Podsumowanie 6
Znaczenie kliniczne morfologii pobudzeń
Procedura wyznaczania morfologii pobudzeń ma na celu identyfikację podstawowych grup ośrodków bodźcotwórczych reprezentowanych przez klastry (np. w analizie zapisu holterowskiego) lub pojedyncze pobudzenia (np. w badaniu elektrokardiograficznym próby wysiłkowej). Celem wyznaczania morfologii jest wskazanie źródła pobudzenia, tj. ośrodka bodźcotwórczego będącego przyczyną pobudzenia. Identyfikacja może przebiegać na różnych poziomach ogólności:
– rozróżnienie ewolucji komorowych, nadkomorowych, pozostałych ewolucji i artefaktów,
– rozróżnienie ewolucji w obrębie grup podstawowych na podstawie kontekstu, parametrów czasowych i kształtu sygnału w poszczególnych odprowadzeniach.
Wyższy poziom ogólności pozwala na identyfikację zjawisk sprzyjających generowaniu pobudzeń zastępczych, detekcję podstawowych arytmii oraz kwalifikację pobudzeń do kolejnych etapów analizy (np. analiza HRV i odcinka ST jest prowadzona tylko dla zespołów zatokowych). Identyfikacja szczegółowa jest przydatna do wykrywania rytmu wiodącego, rozróżniania arytmii z udziałem wielu ośrodków bodźcotwórczych oraz stanowi wstęp do analizy konturu. Szczegółowe rozróżnienie kilkudziesięciu typów morfologicznych wymaga skomplikowanych obliczeń – nawet stwierdzenie rytmu zatokowego miarowego dokonywane jest na podstawie położenia granic załamka P i zespołu QRS oraz osi elektrycznych w ich obrębie. Z medycznego punktu widzenia wskazanie źródła pobudzenia ma na celu opis jego własności (a na tej podstawie przewidywanie zmian funkcjonowania serca), oraz możliwości wzajemnych interakcji i innymi ośrodkami bodźcotwórczymi. Topologiczna lokalizacja ośrodka bodźcotwórczego ma znaczenie drugorzędne.
Najczęściej poruszane problemy
Określenie morfologii ewolucji serca wykorzystuje cechy zapisu typowe dla pobudzeń pochodzących z poszczególnych ośrodków bodźcotwórczych. Wśród cech przydatnych do wyznaczania morfologii można wyróżnić parametry uniwersalne (niezależne od odprowadzenia) i parametry specyficzne dla poszczególnych odprowadzeń. Najbardziej typowymi cechami uniwersalnymi są: długość zespołu QRS i szybkość narastania wartości sygnału. Podstawą obu tych cech jest zróżnicowanie mechanizmu przewodzenia bodźca dla pobudzeń nadkomorowych (odnogi pęczka Hisa i włókna Purkinjego) i komorowych (przewodnictwo międzykomórkowe). Inną cechą charakterystyczną pobudzeń komorowych jest skrócenie poprzedzającego je interwału międzyuderzeniowego, co wynika z warunku uaktywnienia ektopowego generatora bodźców.
Projektant procedury do wyznaczania morfologii ewolucji serca stoi przed następującymi zagadnieniami konstrukcyjnymi:
– określenie poziomu ogólności rozpoznania morfologii w zależności od dostępnych zasobów i jakości sygnału, ew. podział procedury na dwa etapy: ogólniejszy i bardziej szczegółowy,
– wybór optymalnego zestawu cech charakterystycznych, tj. niezbędnej liczby cech wystarczającej do uzyskania wystarczającej wiarygodności rozpoznania,
– wybór i zastosowanie cech globalnych i specyficznych oraz odprowadzeń, w których skuteczność rozpoznania jest największa,
– wybór wartości granicznych dla poszczególnych cech, minimalizujących ryzyko niepoprawnego rozpoznania morfologii,
– adaptacja wzorców morfologii, zestawu cech lub wartości granicznych do indywidualnych cech zapisu z uwzględnieniem spodziewanych statystyk morfologii,
– obsługa interakcji operatora, w szczególności analiza jego akcji będąca podstawą uczenia się programu i dalszej klasyfikacji automatycznej,
– obsługa przypadków nietypowych i sygnałów o znaczny poziomie szumu.
