Оперативная диагностика адаптации сердца к физическим нагрузкам на основе искусственных нейронных сетей

Тип работы:
Реферат
Предмет:
Медицина


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Оперативна діагностика адаптації серця до фізичних навантажень на основі штучних нейронних мереж
Тімощенко О .В.
Національний технічний університет «Харківський політехнічний інститут»
Анотації:
Розглянуті питання виявлення порушення серцевого ритму у фізкультурників та спортсменів під час фізичного навантаження. Оцінка стану серця визначалася за даним електрокардіографічного обстеження. Для інтерпретації даних електрокардіограми розроблена математична модель на основі штучних нейронних мереж. Створено програмне забезпечення, що дозволяє проводити діагностику захворювань серця в області виявлення різних аритмій. Впровадження результатів проведеної роботи може надати практичну допомогу при визначенні порушень серцевого ритму.
Ключові слова:
адаптація, контроль, серцевий ритм, електрокардіограма, нейрона мережа, експертна система.
Тимощенко Е. В. Оперативная диагностика адаптации сердца к физическим нагрузкам на основе искусственных нейронных сетей. В статье рассмотрены вопросы выявления нарушения сердечного ритма у физкультурников и спортсменов во время физической нагрузки. Оценка состояния сердца определялась по данным электрокардиографического обследования. Для интерпретации данных электрокардиограммы разработана математическая модель на основе искусственных нейронных сетей. Создано программное обеспечение, которое позволяет проводить диагностику заболеваний сердца в области выявления различных аритмий. Внедрение результатов проведенной работы может оказать практическую помощь при определении нарушений сердечного ритма.
адаптация, контроль, электрокардиограмма, экспертная система.
сердечный ритм, нейронная сеть,
Timoshchenko E.V. The operative diagnostics to adaptation heart to physical load on the base of artificial neuron networks. In article are considered questions of the revealing the breach of the warmhearted rhythm beside athlete and athlete during physical load. The estimation of the condition heart was detned as of electrocardiographically of the examination. Mathematical model is designed for interpreting electrocardiogram data on base artificial neuron networks. It is created software, which allows to conduct the diagnostics of the heart diseases in the field of discovery different arrhythmias. Introduction result called on work can render the practical help at determination of the breaches of the warmhearted rhythm.
adaptation, checking, warmhearted rhythm, electrocardiogram, neuron network, expert system.
Вступ.
Раптова смерть унаслідок занять спортом і пов’язані з нею ускладнення медичного та юридичного характеру існує як проблема вже понад 2500 років — з моменту смерті кращого бігуна грецького війська Філіппіаддада, який в 490 році до н.е. приніс до Афін звістку про перемогу на Марафонській рівнині. Проте, оскільки поширеність раптової смерті молодих «практично здорових» людей, що займаються фізичною культурою і спортом, невелика (0,04−0,5%), цією проблемою медики впритул зайнялися лише протягом останніх тридцяти років [1].
Сучасна спортивна медицина довела, що випадки раптової смерті на фоні зовнішнього повного здоров’я викликані не лише фізичною, але й психоемоційною напругою. У разі коли сила стресової дії перевищує стрес-стійкість, можлива не мобілізація, а дисоціація функціональних резервів аж до руйнування адаптивної поведінки [2, 3]. У зв’язку з цим правильна оцінка стану організму та своєчасне розпізнавання випадків дезадаптації відносяться до найважливіших санітарно-профілактичних завдань.
Симптоми функціональних порушень системи кровообігу, які ще не супроводжуються скаргами та клінічними проявами хвороби, найчастіше виявляють при електрокардіографічному дослідженні. Сьогодні метод дослідження біоелектричної активності серця є незамінним у діагностиці порушень ритму, серцевої провідності та інших захворювань [4, 5].
У зв’язку з розвитком комп’ютерних технологій і програмного забезпечення намітився підвищений інтерес до використання штучного інтелекту як у клінічній практиці, так і в прикладній фізіології [6, 7, 8, 9]. Створення систем підтримки прийняття рішень надає значну допомогу лікарям при постановці діагнозу. Це обумовлює актуальність і практичну необхідність розробки засобів та методів діагностування стану серцево-судинної системи з використанням експертних систем.
