39] представляют собой мощный класс фильтров, хорошо приспособленных для сглаживания сигналов. Однако невозможность учитывать априорные знания об ЭКГ (например, спектральный состав элементов ЭКГ) ограничивает их использование в качестве алгоритмов сглаживания ЭКГ.
      Адаптивная фильтрация при корректном её примени корректном её применении не проявляет ни одного из перечисленных выше недостатков, и к тому же может осуществлять высококачественную фильтрацию ЭКГ с наименьшим искажением формы полезного сигнала [34, 35,36].
      Этап обнаружения и измерения характерных элементов ЭКГ реализуется различными методами, которые основаны либо на метрическом, либо на структурном представлении ЭКГ.
      Существуют большое разнообразие метрических методов анализа ЭКГ. К таким методам можно отнести:

• анализ амплитудных характеристик сигнала,
• анализ первой производной сигнала и ёе экстремумов по пороговым правилам,
• анализ вспомогательных зависимостей типа "функции формы",
• эталонные формы.

      Метод анализа амплитудных характеристик сигнала [29,37] предполагает измерение амплитуд и скоростей изменения ЭКГ и их сравнения с заранее определенными пороговыми значениями [93] с целью выявления R зубцов и желудочковых QRS комплексов. Этот пороговый метод весьма чувствителен к шумам в записи ЭКГ, что и ограничило его применение в настоящие время.
      Одним из самых распространенных методов выявления комплексов QRS является анализ первой производной и её экстремумов [39,28,40]. Это объясняется сравнительной простотой логики алгоритмов, вычислительной легкостью и физиологичностью подхода. Было устатью подхода. Было установлено [39], что скорость изменения напряжения ЭКГ более 5 мВ/мс может наблюдаться только внутри комплекса QRS. На основании этого факта строятся процедуры выявления характерных элементов ЭКГ. Этот метод также проявляет неустойчивость в случае зашумленных кривых ЭКГ.
      В работе [41] введено понятие "функции формы" сигнала, т.е. такого нелинейного оператора, действующего на участок сигнала, который отражает те или иные свойства ЭКГ. В качестве функции формы может использоваться функция от модуля второй производной, вычисляемой для низкочастотной составляющей ЭКГ. Функция формы используется не только для поиска границ QRS комплексов, но и для сжатия ЭКГ. Следовательно, придавая функции формы различный вид, возможно не только добиваться качественных путей идентификации комплексов QRS, но также решать другие задачи обработки ЭКГ.
      Основная идея методов эталонов [42,43] состоит в следующем. Один комплекс QRS в начале записи ЭКГ принимается за эталон. Далее он сопоставляется с последующими комплексами и, возможно, корректируется. Сопоставление QRS комплексов может осуществляется по-разному, в зависимости от выбранной метрики близости (например, среднеквадратичная, равномерная и корреляционная). Этот метод обладает большей помехоустойчивостью. Однако основной недостаток его заключается в том, что случайный выбор зашумленного эталона приводит к оалона приводит к ошибкам при его сравнении с другими участками ЭКГ.
      Принципиально другим подходом к задаче идентификации QRS комплексов является структурный подход. Он состоит в том, что для описания объектов распознавания и построения самой процедуры используется аппарат математической лингвистики [44,45,46]. Первым шагом анализа является сегментация сигнала и описание последнего в виде последовательности элементарных символов. В процессе распознавания устанавливается, является ли данная последовательность синтаксически правильной по отношению к заданной грамматике. Существуют два подхода в структурном анализе ЭКГ: структурно-лингвистический и структурно-статистический.
      Структурно-лингвистический анализ формы ЭКГ базируется на правилах разбора последовательностей имен сегментов [45,44]. Алгоритмы, реализующие этот подход, сравнительно просты и не требуют больших вычислительных ресурсов. Эффективность распознавания определяется полнотой грамматических правил и пороговых значений, подбираемых опытно-логическим путем, для чего требуется обширный и представительный обучающий материал.
