Н.В. Селезнёв – аспирант, кафедра медико-технических информационных технологий (БМТ-2),  МГТУ им. Н.Э. Баумана

E-mail: seleznev.nv@bk.ru

А.Н. Тихомиров – ст. преподаватель,  кафедра медико-технических информационных технологий (БМТ-2), МГТУ им. Н.Э. Баумана. 

E-mail: aleksey.tihomirov@gmail.com

А.Н. Брико – ст. преподаватель, кафедра медико-технических информационных технологий (БМТ-2)  МГТУ им. Н.Э. Баумана

E-mail: briko@bmstu.ru

С.И. Щукин – д. т. н., профессор, 

зав. кафедрой медико-технических информационных технологий (БМТ-2), МГТУ им. Н.Э. Баумана

E-mail: schookin@mx.bmstu.ru 

Постановка проблемы. В диагностике сердечно-сосудистых заболеваний и при наблюдении во время лечения важную роль играет оценка ударного объема сердца. Это можно сделать различными методами, такими как КТ, МРТ, УЗИ. Однако только электроимпедансная кардиография позволяет проводить неинвазивный мониторинг и частую периодическую оценку ударного объема.

При определении ударного объема сердца методами электроимпедансной кардиографии важно использовать наиболее подходящую модель, описывающую физиологические процессы сокращения сердечной мышцы. На сегодняшний день оценка состояния эффективности кровотока проводится также путем анализа показателей ударного объема сердца и минутного объема крови, что позволяет скорректировать лечение или тренировочный процесс и может помочь при прогнозировании или выявлении ряда заболеваний.

Цель работы – сравнение существующей геометрической модели, представляющей собой полубесконечное однородное пространство со сферическим включением, которая используется для решения обратной задачи электроимпедансометрии в технологии компьютерной многоканальной электроимпедансной кардиографии, с геометрическими моделями на основе эллиптического включения для добровольцев с различным типом лежания сердца.

Результаты. В результате были проведены аппроксимации 3D-моделей крови, наполняющей сердце, полученных из данных мультиспиральной компьютерной томографии для добровольцев астенического, нормостенического и гиперстенического типа телосложения в различные фазы дыхания и сердечной деятельности. Анализ погрешностей различных способов аппроксимации показал какие геометрические модели стоит применять при решении обратной задачи электроимпедансометрии и для какого типа телосложения. Использование более сложной геометрической модели приводит к увеличению варьируемых параметров, но позволяет снизить погрешность аппроксимации.

Практическая значимость. Полученные в ходе исследования результаты могут быть использованы при проведении мониторинга сердечной деятельности и клинических исследований. Также было выявлено, что использование одной модели для пациентов с различным типом телосложения, а следовательно, и лежанием сердца, дает различную погрешность аппроксимации для каждого пациента.

1. Bookstein F.L. Fitting conic sections to scattered data. Computer Graphics and Image Processing. 1979. № 1 (9). P. 56–71.
2. Aguiar Santos S., Robens A., Boehm A., Leonhardt S., Teichmann D. System description and first application of an FPGA-based simultaneous multi-frequency electrical impedance tomography. Sensors. 2016. № 8 (16). P. 1158.
3. Bouchaala D., Kanoun O., Derbel N. High accurate and wideband current excitation for bioimpedance health monitoring systems. Measurement: Journal of the International Measurement Confederation. 2016. V. 79. P. 339–348.
4. Fitzgibbon A., Pilu M., Fisher R.B. Direct least square fitting of ellipses. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1999. № 5 (21). P. 476–480.
5. Fitzgibbon A.W., Pilu M., Fisher R.B. Direct least squares fitting of ellipses. Proceedings – International Conference on Pattern Recognition. 1996. V. 1. P. 253–257.
6. Geddes L.A. Who introduced the tetrapolar method for measuring resistance and impedance - IEEE Engineering in Medicine and Biology Magazine. 1996. № 5 (15). P. 133–134.
7. Grimnes S., Martinsen O.G. Sources of error in tetrapolar impedance measurements on biomaterials and other ionic conductors. Journal of Physics D: Applied Physics. 2007. № 1 (40). P. 9–14.
8. Jakovljevic D.G., Moore S., Hallsworth K., Fattakhova G., Thoma C., Trenell M.I. Comparison of cardiac output determined by bioimpedance and bioreactance methods at rest and during exercise. Journal of clinical monitoring and computing. 2012. № 2 (26). P. 63–68.
9. Karantzalis P. High frequency active anti-aliasing filters. Linear Technology. 2015. P. 1003–1004.
10. Kim M., Jang J., Kim H., Lee J., Lee J., Lee J., Lee K., Kim K., Lee Y., Lee K., Yoo H. A 1.4-mOhm Sensitivity 94-dB DynamicRange Electrical Impedance Tomography SoC and 48-Channel Hub-SoC for 3-D Lung Ventilation Monitoring System. IEEE Journal of Solid-State Circuits. 2017. № 11 (52). P. 2829–2842.
11. Li Q., Griffiths J.G. Least squares ellipsoid specific fitting. Proceedings – Geometric Modeling and Processing 2004. P. 335–340.
12. TikhomirovA., Briko A., Seleznev N., Shchukin S., Levando A. and Murashko M. Development of a Geometric Model of the Heart and Chest for Multichannel Electrical Impedance Computer Cardiography Technology. 2020 Ural Symposium on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT), Yekaterinburg, Russia. 2020. P. 32–35, DOI: 10.1109/USBEREIT48449.2020.91176230.
13. Sampson P.D. Fitting conic sections to «very scattered» data: An iterative refinement of the bookstein algorithm. Computer Graphics and Image Processing. 1982. № 1 (18). P. 97–108.