Software solution for electrocardiogram storage and analysis
Software solutions for medical and healthcare fields are becoming increasingly popular due to advancements in information technology. Over the past decades peak detection algorithms as well as detection of other segments on ECG, arrhythmias detection and other pathologies detection algorithms achiev...
Збережено в:
| Дата: | 2025 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
PROBLEMS IN PROGRAMMING
2025
|
| Теми: | |
| Онлайн доступ: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/673 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems in programming |
| Завантажити файл: |  |
Репозитарії
Problems in programming| id |
pp_isofts_kiev_ua-article-673 |
|---|---|
| record_format |
ojs |
| resource_txt_mv |
ppisoftskievua/44/c1239b10bdcfc12654e086dd9d4a8e44.pdf |
| spelling |
pp_isofts_kiev_ua-article-6732025-04-16T13:57:48Z Software solution for electrocardiogram storage and analysis Програмне рішення для зберігання та аналізу електрокардіограм Yefremov, M.S. Krak, Yu.V. electrocardiogram; signal processing; software solutions; database; data formats UDC 004.4'24 електрокардіограма; оброблення сигналів; програмні рішення; база даних; формати даних УДК 004.4'24 Software solutions for medical and healthcare fields are becoming increasingly popular due to advancements in information technology. Over the past decades peak detection algorithms as well as detection of other segments on ECG, arrhythmias detection and other pathologies detection algorithms achieved significant accuracy. This study proposes an approach for integrating such algorithms into a unified systems by developing a software solution that analyzes available ECGs from various sources, standardizes them into a common format, and provides detailed reporting that is easily understandable for medical experts or patients. The implementation is carried out as a web application that can provide users with information about cardiograms, process ECGs depending on the integrated algorithms, store necessary ECG segments, diagnostic results, and more. The system incorporates a newly developed algorithm for detecting R-peaks and visualizing ECG signals processed by the algorithm with annotations obtained both automatically and with the participation of cardiology specialists.Prombles in programming 2024; 4: 43-50 Розробка програмних рішень для роботи у медичній сфері з кожним роком стає популярнішою завдяки розвитку інформаційних технологій. За останні десятиліття алгоритми знаходження окремих ділянок на електрокардіограмі (ЕКГ), виявлення та класифікація аритмій та інших патологій на ЕКГ досягли значної точності. У даній роботі запропоновано підхід до інтеграції таких алгоритмів у єдину систему шляхом розробки програмного рішення, яке аналізує наявні ЕКГ з різних джерел, приводить їх до спільного формату та надає звітність щодо пацієнтів. Реалізація здійснена у вигляді веб-застосунку, що може надати користувачеві інформацію із кардіограм, обробляти ЕКГ залежно від доданих алгоритмів, зберігати потрібні ділянки ЕКГ, результати діагностування захворювань тощо. В систему імплементовано новий алгоритм знаходження R-піків та візуалізація ЕКГ-сигналу обробленим алгоритмом з анотаціями, отриманими як автоматично, так і за участі спеціалістів-кардіологів. Prombles in programming 2024; 4: 43-50 PROBLEMS IN PROGRAMMING ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ ПРОБЛЕМИ ПРОГРАМУВАННЯ 2025-04-16 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/673 10.15407/pp2024.04.043 PROBLEMS IN PROGRAMMING; No 4 (2024); 43-50 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 4 (2024); 43-50 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 4 (2024); 43-50 1727-4907 10.15407/pp2024.04 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/673/725 Copyright (c) 2025 PROBLEMS IN PROGRAMMING |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2025-04-16T13:57:48Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
electrocardiogram signal processing software solutions database data formats UDC 004.4'24 |
