Статья 'Применение гауссовых функций для математического моделирования эндокардиальных сигналов' - журнал 'Программные системы и вычислительные методы' - NotaBene.ru
по
Меню журнала
> Архив номеров > Рубрики > О журнале > Авторы > О журнале > Требования к статьям > Редсовет > Редакция > Порядок рецензирования статей > Политика издания > Ретракция статей > Этические принципы > Политика открытого доступа > Оплата за публикации в открытом доступе > Online First Pre-Publication > Политика авторских прав и лицензий > Политика цифрового хранения публикации > Политика идентификации статей > Политика проверки на плагиат
Журналы индексируются
Реквизиты журнала

ГЛАВНАЯ > Вернуться к содержанию
Программные системы и вычислительные методы
Правильная ссылка на статью:

Применение гауссовых функций для математического моделирования эндокардиальных сигналов

Зарецкий Алексей Петрович

кандидат технических наук

старший научный сотрудник, Московский физико-технический институт (государственный университет)

141700, Россия, Московская область, г. Долгопрудный, пер. Институтский, 9

Zaretckii Aleksei

PhD in Technical Science

Senior Researcher, Moscow Institute of Physics and Technology (State University)

141700, Russia, Moskovskaya oblast', g. Dolgoprudnyi, per. Institutskii, 9

a.p.zaretskiy@gmail.com
Кулешов Аркадий Павлович

научный сотрудник, Московский физико-технический институт (государственный университет)

141700, Россия, Московская область, г. Долгопрудный, пер. Институтский, 9

Kuleshov Arkadii Pavlovich

Researcher, Moscow Institute of Physics and Technology (State University)

141700, Russia, Moskovskaya oblast', g. Dolgoprudnyi, per. Institutskii, 9

ilovemylene@yandex.ru
Громыко Григорий Алексеевич

кандидат медицинских наук

сердечно-сосудистый хирург, ФГКУ "Главный военный клинический госпиталь им. академика Н.Н. Бурденко"

105229, Россия, г. Москва, Госпитальная пл., 3

Gromyko Grigorii Alekseevich

PhD in Medicine

Cardiovascular Surgeon, Burdenko Main Military Clinical Hospital

105229, Russia, Moscow, Gospital'naya pl., 3

Gromyko2010@list.ru

DOI:

10.7256/2454-0714.2016.1.18194

Дата направления статьи в редакцию:

02-03-2016


Дата публикации:

10-04-2016


Аннотация: Предметом исследований, результаты которых представлены в статье, являются математические модели эндокардиальных сигналов основных электрофизиологических участков сердца с заданными амплитудно-временными характеристиками информативных фрагментов. Коллективом авторов предложен механизм расширения математических моделей для генерации нормальных и патологических состояний атрио-вентрикулярной системы, характеризующейся проведением эндокардиальных электрических импульсов. Приведены результаты сравнения смоделированных и реальных эндокардиальных сигналов, полученных в ходе проведения малоинвазивного электрофизиологического исследования, наглядно демонстрирующие корректность разработанных моделей, а также их применимость для моделирования эндокардиальных сигналов из различных областей. При проведении исследования использовался метод математического моделирования с применением гауссовых функций, аппроксимирующих заданные элементы эндокардиального сигнала из различных областей внутрисердечного пространства. Основными выводами проведённого исследования являются: - доказана применимость гауссовых функций для достижения поставленных целей; - представлены возможные варианты модификации использованных функций для моделирования сигналов других эндокардиальных областей, например, устья лёгочных вен левого предсердия, зоны митрально-аортальный контакта и других зон, вызывающих повышенный интерес клинических электрофизиологов; - описана возможная реализация результатов исследования в аппаратно-программном комплексе с использованием современной методологии оценки качества проводимых операций по лечению сложных нарушений ритма сердца.


