Метод контролю серцевих показників у кардіосистемах

Abstract

У магістерській атестаційній роботі розкрито проблему керування серцевим викидом у системі серця методами нелінійної динаміки. Застосовуючи цей підхід до біологічних сигналів (ритм серця), тепер можна виявити закономірності ритмічних процесів організму в нормальних умовах і при зміні динамічної складності хворобливих станів. На основі порівняльного аналізу отриманих за допомогою цього методу змін форми атракторів та індикаторів для виявлення фібриляції передсердь встановлено, що для виявлення фібриляці передсердь в автоматизованому режимі можна використати відмінність між значеннями показників та мультифрактальними параметрами. Для оцінювання можливості використання обраного методу нелінійної динаміки використано критерій Фішера (F-критерій). Отримані результати уможливили розроблення системи оцінювання хаотичних властивостей сигналів. Ми виявили, що метод ПфП більш специфічний, ніж нелінійний метод, а нелінійний індекс є найбільш чутливим. Таким чином, поєднання графічних методів і нелінійних показників покращує точність виявлення.

The master's attestation work revealed the problem of controlling cardiac output in the heart system by methods of nonlinear mechanics. Applying this approach to biological signals (heart rhythm), it is now possible to reveal patterns of rhythmic processes of the body under normal conditions and when the dynamic complexity of disease states changes. Based on the comparative analysis of the changes in the shape of the attractors and indicators for the detection of atrial fibrillation obtained using this method, it was established that the difference between the values of indicators and multifractal parameters can be used to detect atrial fibrillation in an automated mode. Fisher's criterion (F-criterion) was used to assess the possibility of using the chosen method of nonlinear dynamics. The obtained results made it possible to develop a system for evaluating the chaotic properties of signals. We found that the PfP method is more specific than the nonlinear method, and the nonlinear index is the most sensitive. Thus, the combination of graphical methods and nonlinear indicators improves detection accuracy.