© Тімощенко О.В., 2010
Дослідження виконано згідно Зведеного плану науково-дослідної роботи у сфері фізичної культури і спорту на 2006−2010 рр. за напрямом 1.2.4 «Науково-методичні основи використання інформаційних технологій при підготовці фахівців галузі фізичної культури і спорту» (номер держреєстрації 0106U011994).
Мета, завдання роботи, матеріал і методи.
Мета роботи — вдосконалення методики діагностики порушень серцевого ритму для оперативного визначення станів, загрозливих життю, під час занять фізичною культурою і спортом.
Для досягнення поставленої мети вирішувалися наступні завдання:
1. Проаналізувати поширеність порушень серцевого ритму у фізкультурників та спортсменів.
2. Визначити основні електрокардіографічні ознаки, які відповідають уніфікованим висновкам, та встановити оптимальну топологію нейронної мережі для виявлення порушень серцевого ритму.
3. Розробити математичне і програмне забезпечення для виявлення порушень серцевого ритму, засноване на використанні штучних нейронних мереж.
Для досягнення поставленої мети були використані наступні методи дослідження:
Теоретичний аналіз та узагальнення наукової і методичної літератури.
Електрокардіографія (ЕКГ).
Нейронні мережі (багатошаровий персептрон) Програмування з використанням засобів мови Object Pascal у середовищі розробки Borland Delphi.
Для навчання нейронної мережі були використані дані ЕКГ пацієнтів кардіологічного відділення госпіталю МВС м. Харкова (n=400).
Результати дослідження.
У клінічній та спортивній медицині всі стани, що вимагають заходів серцево-легеневої реанімації, об'єднуються поняттям «клінічна смерть», яка характеризується припиненням дихання і кровообігу. Під цим
проблеми фізичного виховання і спорту № 3 / 2010
мають на увазі не лише повну механічну зупинку серця, але і такий вид серцевої діяльності, який не забезпечує мінімально необхідного рівня кровообігу. Такий стан може розвинутися при різних небезпечних для життя порушеннях серцевого ритму: фібриляції шлуночків, повній поперечній (передсердно-шлунковій) блокаді, пароксизмальній шлунковій тахікардії та ін.
Згідно з даними літератури, частота шлункової аритмії, що виникає при фізичному навантаженні, варіює від 19 до 60%: у здорових людей вона виникає при фізичному навантаженні в 19−38% випадків, тоді як у хворих ішемічною хворобою — в 36−60% випадків [3].
Проте у дослідженнях С.Н. Хмелевої [10] аритмії різного характеру були виявлені у 63,5% бігунів-стайєрів і 50% легкоатлеток. У деяких спортсменів відмічено поєднання декількох форм аритмій, причому, вони в основному пов’язані з порушенням утворення імпульсу: різко виражена брадикардія (18,9%), різка си-нусова аритмія (24%), міграція водія ритму (26%). Крім того, було виявлено, що періоди так званих «ударних» тренувань, що відрізняються підвищеним об'ємом і інтенсивністю, супроводилися істотним збільшенням випадків ЕКГ-ознак порушення серцевого ритму (у 62% обстежених — в кінці тренувального збору проти 38,8% - на початку). Ці прояви перенапруження міокарду з’явилися підставою для внесення корективів в тренувальний процес.
Аналіз 158 випадків раптової смерті спортсменів, зареєстрованих в США за 10 років, показав, що кардіальні причини склали 85%. У 90% випадків втрата свідомості та раптова смерть виникли відразу після тренування і безпосередньо на змаганнях [11].
Згідно з літературними даними у 18−37% спортсменів за 3−24 місяці до раптової смерті мали місце скарги кардіологічного характеру. Враховуючи молодий вік раптово померлих, які за життя активно займалися
Формування словнику
спортом, а також патоморфологічний діагноз, фахівці вважають, що вони були обумовлені порушеннями ритму [цит. по 1].
Таким чином, можливість ранньої діагностики органних захворювань серця і своєчасного втручання надає лише регулярність діагностичних обстежень спортсменів: медико-профілактичного, поглибленого, етапного і поточного.
В той же час збір оперативної інформації про функціонування серцево-судинної системи спортсменів з метою управління спортивним тренуванням — процес трудомісткий та вимагає значної кількості часу і обслуговуючого персоналу. Вирішити цю проблему дозволяє автоматизація збору і обробки медико-біологічної інформації шляхом створення експертних систем.
