RU2016146176A - Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий - Google Patents
Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий Download PDFInfo
- Publication number
- RU2016146176A RU2016146176A RU2016146176A RU2016146176A RU2016146176A RU 2016146176 A RU2016146176 A RU 2016146176A RU 2016146176 A RU2016146176 A RU 2016146176A RU 2016146176 A RU2016146176 A RU 2016146176A RU 2016146176 A RU2016146176 A RU 2016146176A
- Authority
- RU
- Russia
- Prior art keywords
- parameters
- ecg signal
- neural network
- patient
- cardiological
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Claims (30)
1. Способ скринингового определения патологий или физиологических параметров, включающий следующие шаги
- формируют обучающую и тестовую выборку записей пациентов, имеющих заданную патологию или физиологические параметры, зависящие от сердечной деятельности пациентов, включающие записи о пациентах разного пола и возраста, причем каждая запись содержит, по крайней мере, одно кардиологическое отведение ЭКГ-сигнала и информацию о пациенте;
- получают записи из обучающей выборки, причем для каждой записи производят обработку, по крайней мере, одного кардиологического отведения ЭКГ-сигнала, рассчитывают параметры вариабельности сердечного ритма и усредненного кардиоцикла;
- обучают искусственную нейронную сеть выявлению заданной патологии или физиологических параметров, используя записи обучающей и тестовой выборки, сопоставляя параметры обработанного ЭКГ-сигнала, рассчитанные параметры вариабельности сердечного ритма и усредненного кардиоцикла, информацию о пациентах;
- сохраняют связи и веса обученной искусственной нейронной сети;
- получают по крайней мере, одно кардиологическое отведение ЭКГ-сигнала и информацию о пациенте;
- производят обработку полученного, по крайней мере, одного кардиологического отведения ЭКГ-сигнала, рассчитывают параметры вариабельности сердечного ритма и усредненного кардиоцикла;
- определяют физиологические параметры или наличие заданной патологии, при помощи обученной нейронной сети, используя параметры обработанного ЭКГ-сигнала, рассчитанные параметры вариабельности сердечного ритма и усредненного кардиоцикла, информацию о пациенте.
2. Способ по п. 1, характеризующийся тем, что при формировании обучающей и тестовой выборки в случае патологии или болезни, выборка содержит записи пациентов априори имеющих данную патологию или не имеющих данную патологию.
3. Способ по п. 1, характеризующийся тем, что информация о пациенте включает, по крайней мере, антропометрические показатели человека.
4. Способ по п. 1, характеризующийся тем, что информация о пациенте содержит сведения о заранее известных диагнозах у пациента на основании международной классификации болезней.
5. Способ по п. 1, характеризующийся тем, что информация о пациенте содержит сведения о физиологических параметрах пациента.
6. Способ по п. 1, характеризующийся тем, что информация о пациенте включает сведения о наличии или отсутствии вредных привычек.
7. Способ по п. 1, характеризующийся тем, что ЭКГ-сигнал хранится в формате хранения электрокардиограмм SCP-ECG или DICOM-ECG, или HL7 aECG.
8. Способ по п. 1, характеризующийся тем, что при обработке, по крайней мере, одного кардиологического отведения ЭКГ-сигнала используют аппаратные и программные средства подавления синфазных помех или фильтры высоких частот для устранения дрейфа нуля или фильтры низких частот для удаления высокочастотных помех или режекторные фильтры для удаления гармонических помех.
9. Способ по п. 1, характеризующийся тем, что при обработке, по крайней мере, одного кардиологического отведения ЭКГ-сигнала используют полосовые фильтры с нижним значением полосы пропускания 0,5 Гц.
10. Способ по п. 1, характеризующийся тем, что обучающая и тестовая выборка имеют равное количество записей.
11. Способ по п. 1, характеризующийся тем, что обучающая и тестовая выборка имеют различное количество записей.
