Technické aspekty a metody počítačového zpracování signálu EKG

Prezentace na téma: "Technické aspekty a metody počítačového zpracování signálu EKG"— Transkript prezentace:

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

2 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

3 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

4 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) – 500 – (1000)Hz, tj. (8) – 4 – 2 – (1) ms vzorkovací perioda Rozlišení: bit s 0.5 μV/LSB (1000 A/D převodníků na mV) Šířka pásma: kHz (synchronní vzorkování všech kanálů)

5 Vzorkování Příklad vzorkování a kvantování signálu fvz = 1/Tvz

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

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

8 Časová a frekvenční reprezentace
Signál a spektrum EKG

9 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

10 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

11 Filtrace - konvoluce

12 Filtrace příklady Superponování signálu EKG na pomalé frekvence

13 Filtrace příklady Rušení superponováním síťového signálu 50 Hz na signál EKG

14 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

15 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

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

17 Výběr příznaků Reálný signál se všemi možnými měřitelnými parametry

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

19 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

20 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

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

22 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

23 Diagnostika - učení klasifikátoru
Kohonenova mapa

24 Diagnostika - učení klasifikátoru
k-NN klasifikátor k-means

25 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

26 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

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

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

29 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

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

31 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

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

33 Příklad vizualizace EKG
Příklad vizualizace vlny P a QRS komplexu

34 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

35 Mapy úvod Vstupní signál a čtyři jeho detaily z vlnkové transformace

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

37 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

38 Mapy - příklady uspořádání elektrod

39 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

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

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

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

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

44 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