Technick é aspekt y a metody počítačového zpracování signálu EKG

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

2. Přehled prezentace OBECNÁ 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 • Příklady 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) - 250 – 500 – (1000)Hz, tj. (8) – 4 – 2 – (1) ms vzorkovací perioda • Rozlišení: 12 - 16 bit s 0.5 μV/LSB (1000 A/D převodníkůna mV) • Šířka pásma: 0 - 1 kHz (synchronní vzorkovánívšechkanálů)

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 • 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 • Příklady 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 • 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 • Příklady PRAKTICKÁ ČÁST • 12-ti svodové EKG • Holter • Holter v mobilu? • BSPM

15. Analýza EKG • Předzpracování signálu • 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 • 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 • Příklady PRAKTICKÁ ČÁST • 12-ti svodové EKG • Holter • Holter v mobilu? • BSPM

20. Diagnostika • Výhody automatické 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 • 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 • Příklady 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 Healthcare Center ▣ Sensorické tílko ▣ Základna 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