Мониторинг мозгового и периферийного кровотока в режиме реального времени является одной из востребованных задач в современной клинической практике. Результаты статистики показывают, что при относительно низкой частоте документированных нарушений мозгового кровотока, нарушения когнитивных функций в послеоперационный период регистрируется почти у 80% пациентов, а у трети больных они сохраняется и по прошествии 12 месяцев. Одной из причин таких осложнений является эмболический инсульт мозга при кардиохирургических вмешательствах. Для снижения риска осложнений необходимы средства мониторинга мозгового кровотока и автоматическое определение микроэмболии в режиме реального времени для оперативного получения количественных и качественных характеристик микроэмболов [1].
Реализация алгоритма автоматической детекции микроэмболии в режиме реального времени является одной из самых сложных задач при создании специализированных медицинских комплексов и систем мониторинга кровотока. Существующие разработки имеют невысокую достоверность идентификации микроэмболов и низкое качество информационной модели. Помимо этого, зарубежные аналогичные разработки имеют недостаточный набор функций мониторинга, постпроцессорной обработки трендов и сигналов микроэмболов.
Разработан и клинически апробирован алгоритм, базирующийся на новом методе многоканальной детекции микроэмболии и мониторинга ее характеристик в режиме реального времени. В основе лежит реализация алгоритма многоуровневой обработки ультразвукового сигнала, отражаемого микроэмболом. Каждый уровень решает свои задачи [2], которые можно представить в виде двоичного дерева решений. На первом уровне решается задача выделения кратковременных сигналов высокой мощности из фонового сигнала кровотока, на втором – отделение артефактов от микроэмболических сигналов. На третьем уровне производится классификация на материальную и воздушную микроэмболию.
Эффективность представленного метода определяется высокой достоверностью обнаружения и автоматизацией обработки микроэмболов. В отличие от существующих, разработанный алгоритм содержит дополнительные оценки, реализованные на этапе постпроцессорной обработки данных мониторинга кровотока, что позволяет повысить достоверность анализа.
Разработанный программный комплекс для более углубленного изучения особенностей кровообращения и контроля мозговой кровотока позволяет:
― вести длительную запись всех типов доплеровских кривых и спектрограмм (до 5 часов);
― регистрировать и классифицировать микроэмболии на материальную и воздушную;
― производить оперативную запись текстовых комментариев;
― получать и анализировать характеристические параметры и кривые эпизодов микроэмболии на этапе постпроцессорной обработки;
― просматривать и производить обработку результатов мониторинга с расчетом индексов, в том числе определенных пользователем;
― осуществлять сохранение всех данных мониторинга в электронной карте пациента.
Предлагаемое программное обеспечение реализовано как самостоятельный модуль расширения функциональных возможностей основного программного обеспечения многоканального доплеровского анализатора. Также разработанное программное обеспечение подключено к медицинской базе данных WinPatientExpert и предоставляет весь спектр сервисных функций по сбору, обработке и сохранению результатов обследований.
Программно-алгоритмическое обеспечение реализовано на языке программирования C++ из пакета Microsoft Visual Studio 2005 под операционной системой Microsoft Window XP. Аппаратной частью служит ультразвуковой доплеровский анализатор «АНГИОДИН».
Для эффективного функционирования представленного программного обеспечения необходима следующая минимальная конфигурация: процессор Intel Pentium IV 3 ГГц, ОЗУ 512 МБ, операционная система Microsoft Windows 2000/XP.
Разработанное программное обеспечение прошло клиническую апробацию в составе программно-аппаратного ультразвукового комплекса «АНГИОДИН» фирмы «БИОСС» и показало высокую эффективность при решении задач определения и классификации микроэмболии.
Список литературы:
1. Шевченко Ю.Л. и др. Кардиогенный и ангиогенный церебральный эмболический инсульт (физиологические механизмы и клинические проявления). – М.: ГЭОТАР–Медиа, 2006.
2. Павлова Н.В. Методы искусственного интеллекта и новые информационные технологии в проектировании приборных комплексов. – М.: Издательство МАИ, 2000.