Інтерпретація електрокардіограми відноситься до завдань класифікації, для рішення яких доцільно використовувати багатошарові персептронні мережі, які потребують навчання. [9, 12, 13].
Визначення основних електрокардіографічних ознак, які відповідають уніфікованим висновкам щодо порушень серцевого ритму, здійснювалося за повним описом клінічних проявів захворювання.
Для коректного виконання поставленого завдання були задані параметри: вхідні (або ознаки) та вихідні (або класи). Таким чином виконана класифікація цих параметрів. Вхідні параметри були представлені 15-ми векторами, кожний з яких являє собою елемент електрокардіограми. Алфавіт класів представлено у вигляді 20-ти діагнозів (табл. 1).
Навчання багатошарової штучної нейронної мережі було здійснено за допомогою алгоритму зворотного поширення помилки. У результаті навчання мережі була мінімізована помилка відхилення вихідних значень мережі від необхідних. При цьому мінімізація помилки до необхідного значення відбулася за 11 543 ітерації.
Таблиця 1
стичних ознак та класів
Алфавіт ознак Алфавіт класів
предсердний ритм нормальний синусовий ритм
шлунковий ритм синусова тахікардія
частота скорочень передсердь синусова брадикардія
частота скорочень шлунків синусова аритмія
тривалість зубця Р синдром слабкості синусового вузла
локалізація зубця Р тріпотіння передсердь
форма зубця Р пароксизмальна предсердна тахікардія
відхилення зубця Р фібрілляція (мерехтіння) передсердь
тривалість інтервалу РЯ предсердна тахікардія із блокадою
тривалість комплексу фібрілляція шлунків
локалізація зубця Т багатоочагова (хаотична) предсердна тахікардія
форма зубця Т шлункова тахікардія
відхилення зубця Т парасістолія
тривалість інтервалу РТ міграція водія ритму
сегмент 8 Т прискорений ритм АВ-з'єднання
— асистолія
— предсердні скорочення, що вислизають, та ритми
— шлункові комплекси, що вислизають, та шлунковий ритм
— вузловий ритм
— ідіовентрикулярний ритм
Результатом навчання мережі стали настроєні значення вагових коефіцієнтів мережі.
Для діагностування порушень вхідні дані були представлені у вигляді вектора значень елементів ЕКГ. На виході кожного метода по введеному вхідному вектору отримано відповідний діагноз. Перевірка коректності функціонування розробленого математичного й програмного забезпечення поставленого завдання здійснена шляхом апробації розроблених моделей на числових прикладах. Було використано тренувальний шаблон ТР=& lt-Р, Т>-, елементи якого являють собою ЕКГ-показники (вектор Р) та відповідні їм діагнози (вектор Т). Цей тренувальний шаблон використано для навчання створених математичних моделей з метою порівняння ефективності окремих методів до завдання діагностування даних ЕКГ.
Для числового дослідження використано тренувальний шаблон, що складається з 400-та елементів. Для даного тренувального шаблона відповідно до реалізованого методу було:
• здійснено первинну ініціалізацію методу-
• створена структура-
• проведено навчання створеної структури-
• перевірена працездатність для окремого вектора, що не входить у тренувальний шаблон-
• випробувана працездатність розробленої моделі на тестових прикладах.
Для реалізації завдання діагностування за допомогою багатошарової персептронної мережі була обрана наступна структура нейронної мережі:
• кількість шарів мережі: 3-
• кількість нейронів вхідного шару: 15-
• кількість нейронів схованого шару: 20-
• функції активації схованого шару: сигмоідальні з параметром 0,5-
• кількість нейронів вихідного шару: 20-
• функції активації нейронів вихідного шару: сигмоі-дальні з параметром 0,5.
Навчання багатошарової персептронної мережі відбулося за 5 хвилин 43 секунди. Точність постановки діагнозу склало 89%.
Підсумки дослідження свідчать, що для завдань діагностування захворювань серця математичний метод, який заснований на застосуванні персептронної не-йронної мережі є ефективним і надійним.
Розроблена математична модель отримала програмну реалізацію з використанням середовища швидкої розробки додатків ВогІаМ БеІрЬі. Програмне забезпечення дозволяє здійснювати ініціалізацію, навчання, моделювання діагностування та перевірку якості роботи розробленого математичного методу. Отримані результати можуть бути збережені в окремих файлах і згодом завантажені за допомогою відповідних процедур програмного забезпечення.
