Л.А. Манило1, Д.У. Холматов2, А.П. Немирко3

1–3 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» (Санкт-Петербург, Россия)
1 lmanilo@yandex.ru, 2 xolmatov.2000@mail.ru, 3 apn-bs@yandex.ru

Постановка проблемы. В России число больных c застойной сердечной недостаточностью составляет не менее 12–14 млн. человек. Сердечная недостаточность имеет высокую летальность и высокую опасность для пациентов старше 65 лет. Поиск новых инструментов анализа сердечной недостаточности важен для повышения эффективности диагностирования патологии, особенно на ранних стадиях развития, когда признаки ее клинического проявления могут быть внешне незаметны. Поиск новых методов анализа необходим для расширения функций диагностических систем, способных обнаружить патологию как в период обострения, так и при первых признаках развития заболевания.

Цель. Разработать классификатор с использованием нелинейного анализа ритма сердца для обнаружения ранней застойной сердечной недостаточности на фоне нормального синусового ритма и мерцательной аритмии.

Результаты. С помощью нелинейных показателей сердечного ритма, дополненных статистическими параметрами, удалось разработать классификатор, построенный на основе множественного линейного дискриминантного анализа. С использованием критерия Фишера, получены решающие функции, способные эффективно разделить три класса ритма: объекты с застойной сердечной недостаточностью, мерцательной аритмией и нормальным синусовым ритмом.

Практическая значимость. Полученные результаты важны для создания автономных диагностических систем, предназначенных для раннего обнаружения застойной сердечной недостаточности по ЭКГ.

Манило Л.А., Холматов Д.У., Немирко А.П. Построение классификатора для диагностики застойной сердечной недостаточности с использованием нелинейных параметров сигнала сердечного ритма // Биомедицинская радиоэлектроника. 2024. T. 27. № 2. С. 18–24. DOI: https://doi.org/10.18127/j15604136-202402-03

1. Yontz L. Congestive Heart Failure: Early Recognition of Congestive Heart Failure in the Primary Care Setting // Journal of the Ame­rican Academy of Nurse Practitioners. 1994. V. 6 (6). P. 273–279.
2. Бокерия О.Л., Бакулаева А.Н. Ресинхронизирующая терапия при продолжительной сердечной недостаточности – мнение экспертов и предварительные результаты недавних рандомизированных исследований // Анналы аритмологии. 2006. № 1. С. 11–21.
3. Мелехов А.В., Островская Ю.И. Хроническая сердечная недостаточность // Атмосфера. Новости кардиологии. 2017. Т. 4. С. 30–35.
4. Фомин И.В. Хроническая сердечная недостаточность в Российской Федерации: что сегодня мы знаем и что должны делать // Российский кардиологический журнал. 2016. №. 8. С. 7–13.
5. Баевский Р.М., Иванов Г.Г. Вариабельность сердечного ритма: теоретические аспекты и возможности клинического применения // Ультразвуковая и функциональная диагностика. 2001. №3. С. 108–127.
6. Figueroa M., Peters J. Congestive heart failure: Diagnosis, pathophysiology, therapy, and implications for respiratory care. Respir Care. 2006. V. 51(4). P. 403–412.
7. Алейникова Т.В. Вариабельность сердечного ритма // Проблемы здоровья и экологии. 2012. № 1 (31). С. 17–23.
8. Побиванцева Н.Ф. Нелинейный анализ вариабельности ритма сердца: прогностические возможности метода у пациентов с хронической сердечной недостаточностью ишемической этиологии // Журнал Гродненского государственного медицинского университета. 2013. №4. С. 37–40.
9. Casolo G., Balli E., Taddei T., Amuhasi J., Gori C. Decreased spontaneous heart rate variability in congestive heart failure. The American Journal of Cardiology. 1989. V. 64 (18). P. 1162–1167. ISSN 0002-9149, doi.org/10.1016/0002-9149(89)90871-0
10. Терещенко С.Н., Галявич А.С., Ускач Т.М. Хроническая сердечная недостаточность: клинические рекомендации 2020 // Российский кардиологический журнал. 2020. № 25 (11). С. 311–374.
11. Pieske B., Tschöpe C., Boer de R., Fraser A., Anker S. and other. How to diagnose heart failure with preserved ejection fraction: the HFA–PEFF diagnostic algorithm: a consensus recommendation from the Heart Failure Association (HFA) of the European Society of Cardiology (ESC). European Heart Journal. 2019. V. 40 (40). P. 3297–3317. doi:10.1093/eurheartj/ehz641
12. Борисов С.Н., Гендлин Г.Е. Применение натрийуретических пептидов в диагностике хронической сердечной недостаточности // Новости кардиологии. Атмосфера. 2011. №. 2. С. 13–17.
13. Манило Л.А. Распознавание мерцательной аритмии в кардиологических системах диагностики и наблюдения // Биотехносфера. 2009. Т. 1 (2). С. 41–45.
14. Борисенко Т.Л., Снежицкий В.А., Фролов А.В. Клиническое значение нелинейных параметров вариабельности сердечного ритма у пациентов с сердечно-сосудистыми заболеваниями // Журнал Гродненского гос. мед. ун-та. 2020. №3. С. 223–228.
15. Krstacic G., Gamberger D., Krstacic A., Smuc T. and Milicic D. The Chaos Theory and Non-linear Dynamics in Heart Rate Variability in Patients with Heart Failure. Computers in Cardiology. 2008. P. 957–959. doi: 10.1109/CIC.2008.4749202
16. Stein K., Reddy A. Non-Linear Heart Rate Variability and Risk Stratification in Cardiovascular Disease. Indian Pacing and Electrophysiology Journal. 2005. V. 5 (3). P. 210–220.
17. Karmakar C., Khandoker A., Gubbi J., Palaniswami M. Complex Correlation Measure: a novel descriptor for Poincar´e plot. BioMedical Engineering OnLine. 2009. Vol. 8 (17). P. 17–35. doi.org/10.1186/1475-925X-8-17
18. Manilo L.A., Kholmatov D.U. Recognition of Congestive Heart Failure Based on a Complex Correlation Measure of the Heart Rate Signal. Pattern Recognition and Image Analysis. 2022. V. 32(3). P. 586–590. doi: 10.1134/S1054661822030233
19. Akay M. Nonlinear biomedical signal processing. Dynamic analysis and modelling. New York: IEEE. 2001. V. 2. P. 341.
20. Orozco-Duque A., Novak D., Kremen V., Bustamante J. Multifractal analysis for grading complex fractionated electrograms in atrial fibrillation. Physiological Measurement. 2015. V. 36 (11). P. 2269–2284. doi:10.1088/0967-3334/36/11/2269
21. Осмоловская Ю.Ф., Романова Н.В., Жиров И.В., Терещенко С.Н. Эпидемиология и особенности терапии хронической сердечной недостаточности в сочетании с фибрилляцией предсердий // Клиническая медицина. 2016. № 10. С. 93–97.
22. Goldberger A., Amaral L., Glass L., Hausdorff J., Ivanov P., Mark R., Stanley H. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. PCirculation. 2000. V. 101(23). P. 215–220.
23. Moody G., Mark R. A new method for detecting atrial fibrillation using R-R intervals. Computers in Cardiology. 1983. V. 10. P. 227–230.
24. Немирко А.П., Манило Л.А., Калиниченко А.Н. Математический анализ биомедицинских сигналов и данных. М.: Физматлит, 2017.