Биомедицинские сигналы и изображения в цифровом здравоохранении: хранение, обработка и анализ

Министерство науки и высшего образования  
Российской Федерации
Уральский федеральный университет
имени первого Президента России Б. Н. Ельцина

Биомедицинские сигналы и изображения 
в цифровом здравоохранении: 
хранение, обработка и анализ

Учебное пособие

Под общей редакцией
доктора технических наук В. С. Кубланова

Рекомендовано методическим советом
Уральского федерального университета
для студентов вуза, обучающихся 
по направлениям подготовки 
09.04.02 — Информационные системы и технологии, 
12.04.04 — Биотехнические системы и технологии, 
27.04.03 — Системный анализ и управление

Екатеринбург
Издательство Уральского университета
2020

УДК 615.84:621.39:004.3(075.8)
ББК 53.4я73+32.8я73
          Б63
Авторы:
В. С. Кубланов (гл. 1, 2), А. Ю. Долганов (гл. 2, 3 (перевод), 4), В. Б. Костоусов (гл. 6), 
А. П. Немирко (гл. 5), Л. А. Манило (гл. 5), Т. С. Петренко (гл. 1),  H. Gamboa (гл. 3),  
J. Rodriges (гл. 3)

Рецензенты:
заведующий кафедрой инфокоммуникационных технологий Южно-Уральского го-
сударственного университета (научно-исследовательский университет), д-р техн. 
наук, доц. С. Н. Даровских;
лаборатория морфологии и биохимии института иммунологии и физиологии Ураль-
ского отделения РАН (замдиректора ИИиФ УрО РАН д-р биол. наук, доц. И. Г. Да-
нилова)

Б63

    Биомедицинские сигналы и изображения в цифровом здравоохранении: хранение, 
обработка и анализ : учебное пособие / В. С. Кубланов, А. Ю. Долганов, В. Б. Косто-
усов [и др.] ; [под общ. ред. В. С. Кубланова] ; Мин-во науки и высш. образования 
РФ. — Екатеринбург : Изд-во Урал. ун-та, 2020. — 240 с.

ISBN 978-5-7996-2990-8

В учебном пособии изложены современные практические рекомендации по математиче-
ским методам и алгоритмам анализа биомедицинских сигналов и изображений.
Методы цифровой обработки биомедицинских сигналов и изображений излагаются с уче-
том специфических особенностей сигналов биологического происхождения и рассматривают-
ся на конкретных примерах, иллюстрирующих их практическое применение. Основное вни-
мание уделено работе с существующими базами данных биомедицинских сигналов, а также 
методикам проведения собственных функциональных исследований.
Учебное пособие ориентировано на преподавателей, аспирантов и студентов-магистрантов, 
обучающихся по специальностям, связанным с цифровой обработкой сигналов и изображений, 
интеллектуальными информационными системами и функциональной диагностикой. 
Пособие будет полезно также врачам, интересующимся современными методами компьютерного 
анализа биомедицинских сигналов и изображений и методами машинного обучения 
в задачах классификации данных.
Работа поддержана Постановлением Правительства Российской Федерации № 211, договор 
02.А03.21.0006.

Библиогр.: 124 назв. Табл. 1. Рис. 72.

УДК 615.84:621.39:004.3(075.8)
ББК 53.4я73+32.8я73

ISBN 978-5-7996-2990-8 
© Уральский федеральный

 
     университет, 2020



Оглавление

Список сокращений ................................................................................ 5

Введение ................................................................................................. 7

Глава 1. Обзор общих принципов функционирования организма  ......... 12
1.1. Механизмы регуляции. Функции организма .............................. 16
1.2. Высшая нервная и психическая деятельность ............................. 18
1.3. Системный принцип регуляции функций организма ................. 22
Контрольные вопросы к главе 1 ......................................................... 27

