350 руб
Журнал «Биомедицинская радиоэлектроника» №5 за 2019 г.
Статья в номере:
Применение сверточной нейронной сети в расчете индексов диастолической функции желудочков сердца плода при широкоапертурном зондировании фетальным доплеровским монитором
Тип статьи: научная статья
DOI: 10.18127/j15604136-201905-02
УДК: 621.317 004.421.2 615.47:616-072.7
Авторы:

А.П. Казанцев –  к.т.н., доцент, Пущинский государственный естественно-научный институт; ст. науч. сотрудник, и.о. зав. лабораторией биомедицинских разработок, Институт биологического приборостроения РАН

E-mail: telemed.ak@gmail.com

Н.С. Минаев –  бакалавр экономики, магистрант, Пущинский государственный естественно-научный институт; инженер, Институт биологического приборостроения РАН

E-mail: st.denko@rambler.ru

И.С. Минаев –  магистр, инженер, лаборатория биомедицинских разработок, Институт биологического приборостроения  с опытным производством РАН обособленного подразделения Федерального исследовательского центра «Пущинский научный центр биологических исследований РАН»

E-mail: st.denko@rambler.ru

Л.А. Черкашина –  бакалавр биотехнологий, магистрант, Пущинский государственный естественно-научный институт; инженер, лаборатория биомедицинских разработок, Институт биологического приборостроения с опытным  производством РАН обособленного подразделения Федерального исследовательского центра «Пущинский научный центр биологических исследований РАН».

E-mail: anarore-kriptih@yandex.ru

Аннотация:

Постановка проблемы. Высокая перинатальная заболеваемость и смертность являются острой проблемой во всем мире. Дистанционное мониторирование состояния плода в массовом масштабе с широким охватом всех категорий рисков призвано радикально сократить заболеваемость и смертность. Технология мониторирования должна отвечать требованиям современной методологии превентивной и персонализированной медицины. 

Цель – создание доступной массовой телемедицинской технологии Интернет-мониторирования плода. Цель текущего проекта – создание системы автоматической доплеровской сонографии для домашнего наблюдения за состоянием плода на ранних сроках беременности (во втором триместре).

Результаты. В своих решениях разработчики ориентировались на систему домашней телемедицины с доплеровскими мониторами плода и смартфонами/планшетами. Разработанные математическая модель сонографического сигнала широкоапертурного монитора плода, сверточная нейронная сеть для детектирования ключевых событий сердечного цикла и метод вычисления диастолических отношений левого и правого желудочков сердца плода в совокупности являются основой превентивной технологии, которая, превосходя существующие подходы, обеспечивает раннюю диагностику перинатальных заболеваний с начала второго триместра беременности. Оригинальное представление объемных кровотоков в виде множества виртуальных капель, производящих отдельные эхо-сигналы со своими доплеровскими сдвигами и интенсивностями, дало возможность проведения стереометрического моделирования при разработке нового метода средневзвешенных скоростей для вычисления пиковых скоростей чресклапанных потоков при исчислении индексов диастолических функций. 

Рандомизированное клонирование образцов ключевых событий дало возможность создания больших обучающих и валидационных последовательностей, что обеспечило надежное детектирование искомых событий в реальных сонографических сигналах.

Верное детектирование ключевых событий сердечного цикла плода нейронной сетью обеспечило полную автоматизацию точных измерений гемодинамических индексов, не реализованную в других системах. 

Практическая значимость. Открывающаяся возможность автоматизации сонографии ведет к резкому сокращению перинатальной заболеваемости и смертности. Принципы, заложенные в новую технологию мониторирования, гарантируют доступность телемедицинских систем на ее основе всем без исключения учреждениям здравоохранения, при любом бюджете.

Страницы: 15-23
Список источников
  1. Казанцев А.П. Малобюджетное мониторирование плода в системе с вычислительным интеллектом для массового телемедицинского обслуживания беременных // LAP Lambert Academic Publishing. 2018. 56 с.
  2. Mann S., Haykin S. The chirplet transform: Physical considerations // In IEEE Trans. Signal Processing. 1995. V. 43. P. 2745–2461.
  3. Рыбакова М.К., Митьков В.В. Эхокардиография в таблицах и схемах. Настольный справочник. М.: ВИДАР. 2011. 288 с.
  4. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер. 2018. 480 с. (Серия «Библиотека программиста»).
  5. Haykin S. Neural Networks: A Comprehensive Foundation. 2nd Edition. Prentice-Hall. 1999. 842 p.
  6. Агеева М.И. Доплерографическое исследование внутрисердечной гемодинамики плода при физиологическом его развитии во II–III триместрах беременности // Ультразвуковая и функциональная диагностика. 2005. № 3. С. 11–20.
Дата поступления: 11 июня 2019 г.