АНАЛИЗ И ОБРАБОТКА ЭЛЕКТРОКАРДИОСИГНАЛОВ

Алтай Е.А.¹, Шаяхметкызы Д.², Кунесбеков Е.С.³, Алмухаметова М.С.⁴

¹ORCID: 0000-0002-3736-0291, Аспирант, Санкт-Петербургский Национальный исследовательский университет информационных технологии, механики и оптики, ²ORCID: 0000-0001-6089-6548, Магистрант, Санкт-Петербургский Национальный исследовательский университет информационных технологии, механики и оптики, ³ORCID: 0000-0001-5774-9344, Магистрант, Санкт-Петербургский Национальный исследовательский университет информационных технологии, механики и оптики, ⁴ORCID: 0000-0003-0033-3377, Магистрант, Санкт-Петербургский Национальный исследовательский университет информационных технологии, механики и оптики г. Санкт-Петербург

АНАЛИЗ И ОБРАБОТКА ЭЛЕКТРОКАРДИОСИГНАЛОВ

Аннотация

В статье рассмотрены вопросы обработки медицинских диагностических сигналов, повышающей достоверности для диагностики. Проведен анализ методов компенсации сетевой помехи электрокардиосигнала для выявления наиболее эффективного. Для повышения эффективности помехоустойчивой обработки электрокардиосигналов предложено применить цифровые фильтры нижних, высоких частот и режекторный фильтр.  Основными направлениями является исследование блока фильтрации, позволяющей снизить помехи идентифицируемого электрокардиосигнала. Для оценки работоспособности данного метода использованы наборы реальных записей физиологических сигналов. Применимость данного метода подтверждена результатами моделирование в среде Matlab и статистическими параметрами.

Ключевые слова: фильтрация, сигнал/шум, электрокардиосигнал, статистика, дисперсия.

 Аltay Е.А.¹, Shayakhmetkyzy D.², Kunesbekov E.S.³, Almukhametova M.S.⁴

¹ORCID: 0000-0002-3736-0291, Postgraduate student, St. Petersburg National Research University of Information Technologies, Mechanics and Optics, ²ORCID: 0000-0001-6089-6548, Undergraduate student, St. Petersburg National Research University of Information Technologies, Mechanics and Optics, ³ORCID: 0000-0001-5774-9344, Undergraduate student, St. Petersburg National Research University of Information Technologies, Mechanics and Optics, ⁴ORCID: 0000-0003-0033-3377, Undergraduate student, St. Petersburg National Research University of Information Technologies, Mechanics and Optics, Saint-Petersburg

ANALYSIS AND PROCESSING ELECTROCARDIOSIGNALS

Abstract

In article questions of processing of medical diagnostic signals, the raising reliability for diagnostics are considered. The analysis of methods of compensating of a network noise of an electrocardiosignal for detection of the most effective is carried out. It is offered to use digital filters of the lower, high frequencies and the rejection filter to increase in efficiency of noise proof processing of electrocardiosignals. The main direction is the research of the unit of the filtering allowing to lower noises of the identified electrocardiosignal. For assessment of operability of this method sets of real records of physiological signals are used. Applicability of this method is confirmed with results simulation in the environment of Matlab and statistical parameters.Keywords: filtering, signal/noise, electrocardiosignal, statistics, dispersion

Keywords: filtration, signal/noise, electrocardiosignal, statistics, variance.

В последние десятилетия активно развиваются технологии предварительной обработки биологических сигналов, позволяющие идентифицировать функциональное состояние организма (ФСО) человека на ранней стадии заболевания. В связи с разнообразием признаков и характеристик биологических сигналов посравнению с физическими сигналами выбор алгоритма для анализа биологического сигналаявляется непростой задачей. Как правило, биологические сигналы являются сигналами нестационарной природы. К настоящему времени проблема автоматической обработки и анализа электрокардиосигнала (ЭКС) сложилась в отдельное направление, разветвленное на множество более частных задач, связанных с различными применениями и аспектами исследования сердечно-сосудистой системы. Проблема выделения полезного сигнала на фоне целого комплекса помех и искажений является одной из основных при проведении современных электрокардиологических исследований. Наличие артефактов в электрокардиологическом сигнале (ЭКС) существенно затрудняет его анализ и выявление диагностических признаков. При решении данной задачи сложность заключается в выборе методов фильтрации для устранения определенного типа артефактов, а также критериев оптимизации используемых алгоритмов. Типичная ЭКГ нормального сердечного ритма (или сердечного цикла) включает Р - волну, комплекс QRS (желудочковый комплекс), Т – волну и U-волна как известна, видна в 50-75% электрокардиограмм [2]. Также следует отметить, на электрокардиосигнал влияет основные 4 виде помех, такие как: сетевая помеха, дрейф изолиний, артефакты движений электродов и мышечный тремор. При фильтрации сетевой помехи следует особо уделить внимание на то что, идентифицируемом кардиосигнале не должны проявляться уплощение вершины QRS комплекса и раздвоенность на вершине R пика.

К настоящему времени разработаны различные алгоритмы решения задачи (см.,например, [3–5]), но большинству из них присущ определенный недостаток – припрохождении через блок фильтра полезный сигнал теряет свою форму, увеличивается шум,что приводит к смещению основных компонентов кардиограммы и снижает точность идентификации кардиосигналов. С целью устранения указанного недостатка предлагается банк каскадно-соединенных фильтров. Целью исследование является исследование алгоритма помехоподавления и идентификации основных компонентов – зубцов, сегментов и интервалов кардиограммы.