Глава 2. Биомедицинские сигналы в задачах функциональной 
диагностики: принципы формирования исследований  
и их организация   .................................................................................. 28
2.1. Электрокардиограмма .................................................................. 31
2.2. Электроэнцефалограмма .............................................................. 36
2.3. Сигналы кожно-гальванической реакции ................................... 38
2.4. Стабилографический сигнал ........................................................ 40
2.5. Речевой сигнал .............................................................................. 43
2.6. Биосигналы функциональной диагностики второй группы ....... 45
2.7. Организация функциональных исследований ............................ 47
Практическое задание к главе 2 .......................................................... 54
Контрольные вопросы к главе 2 ......................................................... 54

Глава 3. Хранение биомедицинских сигналов  ....................................... 56
3.1. Форматы биосигналов .................................................................. 57
3.2. Базы данных биосигналов ............................................................ 71
3.3. API для баз данных и анализа биосигналов ................................. 74
Практическое задание к главе 3 .......................................................... 77
Контрольные вопросы к главе 3 ......................................................... 78

Глава 4. Расчет параметров биомедицинских сигналов  ........................ 79
4.1. До обработки сигналов ................................................................. 79
4.2. Предобработка сигналов .............................................................. 82
Практическое задание к п. 4.1 и 4.2 .................................................... 86

Оглавление

4.3. Статистические параметры .......................................................... 86
Практическое задание к п. 4.3 ............................................................ 89
4.4. Гистограммы распределения ........................................................ 89
Практическое задание к п. 4.4 ............................................................ 92
4.5. Спектральные показатели (Фурье-анализ) .................................. 92
Практическое задание к п. 4.5 ............................................................ 95
4.6. Спектральные показатели (вейвлет-преобразование) ................ 96
Практическое задание к п. 4.6 ............................................................ 99
4.7. Нелинейные оценки ....................................................................100
Практическое задание к п. 4.7 ...........................................................105
Контрольные вопросы к главе 4 ........................................................105

Глава 5. Применение методов машинного обучения для анализа 
биомедицинских сигналов  ...................................................................106
5.1. Методы классификации ..............................................................107
5.2. Метод главных компонент ..........................................................116
Практическое задание к п. 5.2 ...........................................................120
5.3. Линейный дискриминантный анализ .........................................121
Практическое задание к п. 5.3 ...........................................................125
5.4. Машинное обучение нейрона .....................................................126
Практическое задание к п. 5.4 ...........................................................132
Контрольные вопросы к главе 5 ........................................................132

Глава 6. Обработка изображений в биомедицинских задачах  .............134
6.1. Базовые операции ........................................................................136
Практическое задание к п. 6.1 ...........................................................158
6.2. Методы улучшения изображений: ..............................................158
Практическое задание к п. 6.2 ...........................................................167
6.3. Восстановление изображений .....................................................167
Практическое задание к п. 6.3 ...........................................................182
6.4. Дескрипторы особенностей ........................................................182
Практическое задание к п. 6.4 ...........................................................195
6.5. Обработка видео последовательности ........................................195
Практическое задание к п. 6.5 ...........................................................215
6.6. Анализ видеоизображения для оценки сердечного ритма .........215
Практическое задание к п. 6.6 ...........................................................228
Контрольные вопросы к главе 6 ........................................................228

Список библиографических ссылок .....................................................230



Список сокращений

АВ 
— атрисвентрикулярный (узел)
АД 
— артериальное давление
АРД 
— акцептор результата действия
ВНД 
— высшая нервная деятельность
ВНС 
— вегетативная нервная система
ВОЗ 
— Всемирная организация здравоохранения
ВПР 
— вегетативный показатель ритма
ВР 
— вегетативное равновесие
ВСР 
— вариабельность сердечного ритма
ДПВ 
— длительность пульсовой волны
ДПФ — дискретное преобразование Фурье
ДФ 
— дискриминантная функция
ИАП — индекс активации подкорковых нервных центров
ИВР 
— индекс вегетативного равновесия
ИН 
— индекс напряжения регуляторных систем
КВК 
— коэффициент взаимной корреляции
КГР 
— кожно-гальваническая реакция
КИХ 
— конечная импульсная характеристика
ЛГ 
— лапласская гауссиана
ЛДФ — линейная дискриминантная функция
ЛЖ 
— левый желудочек
ЛП 
— левое предсердие
МА 
— мерцательная аритмия
НР 
— нормальный ритм
ПАПР — показатель адекватности процессов регуляции
ПЖ 
— правый желудочек
ПЛБ 
— порогового логического блока
ПП 
— правое предсердие
ПРВ 
— плотность распределения вероятностей

