Technické aspekty a metody počítačového zpracování signálu EKG Michal Huptych, Václav Chudáček

Přehled prezentace OBECNÁ ČÁST PRAKTICKÁ ČÁST Úvod do Biomedicínských signálů Vzorkování Vzorkování – Shanon. časová a frekvenční reprezentace signálu Filtrace Princip – Příklady Analýza EKG Rozměřování signálu Výběr příznaků Diagnostika Co umožňuje automatická diagnostika PRAKTICKÁ ČÁST 12-ti svodové EKG Holter Holter v mobilu? BSPM

Snímání EKG signálu Jako první člen v řetězci zpracování je optoelektrický prvek Vstupní odpor přístroje jsou řádově jednotky až desítky MΩ Napěťový zisk zesilovače typicky 1000 Vstupní citlivost většinou 2,5 – 5 – 10 – 20 mV/mm Diskriminační činitel CMRR ≥ 100 dB

Převod EKG do digitální formy Následuje filtrace - dolnopropustní filtry - řády setin až jednotek Hz - hornopropustní filtry - řády desítek až tisíců Hz Některé možné vzorkovací frekvence EKG přístrojů: (125) - 250 – 500 – (1000)Hz, tj. (8) – 4 – 2 – (1) ms vzorkovací perioda Rozlišení: 12 - 16 bit s 0.5 μV/LSB (1000 A/D převodníků na mV) Šířka pásma: 0 - 1 kHz (synchronní vzorkování všech kanálů)

Vzorkování Příklad vzorkování a kvantování signálu fvz = 1/Tvz

Vzorkování - podmínky Shannonův teorém – je potřeba dodržet podmínku pro vzorkovací frekvenci signálu: fvz ≥ 2 * fmax

Časová a frekvenční reprezentace Levý obrázek je součtem tří sinových signálů s rozdílnými frekvencemi Na pravém obrázku je spektrum signálu

Časová a frekvenční reprezentace Signál a spektrum EKG

Přehled prezentace OBECNÁ ČÁST PRAKTICKÁ ČÁST Úvod do Biomedicínských signálů Vzorkování Vzorkování – Shanon. časová a frekvenční reprezentace signálu Filtrace Princip – Příklady Analýza EKG Rozměřování signálu Výběr příznaků Diagnostika Co umožňuje automatická diagnostika PRAKTICKÁ ČÁST 12-ti svodové EKG Holter Holter v mobilu? BSPM

Filtrace Filtrace = rozdělení signálu na základě jeho frekvenčních složek na propustné a nepropustné pásmo Systém implementující funkci filtrace se nazývá filtr Filtrace je jednou z nejpoužívanějších operací v signálovém zpracování Za jistých podmínek je filtrace procesem, která propouští dané frekvenční pásmo bez jakékoli jeho deformace Omezovací funkce filtru lze využít kromě redukce signálu i pro jeho dekompozici – tj. filtru lze využít i jako funkčního prvku při automatickém získávání znalostí z EKG signálu

Filtrace - konvoluce

Filtrace příklady Superponování signálu EKG na pomalé frekvence

Filtrace příklady Rušení superponováním síťového signálu 50 Hz na signál EKG

Přehled prezentace OBECNÁ ČÁST PRAKTICKÁ ČÁST Úvod do Biomedicínských signálů Vzorkování Vzorkování – Shanon. časová a frekvenční reprezentace signálu Filtrace Princip – Příklady Analýza EKG Rozměřování signálu Výběr příznaků Diagnostika Co umožňuje automatická diagnostika PRAKTICKÁ ČÁST 12-ti svodové EKG Holter Holter v mobilu? BSPM

Analýza EKG Předzpracování signálu Hrubé rozměření Analýza rytmu Detekce QRS komplexu Filtrace šumu a driftu Hrubé rozměření Analýza rytmu Výběr cyklu Podrobné rozměření Interpratace signálu Zobrazení a záznam výsledků

Analýza EKG Učebnicový příklad EKG Rozdíl ruční a automatické analýzy Jak pomoci automatu umístit pravítko Jak rozpoznat nerozpoznatelné Jak se nenechat zmást artefakty

Výběr příznaků Reálný signál se všemi možnými měřitelnými parametry

Výběr příznaků Další možné příznaky Příznaky popisující tvar signálu Frekvenční příznaky Výkonové příznaky

Přehled prezentace OBECNÁ ČÁST PRAKTICKÁ ČÁST Úvod do Biomedicínských signálů Vzorkování Vzorkování – Shanon. časová a frekvenční reprezentace signálu Filtrace Princip – Příklady Analýza EKG Rozměřování signálu Výběr příznaků Diagnostika Co umožňuje automatická diagnostika PRAKTICKÁ ČÁST 12-ti svodové EKG Holter Holter v mobilu? BSPM

Diagnostika Výhody automatické diagnostiky Různé typy diagnostiky Lepší diagnostika než laická Rychlejší Ulehčení práce Různé typy diagnostiky Expertní systémy – nejpodobnější rozhodování s expertem(lékařem) Učení klasifikátoru s učitelem Učení klasifikátoru bez učitele

Diagnostika - učení s učitelem Na základě příkladů natrénujeme klasifikátor Příkladem jsou např.: Neuronové sítě Kth nearest neighbor Bayesovský klasifikátor

