Ստեղծվել է արհեստական ԷՍԳ-ի գեներատոր՝ քաոսի տեսության կիրառմամբ։ Մշակված մոդելը կարող է կիրառվել բժշկական սարքերում, որոնք օգտագործվում են էլեկտրական ազդանշանների գրանցման համար։

Էլեկտրասրտագրությունը (ԷՍԳ) սրտի էլեկտրական ակտիվության գրաֆիկական պատկերումն է։ Սրտամկանի կծկման ժամանակ առաջանում են էլեկտրական իմպուլսներ, որոնք սրտագրիչի միջոցով գրանցվում և գրաֆիկի վրա պատկերվում են որպես կոր՝ գագաթներով և ավելի հարթ գծերով։ ԷՍԳ-ի միջոցով բժիշկները բացահայտում են նշաններ, որոնք կարող են վկայել այնպիսի հիվանդությունների մասին, ինչպիսիք են իշեմիան, ստենոկարդիան, առիթմիան և այլն։

Լայնորեն հայտնի է արհեստական ԷՍԳ ազդանշանների ստեղծման տեխնոլոգիան, որոնք նման են կենսաբանականներին և կարող են փոխել իրենց ձևն ու բնութագրերը՝ ըստ օպերատորի ցանկության, հաղորդում է «Научная Россия»-ն։ Այս արհեստական ազդանշաններն անհրաժեշտ են սրտագրիչների տրամաչափման, բժշկական անձնակազմի ուսուցման, ինչպես նաև արհեստական բանականության համակարգերի ուսուցման համար, որոնք գնալով ավելի հաճախ են ինտեգրվում ԷՍԳ-ի մշակման ծրագրերում՝ ախտորոշում կատարելիս օգնելով բժիշկներին և բուժակներին։

Սակայն ԷՍԳ ազդանշանի նմանակման համար այսօր ամենահայտնի և հաճախ կիրառվող մոդելն ունի էական թերություն․ դրա գեներացրած ԷՍԳ ազդանշաններին բնորոշ չէ սրտի ռիթմի բնական փոփոխականությունը։ Ռիթմի տատանումները դրա մեջ ներմուծվում են արհեստականորեն՝ պատահական թվերի գեներատորի միջոցով, որը փոխում է մոդելի պարամետրերը՝ համաձայն նախապես դրված ծրագրի, ինչը սահմանափակում է դրա կիրառումն այնպիսի ոլորտներում, ինչպիսիք են ԷՍԳ ազդանշանի զտումն աղմուկից և մեքենայական ուսուցումը։ Այդ պատճառով պահանջված են նոր դինամիկ մոդելներ, որոնք ունակ են գեներացնել մարդու իրական ԷՍԳ-ին նման արհեստական ԷՍԳ։

«Արդիականացրել ենք ԷՍԳ-ի գեներացման հայտնի մոդելը՝ այն համալրելով քաոտիկ դինամիկայով, ապա ստացված արհեստական ԷՍԳ-ները համեմատել ենք իրական մարդու ԷՍԳ-ի հետ։ Արդյունքները ցույց են տվել, որ նոր մոդելի միջոցով կարելի է հասնել սրտի առանձին կծկումների միջև ընկած ինտերվալների ավելի իրանման բաշխման, այսինքն՝ մոդելն ունակ է վերարտադրել մարդու սրտագրի տվյալների առանցքային առանձնահատկությունները՝ առանց պատահական թվերի գեներատորի օգտագործման», – պատմել է Սանկտ Պետերբուրգի պետական էլեկտրատեխնիկական համալսարան «ԼԷՏԻ»-ի (ՍՊՊԷՀ «ԼԷՏԻ») Ավտոմատացված նախագծման համակարգերի (ԱՆՀ) ամբիոնի դոցենտ, Երիտասարդական գիտահետազոտական ինստիտուտի (ԵրԳՀԻ) ավագ գիտաշխատող Եկատերինա Կոպեցը։

Արհեստական ԷՍԳ-ի գեներացման մոդելն աշխատում է հարմոնիկ տատանակի (օսցիլյատորի)՝ հարմոնիկ տատանումներ կատարելու ունակ համակարգի հիման վրա։ Դրա աշխատանքի գործընթացը տեսողականորեն կարելի է պատկերացնել գլանի տեսքով, որի վրա պարան է փաթաթվում։ Այս մոդելում կա որոշակի «ցիկլ», որը միշտ նույնն է, բայց իրական տվյալների (այս դեպքում՝ ԷՍԳ տվյալների) հետ համեմատելիս կարելի է նկատել, որ գագաթները չեն համընկնում մոդելի գեներացրած գագաթների հետ։ Դա տեղի է ունենում այն պատճառով, որ իրական տվյալների մոտ պարբերությունը կարող է տարբեր լինել, և դրանք իդեալականորեն չեն տեղավորվում մեկ տրամագծի շրջանակում։ Այս թերությունն ուղղելու համար նման մոդելի պարամետրերը պարբերաբար փոխվում են՝ հետևելով նախապես դրված ծրագրին։

Ուստի հետազոտողները մոդելին ավելացրել են քաոսի գեներատոր՝ ավելի իրատեսական ԷՍԳ-ի գեներացման հասնելու նպատակով։ Այդ գեներատորը ժամանակի ընթացքում փոքր փոփոխություններ է մտցնում ազդանշանի պարամետրերում, ինչպես որ աշխատում է պատահական թվերի գեներատորը։ Ընդ որում, արդիականացված մոդելն աշխատում է անցանկալի խանգարումները հեռացնող ալգորիթմի հետ զուգահեռ և կարող է հարմարվել մուտքային ազդանշանին՝ իր բնական փոփոխականության շնորհիվ։ Այսպիսով, իրական տվյալները «փաթաթվում են գլանի վրա», որն ունի ոչ թե մեկ ֆիքսված տրամագիծ, այլ այնպիսին, որը փոխում է իր չափսերն այնպես, որ գագաթները համընկնեն իրական տվյալների հետ։

Հետազոտողները նոր մոդելի միջոցով ստացված արհեստական ԷՍԳ-ն համեմատել են բաց տվյալների բազայից վերցված 90 իրական ԷՍԳ գրառումների հետ։ Մոդելի փորձարկումների արդյունքները ցույց են տվել դրա արդյունավետությունը իրական պացիենտի ԷՍԳ տվյալների առանցքային առանձնահատկությունները վերարտադրելու գործում։

«Մշակումը կարող է իրացվել ինչպես թվային, այնպես էլ անալոգային սարքի տեսքով։ Առաջարկվող լուծման հետաքրքիր առանձնահատկությունն այն է, որ անալոգային իրացման դեպքում այն կարող է օգտագործել մեմրիստորը՝ որպես քաոսի առաջացման համար անհրաժեշտ ոչ գծային տարր։ Այս հատկությունը կարող է հատկապես օգտակար լինել սրտագրիչների թեստավորման համար, քանի որ քաոտիկ ԷՍԳ ազդանշանները կարող են ավելի ճշգրիտ նմանակել սրտի ռիթմի իրական տատանումները և օգնել սիրտ-անոթային հիվանդությունների հայտնաբերմանը», – պարզաբանել է Եկատերինա Կոպեցը։