Алгоритмы обработки злектрофизиологических процессов
Классификация устройств автоматической обработки злектрофазиолегической информации
Лекция по АОБМИ
УСТРОЙСТВА АВТОМАТИЧЕСКОЙ ОБРАБОТКИ ЭЛЕКТРОФИЗИОЛОГИЧЕСНОЙ ИНФОРМАЦИИ
Записи регистрируемых электрофизиологических процессов (ЭФП), протекающих в организме, несут разнообразную информацию о состоянии органов, систем и организма в целом. К настоящему моменту накоплен большой опыт клинической практики, позволяющий с высокой степенью точности сопоставлять некоторые патологические состояния организма с определенными характеристиками записей алсктрофизиолсгнческнх процессов.
Для некоторых медицинских специальностей (например, для врачей-электрокардиологов) такое сопоставление, называемое расшифровкой записей, является сутью профессиональной деятельности.
Необходимо отметить, что реакция организма на различные значимые внешние воздействия, проявляющаяся в переходе его из одного физиологического состояния в другое в процессе адаптации, также находит отражение в изменении характеристик записей электрофнзнологнческих процессов. Такая реакция может наблюдаться в процессе лечения больного как ответ па лечебное воздействие, а также при различных экстремальных воздействиях на здоровый организм. В последнем случае речь идет уже не только и не столько о патологических состояниях организма, сколько о различных функциональных состояниях, являющихся промежуточными от нормы к патологии.
Целью многих исследований является выявление устойчивых отношений между такими функциональными состояниями и характеристиками записей элекгрофнзнологнческих процессов. Наличие подобных отношений позволяет эффективно прослеживать динамику изменения состояний, прогнозировагь появление особых функциональных или патологических состояний, а значит, и управлять ими, идентифицируя текущие состояния из заданною множества посредством анализа одного или нескольких элсктрофизиологических процессов.
| Процесс обработки записей элсктрофизиологических процессов имеет многоступенчатый характер и заключается в последовательном выделении тех особых характеристик (информативных признаков) записей, по которым составляется описание множества состояний организма, с точностью до ошибок диагностики соответствующее множеству интересующих состояний. Важно подчеркнуть, что на каждом этапе обработки данных существенно сокращается объем выходной информации на единицу времени входной записи.
С увеличением объема входной информации, когда обработка записей электрофизиологических процессов врачом или физиологом становится затруднительной или невозможной, появляется необходимость в ее автоматизации. Использование1 автоматических устройств значительно повышает качество анализа в единицу времени по сравнению с ручной обработкой.
Все устройства автоматической обработки электрофизиологи ческой информации классифицируются по следующим признакам. !
1. По виду обрабатываемого электрофизиологического процесса они подразделяются на устройства автоматической обработки ЭКГ, ЭЭГ, ЭМГ и других электрофизиологическнх процессов. Особенности различных процессов обусловливают различие требований, предъявляемых к блокам первичной обработки и преобразования, а также определяют быстродействие всей аппаратуры при текущем анализе процессов в режиме реального времени.
2. По виду выходной информации указанные устройства дифференцируются: •
— по числу выходных параметров (с однопараметрическим и многопараметрическим выходом);
— по числу уровней описания в структуре выходных данных
(с одноуровневой и многоуровневой структурой); '
— по виду шкалы измерения выходных параметров (с количественны.ми, порядковыми шкалами и со шкалами наименований).
Примером устройства с одним выходным параметром является простой измеритель какой-либо характеристики электрофизиологического процесса, например измеритель средней частоты сердечных сокращений. К этому же разряду можно отнести и простой одноуровневый классификатор событий, образующих полную группу. Номер класса в данном случае является значением выходного параметра, измеренного в шкале наименований.
При наличии на выходе устройства обработки случайных функций (гистограмм, оценок спектральных составляющих, задержанных исходных записей процессов и др.) имеем многопараметрнческое выходное описание. Классы невзаимоисключающих событий также образуют многопараметрическое описание.