Diagnostika - učení bez učitele Klasifikátor se učí bez zásahů zvenčí jen na základě struktury dat Příkladem jsou např.: Neuronové sítě Self organizing maps (Kohonen nets) K-means Clustering

Diagnostika - učení klasifikátoru Kohonenova mapa

Diagnostika - učení klasifikátoru k-NN klasifikátor k-means

Přehled prezentace OBECNÁ ČÁST PRAKTICKÁ ČÁST Úvod do Biomedicínských signálů Vzorkování Vzorkování – Shanon. časová a frekvenční reprezentace signálu Filtrace Princip – Příklady Analýza EKG Rozměřování signálu Výběr příznaků Diagnostika Co umožňuje automatická diagnostika PRAKTICKÁ ČÁST 12-ti svodové EKG Holter Holter v mobilu? BSPM

Holter Dlouhé záznamy, 24-hodinové, zjednodušený svodový systém Rozdíly proti standardnímu 12-ti svodovému EKG: Nevýhody Méně kanálů Více šumu Obtížná detekce P-vlny Pohybové artefakty Velká dynamika RR-intervalů Výhody Větší časový záběr Lepší detekce arytmií Pokrytí běžných lidských činností

Holter Demonstrace variability signálu při holterovském měření Je třeba velké robustnosti jak u analýzy signálu tak při diagnostice

Holter příklad Roztřídění (clustering) beatů z holterovského EKG záznamu Na základě změřených parametrů vypočítán medián Cíl: Koherentní skupina pro další diagnostiku

Nové trendy v elektrokardiografii Větší důraz na prevenci Větší možnosti pacienta podílet se na kontrole svého zdravotního stavu Nové způsoby měření EKG – senzory přímo v oblečení Nové zpracování na mobilních telefonech Telemedicínské aplikace

Nové trendy v elektrokardiografii ▣ Sensorické tílko ▣ Základna Healthcare Center GPRS Bluetooth ▣ Mobilní telefon ▣ PBM

Vlnková transformace - úvod U Fourierovy transformace se pojem o čase ztratí U vlnkové transformace má signál časově-frekvenční reprezentaci Možnost sledovat frekvenční změny v závislosti na časové poloze Rozlišujeme spojitou a diskrétní vlnkovou transformaci Spojitá – frekvence je vyjádřena exaktně, nabízí větší přesnost (věrnost), nemá ale kompaktní podporu Diskrétní – má kompaktní podporu, diskrétní úrovně měřítka i polohy splňuje ortogonalitu (odebírá redundatní reprezentace), amplituda koeficientů je spojena s prudkými změnami v signálu

Příklad vizualizace EKG Příklad vizualizace několika period EKG signálu Vertikální osa reprezentuje frekvenční pásma, horizontální čas Barva reprezentuje míru zastoupení daného frekvenčního pásma

Příklad vizualizace EKG Příklad vizualizace vlny P a QRS komplexu

Realizace diskrétní vlnkové transformace Diskrétní vlnková transformace je postupná filtrace signálu Protože v nízkých frekvencích signálu jsou obsaženy jeho hrubé rysy, nazývají se tyto složky aproximace Naproti tomu ve vysokých frekvencích signálu jsou obsaženy jemné rysy, proto se tyto složky nazývají detaily Zapojením vícero dvojic filtrů za sebe, tak získáváme postupný rozklad signálu k jeho nejjemnějším detailům

Mapy úvod Vstupní signál a čtyři jeho detaily z vlnkové transformace

Mapy úvod Výsledek analýzy signálu EKG v 1. a 4. detailu signál EKG první detail čtvrtý detail

Mapy úvod Předpoklad: měření vícesvodového EKG z povrchu hrudníku Cíl: zobrazit vhodně zakódovaným způsobem informaci o stavu a průběhu těchto poteciálů v čase Prostředky: Systémy pro více svodové mapování využívají pro snímání povrchových potencálů vícero různých rozložení elektrod Základními problémy ze strany artefaktů jsou změny a posuvy izolinií jejichž špatná korekce způsobuje nekompaktnost v zobrazení mapy

Mapy - příklady uspořádání elektrod

Mapy uspořádání elektrod 80 elektrod rovnoměrně rozložených na hrudníku a zádech pacienta (systém Cardiag) pro předzpracování signálů bylo využito několikero metod, včetně metody vlnkové transformace Na generovaných mapách se dají, stejně jako na signálu, hledat příznaky

Okamžikové potenciálové mapy základní typ map definovaný příklad potenciálové mapy z oblasti QRS komplexu

Integrálové mapy typ map vytvářený podle vztahu příklad integrálové mapy z oblasti QRS komplexu

Isochronní mapy typ map vytvářený podle vztahu příklad isochronní mapy časů trvání intervalů QT

Rozdílové mapy typ map vytvářený podle vztahu příklad rozdílové integrální mapy z oblasti QRS komplexu

Mapování 3D – inverzní úloha Vyhledávání a zobrazení potenciálů srdce na samotném epikardu Měření prováděno buď přímo v srdci Nebo hledání rozložení potenciálů na srdci z povrchového rozložení Vede na řešení inverzní úlohy Hledání ložisek v objemu srdce