| spellingShingle |
electrocardiogram signal processing software solutions database data formats UDC 004.4'24 Yefremov, M.S. Krak, Yu.V. Software solution for electrocardiogram storage and analysis |
| topic_facet |
electrocardiogram signal processing software solutions database data formats UDC 004.4'24 електрокардіограма оброблення сигналів програмні рішення база даних формати даних УДК 004.4'24 |
| format |
Article |
| author |
Yefremov, M.S. Krak, Yu.V. |
| author_facet |
Yefremov, M.S. Krak, Yu.V. |
| author_sort |
Yefremov, M.S. |
| title |
Software solution for electrocardiogram storage and analysis |
| title_short |
Software solution for electrocardiogram storage and analysis |
| title_full |
Software solution for electrocardiogram storage and analysis |
| title_fullStr |
Software solution for electrocardiogram storage and analysis |
| title_full_unstemmed |
Software solution for electrocardiogram storage and analysis |
| title_sort |
software solution for electrocardiogram storage and analysis |
| title_alt |
Програмне рішення для зберігання та аналізу електрокардіограм |
| description |
Software solutions for medical and healthcare fields are becoming increasingly popular due to advancements in information technology. Over the past decades peak detection algorithms as well as detection of other segments on ECG, arrhythmias detection and other pathologies detection algorithms achieved significant accuracy. This study proposes an approach for integrating such algorithms into a unified systems by developing a software solution that analyzes available ECGs from various sources, standardizes them into a common format, and provides detailed reporting that is easily understandable for medical experts or patients. The implementation is carried out as a web application that can provide users with information about cardiograms, process ECGs depending on the integrated algorithms, store necessary ECG segments, diagnostic results, and more. The system incorporates a newly developed algorithm for detecting R-peaks and visualizing ECG signals processed by the algorithm with annotations obtained both automatically and with the participation of cardiology specialists.Prombles in programming 2024; 4: 43-50 |
| publisher |
PROBLEMS IN PROGRAMMING |
| publishDate |
2025 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/673 |
| work_keys_str_mv |
AT yefremovms softwaresolutionforelectrocardiogramstorageandanalysis AT krakyuv softwaresolutionforelectrocardiogramstorageandanalysis AT yefremovms programneríšennâdlâzberígannâtaanalízuelektrokardíogram AT krakyuv programneríšennâdlâzberígannâtaanalízuelektrokardíogram |
| first_indexed |
2025-07-17T10:08:13Z |
| last_indexed |
2025-07-17T10:08:13Z |
| _version_ |
1850411342456946688 |
| fulltext |
Прикладне програмне забезпечення та інформаційні системи
43
© М.С. Єфремов, Ю.В. Крак, 2024
ISSN 1727-4907. Проблеми програмування. 2024. №4
УДК 004.4`24 http://doi.org/10.15407/pp2024.04.043
М. С. Єфремов, Ю. В. Крак
ПРОГРАМНЕ РІШЕННЯ ДЛЯ ЗБЕРІГАННЯ
ТА АНАЛІЗУ ЕЛЕКТРОКАРДІОГРАМ
Розробка програмних рішень для роботи у медичній сфері з кожним роком стає популярнішою за-
вдяки розвитку інформаційних технологій. За останні десятиліття алгоритми знаходження окремих
ділянок на електрокардіограмі (ЕКГ), виявлення та класифікація аритмій та інших патологій на ЕКГ
досягли значної точності. У даній роботі запропоновано підхід до інтеграції таких алгоритмів у
єдину систему шляхом розробки програмного рішення, яке аналізує наявні ЕКГ з різних джерел,
приводить їх до спільного формату та надає звітність щодо пацієнтів. Реалізація здійснена у вигляді
веб-застосунку, що може надати користувачеві інформацію із кардіограм, обробляти ЕКГ залежно
від доданих алгоритмів, зберігати потрібні ділянки ЕКГ, результати діагностування захворювань
тощо. В систему імплементовано новий алгоритм знаходження R-піків та візуалізація ЕКГ-сигналу
обробленим алгоритмом з анотаціями, отриманими як автоматично, так і за участі спеціалістів-кар-
діологів.