Списоксокращений

СА 
— синоартриальный (узел)
ФВК — функция взаимной корреляции
ФВЧ 
— фильтр высоких частот
ФНЧ — фильтр низких частот
ФР 
— функция распределения
ЦД 
— центр давления
ЦНС — центральная нервная система
ЧСС 
— частота сердечных сокращений
ЧЭ 
— частая экстрасистолия
ЭКГ 
— электрокардиограмма
ЭКоГ — электрокортикограмма
ЭМГ — электромиография
ЭОГ 
— электроокулография
ЭЭГ 
— электроэнцефалограмма
BRIEF — binary Robust Independent Elementary Features
FAST — feature from Accelerated Segment Test
HOG — histogram of oriented gradients
MLDB — modified Local Difference Binary
ORB 
— oriented FAST and Rotated BRIEF
rPPG — remote photoplethysmography
SCL 
— skin conductivity level
SCR 
— skin conductivity response
SIFT 
— scale Invariant Feature Transform
SURF — speeded-UP Robust Features



Введение

И

зменения условий жизни популяции в XXI веке во многом 
определяются достижениями науки и техники, которые способствуют 
увеличению продолжительности жизни человека 
и замедлению его старения. Эти процессы обусловливаются успехами 
в профилактике, ранним выявлением и лечением заболеваний, особенно 
детей и пожилых людей.
Следует отметить, что эти изменения наблюдаются на фоне возрастающего 
темпа жизни, избытка электронной информации, дефицита 
времени, снижения физической активности, гиподинамии, урбанизации, 
увеличения частоты техногенно-экологических катастроф, 
военных и социальных конфликтов и, по существу, охватили все сферы 
производственной и социальной деятельности человека. В этих 
условиях создаются предпосылки для нарастания психоэмоциональных 
перегрузок на человека и ухудшения его адаптации к изменениям 
окружающей среды. Это отражается на изменении структуры и причин 
смертности.
Основными причинами смерти по-прежнему являются болезни системы 
кровообращения и злокачественные новообразования. Цере-
броваскулярные заболевания отодвинулись на четвертое место, а третье 
место заняли хронические болезни нижних дыхательных путей. 
Далее следуют нейродегенеративные заболевания, которые сопровождаются 
когнитивными и моторными нарушениями. Другие хронические 
заболевания и нарушения здоровья в меньшей степени ограничивают 
деятельность пожилых людей, хотя в старшей возрастной 
группе роль нарушений зрения и слуха, а также старческого слабоумия 
резко возрастает [1].
Почему именно в настоящее время эффективное внедрение цифровых 
технологий в сферу здравоохранения является важнейшим элементом 
создания крепких и слаженно работающих систем здравоохранения,  