Praktyczne wskazówki do realizacji zadania
Wyznaczanie morfologii ewolucji serca jest niekiedy łączone z klasteryzacją zespołów QRS, a niekiedy także z detekcją. W tym ostatnim przypadku detekcja wykorzystuje zestaw wzorców sygnału lub zestaw cech charakterystycznych dla poszczególnych typów ewolucji. Większość systemów interpretacji zapisu dokonuje wyznaczenia morfologii (typu) ewolucji serca w sposób uogólniony i wykorzystuje separację pobudzeń nadkomorowych do kwalifikowania ich do dalszych etapów przetwarzania. Zaletą ogólnej identyfikacji morfologii jest niski nakład obliczeniowy, możliwość jej implementacji w systemach o znacznych ograniczeniach mocy obliczeniowej, a także łatwość wykonania obliczeń w czasie rzeczywistym. Należy zwrócić uwagę, że niektóre systemy rejestrujące oferują zbyt niską rozdzielczość czasową lub amplitudową, aby umożliwić wiarygodną analizę załamka P.
Z punktu widzenia niektórych dalszych analiz zapisu (ST, HRV i innych) bazujących wyłącznie na pobudzeniach zatokowych omyłkowe wskazanie morfologii jako zatokowej może poważnie zaburzyć statystyki mierzonych parametrów. Przeciwnie, omyłkowe wskazanie morfologii jako komorowej powoduje wykluczenie ewolucji typowej, co może zostać nie zauważone. Przeciwna zależność obowiązuje dla analizy HRT, bazującej na zachowaniu rytmu serca w następstwie pobudzeń komorowych.
Szczegółowa analiza morfologii wykonywana jest w obrębie uprzednio wydzielonych grup morfologicznych tylko przez najbardziej zaawansowane oprogramowanie. W każdej z tych grup wykonywane są specyficzne pomiary, niekiedy (np. w grupie pobudzeń nadkomorowych) wchodzące w skład analizy konturu.
Literatura 6
AAMI (1998) Testing and Reporting Performance Results of Cardiac Rhythm and ST Segment Measurement Algorithms, Association for the Advancement of Medical lnstrumentation
Chiu S. (1994) Fuzzy Model Identification Based on Cluster Estimation. J Intelligent & Fuzzy Systems, 2:267–268.
de Chazal P, Reilly R. (2006) A Patient-Adapting Heartbeat Classifier Using ECG Morphology and Heartbeat Interval Features. IEEE Trans Biomed Eng. 53(12):2535–2543
Engelse WAH, Zeelenberg C. (1979) A single scan algorithm for QRS detection and feature extraction. IEEE Computers in Cardiology, 6:37–42.
Gustafsson F. (1996) Determining the initial states in forward-backward filtering. IEEE Trans Signal Processing, 44:988–92.
Guyon I, Weston J, Barnhill S, Vapnik V. (2002) Gene selection for cancer classification using SVM. Machine Learning, 46:389–422.
Hu YH, Palreddy S, Tompkins W. (1997) A Patient-Adaptable ECG Beat Classifier Using a Mixture of Experts Approach. IEEE Trans Biomed Eng. 44(9):891–900
Jang JSR. (1993) ANFIS: Adaptive-Network-based Fuzzy Inference Systems. IEEE Trans Systems Man and Cybernetics, 23: 665–685
Longini RL, Giolma JP, Wall C, Quick R. (1975) Filtering without phase shift. IEEE Trans Biomed Eng, 22:432–3.
Pedrycz W, Bortolan G, Degani R. (1991) Classification of Electrocardiographic signals: a fuzzy pattern matching approach. Artificial Intelligence in Medicine, 3:31–46
Zadania
Zadania
- Zaimplementuj procedury wyznaczania przybliżonych granic zespołu QRS, a następnie dokonaj identyfikacji morfologii na podstawie długości zespołu QRS. Jaki jest odsetek pomyłek?