Ключові слова: електрокардіограма, оброблення сигналів, програмні рішення, база даних, формати даних
M.S. Yefremov, Yu.V. Krak
SOFTWARE SOLUTION FOR STORING AND
ANALYZING ELECTROCARDIOGRAMS
Software solutions for medical and healthcare fields are becoming increasingly popular due to advancements
in information technology. Over the past decades peak detection algorithms as well as detection of other seg-
ments on ECG, arrhythmias detection and other pathologies detection algorithms achieved significant accu-
racy. This study proposes an approach for integrating such algorithms into a unified systems by developing a
software solution that analyzes available ECGs from various sources, standardizes them into a common for-
mat, and provides detailed reporting that is easily understandable for medical experts or patients. The imple-
mentation is carried out as a web application that can provide users with information about cardiograms,
process ECGs depending on the integrated algorithms, store necessary ECG segments, diagnostic results, and
more. The system incorporates a newly developed algorithm for detecting R-peaks and visualizing ECG sig-
nals processed by the algorithm with annotations obtained both automatically and with the participation of
cardiology specialists.
Key words: electrocardiogram, signal processing, software solutions, database, data formats.
Вступ
Електрокардіограма є важливим
інструментом діагностики роботи серця
людини, на основі якого можна встано-
вити діагноз виявлених захворювань се-
рця та визначити профілактику кардіоло-
гічних захворювань. Аналіз ЕКГ дозволяє
лікарям виявляти різноманітні серцеві
проблеми, такі як аритмії різного рівня,
ішемії та інші порушення серцевого
ритму. У контексті ЕКГ для аналізу сиг-
налу використовують алгоритми автома-
тичного знаходження піків, (наприклад,
R-піків), інтервалів (P-QRS-T) та інших
характеристик ЕКГ (див. рисунок 1).
Прикладне програмне забезпечення та інформаційні системи
44
Рис. 1. Типовий аналіз одного серцевого
ритму
Для оцінки точності та надійності цих
алгоритмів необхідні великі та добре ано-
товані бази даних ЕКГ. Такі бази даних за-
безпечують стандартизовані набори даних,
що включають різні типи серцевих ритмів
і патологій, які можна використовувати
для навчання та тестування алгоритмів.
Такі бази стали незамінними ресурсами
для вчених та розробників медичних про-
грамних рішень.
Метою цієї статті є розроблення спо-
собів інтегрування алгоритмів обробки
ЕКГ у системи, які можна використову-
вати у медичних закладах для аналізу та
моніторингу станів пацієнтів. Для того,
аби алгоритми аналізу працювали, треба
щоб дані з холтерів або звичайних апаратів
зняття ЕКГ можна було зчитати та перет-
ворити у математичні моделі, зручні для
роботи з алгоритмами. Відзначимо, що рі-
зні пристрої зняття ЕКГ-сигналів мають
свої влаштовані формати подання даних, і
приведення цих даних до певних стандар-
тизованих форматів є надзвичайно важли-
вою проблемою.
1. Огляд існуючих та стандартизова-
них форматів зберігання кардіограм
Для того, щоб здійснювати обробку ЕКГ та
розробку застосунків, які працюють із кар-
діограмами важливо зрозуміти, в яких фор-
матах зберігаються кардіограми, та які з
них масово використовуються спеціаліс-
тами. Протягом останніх десятиліть дані з
різних холтерів та кардіографів було збере-
жено у базах даних, які мають відкритий
доступ. Звернувшись до найпопулярніших
з таких баз, можна зробити висновки, які
формати широко використовуються для
зберігання і дослідження ЕКГ-сигналів. На-
приклад, такі бази можна знайти на ресур-
сах Kaggle та PhysioNet [1]. Ці бази не про-
сто мають вільний доступ, а були зібрані з
кардіограм знятих з реальних пацієнтів.
Розглянемо деякі бази із цих ресурсів. На
ресурсі PhysioNet знаходиться велика кіль-
кість баз ЕКГ [1].
З основних можна виділити:
- MIT-BIH Arrhythmia Database[1].