      Алгоритмы структурно-статистического анализа ЭКГ оперируют с априорными и апостериорными вероятностями сочетаний значений различных сегментов [47]. Так же, как при лингвистическом разборе, здесь могут строиться правила проверок сочетаний одинерок сочетаний одиночных сегментов или их групп. Для построения грамматик также требуется репрезентативный архив, но процесс обучения может быть автоматизирован. Существенным ограничением данного подхода является низкое быстродействие программ, реализующих алгоритм структурно-статистического анализа ЭКГ.
      Результаты выявления элементов ЭКГ и измерения их параметров используются для интерпретации ЭКГ с целью постановки диагностических заключений. Существует два распространенных подхода к решению этой задачи.
      Первый подход - детерминистический; он представляет собой попытку формализовать логику врача-кардиолога [39]. При таком подходе используется метод выбора типа "да-нет". Данные измерений зубцов ЭКГ тестируют по установленным критериям и получают набор непротиворечивых заключений по ЭКГ.
      При втором подходе используются методы многовариантной статистической классификации для расчета вероятности того или иного диагностического заключения [48]. При этом группу пациентов исходно разбивают по диагностическим категориям на основании независимой, т.е. не электрокардиографической информации: данные катетеризации сердца, коронарной ангиографии, результаты аутопсии и т. д. Расчет вероятности основан на одновременном использовании - обычно многомерных векторов - большого числа ЭКГ переменных. Для минимаксной классификации используют общепринятые статистические параметры и байесовские процедуры.

1. Curtin M. Sigma-Delta techniques reduce hardware count and power consumption in biomedical analog front end // Analog Dialogue Journal.-1994.-V. 28.-№2.-P. 6-8.
2. Medical Instrumentation. Application and Design. // editor Webster J.G.- Boston, Houghton Mifflin-1992.-790p.
3. Nagel J. H. Biopotential amplifiers, in The Biomedical Engineering Handbook, Editor-in-Chief J. D.Bronzino. // CRC and IEEE Press.- Boca Raton, Florida.-1995.-P. 1185-1195.
4. Шакин В. В. Вычислительная электрокардиография.- М.: Наука.-1981.-166с.
5. Приборы для измерения биоэлектрических потенциалов сердца. Общие технические требования и методы испытаний. ГОСТ 19687-94.- М.: Издательство стандартов.-1994-19с.
6. Neuman M. R. Biopotential Electrodes, in The Biomedical Engineering Handbook, Editor-in-Chief J. D.Bronzino. // CRC and IEEE Press.- Boca Raton, Florida.-1995.-P. 745-757.
7. Водолазский Л. А. Основы техники клинической электрографии.- М.: Медицина.-1966.-270с.
8. Шумоподобные сигналы в системах передачи информации./ Под ред. В.Б. Пестрякова. - М.: Сов. Радио, 1973. - 424с.
9. Вычислительные системы и автоматическая диагностика заболеваний сердца. Под. ред. Ц. Карераса и Л. Дрейфуса.- М.: Мир.-1974.-504с.
10. Кардиомониторы. Аппаратура непрерывного контроля ЭКГ: Учроля ЭКГ: Учеб. пособие для вузов. Под ред. А. Л. Барановского и А. П. Немирко.- М.: Радио и связь.-1993--248с.
11. AAMI Standards and Recommended Practices, Biomedical Equipment. AAMI.- Arlington, Virg.-1993.-V. 2, 4th ed.-230p.
12. Bailey J. J., Berson A. S., Garson A., et al. Recommendation for standartization and specification in automated electrocardiography: bandwidth and digital signal processing: A report for health professionals by an ad hos writing group of the commitee on electrocardiography and cardiac electrophysiology of the Council on Clinical Cardiology.-American Heart Association.- Circulation.-1990.-V. 81.-730p.