Висновки:
1. Порушення серцевого ритму у фізкультурників та спортсменів досить поширене явище. Тому для розуміння фізіологічних механізмів адаптації серця до фізичних навантажень в умовах його гіперфункції і для
правильної клініко-прогностичної оцінки отриманих даних необхідні поточні діагностичні обстеження фізкультурників та спортсменів.
2. Діагностування захворювань серця краще здійснювати за допомогою нейронної мережі, що складається з багатошарового персептрона, який має наступну структуру: сигмоідальна функція активації, кількість входів — 15, шарів — 3, кількість нейронів схованого шару — 20- кількість виходів — 20.
3. Застосування цієї штучної нейронної мережі дозволяє оперативно оцінювати стан серцево-судинної системи. При цьому імовірність правильного розпізнавання постановки діагнозів становить В9%.
4. Системи діагностування із використанням нейронних мереж можуть бути застосовані як для діагностування в медичній практиці, так і для тестування майбутніх фахівців у цій області.
Практична необхідність розробки засобів та методів діагностування стану серцево-судинної системи при масових обстеженнях фізкультурників і спортсменів обумовлює перспективи подальших досліджень — використання експертних систем у процесі моніторингу фізкультурно-оздоровчих занять за показниками частоти серцевих скорочень та варіабельності серцевого ритму.
Література:
1. Смоленский А. В. Внезапная смерть в спорте: мифы и реальность = Sudden Death in Sport: Myths or Reality/ А. В. Смоленский, Б. Г. Любина //Теория и практика физ. культуры. — 2002. — № 10. — С. 39−42.
2. Белоцерковский З. Б. Эргометрические и кардиологические критерии физической работоспособности у спортсменов /З.Б. Бе-лоцерковский. — М.: Советский спорт, 2005. — 312 с.
3. Дощицин В. Л. Внезапная аритмическая смерть и угрожающие аритмии / В. Л. Дощицин //Российский кардиологический журнал.
— 1999. — № 1. — С. 4б-51.
4. Брудная Э. Н. Основные электрокардиографические признаки, соответствующие унифицированным заключениям /Э.Н. Брудная, Э. К. Кудзи, М. А. Кривоносов, Б. Г. Блюм. — Ялта: Наука, 1977. — 37 с.
5. Мурашко В. В. Электрокардиография: Учебное пособие. / В. В. Мурашко, А. В. Струтынский. — 4-е изд. — М.: МЕДпресс, 2000.
— 312 с.
6. Гаврилов А. В. Системы искусственного интеллекта: Учебное пособие: в 2-х ч. /А.В. Гаврилов. — Новосибирск: Изд-во НГТУ, 2001.
— Ч.1. — б7 с.
7. Горбань А. Н. Нейроинформатика /А.Н. Горбань, В.Л. Дунин-Барковский, Д. А. Россиев. — Новосибирск: Наука. Сибирское предприятие РАН, 199 В. — 29б с.
В. Морозов А. А. Интеллектуализация ЭВМ на базе нового класса нейроподобных растущих сетей / А. А. Морозов, В. А. Ященко. — К.: Наука, 1997. — 124 с.
9. Неймарк Ю. И. Распознавание образов и медицинская диагностика /Ю.И. Неймарк, З. С. Баталова, Ю. Г. Васин, М. Д. Брейдо. — М.: Наука, 1972.- 32 В c.
10. Хмелева С. Н. Адаптация к физическим нагрузкам и ее медикобиологические характеристики у спортсменов циклических видов спорта /Хмелева С.Н., Буреева А. А., Давыдов В. Ю., Васильев Н. Д. //Теория и практика физ. культуры. — 1997. — № 4. — С. 19−21.
11. Mathias C.J., Deguchi K., Sehatz I. Observations on recurrent syncope and presyncope in б41 patients. — Lancet, 2001. — V. 357. — Р 34В-353.
12. Заенцев И. В. Нейронные сети: основные модели: Учебное пособие. /И.В. Заенцев. — Воронеж, 1999. — 1 Вб с.
13. Уоссерман Ф. Нейрокомпьютерная техника: теория и практика. / Уоссерман Ф. — М.: Мир, 1992. — 17 В с.
Надійшла до редакції 0б. 02. 2010р.
Тімощенко Олена Василівна elena timoschenko@yahoo. com

ПоказатьСвернуть
Заполнить форму текущей работой