Ю.К. Грузевич1, В.М. Ачильдиев2, Ю.Н. Евсеева3, Н.А. Бедро4

1,2 МГТУ им. Н.Э. Баумана (Москва, Россия)

1–4 ОАО «НПО Геофизика-НВ» (Москва, Россия)

Постановка проблемы. Для неинвазивной диагностики заболеваний внутренних органов человека может быть использована технология информационного анализа R-пиков ЭКГ, разработанная В.М. Успенским. При исследовании возможности применения данного метода для сигналов сейсмокардиограммы (СКГ) и гирокардиограммы (ГКГ) встал вопрос взаимосвязи их характерных пиков относительно опорного сигнала ЭКГ для корректной идентификации пиков.

Цель работы – исследование параметров основных пиков кардиосигналов ЭКГ, СКГ и ГКГ по времени и амплитуде. Результаты. Формы сигналов СКГ и ГКГ имеют индивидуальные особенности, которые сохраняются в серии многократных измерений на одном испытуемом, которые отчасти связаны с мгновенной частотой сердечных сокращений (ЧСС) испытуемого. Сигналы СКГ и ГКГ позволяют оценить усредненные временны́е параметры вариабельности сердечного ритма, такие как ЧСС. При этом есть разница в несколько миллисекунд по длительности единичного кардиоцикла, определенной по характерным пикам сигналов ЭКГ, СКГ и ГКГ. Пик IM отстает от R-пика ЭКГ в среднем на 45,0394 ± 6,2326 мс, пик АО – на 65,8974 ± 

± 6,7569 мс. Пики GX1 и GY1 регистрируются с небольшой разницей порядка нескольких миллисекунд и отстают от R-пика на 50,6109 ± 7,2232 мс и 53,5877 ± 7,5735 мс соответственно. Полученные значения задержек характерных пиков СКГ и ГКГ позволяют при обработке данных автоматизировать определение и валидацию характерных пиков относительно опорного сигнала ЭКГ.

Практическая значимость. Применение технологии информационного анализа позволяет неинвазивно диагностировать более 40 видов заболеваний; отлично подходит для оценки состояния здоровья при диспансеризации, а также для контроля неотложных состояний в опасных условиях. Полученные временны́е характеристики характерных пиков СКГ и ГКГ позволят провести автоматическую коррекцию выделяемых пиков, повысив в конечном итоге точность диагностики.

Грузевич Ю.К., Ачильдиев В.М., Евсеева Ю.Н., Бедро Н.А. Исследование пиков кардиосигналов различной природы // Биомедицинская радиоэлектроника. 2021. T. 24. № 6. С. 5−16. DOI: https://doi.org/10.18127/j15604136-202106-01

1. Успенский В.М. Информационная функция сердца. Теория и практика диагностики заболеваний внутренних органов методом информационного анализа электрокардиосигналов / Под ред. В.Б. Симоненко. 2-е доп. изд. М.: ПЛАНЕТА. 2016. 296 с.
2. Malik M., Bigger J.T., Camm A.J., Kleiger R.E., Malliani A., Moss A.J., Schwartz P.J. Heart rate variability. Standards of measurement, physiological interpretation, and clinical use // European Heart Journal. 1996. № 17 (3). P. 354–381. DOI:10.1093/oxfordjournals.eurheartj.a014868
3. Баевский Р.М., Фунтова И.И., Танк Й. Баллистокардиография и сейсмокардиография в российской космической медицине. Краткий исторический обзор // Клиническая информатика и телемедицина. 2012. Т. 8. Вып. 9. С. 99–111.
4. Dehkordi P., Bauer E.P., Tavakolian K., Zakeri V., Blaber A.P., Khosrow-Khavar F. Identifying Patients With Coronary Artery Disease Using Rest and Exercise Seismocardiography // Front. Physiol. 2019. № 10. P. 1211. DOI: 10.3389/fphys.2019.01211
5. Korzeniowska-Kubacka I., Bili´nska M., Piotrowicz R. Usefulness of Seismocardiography for the Diagnosis of Ischemia in Patients with Coronary Artery Disease // A.N.E. 2005. V. 10. № 3. P. 281–287.
6. Iftikhar Z., Lahdenoja O., Tadi M.J., Hurnanen T. Multiclass Classifier based Cardiovascular Condition Detection Using Smartphone Mechanocardiography // Scientific Reports. 2018. № 8. P. 1–14.
7. Dehkordi P., Tavakolian K., Tadi M.J., Zakeri V., Khosrow-Khavar F. Investigating the Estimation of Cardiac Time Intervals Using Gyrocardiography // Physiological Measurement. 2020. V. 41. № 5. DOI: 10.1088/1361-6579/ab87b2
8. Taebi A., Solar B., Bomar A., Sandler R., Mansy H.A. Recent Advances in Seismocardiography // Vibration. 2019. № 2. P. 64–86. DOI: 10.3390/vibration2010005
9. Sieciński S., Kostka P., Tkacz E. Gyrocardiography: A Review of the Definition, History, Waveform Description, and Applications // Sensors. 2020. № 20. P. 6675. DOI: 10.3390/s20226675
10. Sørensen K., Schmidt S. E., Jensen A.S., Søgaard P., Struijk J.J. Definition of Fiducial Points in the Normal Seismocardiogram // Scientific Reports. 2018. V. 8. P. 15455. DOI:10.1038/s4159 8-018-33675-6
11. Tadi, M.J., Lehtonen, E., Saraste A. Gyrocardiography: A New Noninvasive Monitoring Method for the Assessment of Cardiac Mechanics and the Estimation of Hemodynamic Variables // Scientific Reports. 2017. № 7. P. 1–11. DOI:10.1038/s41598-017-07248-y
12. Юзбашев З.Ю., Майскова Е.А. Методы исследования сердца, основанные на регистрации низкочастотных колебаний прекардиальной зоны, их диагностические возможности и перспективы // Scientific Review – Medical Sciences. 2017. № 5. С. 74–94.
13. Christov I. Real time electrocardiogram QRS detection using combined adaptive threshold // BioMedical Engineering OnLine. 2004. V. 3. P. 28.
14. Paukkunen M. Seismocardiography: Practical implementation and feasibility. Helsinki: School of Electrical Engineering. 2014. P. 102.
15. Wang L., Huang K., Sun K., Wang W., Tian C., Xie L., Gu Q. Unlock with Your Heart: Heartbeat-based Authentication on Commercial Mobile Phones // Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies. 2019. № 2. P. 1–22. DOI: 10.1145/3264950
16. Барановский А.Л., Немирко А.П. Кардиомониторы. Аппаратура непрерывного контроля ЭКГ: Учебное пособие для вузов. М.: Радио и связь. 1993. 248 с.
17. D'Mello Y., Skoric J., Xu S., Roche P.J.P., Lortie M., Gagnon S., Plant D.V. Real-Time Cardiac Beat Detection and Heart Rate Monitoring from Combined Seismocardiography and Gyrocardiography // Sensors. 2019. V. 19. P. 3472. DOI: 10.3390/s19163472