в Інтернеті 
Українська  English  Русский  

DOI:


Опис-посилання

ISSN 1812-7231 Klin.inform.telemed. Volume 15, Issue 16, 2020, Pages 00-00


Автор(и)

О. В. Mартиненко


Установа(ви)

Харківський національний університет імені В. Н. Каразіна, Україна


Назва статті

Робастна формула кореляційної розмірності для аналізу варіабельності серцевого ритму


Анотація (резюме)

Вступ. Нелінійні методи аналізу знайшли широке застосування в технології варіабельності серцевого ритму (ВСР) при наявності довгих записів ВСР. Використання одного з ефективних методів нелінійних аналізу ВСР, — кореляційної розмірності D2 для 5-хв. записів ВСР стримується незадовільною точністю наявних методів в разі коротких записів (зазвичай, стандартна 5 хв. запис ВСР містить 300–600 комплексів RR), а також складністю і неоднозначністю вибору додаткових параметрів для відомих методів обчислення кореляційної розмірності D2.

Мета роботи. Побудувати робастну формулу обчислення кореляційної розмірності D2 з високою точністю для обмеженого ряду RR-інтервалів, які спостерігаються в стандартній 5-хвилинного запису ВСР. А також продемонстровані можливості запропонованої формули D2 на прикладі добре відомих атракторів (Лоренца, Даффінга, Хеннона і ін.) і в медичних додатках для нормального серцевого ритму, серцевої недостатності та фібриляції передсердь.

Матеріали та методи. У статті була використана база даних MIT-BIH з тривалими записами ВСР в разі нормального синусового ритму (NSR), при серцевій недостатності (CHF) і фібриляції передсердь (AF). Щоб проаналізувати точність нової робастної оцінки кореляційної розмірності D2, ми використовували відомі теоретичні значення для деяких відомих атрактороі (Лоренца, Даффінга, Хеннон і ін.) і порівняння з найбільш популярним алгоритмом Грассбергера-Прокаччі.

Результати. Була показана ефективність розробленої формули D2 для часових рядів обмеженої довжини (N=500–1000) на прикладі відомих атракторів (Лоренца, Даффінга, Хеннон і ін.) і за допомогою найбільш популярного алгоритму Грассбергера-Прокаччі. Було продемонстрована статистично значуща відмінність D2 для нормального синусового ритму та серцевої недостатності для стандартних 5-хвилинних сегментів з бази даних MIT-BIH записів ВСР. За допомогою запропонованого алгоритму D2 була показана можливість раннього передбачення епізодів фібриляції передсердь на стандартних 5-хвилинних сегментах з бази даних MIT-BIH записів ВСР.

Висновки. У статті пропонується робастна формула для обчислення кореляційної розмірності D2. Вона дозволяє для часових рядів обмеженої довжини (N≈500) знаходити значення D2, яке в середньому відрізняється від точного на 5±4%, що продемонстровано для різних добре відомих атракторах (Лоренц, Даффінг, Хеннон і ін.). На стандартних 5-хвилинних сегментах з бази даних MIT-BIH записів ВСР ми показали статистично значущу відмінність D2 для випадків нормального синусового ритму та серцевої недостатності; для записів ВСР з епізодами фібриляції передсердь (AF) було показано, що D2 значно знижується приблизно за 30 хв. перед AF і різко зростає при AF. Пропонована робастна формула для розрахунку кореляційної розмірності D2 ідеально підходить для моніторингу ВСР в реальному часі, оскільки дозволяє швидко і практично без витрат обчислювальних ресурсів знаходити D2 з високою точністю.


Ключові слова

варіабельність серцевого ритму, кореляційний розмірність, серцева недостатність, фібриляція передсердь


Список літератури

1. Task force of the European society of cardiology and the North American society of pacing and electrophysiology. Heart rate variability — standards of measurement, physiological interpretation, and clinical use. Circulation, 1996, vol. 93, iss. 5, pp. 1043–1065.

