Методы определения элементов PQRST-комплекса электрокардиограммы

Электрокардиограмма (ЭКГ) является одним из наиболее распространенных медицинских исследований. Качественная расшифровка 12-канальной электрокардиограммы важна для последующей постановки диагноза и назначения лечения. Один из важных шагов при расшифровке ЭКГ – определение границ элементов PQRST-комплекса. В статье рассматриваются математические методы определения границ  волн P, T и комплекса QRS, а также пиков R, P и T, приводятся недостатки математических методов определения элементов PQRST-комплекса. Кроме того, приводятся значения метрик, полученных в результате обучения нейросетевой модели сегментации PQRST-комплекса. Проведенные эксперименты показывают актуальность использования нейросетевых и комбинированных подходов к анализу комплекса PQRST.

1. Alexandridi A., Panagopoulos I. et al. R-Peak Detection with Alternative Haar Wavelet Filter. In Proc. of the 3rd IEEE International Symposium on Signal Processing and Information Technology, 2003, pp. 219-222.

2. Bank D., Koenigstein N., Giryes R. Autoencoders. arXiv:2003.05991, 2020, 22 p.

3. Coast D.A., Stern R.M. et al. An Approach to Cardiac Arrhythmia Analysis Using Hidden Markov Models. IEEE Transactions on Biomedical Engineering, vol. 37, issue 9, 1990, pp. 826-836.

4. Di Marco L.Y., and Chiari L. A Wavelet-Based Ecg Delineation Algorithm for 32-Bit Integer Online Processing. Biomedical Engineering Online, vol. 10, issue 1, 2011, pp. 1-19

5. Fernández-Delgado M., Barro Ameneiro S. MART: A Multichannel Art-Based Neural Network. IEEE Transactions on Neural Networks, vol. 9, issue 1, 1998, pp. 139-150.

6. Fraden J., Neuman M.R. QRS Wave Detection. Medical and Biological Engineering and Computing, vol. 18, issue 2, 1980. Pp. 125-132.

7. Kalyakulina A.I., Yusipov I.I. et al. Finding Morphology Points of Electrocardiographic Signal Waves Using Wavelet Analysis. Radiophysics and Quantum Electronics, vol. 61, issue 8-9, 2019, pp. 689-703.

8. Kalyakulina A.I., Yusipov I.I. et al. Ludb: A New Open-Access Validation Tool for Electrocardiogram Delineation Algorithms. IEEE Access, vol. 8, 2020, pp. 186181-186190.

9. Kalyakulina A.I., Yusipov I.I. et al. Lobachevsky University Electrocardiography Database (Version 1.0. 0). PhysioNet, 2020, URL: https://physionet.org/content/ludb/1.0.0/.

10. Kalyakulina A.I., Yusipov I.I. et al. Lobachevsky University Electrocardiography Database (Version 1.0. 1). PhysioNet, 2021, URL: https://physionet.org/content/ludb/1.0.1/.

11. Mallat S. A Theory for Multiresolution Signal Decomposition: The Wavelet Representation. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 11, issue 7, 1989, pp. 674-693.

12. Mallat S. Zero-Crossings of a Wavelet Transform. IEEE Transactions on Information Theory, vol. 37 (4): 1991. “1019–33.

13. Martı́nez J.P., Almeida R. et al. A Wavelet-Based ECG Delineator: Evaluation on Standard Databases. IEEE Transactions on Biomedical Engineering, vol. 51, issue 4, 2004, pp. 570-581.

14. Moskalenko V., Zolotykh N., Osipov G. Deep Learning for ECG Segmentation. In International Conference on Neuroinformatics. Studies in Computational Intelligence, vol. 856, 2019, pp. 246-254.

15. Redmon J., Divvala S. et al. You Only Look Once: Unified, Real-Time Object Detection. In Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 779-788.

16. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Lecture Notes in Computer Science, vol. 9351, 2015, pp. 234-241.

17. Sereda I., Alekseev S. et al. ECG Segmentation by Neural Networks: Errors and Correction. In Proc. of the International Joint Conference on Neural Networks (IJCNN), 2019, pp. 1-7.

18. Venkatesh S., Moffat D., and Reck Miranda E. You Only Hear Once: A YOLO-like Algorithm for Audio Segmentation and Sound Event Detection. Applied Sciences, vol. 12, issue 7, 2021, article no. 3293, 16 p.