Ключевые слова:

эндокардиальные сигналы, моделирование эндокардиальных сигналов, гауссовы функции, электрофизиологическое исследование, проводящая система сердца, несимметричные функции, радиочастотная абляция, фибрилляция предсердий, моделирование процессов сердца, предсердно-желудочковая проводимость

Работа выполнена при поддержке гранта РФФИ № 16-37-60012.

Abstract: The subject of the research presented by the authors of the article is the mathematical models of endocardial signals from the main electrophysiological parts of the heart with the specified amplitude-time characteristics of information fragments. The authors of the article offer the mechanism for extending the mathematical models in order to generate normal and/or pathological states of the atrioventricular system conducting endocardial electrical impulses. The article contains the results of the comparison of modeled and actual endocardial signals recorded in the course of minimally invasive eletrophysiological examination. These results demonstrate that the designed models are appropriate and applicable for modeling endocardial signals coming from different parts of the heart. The research method used by the authors is the mathematical modeling using Gaussian functions approximating set elements of the endocardial signal coming from different parts of the intracardial space. The main conclusions of the research are the following: - the authors have proved that Guassian functions are applicable for the aforesaid purposes; - they have also described possible modifications of used functions for modeling signals from other endocardial spheres such as the left atrium pulmonary vein entry, mitral aortal zone and other zones  clinical electrophysiologists are particularly interested in; the authors have also demonstrated how the research results can be implemented in the form of the hardware and software complexes using the modern methodologies for assessing efficiency of treating complex heart rhythm disorders. 


Keywords:

radio frequency ablation, asymmetrical function, heart conduction system, electrophysiological study, Gaussian functions, endocardial signals' modeling, endocardial signals, atrial fibrillation, heart process modeling, atrioventricular conductin