Це одна з найвідоміших баз даних для ана-
лізу серцевих аритмій, яка використову-
ється у більшості досліджень, оскільки має
анотовані сигнали різних випадків серцевих
аритмій;
- European ST-T Database[1].
Ця база даних створена для оцінки алгорит-
мів виявлення та аналізу ST-сегменту і Т-
хвилі. Вона містить записи від пацієнтів з рі-
зними серцевими станами;
- QT Database[1].
Вона містить записи ЕКГ з детальними ано-
таціями інтервалу QT, що важливо для дос-
лідження інтервалу QT і пов'язаних з ним се-
рцевих умов;
- Physikalisch-Technische Bundesanstalt
(PTB) Diagnostic ECG Database[1]
Ця база даних містить багатоканальні за-
писи ЕКГ від пацієнтів з різними серце-
вими захворюваннями, зокрема, інфарктом
міокарда.
Що ж до ресурсу Kaggle, то на ньому є кі-
лька баз даних ЕКГ, які використовуються,
у тому числі як основні дані для проведення
змагань для стимулювання розробки алго-
ритмів для автоматичного аналізу ЕКГ.
База даних включає записи ЕКГ від китай-
ських пацієнтів з різними типами аритмій.
Однією з таких баз є база даних
Прикладне програмне забезпечення та інформаційні системи
45
- China Physiological Signal
Challenge (CPSC) 2018[2].
Ця база даних містить записи ЕКГ з анотаці-
ями, які можна використовувати для розро-
бки і тестування алгоритмів розпізнавання
аритмій і яка була наповнена 2018 року.
Наведемо інші бази з ресурсу Kaggle:
- China Physiological Signal Challenge
(CPSC) 2020 Database[3].
Ця база даних була використана у змаганні
CPSC 2020 і містить ширший набір даних
для аналізу ЕКГ.
- Xinjiang Medical University ECG Data.
Ця база даних містить записи ЕКГ від паці-
єнтів з різними серцевими станами, надані
Сіньцзянським медичним університетом
[4]
Для пошуку цих баз даних на Kaggle можна
скористатися пошуком на платформі, вві-
вши відповідні ключові слова, наприклад,
"ECG", "China", "CPSC". Kaggle також на-
дає інструменти для роботи з даними та
проведення змагань, що може бути корис-
ним для тестування і розробки алгоритмів.
Розглянувши відкриті бази з сигна-
лами ЕКГ, можна розділити файли сигналів
ЕКГ на три категорії:
1. Файли у форматах стандартизованих
AAMI [5] такі як edf, bdf[6] тощо.
2. Бінарні файли у форматах, які були ство-
рені різними дослідницькими інститутами
під себе, але, враховуючи їхню популяр-
ність, більшість програмних рішень, як-от
wfdb[7], MATLAB мають бібліотеки та ін-
струменти для роботи з ними.
3. Файли, які ніяк не шифруються, зазвичай
це ЕКГ, зняті за короткий проміжок часу.
2. Декодування файлів ЕКГ та
приведення до загального формату
Під час створення застосунку для аналізу ка-
рдіограм з метою його ширшого викорис-
тання як у наукових дослідженнях, так і у
прикладних застосуваннях, потрібно врахо-
вувати сумісність з якомога більшою кількі-
стю форматів сигналу. Відзначимо, що, хоча
описані вище формати й часто використову-
ються, підтримка будь-якого конкретного з
них не гарантується у кардіографах та хол-
терах, особливо в пристроях, створених до
стандартизації ЕКГ. Також постає про-
блема, пов’язана з тим, що здебільшого при-
лади, які повертають результати вимірю-
вання, закодовані так, що їх можна прочи-
тати лише використовуючи застосунки, роз-
роблені авторами пристрою. Наприклад, хо-
лтер від фірми Philips[8], є комерційним
продуктом, який часто використовується у
медичних закладах, тому його формат
.zhr[8] є поширеним та навіть підтримується
wdfb. Навіть застосунок який іде разом з хо-
лтером має можливість конвертувати цей
формат у стандартизовані edf, MIT тощо.