- Zaimplementuj procedury wyznaczania kąta osi serca (por. rozdział 8) i dokonaj identyfikacji morfologii na podstawie położenia osi.
- Zaimplementuj procedurę analizy składowych głównych dla elektrokardiogramów wieloodprowadzeniowych, a następnie dokonaj identyfikacji morfologii na podstawie wartości wybranych składowych. Które składowe są optymalne do wyznaczania morfologii?
- Wyznacz podstawowe statystyki interwałów RR (średnia i wariancja) poprzedzających ewolucje różnych morfologii. Czy na podstawie interwału RR można zidentyfikować morfologię ewolucji serca?
- Wyznacz podstawowe statystyki wartości sygnałów w zakresie –200... –50ms poprzedzającym punkt detekcji. Czy na podstawie wartości średniej i wariancji sygnału w obrębie spodziewanego załamka P można zidentyfikować morfologię ewolucji serca.
- Zaproponuj i przetestuj metodę hybrydowa identyfikacji morfologii ewolucji serca, oraz przetestuj metodę wykorzystującą jedną z cech (długość, położenie osi, składowe główne, statystykę interwałów lub wartości sygnałów) na tym samym zbiorze sygnałów testowych. Która z metod cechuje się większą dokładnością?
Podsumowanie7
Znaczenie kliniczne detekcji granic załamków
Do podstawowych parametrów diagnostycznych elektrokardiogramu należy opis zależności czasowych poszczególnych zjawisk wchodzących w skład ewolucji serca. Punkty graniczne załamków są więc podstawą wyznaczania parametrów diagnostycznych (interwałów), a dokładność ich wskazania implikuje wiarygodność diagnostyki wykonywanej automatycznie. Punkty graniczne załamków są także używane przez kolejne procedury interpretacji zapisu jako granice obliczeń (np. położenia osi elektrycznych).
Długość i stabilność interwału czasu jaki upływa pomiędzy aktywacją przedsionków i komór serca jest podstawą oceny przewodnictwa przedsionkowo-komorowego i synchronizacji pracy jam serca, skrócenie tego czasu może być przesłanką istnienia dodatkowej drogi przewodzenia bodźców. Długość skurczu przedsionków (reprezentowana w czasie trwania załamka P) jest istotna dla oceny przewodnictwa międzyprzedsionkowego oraz ew. aktywności zapasowych generatorów rytmu nadkomorowego. Długość skurczu komór serca ma znaczenie dla wskazania ośrodka pobudzającego komory i dla wyznaczenia wskaźników metabolicznych mięśnia serca, a ponadto jest przydatna do wskazania fazy wczesnej repolaryzacji (odcinka ST) i ew. późnych potencjałów komorowych (VLP). Wreszcie, wyznaczenie długości odcinka QT jest niezbędne do określenia czasu aktywacji mięśnia roboczego komór serca oraz do oceny przebiegu repolaryzacji (np. zespół przedłużonego odcinka QT, dyspersja QT, alternans załamka T).
Wyznaczanie punktów granicznych jest areną najsilniejszej walki konkurencyjnej pomiędzy producentami systemów do interpretacji EKG. Znane są rozwiązania, w których średnia niedokładność wyznaczania początku zespołu QRS nie przekracza interwału próbkowania sygnału.
Najczęściej występujące problemy
Projektant procedury przeznaczonej do detekcji granic załamków elektrokardiogramu ma do rozwiązania następujące zagadnienia:
– wybór podstawy wyznaczania granic, niezależnie dla każdego punktu granicznego - użycie procedur analizy statystycznej sygnału lub dopasowania modeli parametrycznych,
– wybór wartości granicznych – odchylenia rozkładu od normalnego lub współczynnika niedopasowania,
– sposób obsługi zapisu wieloodprowadzeniowego – jeśli granice załamków są wyznaczane niezależnie dla poszczególnych odprowadzeń, istotny jest sposób wskazania wartości globalnej,
– obsługę zapisów szczególnych patologii: bloków przedsionkowo-komorowych charakteryzujących się brakiem synchronizacji lub kilkakrotnym wystąpieniem załamka P, migotania i trzepotania przedsionków, zespołu R-na-T i innych,
– obsługę błędów i zapisów o niskim stosunku sygnału do szumu.