12. Способ по п. 1, характеризующийся тем, что параметром ВСР является частота пульса (PR) и/или количество экстрасистол (ЕС) и/или стандартное отклонение NN интервалов (SDNN) и/или коэффициент вариации (CV) и/или процент отклонений между интервалами (pNN50) и/или суммарная мощность спектра (TP) и/или мощность спектра очень низких частот (VLF) и/или мощность спектра низких частот (LF) и/или мощность спектра высоких частот (HF) и/или соотношение мощности спектра низких и высоких частот (LF/HF) и/или RR-интервалы и/или усредненный кардиоцикл и его параметры.
13. Способ по п. 1, характеризующийся тем, что параметром усредненного кардиоцикла является площадь под каждым сегментом и/или общая длина и/или длины по отдельности для каждого сегмента и/или амплитуды сегментов.
14. Способ по п. 1, характеризующийся тем, что при расчете параметров вариабельности сердечного ритма используют методы временной области или методы частотной области.
15. Способ по п. 1, характеризующийся тем, что искусственной нейронной сетью является многослойный персептрон с 2 слоями сигмоидальных нейронов (SS).
16. Способ по п. 1, характеризующийся тем, что искусственной нейронной сетью является многослойный персептрон с 2 сужающимися слоями нейронов и линейным выходом (SSPD).
17. Система скринингового определения патологий или физиологических параметров, включающая
- модуль диагностики, выполненный с возможностью построения и обучения нейронной сети для определения наличия заданной патологии и значений физиологических параметров, при помощи обученной нейронной сети;
- модуль хранения данных, выполненный с возможностью хранения обучающей и тестовой выборки искусственной нейронной сети, связей и весов обученной искусственной нейронной сети, записей о пациентах, ЭКГ сигналов;
- модуль обработки ЭКГ-сигнала, выполненный с возможностью обработки, по крайней мере, одного кардиологического отведения ЭКГ-сигнала, полученного из базы данных;
- модуль вычисления параметров ВСР, выполненный с возможностью расчета параметров вариабельности сердечного ритма;
- модуль вычисления параметров усредненного цикла, выполненный с возможностью расчета параметров усредненного кардиоцикла;
- модуль ввода/вывода данных, выполненный с возможностью получения ЭКГ-сигналов и информации о пациентах и вывода данных о наличии заданной патологии и значений физиологически параметров.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2016146176A RU2657384C2 (ru) | 2016-11-24 | 2016-11-24 | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий |
| PCT/RU2017/000868 WO2018106146A2 (ru) | 2016-11-24 | 2017-11-21 | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2016146176A RU2657384C2 (ru) | 2016-11-24 | 2016-11-24 | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2016146176A3 RU2016146176A3 (ru) | 2018-05-24 |
| RU2016146176A true RU2016146176A (ru) | 2018-05-24 |
| RU2657384C2 RU2657384C2 (ru) | 2018-06-13 |
Family
ID=62202248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2016146176A RU2657384C2 (ru) | 2016-11-24 | 2016-11-24 | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий |
Country Status (2)
| Country | Link |
|---|---|
| RU (1) | RU2657384C2 (ru) |
| WO (1) | WO2018106146A2 (ru) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3102591B1 (fr) * | 2019-10-24 | 2022-10-07 | A Tiny Wave | Prédiction d’état et commande d’un dispositif en fonction d’un état estimé |
| CN110811591A (zh) * | 2019-10-31 | 2020-02-21 | 太原理工大学 | 一种基于心率变异性的心力衰竭分级方法 |
| CN112022144B (zh) * | 2020-09-09 | 2022-05-24 | 生物岛实验室 | 心电异常检测网络训练方法、心电异常预警方法及装置 |
| CN112401903B (zh) * | 2020-11-03 | 2023-12-22 | 沈阳东软智能医疗科技研究院有限公司 | 心电数据的识别方法、装置、存储介质和电子设备 |
| RU2761741C1 (ru) * | 2020-11-26 | 2021-12-13 | Открытое акционерное общество "НПО "Геофизика-НВ" | Способ неинвазивного определения биофизических сигналов |