Але розробники не надають файл метада-
них, в якому зберігається інформація про ро-
зшифрування сигналу, тому постає про-
блема використання цих даних для розроб-
ників інших програмних засобів. Одним із
способів вирішення цієї проблеми є метод
підбору. Оскільки всі файли з кардіографів
кодуються у бінарний формат, то підібрати
функцію, що його декодує можливо, хоча ця
процедура займає багато часу і під час деко-
дування можливі втрати фрагментів сиг-
налу. Так, під час роботи з холтером SDM-
23 була спроба самостійно декодувати сиг-
нал. Як результат сигнал втрачав деякі фра-
гменти (див. рисунок 2). Це зумовлено
двома факторами: по-перше, відсутні мета-
дані, де вказано параметри сигналу, які ме-
тодом підбору не вийшло підібрати; по-
друге, різні частини сигналу можуть бути
закодовані різними методами. В результаті,
окрім підбору алгоритму декодування, є по-
треба перебирати частинами, що є недоціль-
ною витратою часу, оскільки заздалегідь не-
відомо, які саме методи та варіанти були за-
кодовані.
Прикладне програмне забезпечення та інформаційні системи
46
Рис 2. Невдале декодування сигналу ЕКГ
У таких випадках, коли сигнал немож-
ливо якісно декодувати – єдиний вихід є
напряму звертатись до розробників апа-
ратури, або працівників медичних закла-
дів та, за можливості, домовлятися про
співпрацю.
Таким чином, з наведеної інформа-
ції можна зробити висновки, що під час
обробки та аналізу ЕКГ даних у різних
форматах важливою є розробка застосу-
нку, який давав можливість враховувати
ці формати і декодувати інформацію у
доступні формати. Зважаючи на це було
підібрано архітектуру, яка дозволяє ви-
користовувати формати розробки як до-
ступні та які широко використовуються,
так і формати локальних пристроїв. Ви-
користавши паттерн-програмування
«фабрика» створюється контролер фор-
матів, який буде відповідати за модулі
для кожного нового формату, підтримка
якого додаватиметься до системи.
Рис 3. Фабрика декодування форматів ЕКГ
На рисунку 3 зображено реалізацію
фабричного методу для декодування
ЕКГ.
Основними компонентами для сис-
теми, що відповідає за декодування ЕКГ
форматів, є контролер, який залежно від
формату повертає з фабрики класів обро-
бників потрібний обробник форматів. Ко-
нтролер форматів визначає тип вхідних
даних і направляє їх до відповідного об-
робника, здатного обробити конкретний
формат. Фабрика обробників створює
правильний парсер для даного формату,
що витягує числові канали та метадані з
вхідних даних, а також може додавати до-
даткову інформацію. Фабрика обробників
є ключовою, оскільки вона забезпечує
централізовану точку управління для
створення обробників. Це дозволяє роз-
ширювати систему, додаючи нові фор-
мати без необхідності змінювати існую-
чий код, що підвищує модульність і підт-
римуваність (maintainability) системи. Ко-
жен формат обробляється окремим обро-
бником, що спрощує тестування та нала-
годження. Такий підхід особливо корис-
ний у лікарнях, де використовуються вла-
сні формати ЕКГ, оскільки він дозволяє
інтегрувати нові формати без значних
змін у системі.
Прикладне програмне забезпечення та інформаційні системи
47
3. Архітектура рішення для
роботи
Для повноцінної роботи системи,
що здійснює обробку даних, пов’язаних
з медициною варто враховувати, що такі
дані містять конфіденційну інформацію
про пацієнтів, яка охороняється зако-
нами про захист персональних даних,
такими як GDPR у Європі [9]або HIPAA
у США[10]. Забезпечення анонімності
даних та їхній захист від несанкціонова-
ного доступу є важливим, але складним
завданням. Щоб не зберігати персона-
льні дані клієнта, у запропонованому за-
стосунку для роботи з ЕКГ, будемо підк-
лючати до нього реляційну базу даних,
яка слугуватиме сховищем деанонімізо-
ваним файлам. У цій базі будемо збері-
гати як закодовані файли, так й анонімі-
зовані декодовані для подальшої їх об-
робки. Також до бази можна буде збері-
гати файли як через безпосередні засто-
сунки поза даним сервісом, так й через
певний інтерфейс для користувачів цього
застосунку.