13. Medical electrical equipment, Part 3, Particular requirement for the essential perfomance of recording and analysing electrocardiographs. // IEC.- Geneva.-1996.-75p.
14. Цифровая обработка сигналов. Справочник. Гольденберг Л. М. и др.- М.: Радио и связь.-1985.-312с.
15. McKee J. J., Evans N. E. and Wallace D. Sigma-Delta analogue-to-digital converters for ECG signal acquisition. // in CD-ROM Proceeding of 18th Annual International Conference of the IEEE EMBS. (Amsterdam, 1996.)
16. New Product Application.-Analog Devices, Inc.- Norwood, USA-1996.-P. 3-84-3-87.
17. Park Sangil. Principles of Sigma-Delta Modulation for Analog-to-Digital Converters. // In The Communications Applications Manual.-Motorola Inc., Phoenix, Arizona.-1993.-V. DL411D/REV1.-P. 293-350.
18. Куриков С.риков С. Ф., Прилуцкий Д. А., Селищев С. В. Применение технологии многоразрядного сигма-дельта преобразования в цифровых многоканальных электрокардиографах. // Медицинская техника.-1997.-N4.-С. 7-10.
19. Куриков С. Ф., Прилуцкий Д. А., Селищев С. В. Технология S - D преобразования в многоканальных электрокардиографах. // Тезисы докладов Международной конференции по биомедицинскому приборостроению "Биомедприбор-96".- Москва, ВНИИМП РАМН.-8-10 октября 1996.-С. 26-27.
20. Куриков С. Ф., Плотников А. В., Прилуцкий Д. А., Селищев С. В. Электроэнцефалограф на основе сигма-дельта АЦП. // Тезисы докладов Международной конференции по биомедицинскому приборостроению "Биомедприбор-98".- Москва, ВНИИМП РАМН.-6-8 октября 1998.-С. 220-221.
21. Куриков С. Ф., Прилуцкий Д. А., Селищев С. В. Сигма-дельта преобразование в цифровых электрокардиографах. // Тезисы докладов 1-го международного симпозиума "Электроника в медицине. Мониторинг, диагностика, терапия" в рамках международной конференции "Кардиостим-98".-Санкт-Петербург, 5-7 февраля 1998.-C. 89-90.
22. Cohen A. Biomedical Signals: Origin and Dynamic Characteristic; Frequency-Domain Analysis. // In The Biomedical Engineering Handbook, Editor-in-Chief J.D.Bronzino // CRC and IEEE Press.- Boca Raton, Florida.-1995.-P. 805-827.
23. Гаджаева Ф. У., Григорьянц Р. А., Масенко В. П., Хадарцев А. А. Электрокардиографические системы отведений.- Тула: НИИ новых медицинских технологий, ТПП, ТППО.-1996.-115с.
24. Использование некоторых систем отведений ЭКГ и ВКГ в кардиологической дифференциальной диагностике. Методические рекомендации.- М.: Министерство здравоохранения СССР.-1984.-28с.
25. Амиров Р. З. Интегральные топограммы потенциалов сердца. // М.: Наука.-1973.-108с.
26. Теоретические основы электрокардиологии. Под.ред. К. В.Нельсона, Д. В.Гезеловица:- М:, Медицина.-1979.-470с.
27. Титомир Л. И. Автоматический анализ электромагнитного поля сердца.- М.: Наука.-1984.-175с.
28. Кайсерес К., Дрейфус Дж. Вычислительные системы и автоматическая диагностика заболеваний сердца. -М.:Мир, 1974. -478с.
29. Пипбергер Х. Анализ электрокардиограмм на вычислительной машине. // Вычислит. устройства в биологии и медицине. -М.:Мир, 1967, С.15-19.
30. Малиновский Л.Г., Пинснер И.Ш., Цукерман Б.М. Математические методы описания ЭКГ. // Медицинская. Техника. -1968, N5, С.3-7
31. Неймарк Ю.И. -ред. Распознование образов и медицинская диагностика. -М.:Наука, 1972. -328с.
