Сахарова Полина Александровна, бакалавр, Институт искусственного интеллекта,
119454, Москва, пр-т Вернадского, д. 78.
Polina A. Sakharova, Bachelor, Institute of Artificial Intelligence,
78, Vernadskogo pr., Moscow, 119454.
Баландин Вячеслав Алексеевич, к.ф.-м.н., доцент, кафедра биокибернетических систем и технологий, Институт искусственного интеллекта,
119454, Москва, пр-т Вернадского, д. 78.
Scopus AuthorID: 7003691025.
Vyacheslav A. Balandin, Cand. Sci. (Phys.-Math.), Assistant Professor, Department of Biocybernetics Systems and Technologies, Institute of Artificial Intelligence,
78, Vernadskogo pr., Moscow, 119454.
Scopus AuthorID: 7003691025.
Цели. Статья посвящена исследованию вариабельности сердечного ритма с помощью многофакторного дискриминантного анализа. Дискриминантный анализ является эффективным статистическим методом классификации, позволяющим разбивать объекты на группы исходя из различий между характеризующими эти объекты параметрами. Эффективность многофакторного дискриминантного анализа, который активно используется в медицине для диагностики сердечно-сосудистых патологий, обусловлена широким набором анализируемых параметров: статистических, спектральных и автокорреляционных. Цель работы – выявление методом дискриминантного анализа параметров вариационной пульсометрии, которые обеспечивают наилучшее различение между здоровыми пациентами и пациентами с аритмией.
Методы. В качестве исходных данных использовались длительности кардиоинтервалов пациентов возраста 63–72 лет, размещенные в открытой базе биомедицинских сигналов PhysioNet.org. При выборе аргументов дискриминантной функции преимущество отдавалось слабо коррелирующим между собой параметрам, имеющим нормальное распределение и различающимся у здоровых и больных пациентов. Статистическая значимость различий между параметрами двух групп проверялась с помощью t-критерия Стьюдента и U-критерия Манна – Уитни.
Результаты. Получены две дискриминантные функции: первая зависела от трех временных параметров; вторая, помимо временных, включала один спектральный и один автокорреляционный. В обоих случаях были рассчитаны средние значения дискриминантной функции для здоровых и больных пациентов. Статистическая значимость различий средних значений дискриминантной функции в двух группах исследовалась с помощью t-критерия Стьюдента.
Выводы. Показано, что значения первой дискриминантной функции незначительно различаются у здоровых и больных пациентов, в то время как включение автокорреляционного и спектрального параметров в число аргументов дискриминантной функции обеспечивает выраженные и статистически значимые различия между пациентами двух групп. Тем самым продемонстрирована высокая значимость спектральных и автокорреляционных параметров в диагностике аритмии.
Objectives. The article presents a study of heart rate variability using multivariate discriminant analysis. Representing an effective statistical method of classification, discriminant analysis can be used to divide objects into groups based on differences in the parameters characterizing these objects. The effectiveness of multivariate discriminant analysis, which is actively used in medicine to diagnose cardiovascular pathologies, is due to the wide range of analyzed parameters: statistical, spectral, and autocorrelation. The aim of the work is to identify the parameters of variational pulsometry, which provide the best distinction between healthy patients and patients with arrhythmia, by means of discriminant analysis.
Methods. The durations of cardiac intervals of patients aged 63–72 years, which had been placed in the open database of biomedical signals PhysioNet.org, were used as initial data. When selecting the arguments of the discriminant function, priority was given to parameters that were weakly correlated with each other, had a normal distribution, and differed between healthy and ill patients. The statistical significance of differences between the parameters of the two groups was tested using Student’s t-test and Mann–Whitney U test.
Results. Two discriminant functions were obtained: the first depended on three time-domain parameters, while the second included one spectral and one autocorrelation parameter in addition to time-domain parameters. In both cases, the average values of the discriminant function for healthy and sick patients were calculated. The statistical significance of differences in the average values of the discriminant function in the two groups was investigated using Student’s t-test.
Conclusions. The values of the first discriminant function are shown to differ insignificantly between healthy and sick patients, while the inclusion of autocorrelation and spectral parameters in the number of arguments of the discriminant function provides pronounced and statistically significant differences between patients of the two groups. Thus, the high significance of spectral and autocorrelation parameters in arrhythmia diagnosis was demonstrated.
The authors declare that there are no conflicts of interest present.