2. Yabluchansky N., Martynenko A. Variabel'nost' serdechnogo ritma dlya klinicheskoy praktiki [Heart Rate Variability for clinical practice]. 2010. Kharkiv, Univer. Press, 131 p. (In Russ.).
http://dspace.univer.kharkov.ua/handle/123456789/1462

3. Nayak S. K. at all. A Review on the Nonlinear Dynamical System Analysis of Electrocardiogram Signal. J. Health. Eng. 2018; 2018: 6920420.
https://doi.org/10.1155/2018/6920420

4. De Godoy M. F. Nonlinear Analysis of Heart Rate Variability: A Comprehensive Review. J. Cardiology and Therapy, 2016, vol. 3, no. 3, pp. 528–533.

5. Henriques T., Ribeiro M., Teixeira A., Castro L., Antunes L. and Costa-Santos C. Nonlinear Methods Most Applied to Heart-Rate Time Series: A Review. Entropy 2020, iss. 22, p. 309;
https://doi.org/10.3390/e22030309

6. Beckers F., Verheyden B., Aubert A. E. Ageing and non-linear heart rate control in a healthy population. Am. J. Physiol.-Heart Circ. Physiol., 2006, iss. 290, pp. H2560–H2570.

7. Melillo P., Bracale M., Pecchia L. Nonlinear heart rate variability features for real-life stress detection. Case study: Students under stress due to university examination. Biomed. Eng. Online, 2011, iss. 10, p. 96.

8. Acharya U. R., Chua E. C. P., Faust O., Lim T. C., Lim L. F. B. Automated detection of sleep apnea from electrocardiogram signals using nonlinear parameters. Physiol. Meas., 2011, iss. 32, p. 287.

9. Owis M. I., Abou-Zied A. H., Youssef A. B., Kadah Y. M. Study of features based on nonlinear dynamical modeling in ECG arrhythmia detection and classification. IEEE Trans. Biomed. Eng., 2002, vol. 49, pp. 733–736.

10. Guzzetti S., Signorini M.G., Cogliati C., Mezzetti S., Porta A., Cerutti S., Malliani A. Non-linear dynamics and chaotic indices in heart rate variability of normal subjects and heart-transplanted patients. Cardiovasc. Res., 1996, vol. 31, pp. 441–446.

11. Nayak S. K., Bit A., Dey A., Mohapatra B. and Pal K. A Review on the Nonlinear Dynamical System Analysis of Electrocardiogram Signal. Hindawi J. Healthcare Engineering, 2018, Article ID 6920420, 19 p.
https://doi.org/10.1155/2018/6920420

12. Grassberger P. and Procaccia I., Characterization of strange attractors, Physical Review Letters, 1983, vol. 50, no. 5, pp. 346–349.
https://doi.org/10.1103/PhysRevLett.50.346

13. Olbrich E. and Kantz H., Inferring chaotic dynamics from time series: On which length scale determinism becomes visible, Physics Letters A, 1997, iss. 232, pp.63–69.

14. Smith L., Intrinsic limits on dimension calculations, Physics Letters A, 1988, iss. 133, pp.283–288.

15. Goldberger A., Amaral L., Glass L., Hausdorff J., Ivanov P. C., Mark R., Stanley H. E. Physio Bank, Physio Toolkit, and Physio Net: Components of a new research resource for complex physiologic signals. Circulation [Online], 2000, vol.23, iss. 101, pp. e215–e220.

16. Moody G.B., Mark R.G. A new method for detecting atrial fibrillation using R-R intervals. Computers in Cardiology. 1983, no. 10, pp. 227–230.

17. Lorenz E. N. Deterministic nonperiodic flow. J. Atmos. Sci., 1963, no. 20, pp. 130–141.
https://doi.org/10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2

18. Henon M. A two-dimensional mapping with a strange attractor. Commun. Math. Phys., vol. 50, pp. 69–77.
https://doi.org/10.1007/BF01608556

19. Martynenko A., Raimondi G., Budreiko N. Robust Entropy Estimator for Heart Rate Variability. J. Clinical Informatics and Telemedicine, 2019, vol. 14, iss. 15, pp. 67–73.
https://doi.org/10.31071/kit2019.15.06


Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2020_16/006.pdf