Введение нескольких уровней в структуру описания выходных данных обусловлено многоуровневым характером описания состояний больного и управляющих воздействий в контуре управления пациент—диагностическая аппаратура—врач—пациент.
Простым примером, в котороми используется двухуровневое описаниие, является' кардиомонитор, измеряющий частоту сердечных сокращении, сравнивающий ее с двумя устанавливаемыми временными порогами и выдающий сигнал «тревоги» при выходе измеряемого параметра за допустимые пределы.
Описание выходных данных для такого прибора является однопараметрическим двухуровневым уровнях с двумя разными шкалами измерения параметра на разных уровнях.
3. По виду технической реализации алгоритма обработки устройства автоматической обработки электрофизиологич( информации делятся на:
— цифровые вычислительные (на основе универсальных и специализированные);
— дискретные устройства логической обработки;
— на элементах импульсной техники;
— аналоговые.
Учитывая тенденцию перехода к цифровым методам обработки, дальнейшее развитие микропроцессорных средств, наиболее перспективными следует считать цифровые вычислительные устройства.
4. По применению в медико-биологических исследованияъ в клинической практике устройства обработки электрофизислогической информации можно подразделить на:
— устройства анализа электрофизиологических процессов в реальном масштабе времени с подключением биообъекта непосредственно к линии связи с аппаратурой обработки, применяемой при обработке данных в управляемом физиологическом ( психофизиологическом) эксперименте; при наблюдении за состоянием человека в экстремальных условиях и за состоянием тяжелобольных;
— устройства анализа электрофизиологнческих процессов, работающие не в реальном масштабе времени с вводом ипформации в обработку из запоминающих устройств, которые используются при обработке результатов наблюдений в физиологическом и психофизиологическом экспериментах; при автоматической диагностики патологических или специфических изменений в записях электрофизиологических процессов в клинике, при массовых медицинских обследованиях и решении задач профессионального отбора.
—
Устройства первого типа представляют собой специализированную электронную аппаратуру или вычислительный комплекс, выполненный на основе управляющих мини- или микро-ЭВМ.
'
Устройства второго типа — это, как правило, универсальные ЭВМ, сопрягаемые с системами сбора информации посредством устройств цифровой записи и воспроизведения на магнитном носителе.
В медицинских и физиологических исследованиях для обработки экспериментальных данных в настоящее время широко используются средства вычислительном техники. При этом класс применяемых алгоритмов весьма обширен — от стандартных статистистических расчетов до сложных процедур распознавания образов и планирования экспериментов. Рассмотрим лишь алгоритмы обработки электрофизиологических процессов, синтезируемые специально для устройств, работающих в реальном масштабе времени. Последнее условие резко сужает класс используемых алгоритмов, жестко ограничивая как их сложность, так и выбор соответствующих технических средств.
Будем считать, что обработка электрофнзиологических процессов в устройствах реального времени производится для решении задачи оценивания либо задачи классификации.
Обнаружение можно рассматривать как частный случай классификации.
В случае задачи оценивания устройство обработки выдает информацию в виде одпопараметрического или мпогопараметрнческого описания в количественных шкалах. В реальных системах, т. е. если аппаратура обработки включена в контур управления, оценивание, как правило, используется для последующей классификации, осуществляемой человеком.
Реализуемость тех или иных методов и алгоритмов обработки зависит от их соответствия применяемым техническим средствам. Так, при выполнении непрерывных математических операций предпочтение следует отдавать аналоговой технике. Методы обработки днскретизованого по времени сигнала могут быть реализованы при помощи элементов импульсной техники, а дополнительное квантование сигнала по амплитуде требует применения элементов дискретном техники. Последние являются идеальной элементной базой для создания нецифровых, т. е. логических, или символьных, алгоритмов обработки, однако попытки реализации на этих элементах методов цифровой обработки приводят к громоздким техническим решениям. Проблема создания простых устройств цифровой обработки электрофизиологнчсских процессов может быть успешно решена при широком использовании в них микропроцессоров и микропроцессорных блоков с записью соответствующего алгоритма
обработки в постоянное запоминающее устройство блока. Реализация сложных, в том числе и цифровых, алгоритмов обработки электрофизиологических процессов осуществляется на основе управляющих мини-ЭВМ.