| CN115281676B (zh) * | 2022-10-08 | 2023-01-31 | 齐鲁工业大学 | 基于gru神经网络和ecg信号的疲劳检测方法 |
| CN115316985B (zh) * | 2022-10-13 | 2023-04-18 | 华南师范大学 | 基于生理信号的心脏信息检测方法、装置以及设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100748184B1 (ko) * | 2005-05-11 | 2007-08-10 | 인하대학교 산학협력단 | 신경망을 이용한 심전도 기반의 심장질환 진단장치 및방법 |
| US8725243B2 (en) * | 2005-12-28 | 2014-05-13 | Cyberonics, Inc. | Methods and systems for recommending an appropriate pharmacological treatment to a patient for managing epilepsy and other neurological disorders |
| US8968195B2 (en) * | 2006-05-12 | 2015-03-03 | Bao Tran | Health monitoring appliance |
| RU82536U1 (ru) * | 2008-11-19 | 2009-05-10 | Виктор Анатольевич Монич | Медико-биологический комплекс для дистанционного мониторинга физиологических параметров |
| US11229790B2 (en) * | 2013-01-15 | 2022-01-25 | Electrocore, Inc. | Mobile phone for treating a patient with seizures |
| US20160135702A1 (en) * | 2013-06-21 | 2016-05-19 | The Board Of Trustees Of The Leland Stanford Junior University | Techniques for Predicting Cardiac Arrhythmias Based on Signals from Leads of Electrocardiography |
| US9459201B2 (en) * | 2014-09-29 | 2016-10-04 | Zyomed Corp. | Systems and methods for noninvasive blood glucose and other analyte detection and measurement using collision computing |
-
2016
- 2016-11-24 RU RU2016146176A patent/RU2657384C2/ru active
-
2017
- 2017-11-21 WO PCT/RU2017/000868 patent/WO2018106146A2/ru active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| RU2016146176A3 (ru) | 2018-05-24 |
| WO2018106146A3 (ru) | 2018-08-16 |
| RU2657384C2 (ru) | 2018-06-13 |
| WO2018106146A2 (ru) | 2018-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2016146176A (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
| CN108478209B (zh) | 心电信息动态监护方法和动态监护系统 | |
| Oweis et al. | QRS detection and heart rate variability analysis: A survey | |
| JP6159250B2 (ja) | 患者の生存性を予測するためのシステムの制御方法およびプログラム | |
| US11617528B2 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
| WO2019161609A1 (zh) | 多参数监护数据分析方法和多参数监护仪 | |
| WO2019161608A1 (zh) | 多参数监护数据分析方法和多参数监护系统 | |
| WO2012106729A1 (en) | System and method for evaluating an electrophysiological signal | |
| Satija et al. | A simple method for detection and classification of ECG noises for wearable ECG monitoring devices | |
| Ansari et al. | Noise detection in electrocardiography signal for robust heart rate variability analysis: A deep learning approach | |
| WO2023087512A1 (zh) | 一种抑郁症客观筛查系统、方法及装置 | |
| He et al. | Reducing false arrhythmia alarms in the ICU using novel signal quality indices assessment method | |
| CN116211308A (zh) | 一种高强度运动下机体疲劳评估方法 | |
| CN115836847A (zh) | 一种血压预测装置及设备 | |
| Srivastava et al. | A novel algorithm for reducing false arrhythmia alarms in intensive care units | |
| Bassiouni et al. | Combination of ECG and PPG signals for smart healthcare systems: Techniques, applications, and challenges | |
| Birrenkott | Respiratory quality index design and validation for ECG and PPG derived respiratory data | |
| JP7189897B2 (ja) | 患者の脳血液量及び／又は脳血流量、及び／又は麻酔深度を推定するシステム | |
| Dharma et al. | Hypertension Identification Using Naive Bayes Classification Method and Pan Tompkins Feature Extraction | |
| CN113349753A (zh) | 一种基于便携式动态心电监护仪的心律失常检测方法 | |
| Bassiouni et al. | Combination of ECG and PPG Signals for Healthcare Applications: A Survey | |
| Aravind et al. | ECG Classification and Arrhythmia Detection Using Wavelet Transform and Convolutional Neural Network | |
| Ekhlasi et al. | Investigating the differences between atrial fibrillation and normal ECG signals using the EMD method | |
| Gupta et al. | ECG signal analysis using emerging tools in current scenario of health informatics | |
| Yaghouby et al. | Variability analysis for noisy physiological signals: A simulation study |