Testowanie oprogramowania analizującego jest źródłem kolejnych zagadnień do rozwiązania. Konstruktor takiego oprogramowania powinien mieć na uwadze następujące fakty:
– nie istnieje wartość poprawna położenia początku lub końca załamka, kardiologiczne bazy danych podają jedynie wartości referencyjne będące wynikiem konsensusu wielu ekspertów i rezultatem wskazań oprogramowania uwzględnionego podczas realizacji projektu bazy,
– w zależności od dynamiki zjawisk elektrycznych specyficznej dla poszczególnych składników ewolucji serca, wyznaczanie poszczególnych punktów granicznych może być obarczone mniejszą (np. początek QRS) lub większą (np. koniec T) niedokładnością,
– dokładność wyznaczania tego samego punktu granicznego w różnych zapisach jest bardzo zróżnicowana i zależy od: akcji serca, umieszczenia elektrod i poziomu szumu,
– w zależności od czasowego i przestrzennego (względem układu elektrod) przebiegu elektrycznej akcji serca, załamki P lub T mogą być nieobecne lub niewidoczne,
– otrzymanie identycznych rezultatów pomiarowych dla kolejnych ewolucji serca jest niemożliwe dla sygnałów biologicznych i problematyczne nawet w przypadku, gdy sygnał analogowy pochodzi z generatora – rekomendowanym sposobem postępowania jest wykonanie cyfrowej kopii sygnału wybranej ewolucji serca i wielokrotne dołączenie jej po korekcji linii izoelektrycznej.
W tych warunkach szczególnie istotne jest zapewnienie powtarzalności eksperymentów wykonywanych w celu weryfikacji oprogramowania.
Metody wyznaczania granic załamków
Niezależnie od metody, wyznaczanie granic załamków jest oparte na wartościach heurystycznych, których wyznaczenie może wymagać wielu powtórzeń procedur projektowania i testowania.
Wśród metod detekcji granic załamków można wyodrębnić trzy grupy:
– oparte na analizie statystycznych własności sygnału – w obrębie załamków założenie o losowości wartości próbek (i ich pochodnych) nie jest spełnione,
– oparte na analizie reprezentacji czasowo-częstotliwościowej i detekcji punktów zerowania ciągu wartości w wybranych skalach,
– oparte na najlepszym dopasowaniu parametrycznego modelu załamka do sygnału, a następnie wyznaczeniu granic na podstawie parametrów modelu.
Wszystkie grupy metod są dość wymagające obliczeniowo. Trudno wskazać metody jednoznacznie lepsze lub gorsze, przykładowo, detekcja początku zespołu QRS jest bardziej efektywna przy użyciu metod statystycznych, natomiast do detekcji końca załamka T przydatne są raczej metody oparte na dopasowaniu.
W wybranych zastosowaniach detekcja wszystkich pięciu punktów granicznych załamków nie jest konieczna. Procedury przeznaczone do analizy odcinka QT wymagają jedynie detekcji początku zespołu QRS i końca załamka T. Z kolei procedury detekcji migotania przedsionków wymagają uprzedniego wyznaczenia granic zespołu QRS w celu usunięcia sygnału w jego zakresie.
Wyznaczanie granic załamków jest przedmiotem kontroli jakości ze strony organów decydujących o dopuszczeniu rejestratorów z interpretacją do obrotu handlowego i stosowania w praktyce medycznej, na podstawie norm międzynarodowych. Niezależnie od przeznaczenia procedury, konstruktor musi liczyć się z wielokrotnym jej poprawianiem i testowaniem z użyciem znacznej ilości zapisów wzorcowych – warto zatem przygotować oprogramowanie automatyzujące testy i statystyczną obróbkę ich rezultatów.