Киселев Алексей Викторович, канд. технических наук, доцент каф. вычислительной техники
ул. 50 лет Октября 94, г. Курск 305040
Alexey V. Kiselev, Cand. of Sci. (Engineering), Associate Professor of the Department of Biomedical Engineering
50 Let Oktyabrya st. 94, Kursk 305040
Кузьмин Александр Алексеевич, канд. технических наук, доцент каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Alexander A. Kuzmin, Cand. of Sci. (Engineering), Associate Professor, Associate Professor of the Department of Biomedical Engineering
50 Let Oktyabrya st. 94, Kursk 305040
Мяснянкин Максим Борисович, аспирант каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Maksim B. Myasnyankin, Post-Graduate Student of the Department of Biomedical Engineering
50 Let Oktyabrya st. 94, Kursk 305040
Маслак Анатолий Андреевич, д-р технических наук, проф. каф. математики, информатики, естественнонаучных и общетехнических дисциплин
ул. Кубанская 200, г. Славянск-на-Кубани 353560
Anatoly A. Maslak, Dr. of Sci. (Engineering), Professor of the Department of Mathematics, Computer Sciences, Natural Sciences and General Technical Disciplines
200 Kubanskaya str., Slavyansk-on-Kuban 353560
Филист Сергей Алексеевич, д-р технических наук, проф. каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Sergey A. Filist, Dr. of Sci. (Engineering), Professor, Professor of the Department of Biomedical Engineering
50 Let Oktyabrya st. 94, Kursk 305040
Рыбочкин Анатолий Федорович, д-р технических наук, проф. каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Anatoly F. Rybochkin, Dr. of Sci. (Engineering), Professor, Professor of the Department of Biomedical Engineering
50 Let Oktyabrya st. 94, Kursk 305040
Цель исследования - разработка метода классификации функционального состояния системы дыхания на основе анализа вариабельности медленных волн VLF-диапазона для диагностики функционального состояния системы дыхания.
Методы. Предлагаемый метод строится на основе мультимодального анализа ритмов кардиореспираторной системы. Для выделения медленных волн второго порядка используется вейвлетпреобразование мониторинговых кардиосигналов. Детектор медленных волн второго порядка строится на основе анализа Фурье каждой строки вейвлет-плоскости, принадлежащей к области ритма дыхания. Это позволяет построить иерархическую структуру «слабых» классификаторов с последующим их усилением. При формировании дескрипторов для таких классификаторов сигналы медленных волн, отражающие вариации ритма дыхания, извлекаются из мониторингового кардиосигнала посредством разведочного анализа в области частот ритма дыхания и последующего вейвлет-анализа в области частот, соответствующих определенному в результате разведочного анализа частотному диапазону ритма дыхания. Компоненты релевантных строк вейвлет-плоскости используются для вычисления дескрипторов обучаемой нейронной сети, принимающей решение по отнесению текущего состояния системы дыхания к тестируемому состоянию.
Результаты. Проведенные исследования показали, что функциональное состояние кардиореспираторной системы характеризует динамика медленных волн первого и второго порядка, которые связаны как с системными ритмами вегетативной нервной системы, так и с системными ритмами центральной нервной системы. В ходе экспериментальных исследований на контрольной выборке был проведен сравнительный анализ двух методов классификации функционального состояния системы дыхания - предлагаемого и рентгенологического. Предлагаемый метод исследования превосходят рентгенологические по специфичности и несколько уступают по чувствительности, что позволяет рекомендовать их в клиническую практику.
Заключение. В ходе проведенного исследования было выявлено, что для выделения дескрипторов, на основе которых строятся классификаторы функционального состояния системы дыхания, может быть использована корреляция строк вейвлет-плоскостей электрокардиосигнала с системой дыхания при помощи Фурье-анализа.
The purpose of research is development of a method for classifying the functional state of the respiratory system based on the analysis of the variability of slow waves of the VLF range for diagnosing the functional state of the respiratory system.
Methods. The proposed method is based on multimodal analysis of the rhythms of the cardiorespiratory system. To select slow waves of the second order, the wavelet transform of monitoring cardiac signals is used. The detector of slow waves of the second order is built on the basis of the Fourier analysis of each line of the wavelet plane belonging to the region of the breathing rhythm. This allows you to build a hierarchical structure of "weak" classifiers with their subsequent strengthening. When generating descriptors for such classifiers, the signals of slow waves reflecting variations in the breathing rhythm are extracted from the monitoring cardiosignal by means of exploratory analysis in the frequency range of the breathing rhythm and subsequent wavelet analysis in the frequency range corresponding to the frequency range of the breathing rhythm determined as a result of the exploratory analysis. The components of the relevant strings of the wavelet plane are used to calculate the descriptors of the trained neural network, which makes a decision on assigning the current state of the respiratory system to the tested state.
Results. The studies have shown that the functional state of the cardiorespiratory system is characterized by the dynamics of slow waves of the first and second order, which are associated both with the systemic rhythms of the autonomic nervous system and with the systemic rhythms of the central nervous system. In the course of experimental studies on the control sample, a comparative analysis of two methods of classification of the functional state of the respiratory system was carried out: the proposed one and the radiological one. The proposed research method is superior to radiological in specificity and somewhat inferior in sensitivity, which makes it possible to recommend them for clinical practice.
Conclusion. In the course of the study, it was revealed that for the identification of descriptors, on the basis of which classifiers of the functional state of the respiratory system are built, the correlation of wavelet-planes of the electrocardiosignal with the respiratory system using Fourier analysis can be used.
The authors declare that there are no conflicts of interest present.