Введение

а также расширения прав и возможностей пациентов в контексте перехода 
к помощи, ориентированной на нужды людей?
Охрана здоровья населения является одним из ведущих компонентов 
мирового развития. В материалах ТАСС от 22.09.2019 (https://tass.
ru/obschestvo), Всемирная организация здравоохранения (ВОЗ) считает, 
что странам следует увеличить ежегодные капиталовложения 
в первичную медицинскую помощь не менее чем на 1 % валового внутреннего 
продукта. Такие инвестиции в целях устойчивого развития 
позволят человечеству сделать значительный шаг на пути к выполнению 
поставленной Организацией объединенных наций задачи всеобщего 
охвата к 2030 году населения медико-санитарными услугами. 
Для эффективного управления этими ресурсами как никогда актуальной 
становится развитие и внедрение методов цифрового управления 
экономикой. Примером такого подхода являются США, где объем 
инвестиций в цифровое здравоохранение увеличивается каждый 
год в 1,5 раза.
В России цифровое управление экономикой поддерживается на федеральном 
уровне: целевая программа «Цифровая экономика РФ» 
определена распоряжением Правительства от 28 июля 2017 г. № 1632-р 
и предусматривает создание отраслевых цифровых платформ по различным 
направлениям экономической деятельности. Этой программой 
определены цели, задачи, направления и сроки реализации основных 
мер государственной политики по созданию необходимых условий 
для развития в России цифровой экономики, в которой данные в цифровом 
виде являются ключевым фактором производства во всех сферах 
социально-экономической деятельности. В полной мере это относится 
и к здравоохранению.
Для отечественного здравоохранения открытие направления «цифровая 
медицина» является реальным шансом занять лидирующие позиции 
в структуре экономического роста страны: как в федеральных 
лечебно-профилактических учреждениях, так и в частном медицинском 
бизнесе открываются новые возможности для развития инфор-
мационных технологий, обеспечивающих приближение квалифици-
рованной медицинской помощи непосредственно к пациенту.
Сегодня как никогда ключевая информация здравоохранения, на ос-
новании которой будут приниматься решения об оказании клиниче-
ской помощи, должна быть доступна в нужное время и нужном месте. 
Здесь цифровому здравоохранению отводится весомая роль в выполне-

Введение

нии ключевых приоритетных задач общественного здравоохранения, 
сформулированных в европейской политике здравоохранения «Здоро-
вье-2020», которая была утверждена государствами-членами в 2012 г.
Политика «Здоровье-2020» предполагает создание крепких межсек-
торальных механизмов для минимизации различных факторов риска 
и воздействия на детерминанты здоровья для сокращения неравенств 
в здоровье и значительных показателей здоровья и благополучия на-
селения. Повестка дня ООН в области устойчивого развития на пери-
од до 2030 г. продолжает и расширяет концепцию политики «Здоро-
вье-2020», предполагая укрепление потенциала государств-членов для 
достижения более высоких, справедливых и стабильных показателей 
здоровья и благополучия на всех этапах жизненного пути.
Цифровые решения могут способствовать достижению связанных 
со здоровьем целей устойчивого развития и обеспечению всеобщего 
охвата услугами здравоохранения путем революционных преобразо-
ваний в предоставлении помощи и реформирования процессов, ле-
жащих в основе систем здравоохранения.
Признавая потенциал цифровых технологий для укрепления наци-
ональных систем здравоохранения и выполнения названных выше це-
лей, государства-члены ВОЗ приняли на Семьдесят первой сессии Все-
мирной ассамблеи здравоохранения в мае 2018 г. резолюцию WHA71.7, 
которая определяет роль цифрового здравоохранения для укрепления 
системы здравоохранения и в качестве средства содействия справед-
ливому, приемлемому по стоимости и всеобщему доступу к услугам 
в области здравоохранения для всех.
Таким образом, функциональная неполноценность становится клю-
чевым фактором здоровья людей, особенно пожилого возраста, а мо-
ниторирование здоровья — обязательным элементом формирования 
полноценного образа жизни. В этом случае обеспечение системы мо-
ниторирования становится все более сложной задачей. Необходимость 
согласованности национальных политик развития здравоохранения 
в каждом государстве побудили ВОЗ разработать предложения для фор-
мирования стратегии национальных программ здравоохранения [2].
Одним из основных положений этих стратегий является обеспече-
ние всеобщего охвата услугами здравоохранения: все люди должны 
иметь доступ к необходимым медицинским услугам по профилакти-
ке, лечению и реабилитации, достаточного качественных, чтобы быть 
эффективными. При этом люди не должны испытывать финансовых 

