Информационно-экстремальная классификация карт распределения плотности тока в диагностике ишемии миокарда и некоронарогенных заболеваний сердца

Abstract

Цель работы — развитие метода распознавания образов, основанного на картах распределения плотности тока. Были отобраны наборы типичных карт в пределах ST-T интервала здоровых добровольцев, больных с ишемической болезнью сердца, пациентов с острым миокардитом и миокардитическим кардиосклерозом, а также карты, зарегистрированные в условиях высокого уровня шума. Эти изображения были классифицированы с помощью информационно-экстремальной интеллектуальной технологии, основанной на методе Кульбака, имеющей размеры в параметрическом пространстве Хемминга. При классификации изображений, входящих в учебную выборку, были получены безошибочные результаты. Была достигнута чувствительность и точность 93 % и 87 % соответственно.

Мета роботи — розвиток методу розпізнавання образів, що заснований на картах розподілу густини струму. Було відібрано набори типових карт у межах ST-T інтервала здорових добровольців, хворих на ішемічну хворобу серця (ІХС), пацієнтів із гострим міокардитом і міокардитичним кардіосклерозом, а також карти, зареєстровані в умовах високого рівня шуму. Ці зображення було класифіковано за допомогою інформаційно-екстремальної технології, в основі якої лежить метод Кульбака, що має розміри в параметричному просторі Хемминга. При класифікації зображень, які входять в навчальну вибірку, було отримано безпомилкові результати. Екзаменаційна група містила 203 здорових добровольця і 256 хворих ІХС. Було досягнуто чутливість і точність 93 % і 87 % відповідно.

The aim of work is to develop a method of pattern recognition for classification of the current density distribution maps. Sets of typical current density distribution maps for healthy volunteers, patients with coronary artery disease, patients with acute myocarditis and myocardial cardio sclerosis as well as the maps registered under conditions of high noise level were selected within the ST-T interval. These images, representing a training sample, method having sizes in Hamming parametric space. Unmistakable results were obtained for the classification of current density maps, included in the training sample. Then verification of developed classification system was performed. Examination sample was consisted of 203 healthy volunteers and 256 patients with coronary artery disease. Sensitivity and specificity of 93 % and 87 % respectively were reached in this group.