Декодовані файли, без метаданих
пацієнта вже можна передавати для їх-
ньої подальшої обробки алгоритмами
ЕКГ-аналізу. Так, дані з холтерів та кар-
діографів, які були отримані сервісом
управління форматами, передаються на
аналіз іншому сервісу, в якому реалізо-
вані алгоритми обробки ЕКГ. Відзна-
чимо, що був імплементований сервіс із
знаходження R-піків, описаний у робо-
тах [11,12] Цей алгоритм був протесто-
ваний на вищезазначеній базі, а саме на
базі з ресурсу [1], що підтвердило його
ефективність та точність. Повна архіте-
ктура з усіх сервісів, які наразі доступні,
можна побачити на рисунку 4. Така ар-
хітектура є досить гнучкою, та дозволяє
інтегрувати його до різних лікарень без
суттєвих проблем.
Для того, щоб будь-яка система
мала успіх – важливою частиною є ті сер-
віси системи, які напряму комунікують із
користувачем. У даному випадку - це є
Рис. 4. Архітектура сервісів застосунку аналізу ЕКГ.
Прикладне програмне забезпечення та інформаційні системи
48
графічний інтерфейс, через який «актор»
(лікар) завантажує файли з ЕКГ та отри-
мує результати аналізу сигналу. Назвемо
такий сервіс “Accesor”, оскільки серед
його задач є не лише відобразити, зчитати
файл та занотувати проаналізований
файл, а й упевнитись, що доступ до сис-
теми мають лише певні кваліфіковані
люди. Такий доступ до системи можна ор-
ганізувати, як звичайним SSO провайде-
ром, так і простими методами авторизації.
Перед початком розробки GUI частини,
що відображує сигнал було проаналізо-
вано візуалізацію анотованих файлів бази
MIT-BIH на ресурсі PhysioNet. Для зруч-
ності, сигнал розбивається на задані про-
міжки, переходячи між якими, можна ро-
здивитись сигнал по частинах, наблизи-
вши певні підозрілі ділянки.
На рисунку 5. зображено приклад,
як виглядає графічний інтерфейс застосу-
нку. Тепер, маючи представлення, з яких
сервісів буде складатись застосунок, пе-
рейдемо до вибору технічних рішень, які
можна використовувати для його реаліза-
ції. Для підтримки крос-платформленості
було обрано реалізацію як веб застосунок.
Таке рішення не лише уможливлює збере-
ження крос-платформленості, а й зберігає
час потенційного користувача, якому не
треба буде робити інсталяцію. Розгляда-
ючи тенденції мов програмування сього-
дення, запропоноване рішення можна ро-
зробляти або використовуючи технологію
nodeJS, або Flask/Django[13]. Було вирі-
шено використовувати Flask, оскільки він
написаний мовою Python, яка є популяр-
ною серед науковців, що замаються про-
блемами ЕКГ, та вже має готові бібліотеки
роботи зі стандартизованими та пошире-
ними форматами.
Відзначимо ще одну проблему, яку
вирішує можливість авторизації.
У реальних умовах у великих лікар-
нях за день можуть приходити десятки
ЕКГ для аналізу різних пацієнтів,
прив’язаних до різних лікарів. Авториза-
ція дозволяє відфільтрувати, які ЕКГ дос-
тупні користувачеві (в нашому випадку це
лікар), що дозволить кожному лікарю ба-
чити лише своїх пацієнтів та уникати плу-
танини.
