Интеллектуальный анализ электрокардиограмм
Разработка методов автоматической оцифровки и анализа электрокардиограмм для поддержки принятия врачебных решений
О проекте
Период выполнения
Программной системы
Исследователей
Публикаций
Университет медицинских наук
Медицинский факультет
Кафедра кардиологии
Лаборатория медицинской информатики
г. Москва, ул. Медицинская, д. 1
Актуальность исследования
Смертей от ССЗ в год
ВОЗ
Приходится на ЭКГ
Первичная диагностика
Время на анализ одной ЭКГ
Врач-кардиолог
Ошибок при визуальном анализе
Исследования
Ключевая проблема
Актуальность исследования обусловлена необходимостью цифровизации бумажных ЭКГ в отдаленных медицинских учреждениях для интеграции в телемедицинские системы.
Цель и задачи исследования
🎯 Цель работы
Разработка системы интеллектуального анализа электрокардиограмм с использованием методов компьютерного зрения
Основные задачи
Разработать алгоритм автоматического выделения линии ЭКГ из изображения
Создать систему калибровки для перевода в физические единицы измерения
Реализовать детекцию всех компонентов ЭКГ (P, Q, R, S, T волны)
Разработать метод расчета клинических параметров с оценкой отклонений
Создать веб-интерфейс для визуализации результатов анализа
Методология исследования
Загрузка изображения
Поддержка различных форматов, автоматическое определение границ ЭКГ
Предобработка
CLAHE для улучшения контраста, медианная фильтрация для удаления шумов
Извлечение сигнала
Адаптивная бинаризация, морфологические операции, контурный анализ
Калибровка
Перевод в физические единицы (мВ и секунды) по эталонной сетке
Детекция компонентов
Алгоритмы поиска R-пиков, QRS комплексов, P и T волн
Расчет параметров
14 клинических параметров с оценкой отклонений от нормы
Искусственный интеллект в системе
Автоматическое выделение ЭКГ-линии с учетом шумов
Детекция R-пиков с адаптивным порогом
Сглаживание сигнала с сохранением формы зубцов
Научная новизна
Комплексный подход
Впервые предложен комплексный метод полного цикла обработки ЭКГ - от изображения до клинического заключения с автоматической калибровкой и верификацией результатов.
Адаптивная калибровка
Разработан алгоритм автоматического определения масштаба изображения без участия оператора
Робастная детекция
Устойчивый к шумам метод выделения всех компонентов ЭКГ в условиях ограниченного качества изображений
Верификация результатов
Встроенная система визуального контроля детектированных зубцов для врачебной верификации
Результаты исследования
Точность детекции R-пиков
+15%Среднее время обработки
-40%Количество параметров
+8Поддерживаемых форматов
+3Финансовая поддержка
Грант
Российский научный фонд (РНФ)
Номер
24-15-00342
Период
2024-2026
Объем финансирования
6 000 000 ₽
Публикации
Метод автоматической детекции компонентов ЭКГ на растровых изображениях
Воробьев Д.А., Соколов А.П., Кузнецова Е.В.
Медицинская техника • Том 58, №3 • Стр. 45-52 • 2024DOI: 10.1007/s10527-024-00000-0
Сравнительный анализ алгоритмов фильтрации при оцифровке ЭКГ
Воробьев Д.А., Николаева М.И.
Международная конференция по биомедицинской инженерии • г. Санкт-Петербург • 2024 • Стр. 112-118
План выполнения
Анализ литературы и выбор методов
2024-03-01Разработка алгоритмов обработки изображений
2024-05-01Реализация детекции компонентов ЭКГ
2024-07-01Создание веб-интерфейса
2024-09-01Сбор и разметка датасета
2024-11-01Тестирование и валидация
2025-02-01Написание научных статей
2025-05-01Подготовка диссертации
2025-09-01Защита диссертации
2025-12-20Практическая значимость
Разработанная система позволяет автоматизировать процесс анализа ЭКГ, снизить нагрузку на врачей-кардиологов и обеспечить доступ к качественной диагностике в отдаленных медицинских учреждениях.
🏥 Телемедицина
📊 Скрининг
🤖 AI-ассистент врача