О бработк а и анализ биологических сигналов
Внедрение электрокардиограммы (ЭКГ) в клиническую практику датским врачом Уильямом Эйнтховеном в 1903 году ознаменовало начало новой эры в методах медицинской диагностики, связанной с использованием электроники в здравоохранении. С тех пор электроника, а в последствии и компьютеры, стали неотъемлемыми компонентами систем анализа биомедицинских сигналов, выполняя различные задачи от съема данных, их предварительной обработки и устранения артефактов до выделения диагностических признаков и интерпретации. Электронное оборудование и компьютеры начали применяться для исследования широкого спектра биологических и физиологических систем и феноменов, таких как электрическая активность сердечно-сосудистой системы, мозга, нейромышечной системы и системы пищеварения; изменения давления в сердечно-сосудистой системе; звуки и сигналы вибрации от сердечно-сосудистой, мышечно-скелетной и дыхательной систем; магнитные поля мозга. И это далеко не полный перечень.
Первым шагом в исследовании физиологических систем является разработка соответствующих датчиков и аппаратуры для преобразования изучаемых феноменов в электрический сигнал, поддающийся измерению. Следующий шаг – обработка биосигналов – не всегда является простой задачей для врача или специалиста в области биологической науки. Клинически важная информация в сигнале часто замаскирована шумами и наводками. Кроме того, как правило, параметры сигналов не могут быть непосредственно восприняты визуальной и звуковой системами человека-наблюдателя. Большая часть энергии звуков сердца, например, сосредоточена на границе или за пределами границ восприятия звука большинством людей. Вид поверхностного электромиографического (ЭМГ) сигнала слишком сложен, чтобы был возможен его визуальный анализ. Некоторые многократно повторяющиеся или требующие непрерывного внимания задачи, такие как текущий мониторный контроль ЭКГ тяжелых кардиологических больных с нарушениями сердечного ритма, могут оказаться скучными и утомительными для человека-наблюдателя. Более того, в сигналах такого типа наблюдается изменчивость от одного пациента к другому. Кроме того, вериабельность, порождаемая субъективностью анализа различных врачей или аналитиков, делает надежную и состоятельную оценку и понимание наблюдаемых феноменов затруднительной или даже невозможной задачей. Эти факторы определяют потребность не только в более совершенной аппаратуре, но также и в разработке методов для объективного анализа сигналов с использованием алгоритмов обработки, реализованных с помощью электронной аппаратуры или компьютеров.
|
|
|
Обработка медицинских сигналов до недавнего времени была в основном направлена на решение следующих видов задач: фильтрацию шумов или сетевой наводки; спектральный анализ для понимания частотных характеристик сигнала; моделирования для представления свойств и параметризации исследуемых процессов. Тенденции последнего времен направлены на количественный объективный анализ физиологических систем и феноменов через анализ сигналов. Направление анализа биомедицинских сигналов достигло уровня практического применения методов обработки сигналов и распознавания образов для эффективной и совершенной неинвазивной диагностики, текущего мониторного наблюдения за состоянием тяжело больных пациентов, реабилитации и сенсорной поддержки инвалидов. Методы, разработанные инженерами, находят все большее применение у практических врачей, а роль техники в диагностике и лечении завоевала заслуженное уважение.
|
|
|
Интерпретация сигнала экспертом в большой степени определяется опытностью и квалифицированностью аналитика; следовательно, такой анализ всегда субъективен. Компьютерный анализ биомедицинских сигналов, если он выполняется с использованием адекватной логики, потенциально способен усилить объективную составляющую интерпретации, даваемой экспертом. Таким образом, становится возможным усилить достоверность или точность диагностики даже эксперта с многолетним опытом. Этот подход к повышению уровня здравоохранения может быть назван диагностикой, поддерживаемой компьютером.
|
|
|
Разработка алгоритма для анализа биомедицинского сигнала, однако, является непростой задачей; довольно часто это даже не целенаправленный процесс. Инженер или компьютерный аналитик часто сталкивается с проблемами изменчивости и разнообразия признаков в биомедицинских сигналах, где они проявляются значительно чаще, чем в самих физических системах – источниках этих сигналов. Доброкачественные заболевания часто маскируют признаки злокачественных; злокачественные заболевания могут проявляться в виде специфических признаков, проявление которых, однако, не всегда гарантировано. Учет всех возможностей и степеней свободы в биомедицинских системах является наиболее сложной проблемой для большинства применений. Методы, показавшие хорошую работоспособность для определенных систем или наборов сигналов, могут оказаться несостоятельными в других, на первый взгляд похожих, ситуациях.
|
|
|
Живые организмы генерируют большой поток сигналов, часто замаскированных на фоне других сигналов и шумов. Главная цель обработки сигналов - отфильтровать интересующие нас сигналы от фона и уменьшить чрезмерный поток данных до нескольких, нужных параметров, имеющих информационную ценность. Такие параметры должны представлять ценность для медицинского заключения, решать медицинскую проблему, уточнять механизмы, лежащие в основе биологического процесса и т.п.
Цель изучения биосигналов – связать полученные данные (сигналы) с изучаемой биосистемой и получить на их основе информацию, которая, в конечном итоге, станет знаниями.
Информация формируется на основе полученных данных путем их интерпретации (рис.8.3). Информация от многих пациентов возвращается назад к врачу. Путем индуктивных соображений[1] из этой информации получаются новые знания, которые присовокупляются к основным медицинским знаниям. Эти знания используются для интерпретации других данных.
Рис.8.3. Данные о пациенте, интерпретированные на основе доказательной медицины.
Дата добавления: 2018-11-24; просмотров: 326; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!