32. Hideki I. et al. An efficient encoding method for electrocardiography using spline functions/ // System and Computers in Japan. -1985. -V.16. -N 3. -P. 85-94.
33. Pitas I., Venetsanooulos A.N. Nonlinear order statistic filters for image filtering and edge detection. // North Holland. Signal Processing. -1986. -N 10. -P. 395-413.
34. Бриллинджер Д. Временные ряды: Обработка данных и теория. М.: Мир, 1980.-536, 1980.-536с.
35. Харатьян Е.И. Адаптивная фильтрация "жестких" систем. // Математическое и программное обеспечение вычислительных информационных и управляющих систем. Межвуз. сб. науч. тр. -М.:МИЭМ, 1994. -С.49.
36. Харатьян Е.И. Математическая обработка сигналов в системе мониторирования электрокардиограмм. // Автореферат диссертации на соискание уч. ст. к.т.н. - Москва, 1997. - 24с.
37. Булыгин В.П., Васанов Т.Б., Лобанов Д.А., Пирвердиев Ч.А, Смирнов В.Ю., Федоров С.И., Харатьян Е.И., Чепайкин А.Г. Вопросы создания интерпретирующего электрокардиографа. // Тезисы докладов международного симпозиума "Компьютерная электрокардиография на рубеже столетий ХХ-ХХI". - М.:Крук, 1999. - С.288-290.
38. Томпкинс У., Уэбстер Дж. Микропроцессорные медицинские системы. Проектирование и применение. -М.: Мир, 1983.-541с.
39. Wartak J., Milliken J. A., Karchmar J. Computer program for pattern recognition of electrocardiograms // Comput. Biomed. Res. -1970. -V. 3. -N 4. - P. 344-374.
40. Кайсерес К., Дрейфус Дж. Вычислительные системы и автоматическая диагностика заболеваний сердца. -М.:Мир, 1974. -478с.
41. Малиновский Л.Г., Пинснер И.Ш., Цукерман Б.М. Математические методы описания ЭКГ. // Медицинская. Техника. -1968, N5, С.3-7
42. Гуревич М.Б., Злочевский М.С. Выбор представительного кардиоцикла при контурном анализе ЭКГ на микроЭВМ. // Применение мат. методов обработки медико-биологических данных и ЭВМ в мед. те мед. технике. - М.: ВНИИМП, 1984. - С.75-77
43. Wortzman D. et al. A hybryel system for measurement and interpretation of electrocardiograms. // Ann. N.Y. Acad. Sci., 1968. - V. 128. - P. 875.
44. Talmon J.L., van Bemmel J.H. Template wave-form recognition revisited. Results of CSE database. // Proc. of " Comput. Cardiol. 10-th Annu. meet. Aechen., Okt., 1983". Los Angeles. Calif., 1983. - P. 246-252.
45. Валужис А.К., Лосинксне Л.В. и др. Структурный анализ электрокардиосигналов. // Математическая обработка медико-биологической информации. - М.: Наука, 1976, С. 182-192.
46. Фу К. Структурные методы в распознавании образов. - М.: Мир, -1977, С.25-115.
47. Bemmel J.H. van Past and future research goals for computerized ECG processing. // "Comput. ECG Anal.: Towards Stand. Proc. IFIP - IMIA Work Cont., 2-5 June 1985". Amsterdam e.a., 1986. - P. 367-381.
48. Валужис А.К., Рашимас А.П. Статистический алгоритм структурного анализа ЭКС. // Кибернетика, 1979, N 3, С.91-95.
49. Pipberger H.V., McCaughan D., Littmann D., Pipberger H.A., Cornfield J., Dunn R.A., Batchlor C.D., Berson A.S. Clinical application of a second generation electrocardiographic computer program // Am. J. Cardiol.- 1975.- V. 35. -N 5. - P. 597-608.