Быкова Маргарита Олеговна, магистрант кафедры биокибернетических систем и технологий Института искусственного интеллекта
119454, Москва, пр-т Вернадского, д. 78
Margarita O. Bykova, Student, Department of Biocybernetic Systems and Technologies, Institute of Artificial Intelligence
78, Vernadskogo pr., Moscow, 119454
Баландин Вячеслав Алексеевич, кандидат физико-математических наук, доцент кафедры биокибернетических систем и технологий Института искусственного интеллекта
Scopus Author ID 7003691025
119454, Москва, пр-т Вернадского, д. 78
Vyacheslav A. Balandin, Cand. Sci. (Phys.–Math.), Assistant Professor, Department of Biocybernetic Systems and Technologies, Institute of Artificial Intelligence
Scopus Author ID 7003691025
78, Vernadskogo pr., Moscow, 119454
Цель. Целью работы было определение параметра фрактальной размерности, рассчитанного для последовательности длительностей R-R интервалов, выявление границы его изменения для здоровых и больных пациентов, а также возможности его использования в качестве дополнительного фактора при выявлении патологии сердечной деятельности.
Методы. Для определения параметра фрактальной размерности используются методики Херста, Барроу, минимальной площади покрытия и Хигучи. При оценке стационарности ряда кардиоинтервалов применяется стандартный метод сравнения средних арифметических и дисперсий по выборкам общего массива данных кардиоинтервалов. Для выявления различий фрактальных размерностей здоровых и больных пациентов выполнено ранжирование данного параметра. С помощью использования двухвыборочного критерия Колмогорова – Смирнова показано различие законов распределения в выборках для здоровых и больных пациентов. Результаты. Показано, что из рассмотренных методов расчета фрактальной размерности наименьший разброс данных между здоровыми пациентами демонстрирует метод Хигучи. Выполнено ранжирование рассчитанных значений фрактальной размерности, позволившее выявить различие данного параметра для здоровых и больных пациентов. Показано, что различие в распределении фрактальной размерности здоровых и больных пациентов является статистически значимым для методов покрытия и Хигучи. В то же время при использовании традиционного метода Херста нет основания отвергать нулевую гипотезу о принадлежности двух групп пациентов одной генеральной совокупности.
Выводы. На основании полученных данных было показано, что статистически значимое различие между показателями фрактальной размерности длительностей R-R интервалов здоровых и больных пациентов имеет место при применении метода Хигучи. Установлено, что ранжирование выборок позволяет эффективно различать фрактальные размерности здоровых и больных пациентов. Результаты работы показывают перспективность дальнейших исследований, направленных на использование фрактальных характеристик кардиоритма для выявления нарушений последнего, что может служить дополнительным фактором при определении патологии деятельности сердца.
Objectives. The aim of the present work is to determine the fractal dimension parameter calculated for a sequence of R–R intervals in order to identify the boundaries of its change for healthy and sick patients, as well as the possibility of its use as an additional factor in the detection of cardiac pathology.
Methods. In order to determine the fractal dimension parameter, the Hurst-, Barrow-, minimum coverage area-, and Higuchi methods are used. For assessing the stationarity of a number of electrocardiography (ECG) intervals, a standard method is used to compare arithmetic averages and variances from samples of the total data array of ECG intervals. To identify differences in fractal dimensions of healthy and sick patients, this parameter was ranked. Using the Kolmogorov–Smirnov two-sample criterion, the difference between the distribution laws in the samples for healthy and sick patients is shown.
Results. Among the considered methods for calculating the fractal dimension, the Higuchi method demonstrates the smallest data spread between healthy patients. By ranking the calculated fractional dimension values, it was possible to identify the difference between this parameter for healthy and sick patients. The difference in the distribution of fractal dimension of healthy and sick patients is shown to be statistically significant for the coverage and Higuchi methods. At the same time, when using the traditional Hurst method, there is no reason to reject the null hypothesis that two groups of patients belong to the same general population.
Conclusions. Based on the obtained data, the difference between the fractal dimension indicators of the duration of R–R intervals of healthy and sick patients is shown to be statistically significant when using the Higuchi method. The fractal dimensions of healthy and sick patients can be effectively distinguished by ranking samples. The results of the research substantiate prospects for further studies aimed at using fractal characteristics of the heart rhythm to identify abnormalities of the latter, which can serve as an additional factor in determining heart pathologies.
The authors declare that there are no conflicts of interest present.