Automatická klasifikace ischemických chorob srdečních metodou oktantové vektorkardiografie

Abstract

Nedostatečné prokrvení srdce – ischemická choroba srdeční (IHD) je jednou z nejčastějších příčin světové úmrtnosti. Z tohoto důvodu se tato disertační práce zabývá problematikou vektorkardiografie (VKG) jako další elektrokardiografické diagnostiké metody a jejím využitím pro automatickou diagnostiku IHD. VKG přináší možnost neinvazivního, dostupného a levného vyšetření, které umožňuje rozpoznat správnou funkci srdce, upozornit na varovné signály, vyhodnotit stav ischemické choroby srdeční při běžném klinickém vyšetření a podat upřesňující informace vedle běžně používané metody 12svodového EKG. VKG popisuje elektrický prostor srdeční (EPS) kvantitativně souborem vlastností, které jsou vhodné pro další zpracování a automatické vyhodnocování IHD za použití výpočetní techniky a klasifikačních algoritmů. Hlavním cílem této disertační práce je návrh algoritmu pro automatickou klasifikaci pacientů s IHD na základě záznamů VKG s využitím metod široce zpracované teorie Laufbergerovy oktantové VKG pro kvantitativní popis EPS a s využitím kybernetických přístupů pro zpracování signálů metodou digitální filtrace (FIR), waveletové transformace (WT), statistické analýzy pro výběr významných vlastností EPS a klasifikačních metod loglineárního modelování (LR) a umělé inteligence (MLP). Navržený algoritmus umožňuje rozpoznávat pacienty s diagnózami HC, MI-I, MI-A a BBB: se senzitivitou 78 % a specificitou 83 % pro klasifikaci HC; senzitivitou 58 % a specificitou 90 % pro klasifikaci MI-I; senzitivitou 63 % a specificitou 90 % pro klasifikaci MI-A a senzitivitou 92 % a specificitou 88 % pro klasifikaci BBB. Rozšířením vstupní databáze pro návrh algoritmu o další záznamy a další diagnostické třídy s ověřenou fyziologií případů je možné dále rozšířit klasifikační schopnosti navrženého algoritmu o rozpoznání akutních i stabilních forem IHD s upřesněním stavu myokardu, rozsahu a lokalizace MI. Optimalizace algoritmu je možná na všech stupních klasifikačního procesu dále diskutované metodiky od měření, předzpracování dat, výběru vlastností a významných vlasností EPS až po metody klasifikace a to za účelem upřesnění elektrokardiografické diagnostiky. [Autorský abstrakt].

Insufficient blood supply to the heart – ischemic heart disease (IHD) is the leading cause of mortality in the world. That is why this thesis deals with vectrocardiography (VCG) as the electrocardiographic diagnostic and its use for the automatic diagnosis of IHD. VCG has opportunity to non-invasive and inexpensive examination, that can recognize proper function of the heart, detect warning signs, evaluate condition of ischemic heart disease in common clinical examination and bring specific information in addition to commonly used 12lead ECG method. VCG describes an electric heart space (EHS) quantitatively by set of features that are suitable for further processing and automatic evaluation of IHD using computer technology and classification algorithms. The main aim of this thesis is to design an algorithm for automatic classification of patients with IHD based on VCG records using method of widely studied Laufberge‘s octant theory for quantitative description of EHS and using cybernetic approaches for signal processing using digital filtration (FIR), wavelet transformation (WT), statistical analysis for the importatnt features of the EHS selection and classification methods of loglinear modeling (LR) and artificial neural networks (MLP). The proposed algorithm allows to recognize patients with HC, MI-I, MI-A and BBB diagnoses with sensitivity of 78 % and specificity of 83 % for classification of HC, sensitivity of 58 % and specificity of 90 % for classification of MI-I, sensitivity of 63% and specificity of 90 % for classification of MI-A and sensitivity of 92 % and specificity of 88 % for classification of BBB. Additional classification performance can be achieved by extending the input database for the algorithm by additional records with physiology aproved by more accurate diagnostic methods for ability to recognize acute and stable forms of IHD with specific localisation. Proposed algorithm can be optimized at all levels of the classification process further discussed in the methodology, which includes measurement, data preprocessing, EHS features selection and important features selection and classification for the purpose of clarification of the electrocardiographic diagnosis. [Author's abstract].