Після проведення аналізу результа-
тів будь-яких медичних вимірювань паці-
єнт зазвичай очікує опис від лікаря та звіт
про зафіксовані патології або аномалії.
Тому невідʼємною частиною застосунку,
який проводить аналіз ЕКГ, є генерація
звітності. Логічно цю задачу делегувати
застосунку «Accesor”, оскільки він кому-
нікує з базою даних та отримує резуль-
тати обробки ЕКГ алгоритмами аналізу.
Рис. 5. Система візуалізації кардіограми з знайденими піками
Прикладне програмне забезпечення та інформаційні системи
49
Зазвичай звіт зручно генерувати або у
PDF або .doc документи. Звісно, генерація
таких документів є вже задачею складні-
шою за відображення, сортування файлів
та внесення додаткової інформації, тому
для цього варто створити окремий сервіс,
який би з отриманих результатів оброки
ЕКГ та додатково доданих лікарем анота-
цій та коментарів, генерував документи
для пацієнтів. Підкреслимо, що декодо-
вані ЕКГ є звичайними масивами з чисел,
які можна зберігати у реляційній базі да-
них, то самі файли ЕКГ є складними бі-
нарними структурами, тому треба вико-
ристовувати сервіс зберігання даних. Це
може бути як хмарне рішення, так і FTP
сервер тощо. Оскільки декодуємо й отри-
муємо ЕКГ як масив чисел, з якого потім
можна відтворити сигнал, то зберігати ос-
новні файли довгостроково немає сенсу.
Такий підхід дозволяє використовувати
сховища даних невеликих обсягів, які час
від часу вичищаються. Поповнення таких
сховищ можна реалізувати як через
«Accesor”, так і напряму з серверів даних
лікарень, якщо у лікарні такі є. Беручи до
уваги описані сервіси разом, – така мікро-
сервісна архітектура дозволяє значно
прискорити та автоматизувати роботу ка-
рдіологів, що приведе до покращення ро-
боти з пацієнтами.
Висновки
Розроблено та запропоновано підхід
для автоматизації роботи кардіологів у лі-
карнях шляхом розробки системи, яка до-
зволяє інтегрувати у зручному для лікарів
форматі алгоритми аналізу ЕКГ у їх ро-
боту опису кардіограми. Система дозво-
ляє не лише здійснювати аналіз ЕКГ у
пришвидшеному темпі, а й систематизу-
вати файли різних форматів, які можуть
бути наявні у лікарнях. Запропонований
підхід дозволяє обробляти різні типи кар-
діограм та конвертувати їх у єдиний фор-
мат, що спрощує їхнє подальше викорис-
тання алгоритмами роботи з ЕКГ. Розроб-
лено крос-платформний застосунок, який
дозволяє продивлятись фрагменти кар-
діограми, з детальною візуалізацією та ал-
горитмічно доданими нотатками, з мож-
ливістю додавання анотацій лікарями на-
пряму, якщо алгоритм аналізу ЕКГ про-
пускає деякі ділянки. Система підтримує
роботу із стандартизованими форматами
ЕКГ та має можливість інтегрувати будь-
який формат, якщо відома його специфіка-
ція. Архітектура побудована так, що до-
зволяє інтегруватись у готові рішення, які
наявні у лікарнях, що дозволяє отриму-
вати повну історію пацієнтів. Такий підхід
забезпечує більш ефективне управління
даними пацієнтів, що сприяє зниженню
кількості помилок та підвищенню якості
надання медичних послуг.
Даний сервіс був протестований на ро-
зробленому алгоритмі пошуку R-піків, для
демонстрації його точності у порівнянні з
іншими алгоритмами. Використання описа-
ного сервісу не лише пришвидшує роботу
кардіологів, а й систематизує зберігання
ЕКГ у зручному вигляді та започатковує ви-
рішення проблеми автоматизації аналізу
медичних вимірювань, дозволяючи дода-
вати алгоритми обробки та підтримку будь-
яких форматів, не змінюючи основну архі-
тектуру системи.
