Многопоточная архитектура программного обеспечения обработки многоканальных медицинских сигналов

Цель исследования - разработка метода обработки и графического отображения многоканальных медицинских сигналов в квазиреальном времени.

Методы. Метод предполагает сегментацию программы на легко используемые, дополняемые и изменяемые модули-классы, которые объединены в общую иерархию с использованием объектно- ориентированных принципов наследования, что позволяет строить системы регистрации медицинских сигналов любой сложности. Метод основан на дроблении общего вычислительного процесса на определенные стадии, называемые ступенями. На каждую ступень выделяется отдельная часть аппаратных средств, а между ступенями организуется процесс передачи входных-выходных данных. Совокупность ступеней представляет собой конвейер для обработки данных. Предложенная архитектура системы обработки медицинских сигналов позволяет осуществлять конвейерную многопоточную обработку многоканальных медицинских сигналов, что повышает эффективность использования многоядерных вычислительных платформ.

Результаты. На основе предложенного метода разработана модульная структура программного обеспечения обработки медицинских сигналов для многоканальной системы сбора данных. Обработка данных в ступенях-обработчиках конвейера включает в себя такие типичные операции, как запись данных на жесткий диск или в отдельный буфер памяти, фильтрация сигнала - удаление постоянной составляющей или подавление определенного спектра частот, вычисление диагностических показателей сигнала, анализ полученных показателей, принятие решений и т. п. Согласно предложенной модульной структуре разработано программное обеспечение обработки многоканальных медицинских сигналов в реальном времени.

Заключение. В ходе проведенного исследования было разработано программное обеспечение обработки многоканальных медицинских сигналов в реальном времени. Разработан метод, позволяющий сегментировать программу на легко используемые, дополняемые и изменяемые модули-классы, которые объединены в общую иерархию с использованием объектно-ориентированных принципов наследования.

1. Томакова Р. А., Филист С. А., Дураков И. В. Программное обеспечение автоматической классификации рентгенограмм грудной клетки на основе гибридных классификаторов // Экология человека. 2018. № 6. С. 59-64.

2. Филист С. А., Томакова Р. А., Яа З.Д. Универсальные сетевые модели для задач классификации биомедицинских данных // Известия Юго-Западного государственного университета. 2012. № 4(43), ч. 2. С. 44-50.

3. Виртуальные потоки в гибридных решающих модулях классификации сложноструктурируемых данных / А. В. Киселев, Д. Ю. Савинов, С. А. Филист, О. В. Шаталова, B. В. Жилин // Прикаспийский журнал: управление и высокие технологии. 2018. № 2 (42). С. 137-149.

4. Биотехническая система с виртуальной реальностью в реабилитационных комплексах с искусственными обратными связями / А. А. Трифонов, Е. В. Петрунина, C. А. Филист, А. А. Кузьмин, В. В. Жилин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2019. Т. 9, № 4. С. 46-66.

5. Biotechnical system for control to the exoskeleton limb based on surface myosignals for rehabilitation complexes / A. A. Trifonov, A. A. Kuzmin, S. A. Filist, S. V. Degtyarev, E. V. Petrunina // 14th IEEE International Conference on Application of Information and Communication Technologies, AICT 2020 - Proceedings 14, 2020. Р. 9368588.

6. Классификация функционального состояния системы дыхания на основе анализа вариабельности медленных волн VLF-диапазона / А. В. Киселев, А. А. Кузьмин, М. Б. Мяснянкин, А. А. Маслак, С. А. Филист, А. Ф. Рыбочкин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2022. Т. 12, № 1. С. 8-32.

7. Biotechnical system based on fuzzy logic prediction for surgical risk classification using analysis of current-voltage characteristics of acupuncture points / S. A. Filist, R. T. Al-Kasasbeh, O. V. Shatalova, N. A. Korenevskiy, A. S. Ashraf, Z. U. Protasova, M. Ilyash, M. Lukashov // Journal of Integrative Medicine. 2022. № 20. Р. 252-264.