Материалом для исследований служили реальные наборы записей электрокардиограммы, из баз данных Массачусетского технологического института MIT/BIH. Для помехоустойчивого анализа ЭКС авторами предлагается банк фильтров для помехоустойчивого анализа электрокардиосигналов. В традиционных методах обработки ЭКС применяются нелинейные алгоритмы помехоподавление с помощью КИХ, БИХ фильтров. По скольку из за сложностей структур и состовных компонентов на выходе фильтра точность идентификации кардиоцикла снижается и наблюдается уплощение вершин желудочкового комплекса QRS. В нашем случае обработка и идентификация сигнала происходит с помощью банка фильтров с определенными частотными диапазонами и заранее синтезированным сигналом. Банк фильтров состоит из каскадно соединенных низких, высоких и режекторных фильтров с обратной связью.

Процесс автоматизированного анализа требует максимального устранения из регистрируемой ЭКГ всех артефактов, возникающих в процессе записи.

При синтезе фильтров для обработки электрокардиосигналов требуется особо уделить внимание на амплитудно-частотную характеристику сигнала и фильтра. Форма амплитудно-частотной характеристики (АЧХ) позволяет существенно снизить влияние периодических, высокочастотных и низкочастотных помех и ослабить дрейф изоэлектрической линии.

Для подавления помех ЭКС предложен банк фильтров, структурная схема которого изображена на рисунке 1. Для подавления высокочастотных, низкочастотных помех и для помехи промышленной частоты применяется низкочастотный, высокачастотный и режекторный фильтр.

Рис.1 – Структурная схема банк фильтра для обработки ЭКС

Следующим этапом для обработки иидентификации электрокардиосигнала является, синтез фильтров. Для синтеза фильтров   определяется передаточную функцию фильтра, порядок фильтра, частота дискретизации, полоса пропускания. Обработка и идентификация не зашумлённого сигнала осуществляется с помощью программного продукта Matlab/Simulink. Для проверки работоспособности данного метода тестируется 2 ЭКС, один калибровочный и аномальный ЭКС. Обработанные и идентифицированные сигналы оцениваются с помощью статистических параметров и отношением сигнал/шум. На рисунке 2 представлен результат обработки калибровочного сигнала ЭКС.

 

а)

б)

в)

г)

Рис. 2 – Результаты моделирования калибровочного электрокардиосигнала: а) входной электрокардиосигнал; б) зашумленный электрокардиосигнал; в) отфильтрованный электрокардиосигнал; г) сравнение с калибровочным электрокардиосигналом

На рисунке 2 представлены результаты обработки ЭКС калибровочного типа. Для оценки работы фильтра сравниваются эталонный, зашумленный, отфильтрованный и калибровочный электрокардиосигнал.Входной и отфильтрованный электрокардиосигнал вполне соответствует с калибровочным кардиосигналом.

На рисунке 3 представлены результаты обработки аномального сигнала по типу тахиаритмии. Также, для работоспособности данного метода сравниваются эталонный, зашумленный, отфильтрованный и аномальный калибровочный электрокардиосигнал.

 

а)

б)

в)

г)

Рис. 3 – Результаты моделирования аномального электрокардиосигнала: а) входной электрокардиосигнал; б) зашумленный электрокардиосигнал; в) отфильтрованный электрокардиосигнал; г) сравнение с калибровочным электрокардиосигналом

 

На рисунке 3 представлены результаты обработки ЭКС по типу тахиаритмии. Для оценки работы фильтра сравниваются эталонный, зашумленный, отфильтрованный и калибровочный электрокардиосигнал. Входной и отфильтрованный электрокардиосигнал вполне соответствует с аномальным калибровочным кардиосигналом.

Как известно, также, для оценки работоспособности данного метода следует вычислить до и после фильтрации статистических показателей такие как средне-квадратическая ошибка (СКО) и дисперсия сигнала (Д), отношение сигнал/шум и частотный спектр. В таблице 1 приведены показатели роботоспособности данного банка фильтра.

 

Таблица 1 – Оценка работоспособности банка фильтров до и после фильтрации

 

Сравнивая результаты до и после фильтрации электрокардиосигналов статистические параметры после фильтрации на два порядка меньше устанавливаются. Частотный состав спектра также до и после фильтрации электрокардиосигнала уменьшается. Как известно, чем меньше значение сигнал/шум, тем лучшее.

Заключение. Применение данного метода для помехоустойчивой обработки ЭКС позволит повысить качества подавления помех и достоверность обнаружения QRS комплексов, что, в конечном счете, даст возможность создавать системы медицинского мониторинга нового поколения.

Список литературы / References

1. Basak D., Nishanth P.V., Paily R. P. A low noise preamplifier and switched capacitor filter for heart-rate detection // International Conference on Advanced Electronic Systems. – 2013. P. 184–188.
2. Makesheva K.K., Altay E.A. Noise-resistant processing of electrocardiosignal in MATLAB // European Journal of Scientific Research, Paris, 2016, Volume 2, Issue 1, p. 898-903.
3. Mahesh S.H., Agarbala R.A. Design and implementation of digital FIR equiripple notch Filter on ECG signal for removal of power line interference // Wseas transactions on signal processing. – 2008. – № 4. – P.221-230.
4. Mahesh S.H., Agarbala R.A. FIR equiripple digital filter for reductions of power line interference in the ECG signal // Proceedings of the 7th wseas international conference on signal processing, robotics and automation. - 2008. –P. 147-150
5. Research and design of 12-Lead Synchronization ECG Signal Detection and Analysis System // International journal of medical, pharmaceutical science and engineering. –2011. - №5. – P. 257-264
6. Kuliash M., Yeldos A. Computer modeling electrocardiogram signals using notch filters // European research. – 2015. – №. 3 (4).