References
1. Goldberger, A.L. et al. “PhysioBank, Phys-
ioToolkit, and PhysioNet: components of a new
research resource for complex physiologic sig-
nals.” Circulation. Vol. 101, 23 (2000): E215-
20. doi:10.1161/01.cir.101.23.e215
2. Liu, F. et al. An open access database for eval-
uating the algorithms of electrocardiogram
rhythm and morphology abnormality detection.
Journal of Medical Imaging and Health Infor-
matics, 8(7), (2018): 1368-1373.
doi:10.1166/jmihi.2018.2442
3. Cai, Z. et al. An Open-Access Long-Term
Wearable ECG Database for Premature Ven-
tricular Contractions and Supraventricular
Premature Beat Detection, Journal of Medical
Imaging and Health Informatics, 10(11),
(2020): 2663–2667.
DOI: 10.1166/jmihi.2020.32892663
4. Mu, H. et all. Electrocardiogram Minnesota
codings from 30 000 adult cases with Kazakh
ethnicity in Xinjiang, China. Zhonghua
liuxingbingxue zazhi. 31(4), (2010): 451-454
PMID: 20513295.
Прикладне програмне забезпечення та інформаційні системи
50
5. ANSI/AAMI EC11:1991/(R) (2001)
Diagnostic Electrocardiographic Devices, 2ed
6. Kemp, B., Olivan, J. European data format
‘plus’ (EDF+), an EDF alike standard format
for the exchange of physiological data. Clinical
Neurophysiology, 14(9),(2003):1755-1761.
https://doi.org/10.1016/S1388-
2457(03)00123-8.
7. Xie, C. et al. Waveform Database Software
Package (WFDB) for Python (version 4.1.0).
(2023). PhysioNet. doi/10.13026/9njx-6322
8. Philips Healthcare SERVICE BULLETIN.
SB86000222A: 860292, 860323,
989803190581 - Release Holter 3.0.3. 2017.
9. Health Insurance Portability and
Accountability Act [HIPAA] of 1996, Pub. L.
No. 104-191.
10. Consolidated text: Regulation (EU) 2016/679
of the European Parliament and of the Council
of 27 April 2016 on the protection of natural
persons with regard to the processing of
personal data and on the free movement of such
data, and repealing Directive 95/46/EC
(General Data Protection Regulation).
11. Krak, Iu., Pashko A., Stelia O., Barmak, O.,
Pavlov, S. Selection Parameters in the ECG
Signals for Analysis of QRS Complexes. 1st
International Workshop on Intelligent
Information Technologies and Systems of
Information Security, InteIITSIS 2020,
Khmelnytskyi, 10-12 June 2020. Vol. 2623.
2020, pp.1-13. https://ceur-ws.org/Vol-
2623/paper1.pdf
12. Pashko, A., Krak, Iu., Stelia, O., Khorozov, O.
Isolation of informative features for the analy-
sis of QRS complex in ECG signals. Advances
in Intelligent Systems and Computing, Vol.
1246 AISC, 2021. pp. 409 – 422. DOI:
10.1007/978-3-030-54215-3_26.
13. Grinberg, M. (2018). Flask web development:
developing web applications with python. x27;
Reilly Media, Inc.
Одержано: 02.09.2024
Внутрішня рецензія отримана: 11.09.2024
Зовнішня рецензія отримана: 13.09.2024
Про авторів:
1,2Єфремов Микола Сергійович,
аспірант, асистент кафедри
https://orcid.org/0000-0001-8698-3957
1,2Крак Юрій Васильович,
член-кореспондент НАН України,
д.ф.-м. н., професор,
завідувач кафедри
https://orcid.org/0000-0002-8043-0785
Місце роботи авторів:
1Київський національний університет імені
Тараса Шевченка,
2Інститут кібернетики імені В.М.Глушкова
НАН України
Тел.: +380 44 239-33-33
e-mail: Iurii.krak@knu.ua, Yefremov@knu.ua
|