8. Предикторы синхронности системных ритмов живых систем для классификаторов их функциональных состояний / Т. В. Петрова, С. А. Филист, С. В. Дегтярев, А. В. Киселев, О. В. Шаталова // Системный анализ и управление в биомедицинских системах. 2018. Т. 17, № 3. С. 693-700.

9. Свидетельство о регистрации программы для ЭВМ RU 2015616286. Программа сингулярного анализа электрокардиосигнала / Р. А. Томакова, Яа Зар До, О. В. Шаталова, М. В. Томаков. № 2015612066; заявл. 23.03.15; опубл. 05.06.15.

10. Томакова Р. А., Мухаммед А. А., Плесканос Л. В. Многоагентные системы классификации на основе нелинейных моделей импеданса в биоактивных точках // Биомедицинская радиоэлектроника. 2014. № 9. С. 51-55.

11. Пат. на изобретение Российская Федерация 2504328 C1. Устройство для контроля анизотропии электрической проводимости биотканей / Томакова Р. А., Филист С. А., Кузьмин А. А., Кузьмина М. Н. [и др.]. № 2012128471/14; заявл. 06.07.12; опубл. 20.01.14 .

12. Tomakova R., Filist S., Pykhtin A. Development and research of methods and algorithms for intelligent systems for complex structured images classification // Journal of Engineering and Applied Sciences. 2017. Vol. 12, N 22. P. 6039-6041.

13. Рихтер Дж. Windows для профессионалов: создание эффективных Win32 приложений с учетом специфики 64-разрядной версии Windows. СПб.: Питер; М.: Русская Редакция, 2001. 752 с.

14. Техническая документация Майкрософт. URL: https://docs.microsoft.com/ru-ru/ (дата обращения: 01.03.2022).

15. Формирование дескрипторов для классификаторов функционального состояния системы дыхания на основе спектрального анализа электрокардиосигнала / М. Б. Мяснянкин, С. А. Филист, А. В. Киселев, А. А. Кузьмин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2020. Т. 10, № 3/4. С. 8-28.

16. Classification of the functional state of the respiratory system based on the spectral analysis of the electrocardio signal / M. B. Myasnyankin, A. A. Kuzmin, S. A. Filist, L. V. Shulga // Proceedings of the International Scientific and Practical Conference "Information Technologies and Intelligent Decision Making Systems", 2021.

17. Neural network classifiers with descriptors obtained on the basis of analysis of the system rhythms in intellectual prediction systems for non-hospital pneumonia / M. B. Myasnyankin, A. A. Kuzmin, S. A. Filist // Journal of Physics: Conference Series. International Scientific Conference Artificial Intelligence and Digital Technologies in Technical Systems, 2021. Р. 012046.

18. Формирование признакового пространства для задач классификации сложноструктурируемых изображений на основе спектральных окон и нейросетевых структур / С. А. Филист, К. Д. Али Кассим, А. А. Кузьмин, О. В. Шаталова, Е. А. Алябьев // Известия Юго-Западного государственного университета. 2016. № 4 (67). С. 56-68.

19. Developing neural network model for predicting cardiac and cardiovascular health using bioelectrical signal processing / S. A. Filist, R. T. Al-Kasasbeh, O. V. Shatalova, A. Aikeyeva, N. A. Korenevskiy, A. Shaqadand, A. Trifonov, M. Ilyash // Computer Methods in Biomechanics and Biomedical Engineering. 2022. Vol. 25, is. 8. https://doi.org/10.1080/10255842.2021.1986486.

20. Белобров А. П., Кузьмин А. А., Филист С. А. Многомерная частотная селекция в задачах анализа медленных волн // Биомедицинская радиоэлектроника. 2010. № 2. С. 4-10.

21. Кузьмин А. А., Белозеров А. Е., Пронин Т. В. Регистрация и обработка медицинских сигналов в операционной системе Windows в реальном времени с использованием аналоговых интерфейсов L-CARD // Медицинская техника. 2008. № 2. С. 4-7.