С.И. Досько – к.т.н., доцент,  кафедра «Металлорежущие станки», МГТУ им. Н.Э. Баумана

E-mail: dosko@mail.ru

А.Ю. Спасёнов – аспирант,  кафедра «Системы автоматизированного проектирования», МГТУ им. Н.Э. Баумана

E-mail: a.spasenov@bmstu.ru

К.В. Кучеров – аспирант,  кафедра «Компьютерные системы и сети», МГТУ им. Н.Э. Баумана

E-mail: cvkucherov@yandex.ru 

Е.В. Юганов – инженер, 

Всероссийский научно-исследовательский институт по эксплуатации атомных электростанций (Москва) E-mail: dezmond-sama@mail.ru

Постановка проблемы. Методы анализа работы сердца, основанные на регистрации прекардиальных вибраций и пульсовой волны, − наиболее доступные и безопасные методы [3]. За счет регистрации колебаний по характеру явлений можно исследовать состояние механической деятельности, происходящей в сердечно-сосудистой системе (ССС). Запись низкочастотного инфразвукового спектра, при определенном подходе к методике регистрации, дает возможность получать графическое представление кривых, отображающие как согласованность и синхронность работы левого и правого предсердий, так и точно воспроизводящие работу различных структур органа [4]. 

Цель. Рассмотреть подход к исследованию повторяющихся фрагментов биологических сигналов за счет использования методов спектрального анализа высокого разрешения и показать возможности использования спектральных методов анализа электрокардиографии высокого разрешения при анализе вариабельности параметров кардиоцикла. 

Результаты. Представлены возможности использования методов структурной диагностики распределенных систем для анализа биологических процессов. Предложены методы совместной обработки различных биологических сигналов с целью анализа функционального состояния человека. Получены экспериментальные результаты, описывающие возможности совместного анализа параметров сегментов пульсовой волны, электрокардиограммы и сейсмокардиограммы. Подтверждены преимущества использования метода Прони для получения спектров взаимных передаточных функций между сигналами различной физической природы. Показаны дальнейшие шаги улучшения представленных методов анализа вариабельности параметров коротких участков записи биологического сигнала.

Практическая значимость. Реализация предложенных подходов дает возможность перейти от одномерного (длительность кардиоцикла) анализа вариабельности сердечного ритма к многомерному (параметры формы и локализации зубцов кардиоцикла) анализу параметров кардиоцикла. Совместный анализ электрокардиограммы как сигнала, поступающего на вход ССС, и сейсмокардиограммы, отображающей результат работы структур сердца, позволяет значительно расширить число параметров для анализа. Полученная информация может быть использована для исследования функционального состояния человека.

1. Бутковский А.Г. Структурная теория распределенных систем. М.: ИД «Наука». 1977. 162 с.
2. Кухаренко Б.Г. Исследование по методу Прони динамики систем на основе временных рядов // Труды МФТИ. 2009. № 1.  С. 176−192.
3. Тараканов С.А., Кузнецов В.И. Датчики пульсовой волны для диагностики сердечно-сосудистой системы // Вестник новых медицинских технологий 2013. № 1. С. 71−75.
4. Юзбашев З.Ю., Майскова Е.А. Методы исследования сердца, основанные на регистрациинизкочастотных колебаний прекардиальной зоны, их диагностические возможности и перспективы // Medical Sciences. 2017. № 5. С. 74−94.
5. Ардашев А.В., Лоскутов А.Ю. Практические аспекты современных методов анализа вариабельности сердечного ритма.  М.: ИД «Медпрактика-М». 2010. 64 с.
6. Гаврюшин С.С., Досько С.И., Утенков В.М., Червова А.А. Исследование динамических процессов с использованием анализа форм частотных декомпозиций сигнала на основе метода Прони // Вестник МГТУ им. Н.Э. Баумана. 2017. № 6(75).  С. 126−136.
7. Baldin A.V., Dosko S.I., Kucherov K.V., Liu Bin, Spasenov A.Yu., Utenkov V.M., Zhuk D.M. ECG Signal Spectral Analysis  Approaches for High Resolution Electrocardiography // Advances in Intelligent Systems and Computing. 2019. V. 2. P. 197−209.
8. Баевский Р.М. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем // Вестник аритмологии. 2001. № 24. С. 66−85.
9. Баевский Р.М., Егоров А.Д., Казарян Л.Н. Методика сейсмокардиографии // Кардиология. 1964. № 2. С. 87–89.
10. Salerno D., Zanetti J. Exercise seismocardiography for detection of coronary artery disease // American Journal of Noninvasive Cardiology. 1992. V. 6. № 13. P. 321−330. 
11. Анохин П.К. Очерки по физиологии функциональных систем. М.: Медицина. 1975. 446 с.
12. Соболев А.В. Методы анализа вариабельности сердечного ритма на длительных промежутках времени. М.: ИД «Медпрактика-М». 2009. 172 с.
13. Рябыкина Г.В., Соболев А.В. Холтеровское и бифункциональное мониторирование ЭКГ и артериального давления. М.: ИД «Медпрактика-М». 2010. 320 с.
14. Prasan K.S., Hiren K.T. On the Design of an Efficient Cardiac Health Monitoring System Through Combined Analysis of ECG and SCG Signals // Sensors. 2018. V. 379. № 18. P. 1-28.
15. Fabio L., Eurico M. High-Resolution Seismocardiogram Acquisition and Analysis System // Sensors. 2018. V. 10. № 18. P. 1−14. 
16. Ramos-Castro J., Moreno J. Heart Rate Variability analysis using a Seismocardiogram signal // 34th Annual International Conference of the IEEE EMBS. 2012. № 5. P. 5642−5645.
17. Laurin A., Khorsow F., Blaber A., Tavakolian K. Accurate and consistent automatic seismocardiogram annotation without concurrent ECG // Physiological Measurement. 2016. V. 37. № 9. P. 1−21.
18. Lau C.K.E., Adve R.S., Sarkar T.K. Mutual coupling compensation based on the minimum norm with applications in direction of arrival estimation // IEEE Trans. On Antennas and Propagation. 2004. V. 52. Р. 2034−2041.
19. van Trees H.L. Detection, Estimation, and Modulation Theory, Optimum Array Processing. John Wiley & Sons. New York. 2004.
20. Priyanka S. Pariyal, Dhara M. Koyani, Daizy M. Gandhi, Sunil F. Yadav, Dharam J. Shah, Ankit A. Comparison based Analysis of Different FFT Architectures // I.J. Image, Graphics and Signal Processing. 2016. V. 6. Р. 41−47.
21. Kiseleva A.A., Luzhnov P.V., Shamaev D.M. Verification of Mathematical Model for Bioimpedance Diagnostics of the Blood Flow in Cerebral Vessels // Advances in Intelligent Systems and Computing. 2019. V. 2. P. 251−259.