Другим важным аспектом, требующим внимания при синтезе
алгоритмов обработки электрофизиологических процессов, является
мюгоуровневосгь их структуры. Она предполагает последовательную многоступенчатую обработку, существенное сокращение объема
обрабатываемой информации и уменьшение скорости ее передачи на
последующпх ступенях, распараллеливание процесса обработки,
что приводит к сокращению времени обработки при простых технических решениях. Для реализации алгоритма обработки с многоуровневой структурой требуется небольшая оперативная память
на каждом уровне, но высокое быстродействие блоков на начальных уровнях. Устройства дискретной нецифровой обработки электрофизиологических процессов обычно строятся по вышеуказанному принципу. Применение микропроцессоров позволяет распространить эту концепцию и на цифровые методы, открывая
широкие перспективы создания многоуровневых многопроцессор
ных устройств.
Построим обобщенное описание алгоритма обработки электрофизиологических процессов, учитывая два фактора.
Первый из них заключается в необходимости получать одновременно разную информацию из одной и той же записи процесса, причем выделение этой информации связано с оперативной обработкой частей записи разной длительности.
Второй фактор связан с тем, что в соответствии с принципом многоуровневости алгоритм строится таким образом, чтобы информация, получаемая при обработке более коротких отрезков кривой, являлась исходной для анализа более длинных частей записи. Термин «запись» употребляется в данном случае вместо общепринятого в теории обработки случайных процессов термина «реализация» имеет более широкое, чем последний, значение обрабатываемой части процесса.
С небольшими допущениями можно считать, что любой алгоритм обработки электрофизиологического процесса может быть представлен в виде ориентированного дерева, вершины которого соответствуют разветвлению обрабатываемой информации, а ребра — некоторым блокам обработки.Такое дерево изображено на рисунке ( а), а на рис.( б) представлена структурная схема соответствующего устройства, реализуемая либо непосредственно в виде электронных блоков, либо программно в постоянном запоминающем устройстве (ПЗУ) микропроцессорных блоков.
Присвоим каждому ребру двойной индекс (i,j), где i — номер уровня; j— номер ребра данного уровня. Пусть Т(i,j) — длительность записи, обрабатываемой блоком (i,j), , а С (i,j) — скорость передачи информации от блока с индексом (i,j), к соответствующим блокам ( i+1)-го уровня. Значения Т(i,j) и С;(i,j) - могут меняться в процессе обработки в зависимости от результатов анализа, поэтому T(i,j)=T(i,j){t} С (i,j=С (i,j{t}
Распространено мнение, что для описания электрофbзиологических процессов их записи достаточно рассматривать как реализацию стационарного случайного процесса (для ЭЭГ и ЭМГ) или как реализацию некоторого случайного сигнала (для ЭКГ). Однако, несмотря на всю привлекательность такого подхода, использование этого описания ограничивается стандартной обработкой данных медико-биологических исследовании на ЭВМ. Это происходит вследствие большой изменчивости записей как во времени, так и по ансамблю биообъектов, что соответствует кластерной (т. е. многомодальной) структуре многомерных распределений в пространстве первичных отсчетов процесса. В такой ситуации крайне
редко
можно говорить о существовании многомерного закона распределения вероятностей, как того требует определение случайности. В остальных же случаях мы имеем дело с записями недетерминированных (но не случайных) процессов. Часто используемые статистические характеристики случайных процессов (днсперсия, автокорреляционная функция, спектральная плотность) при обработке записей электрофизнологических процессов можно рассматривать лишь как признаки определенных изменений, ценные с точностью до ошибок диагностики различных состояний или интерпретации данных физиологом. Наиболее простые п аффективные признаки существенных изменений в записях электрофизиологических процессов были найдены без привлечения понятий случайных процессов и сигналов посредством неформального изучения структуры записей.