Введение

трудностей при оплате этих услуг, что влечет за собой сокращение раз-
рыва между доступом, потребностью в услугах и их использованием, 
улучшением качества и улучшением финансовой защиты.
Применение стандартов обеспечивает большую юридическую за-
щиту врачей, улучшение организации медицинской помощи и ми-
нимизацию материальных затрат. В настоящее время стандартизация 
во всем мире признается одной из главных составляющих системы 
управления качеством в здравоохранении.
Противоречит ли это принципам лечения больного, а не болезни, 
заложенных еще трудами Гиппократа? Ведь «индивидуализация лечения 
всегда служила основой российской терапевтической школы: целью 
исследования врачей была не только болезнь, но и изучение состояния 
больного организма во всей целостности его физиологических 
и биологических проявлений» [3].
Для того чтобы эти два подхода дополняли друг друга и способствовали 
повышению эффективности здравоохранения, необходимо, чтобы 
стандарты не были обязательными догмами, которым нужно слепо 
следовать, а рассматривались как рекомендации, в соответствии 
с которыми врач может выбрать и оценить тактику ведения больного. 
Такой подход более точно отражает реальность медицины, где 
не должно быть ничего абсолютного. В этом случае больной не потеряет 
своей уникальности и каждая клиническая ситуация будет рассматриваться 
не как «типичная», а с учетом присущих пациенту индивидуальных 
особенностей. В этом свете актуальным представляется 
постулат последних Европейских рекомендаций по диагностике и лечению 
артериальной гипертензии, в которых указывается, что данные 
рекомендации носят характер «образовательных, а не регламентиру-
ющих лечение конкретного пациента, которое можно существенно 
варьировать в зависимости от личных, медицинских и культурных 
условий», что может позволить врачу принять решение, отличное 
от прописанных в стандартах [4]. Поэтому можно рассматривать эту 
проблему с позиции управления биотехническими системами, в ко-
торых индивидуальные особенности пациента будут анализировать-
ся в системе данных, формируемых по нозологическим признакам. 
Ключевыми атрибутами исследования в этом случае являются пра-
вильное планирование, выбор интерфейса для сбора данных и их 
объективная интерпретация. Планирование исследования обеспе-
чивает стандартизацию дизайна исследования биотехнических си-

Введение

стем и включает для каждого объекта исследования определенный 
тип функционально-нагрузочных проб.
В качестве объектов исследования в этом случае выступают функ-
циональные системы, которые являются временным функциональным 
объединением нервных центров различных органов и систем организ-
ма для достижения метаболических, гомеостатических, поведенческих 
или социальных результатов [5]. В этих исследованиях на объект воз-
действуют с помощью внешних факторов, провоцирующих патофи-
зиологические состояния. Как следствие, в результате этого начинает 
проявляться скрытая или труднодоступная для обнаружения в услови-
ях покоя патология. В тех случаях, когда эта патология как нозологи-
ческая форма известна до исследования, с помощью функциональных 
проб удается определить степень ее выраженности или компенсатор-
ные возможности регуляторных систем объекта исследования.
Для обеспечения достоверности и воспроизводимости результатов 
исследований необходимо, чтобы они не зависели от места их прове-
дения и личности исследователя, а также регистрировали сопутству-
ющие данные, такие как время исследования, условия исследования 
(сделаны они до или после еды, во время менструального цикла и т. д.).
Вопросы организации функциональных исследований, сбора дан-
ных и методов их обработки и анализа рассматриваются в материалах 
настоящего учебного пособия.
Для обработки биомедицинских сигналов и изображений выбран 
язык Рython. Этот язык имеет открытый доступ. Следует отметить, что 
для языка Рython реализовано большое число библиотек с широким 
спектром применений от вычислений при обработке отдельных сиг-
налов и изображений до алгоритмов машинного обучения.
Полные версии листингов программ, используемых в учебном по-
собии, доступны в онлайн-хостинге репозиториев GitHub: Biomedical-
Signals-and-Images.