Алгоритмы визуализации потоковых данных программ обработки медицинских сигналов в ОС WINDOWS

Цель исследования - разработка алгоритмов визуализации многоканальных потоков биомедицинских данных в процессе мониторинга функционального состояния пациента.

Методы. Предложены алгоритмы представления многоканальных мониторинговых биомедицинских сигналов в виде графиков на экране видеомонитора. Показаны проблемы построения систем обработки и визуализации данных в операционной системе Windows. Для решения задачи выполнения пауз потоков при проектировании систем обработки сигналов в реальном времени предложено использовать «счетчики производительности» - специальные регистры центрального процессора, которые позволяют отмерять временные интервалы с точностью до долей микросекунд. Разработан алгоритм процедуры выполнения пауз в системах обработки сигналов в реальном времени в операционной системе Windows на основе счетчиков производительности. Алгоритм основан на включении в цикл опроса состояния счетчика производительности функции Sleep с нулевым аргументом.

Результаты. В многоканальных системах мониторинга биомедицинских данных предложено использовать конвейерную обработку, при которой происходит дробление общего вычислительного процесса на определенные стадии, называемые ступенями. На каждую ступень выделяется отдельная часть аппаратных средств. Выполнена апробация алгоритма работы ступени визуализации многоканальных данных. Алгоритм выполняет инициализацию устройства отображения, а затем рабочий цикл отрисовки графики на основе поставляемых данных. На основе предложенного алгоритма разработан монитор биосигналов (электромиосигнала и электрокардиосигнала), позволяющий отрисовывать несколько тысяч графических примитивов в секунду и в реальном времени отображать сигналы на экране видеомонитора.

Заключение. В ходе проведенного исследования были разработаны алгоритмы визуализации потоковых данных медицинских сигналов в операционной системе Windows. Источниками данных являлось разнообразное медицинское оборудование, такое как усилители биопотенциалов, электрокардиографы, пульсоксиметры, пульсометры и т. п., а также системы для вычисления диагностических показателей. Алгоритмы ориентированы на объектно-ориентированное программное обеспечение, что позволяет внедрять его в новые системы регистрации медицинских сигналов в операционной системе Windows.

1. 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.

2. 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.

3. Метод и алгоритмы декодирования электрофизиологических сигналов в биотехнических системах реабилитационного типа / А. А. Трифонов, С. А. Филист, Е. В. Петрунина, А. А. Кузьмин, Р. И. Сафронов, Е. В. Крикунова // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2021. Т. 11, № 3. С. 48-77.

4. Двухуровневая нейросетевая модель дешифратора электромиосигнала в системе управления вертикализацией экзоскелета / А. А. Трифонов, С. А. Филист, А. А. Кузьмин, В. В. Жилин, Е. В. Петрунина // Прикаспийский журнал: управление и высокие технологии. 2020. № 4 (52). С. 99-111.

5. 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.

6. 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.

7. 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, 2020. Р. 9368588.

8. Трифонов А. А., Кузьмин А. А., Павленко А. В. Беспроводная система регистрации сигналов электромиограммы для биотехнических систем реабилитационного типа // Радиоэлектроника. Проблемы и перспективы развития: сборник трудов / Тамбовский государственный технический университет. Тамбов, 2021. С. 356-360.

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

10. 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.

11. 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 // CEUR Workshop Proceedings / ITIDMS 2021 - Proceedings of the International Scientific and Practical Conference "Information Technologies and Intelligent Decision Making Systems". Moscow, 2021.

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

13. Open G. L. The Industry's Foundation for High Performance Graphics. From Games To Virtual Reality, Mobile Phones To Supercomputers. URL: https://www.opengl.org/ (дата обращения: 01.05.2022).

14. Windows: Sleep(0.5). URL: https://habr.com/ru/post/319402/ (дата обращения: 01.05.2022).

15. Tomakova R. A., 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.

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

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

18. Техническая документация Майкрософт. URL: https://docs.microsoft.com/ru-ru/ (дата обращения: 01.05.2022).

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

20. Патент на изобретение RU 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. от 06.07.12; опубл. 20.01.14.