Библиография
1. Leif Sörnmo, Martin Stridh, Daniela Husser, Andreas Bollmann, and S Bertil Olsson. Analysis of atrial fibrillation: from electrocardiogram signal processing to clinical management. Philos Transact A Math Phys Eng Sci, 367(1887):235–53, Jan 2009.
2. Gromyko, G.A., Yashin, S.M., Sharikov, N.L., Chetverikov, S.U., Pasenov, G.S., Didenko, M.V. Characteristics of coronary artery involvement and probability of appropriate discharges of cardioverter-defibrillator implanted for primary prevention of sudden cardiac death. (2014) Kardiologiya, 54 (3), pp. 4-8.
3. January CT, et al. 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: A report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines and the Heart Rhythm Society. Circulation, published online March 28, 2014. р. 32.
4. J. David Burkhardt, L. Di Biase, A. Natale. "Long-Standing Persistent Atrial Fibrillation," Journal of the American College of Cardiology. 60(19), pp1930-1932, 2012. р. 41.
5. Sahambi JS, Tandon SN, Bhatt RKP. An Automated Approach to Beat by Bea t QT-Interval Analysis. IEEE Engineering in Medicine and Biology 2000. р. 97-101.
6. Clifford GD, McSharry PE. Method to filter ecgs and evaluate clinical parameter distortion using realistic ECG model parameter fitting. Computers in Cardiology 2005. р. 715-718.
7. Sameni R, Shamsollahi MB, Jutten C, Babaie-Zade M. Filtering noisy ECG signals using the extended kalman filter based on a modified dynamic ECG model. Computers in Cardiology 2005. р. 1017 – 1020
8. R. D. Simitev and V. N. Biktashev. "Conditions for Propagation and Block of Excitation in an Asymptotic Model of Atrial Tissue," Biophysical Journal. vol. 90, р. 2258-2269.
9. D. Du, H. Yang, S. Norring and E. Bennett, "In-Silico Modeling of Glycosylation Modulation Dynamics in hERG Ion Channels and Cardiac Electrical Signals," IEEE Journal of Biomedical and Health Informatics, vol. 18, pp. 205-214, 2014. р. 122.
10. van Oosterom A. Closed-form analytical expressions for the potential fields generated by triangular monolayers with linearly distributed source strength. Med Biol Eng Comput 2012. p. 1-9.
11. Krueger M, Schmidt V, Tobón C, et al. Modeling Atrial Fiber Orientation in Patient-Specific Geometries: A Semi-automatic Rule-Based Approach. Functional Imaging and Modeling of the Heart; 2011: Springer. p. 223-32.
12. Kukushkin Y.A., Bogomolov A.V., Maistrov A.I. Rhythmocardiogram approximation methods for calculation of spectral parameters of cardiac rhythm variability // Biomedical Engineering. 2010. Т. 44. № 3. p. 92-103.
13. О.Е. Баксанский Когнитивная наука: моделирование человеческого интеллекта // Психология и Психотехника. - 2010. - 10. - C. 12 - 20.
References
1. Leif Sörnmo, Martin Stridh, Daniela Husser, Andreas Bollmann, and S Bertil Olsson. Analysis of atrial fibrillation: from electrocardiogram signal processing to clinical management. Philos Transact A Math Phys Eng Sci, 367(1887):235–53, Jan 2009.
2. Gromyko, G.A., Yashin, S.M., Sharikov, N.L., Chetverikov, S.U., Pasenov, G.S., Didenko, M.V. Characteristics of coronary artery involvement and probability of appropriate discharges of cardioverter-defibrillator implanted for primary prevention of sudden cardiac death. (2014) Kardiologiya, 54 (3), pp. 4-8.
3. January CT, et al. 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: A report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines and the Heart Rhythm Society. Circulation, published online March 28, 2014. r. 32.
4. J. David Burkhardt, L. Di Biase, A. Natale. "Long-Standing Persistent Atrial Fibrillation," Journal of the American College of Cardiology. 60(19), pp1930-1932, 2012. r. 41.
5. Sahambi JS, Tandon SN, Bhatt RKP. An Automated Approach to Beat by Bea t QT-Interval Analysis. IEEE Engineering in Medicine and Biology 2000. r. 97-101.
6. Clifford GD, McSharry PE. Method to filter ecgs and evaluate clinical parameter distortion using realistic ECG model parameter fitting. Computers in Cardiology 2005. r. 715-718.
7. Sameni R, Shamsollahi MB, Jutten C, Babaie-Zade M. Filtering noisy ECG signals using the extended kalman filter based on a modified dynamic ECG model. Computers in Cardiology 2005. r. 1017 – 1020
8. R. D. Simitev and V. N. Biktashev. "Conditions for Propagation and Block of Excitation in an Asymptotic Model of Atrial Tissue," Biophysical Journal. vol. 90, r. 2258-2269.
9. D. Du, H. Yang, S. Norring and E. Bennett, "In-Silico Modeling of Glycosylation Modulation Dynamics in hERG Ion Channels and Cardiac Electrical Signals," IEEE Journal of Biomedical and Health Informatics, vol. 18, pp. 205-214, 2014. r. 122.
10. van Oosterom A. Closed-form analytical expressions for the potential fields generated by triangular monolayers with linearly distributed source strength. Med Biol Eng Comput 2012. p. 1-9.
11. Krueger M, Schmidt V, Tobón C, et al. Modeling Atrial Fiber Orientation in Patient-Specific Geometries: A Semi-automatic Rule-Based Approach. Functional Imaging and Modeling of the Heart; 2011: Springer. p. 223-32.
12. Kukushkin Y.A., Bogomolov A.V., Maistrov A.I. Rhythmocardiogram approximation methods for calculation of spectral parameters of cardiac rhythm variability // Biomedical Engineering. 2010. T. 44. № 3. p. 92-103.
13. O.E. Baksanskii Kognitivnaya nauka: modelirovanie chelovecheskogo intellekta // Psikhologiya i Psikhotekhnika. - 2010. - 10. - C. 12 - 20.
Ссылка на эту статью

Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также попробовать найти похожие статьи


Другие сайты издательства:
Официальный сайт издательства NotaBene / Aurora Group s.r.o.