Система принятия решения о наличии ранних признаков острого инфаркта миокарда в экспериментах на крысах
- 1,2,3,4 Институт аналитического приборостроения Российской академии наук (Санкт-Петербург, Россия)
Аннотация
Постановка проблемы. Тенденция к повышению информативности электрокардиосигналов (ЭКС) для ранней диагностики ишемии сердца привела к развитию нового метода электрокардиографии сверхвысокого разрешения (ЭКГ СВР), основной особенностью которого стало расширение амплитудного и частотного диапазонов регистрации и записи ЭКГ-данных. Для обработки ЭКС СВР известные стандартные методы малоэффективны. Это определяет потребность в совершенствовании и расширении спектра технологий, используемых для выявления ранних признаков развития сердечных патологий с помощью ЭКГ СВР для получения дополнительной диагностической информации о функциональном состоянии биологического объекта.
Цель. Разработать систему принятия решения о наличии ранних признаков острого инфаркта миокарда на ЭКС СВР в экспериментах на крысах с использованием технологий нейронных сетей.
Результаты. Проведено научное обоснование возможности оценки вероятности развития инфаркта миокарда на ранней стадии с использованием ЭКС СВР, полученных в экспериментах на крысах, с помощью технологий нейронных сетей. Разработана структура системы принятия решения о наличии ранних признаков острого инфаркта миокарда.
Практическая значимость. Предложенная и описанная в работе концепция построения системы принятия решения о наличии ранних признаков острого инфаркта миокарда в экспериментах на крысах стала основой для создания нового поколения моделей медицинского назначения, обеспечивающих возможность получения диагностических данных о ранних признаках развития патологии с использованием нового метода ЭКГ СВР.
- Поступила
- 31.07.2025
- Одобрена
- 14.08.2025
- Принята
- 22.09.2025
Для цитирования
Денисова Е.А., Кордюкова А.А., Шевяков Д.О., Гуревич Б.С. Система принятия решения о наличии ранних признаков острого инфаркта миокарда в экспериментах на крысах // Биомедицинская радиоэлектроника. 2025. T. 28. № 5. С. 154−157. DOI: https://doi.org/10. 18127/j156 04136-202505-31
Список источников
- Virani S. American Heart Association Council on Epidemiology and Prevention Statistics Committee and Stroke Statistics Subcommittee. Heart Disease and Stroke Statistics-2020. Circulation. 2020. V. 141. № 9. P. 139–596.
- Gulyaev Y. Ultra-high resolution electrocardiography. Tasks. Problems. The prospects. Biomed. Radioelectron. 2013. V. 9. P. 5–15.
- Zaichenko K., Afanasenko A., Denisova E., Kordyukova A., Shevyakov D. Utilizing the convolutional neural network AlexNet to classify ultra-high resolution Electrocardiosignals. Physics and Mathematics. 2024. V. 17. P. 292–296.
- Zaichenko K., Kordyukova A., Sonin D., Galagudza M. Ultra-High-Resolution Electrocardiography Enables Earlier Detection of Transmural and Subendocardial Myocardial Ischemia Compared to Conventional Electrocardiography. Diagnostics (Basel). 2023. V. 13. P. 2795.
- Jurak P., Halamek J., Leinveber P. Ultra-highfrequency ECG measurement. Computing in Cardiology. 2013. V. 40. P. 783–786.
