Detekce infarktu pomocí ICADetekce infarktu pomocí ICA
Nadace na podporu rozvoje pokročilých technologií, inovací a technického vzdělávání v České republice

dáváme věci do pohybu ...

  • Projekt je realizován na ČVUT
  • Velikost podpory je 45.000,- Kč
  • Délka projektu činí 9 měsíců

Detekce infarktu pomocí ICA

Řešitelé: Ing. Jakub Kužílek, Ing. Jiří Spilka


Cílem projektu je využití metody Analýzy nezávislých komponent (ICA) pro předzpracování a extrakci příznaků z 12-ti svodového klidového EKG. Získané nezávislé komponenty jsou použity pro vytvoření vzorů  a následně pro klasifikaci infarktu myokardu.

 

Onemocnění kardiovaskulárního systému je jednou z nejčastějších příčin úmrtí ve vyspělých zemích. V důsledku arterosklerózy se průměr koronárních tepen zmenšuje a dochází tak k omezí průtoku krve tepnou. Následkem je nedostatečné okysličování srdce vedoucí k ischemii myokardu. Pokud dojde k úplnému uzavření tepny dochází k odumření buněk myokardu a hovoříme o infarktu myokardu (IM).

 

Infarkt myokardu může být menší událost, dokonce ani nezpozorovatelná nebo se může jednat o život ohrožující situaci se silnou akutní bolestí. Včasná detekce infarktu zvyšuje šance přežití a uzdravení pacienta. Ačkoliv může být infarkt myokardu diagnostikován různými metodami, jako jsou biochemické markery, ultrazvuk, počítačová tomografie, nebo magnetická rezonance, nejvýznamnější diagnostickou metodou nadále zůstává elektrokardiografie (EKG). Výsadní postavení je především díky rychlosti a nenáročnosti EKG vyšetření. Nevýhodou je velká variabilita elektrické aktivity srdce a s tím spojená obtížná interpretace. Dalším problémem je nízká sensitivita EKG ke změnám způsobených infarktem myokardu.

 

Automatická detekce morfologických změn EKG způsobených IM nebyla doposud úspěšně vyřešena. Stávající metody, které mají na standartních databázích velmi dobré výsledky, naráží v praxi na řadu omezujících podmínek. Automatická detekce je založena na rozhodovacích pravidlech vycházejích z popisu morfologie EKG (měření amplitud a dob trvání jednotlivých úseků EKG křivky). Avšak v klinické praxi se lékaři při hodnocení EKG spíše řídí svými zkušenostmi než rigidním popisem EKG. V průběhu kariéry hodnotí velké množství EKG záznamů a jejich mozek si vytvoří vzory EKG signálů, podle kterých hodnotí. Pouze u velmi složitých případů lékaři používají kvantitativního popisu EKG. V naší práci jsme se snažili najít vzory, podle kterých se lékaři rozhodují. Naší pracovní hypotézou bylo, že přidání takovéto informace může vést ke zlepšení diagnostiky infarktu myokardu.

 

Použili jsme metodu Analýzy nezávislých komponent (ICA), pomocí níž jsme určili vzory signálu použitelné pro klasifikaci infarktu myokardu. Mezi získanými komponentami jsme hledali společné rysy pomocí Pearsonova koeficientu korelace, který vyjadřuje přímou či nepřímou závislost mezi daty. Mezi infarktovými daty jsme objevili více závislostí než mezi daty zdravých pacientů. Data jsme sloučili do několika shluků, které pokryly infarkty. Dále jsme vytvořili vzory jednotlivých shluků a porovnali s ostatními daty. Pomocí infarktových vzorů jsme vytvořili příznaky charakterizující podobnost komponent záznamu a daného vzoru. Tyto nové příznaky jsme zabudovali do existujicích systémů používaných ke klasifikaci za účelem zlepšení klasifikační přesnosti.