Диагностика синусового ритма и мерцательной аритмии средствами искусственного интеллекта

Электрокардиограмма (ЭКГ) – наиболее используемая запись биологического сигнала в клинической медицине. Сигнал ЭКГ представляет собой график электрической активности сердца, получаемый с поверхности тела, чаще всего неинвазивно, с использованием электродов. На заре электрокардиографии врачу приходилось рассматривать график, записанный на листе бумаге, распознавая возможные патологии глазами, что нередко приводило к ошибкам при постановке диагноза. Сегодня же существует множество систем поддержки принятия решений, базирующихся на сложных алгоритмах, помогающих врачу в поиске артефактов, которые устанавливают как вид патологии, так и локализацию ее маркеров в сигнале. Однако, существует большое количество диагнозов, детектирование которых разработанными алгоритмами неэффективно. Более того, такие алгоритмы редко, но совершают ошибку. Перспективным решением для устранения существующих недостатков в экспертных системах специалисты видят применение методов искусственного интеллекта, показавших свою эффективность во множестве прикладных задач. В рамках данной статьи рассматривается применение нейронных сетей для решения задач диагностики. В качестве базовой архитектуры нейронной сети была выбрана UNet, адаптированная под обработку одномерного ЭКГ сигнала. Среди большого спектра состояний сердечно-сосудистой системы человека основное внимание было сконцентрировано на детектировании в сигнале большой длительности участков, классифицируемых специалистами как комплексы с превалированием синусового ритма и фибрилляции предсердий (мерцательной аритмии). Стоит отметить, что рассматриваемая в рамках работы нейронная сеть, после необходимых доработок, будет интегрирована в существующий диагностический комплекс «Кардио-Маяк», разработанный на базе ННГУ им. Лобачевского.

Ключевые слова: анализ сигнала электрокардиограммы, искусственный интеллект в медицине, синусовый ритм, фибрилляция предсердий, мерцательная аритмия.