مقالات
موضوعات داغ

هولتر مانیتورچیست و کاربرد آن در پایش سلامت قلبی عروقی

بیماری های قلبی و عروقی از مهمترین عوامل تهدیدکننده سلامت بشر در عصر حاضر هستند. بر همین اساس پایش سلامت قلبی و عروقی یکی از مهم ترین نیازهای نظام سلامت جامعه است.

یکی از ابزارهای حیاتی در راستای نیل به این هدف دستگاه هولتر مانیتور است که میتواند سیگنال های قلبی را در مدت زمان طولانی ثبت کند. پس از ثبت، سیگنال توسط نرمافزار تحلیل سیگنال ECG مورد بررسی و تحلیل قرار میگیرد.


یکی از مهمترین کاربردهای تجزیه و تحلیل سیگنال های قلبی، تشخیص وقوع ضربان های غیرطبیعی است که در اصطلاح آریتمی نامیده میشوند. به طور کلی میتوان آریتمی ها را از دو دیدگاه دسته بندی کرد. در دیدگاه اول ریتم ضربان مد نظر قرار میگیرد اما دیدگاه دوم بیشتر معطوف به مشخصات شکلی و مورفولوژی ضربان مورد نظر است.

در این دیدگاه، فواصل زمانی موج های درون یک ضربان مانند عرض موج های P، QRS و T و دیگر فواصل بین نقاط ویژه ضربان و همچنین دامنه و یا اختلاف دامنه بین این نقاط ویژه مورد بررسی و تحلیل قرار میگیرند. شکل ۱ سیگنال ECG طبیعی را نشان میدهد.

یک نمونه سیگنال ECG طبیعی
شکل ۱: یک نمونه سیگنال ECG طبیعی

آریتمی قلبی(Cardiac arrhythmia) به معنی غیرطبیعی بودن نرخ یا ریتم ضربان قلب است.


چهار دسته اصلی انواع آریتمی ها عبارتاند از:


◄ ضربان های زودرس (Premature [Extra] Beats)
◄ ریتمی های فوق بطنی (Supraventricular Arrhythmias)
◄ آریتمی های بطنی (Ventricular Arrhythmias)
◄ برادی کاردی ( Bradyarrhythmias)


شناخت مکانیسم، پیش زمینه ها و عوارض جانبی هر یک از این آریتمی ها در تشخیص و تفکیک آنها از یکدیگر و تعیین شرایط وقوع آنها بسیار تأثیرگذار است.

بنابراین همه این موارد در بررسی آریتمی ها به منظور ایجاد و توسعه الگوریتم های تشخیصی باید مد نظر قرار بگیرد

نحوه تصمیمگیری در مورد تقسیم بندی و تشخیص انواع آریتمی ها
شکل۲: نحوه تصمیمگیری در مورد تقسیم بندی و تشخیص انواع آریتمی ها

از طرف پژوهشگران طیف وسیعی از الگوریتم های مختلف برای تشخیص QRS ارائه شده است. روش هایی که در دهه اخیر پیشنهاد شده اند در یک مطالعه قوی مورد بررسی قرار گرفته اند.


تبدیل موجک یا همان (Wavelet Transform (WT یکی از پرکاربردترین تبدیلات ریاضی در حوزه پردازش سیگنال و تصویر است.

با توجه به ماهیت آنالیز چند رزولوشنی، این تبدیل جای خود را در بسیاری از کاربردهای پردازشی باز کرده است و گاهی به عنوان توانمندترین ابزار موجود شناخته میشود.


ساختار و بلوک دیاگرام کلی نرم افزار برای دستیابی به یک درک کلی از عملکرد نرم افزار در شکل ۳ ارائه شده است.

بلوک دیاگرام کامل برنامه
شکل۳: بلوک دیاگرام کامل برنامه

تبدیل موجک، تفسیری از سیگنال در حوزه زمان-فرکانس ارائه میدهد و ویژگی های زمانی سیگنال در رزولوشن های مختلف نمایان میشود. این تبدیل ابزار مناسبی برای تجزیه و تحلیل سیگنال ECG با محتوای فرکانسی مختلف همچون کمپلکس QRS، موج P و موج T است.

همچنین نویز و تأثیر آرتیفکت بر روی سیگنال ECG در باندهای فرکانسی مختلفی ظاهر میشوند. بنابراین سهم مشارکت این تأثیرات در مقیاسه ای مختلف متفاوت خواهد بود.[۱,۲] شکل ۴ نمایی از این نوع پیاده سازی را نشان میدهد.

بلوک دیاگرام یک پیاده سازی مبتنی بر فیلتر بانک برای DWT بر اساس الگوریتم Mallat
شکل ۴: بلوک دیاگرام یک پیاده سازی مبتنی بر فیلتر بانک برای DWT بر اساس الگوریتم Mallat

الگوریتم مورد نظر این قابلیت را دارد که مستقیماً بر روی سیگنال ECG ثبتشده در دستگاه های دیجیتال پیاده سازی شود. بیشتر انرژی سیگنال ECG بر روی پهنای باند مقیاسه ای ۱ تا ۵ منطبق میشود. برای مقیاسه ای بزرگتر از ۴ انرژی کمپلکس QRS بسیارکم خواهد بود.

همچنین، موج های P و T مؤلفه های قابل توجهی در مقیاس ۵ خواهند داشت هرچند جابجایی و حرکت خط زمینه (Base line) سیگنال نیز در این باند تأثیر زیادی دارد.

نتایج محاسبه DWT بر روی پنج مقیاس اول بر روی سیگنال های شبیه سازی شده مشابه با ECG
شکل ۵: نتایج محاسبه DWT بر روی پنج مقیاس اول بر روی سیگنال های شبیه سازی شده مشابه با ECG


با به کارگیری اطلاعات مربوط به نقاط ماکزیمم، مینیمم و عبور از صفر بر روی مقیاس های مختلف، الگوریتم مورد نظر می تواند نقاط مختلف را مورد تجزیه و تحلیل قرار داده و پردازش کند.

برچسب ها
نمایش بیشتر

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا
بستن
بستن

adblock را غیر فعال کنید

سیستم زوم طب روشی را برای دور زدن تبلیغات در سیستم شما یافته است جهت حمایت از ما از استفاده از آن صرف نطر کنید