Algoritmi detecție complex QRS

Filtrare liniară

Transformare neliniară

Modul dedecizie

Preprocesare

1. Algoritmi detecție complex QRS

1. Importanta detecției QRS

Electrocardiograma(ECG) este una dintre metodele de detectare a bolilor inimii cu cea mai largă răspândire. Detecția bătăilor inimii si caracteristicilor acesteia in timp stau la baza oricărui sistem de analiză a activității electrice a inimi. Datorită faptului că complexul QRS este cel mai ușor de recunoscut, o componentă indispensabilă oricărui sistem de diagnosticare automat, ce folosește ECG este detecția si analizarea caracteristicilor complexului QRS. Acuratețea procesului de detecție reprezintă un punct cheie din punct de vedere al performanţei următoarelor etape ale detectării bolilor cardio-vasculare. O rată mică de detecție poate propaga deficienţele si următoarelor etape din procesarea semnalului, diminuând performanţele globale ale sistemului. Bătăile inimii care nu sunt detectate constituie un dezavantaj major in comparație cu falsele detectări, acest tip de eroare fiind greu de corectat in etapele ulterioare. Un sistem de analiză al electrocardiogramei trebuie sa poată detecta o varietate de morfologii ale complexului QRS, pentru a fi fiabil din punct de vedere clinic, si de a se putea adapta modificărilor graduale sau subite ale formei complexului QRS. Majoritatea algoritmilor de detecție descriși in literatura au fost proiectați in urma observațiilor.

Majoritatea algoritmilor de detecție a bolilor cardio-vasculare au la bază separarea si identificarea componentelor semnalului ECG (complexul QRS, undele P si T si ocazional unda U). Detecția complexului QRS este importantă pentru viitoarele procesări ale semnalului ECG: calcularea intervalului RR, definirea ferestrei de căutare pentru detecția undei P si T, etc. Dintre toate componentele semnalului ECG, complexul QRS, datorită formei, este cel mai ușor de recunoscut(amplitudine si pantă mari). Obiectivul detecției QRS este acela de a determina începutul(onset) si sfârșitul(offset) complexului QRS. Dificultatea detecției este crescută datorita prezentei zgomotului in semnalul ECG, dar si a caracteristicilor morfologice ale inimii pacientului, in momentul apariției complexului QRS. De asemenea datorită bolilor ventriculelor durata complexului QRS poate varia. Toate aceste situații necesită tehnici robuste pentru detecția complexului care sa poată facă faţă unor situații din cele mai neobișnuite.

Procesul de detecție si clasificare poate fi împărțit in două etape(Figura 3-1): etapa de procesare si etapa de decizie. In etapa de procesare, cu ajutorul filtrării lineare sau nelineare se urmărește reducerea zgomotului prezent in electrocardiograma si a accentua complexul QRS pentru a facilita detecția. Etapa de decizie se bazează pe o abordare euristică, folosind amplitudini prag in vederea detecției complexului QRS.

X[n]

Figura 3-1 Etapele detecției QRS

Modulul de transformare neliniară accentuează si mai mult complexul QRS, in raport cu zgomotul de fond, si transformă complexul QRS intr-o singură valoare pozitivă, pentru a putea fi folosite metode de detecție de tip amplitudine prag. Transformarea poate fi realizată din operații ce nu necesitată memorie, cum ar fi ridicarea la pătrat si fereastră alunecătoare, sau metode de detecție mai complexe ce necesită memorie.

Modulul de decizie preia ieșirea de la modulul de preprocesare, si analizează dacă complexul QRS este prezent sau nu. Regulile pe baza cărora se ia decizia pot fi simple(reguli de tip amplitudine prag), sau complexe, ce includ teste adiționale legate in principal de durata complexului QRS.

2. Semanlele ECG folosite in simulări

Semnalele ECG folosite in simulări in prezenta lucrare fac parte din baza de date PhysioBank, MIT-BIH Arrhythmia Database. Înregistrările au fost stocate in format electronic in urma discretizării acestora la o frecventa de eșantionare de 360Hz, convertorul analog-numeric folosit având o rezoluție de 11 biți, si un interval de măsurare de 0-10mV(Tabel 3-1). Adnotarea înregistrărilor a fost realizată de către 2 doctori cardiologi in mod independent.

In această lucrare au fost folosite înregistrările 105m(Figura 3-2) si 106m din baza de date MIT-BIH Arrhythmia, înregistrările 119e_6(Figura 3-3), 119e_18, si o ultimă înregistrare care face parte din baza de date St. Petersburg INCART Arrhythmia Database I01(Figura 3-4).

Figura 3-2: Înregistrarea 105m

Figura 3-3: Înregistrarea 119e_6

Figura 3-4: Înregistrarea I01

Nume înregistrare

Frecventa eșantionare(Hz)

Perioada eșantionare

Durata Amplificare Componenta continua

U.M

105m 360 0.00277778 30:05:56 200 1024 mV

106m 360 0.00277778 30:05:56 200 1024 mV

118e_6 360 0.00277778 30:05:56 200 1024 mV

119e_18 360 0.00277778 30:05:56 200 1024 mV

I01 257 0.00507584 30:05:00 306 0 mV

Tabel 3-1 Caracteristicile inregistrarilor folosite in simulare

3. Perturbațiile din înregistrarea ECG

In prezent procesarea semnalului este realizată intr-o multitudine de sisteme de detecție , analiză si interpretare ECG. Obiectivul procesării înregistrării ECG constă in îmbunătățirea acurateței măsurătorilor si a reproductibilității(când se compară analiza automată cu cea făcută manual), si extragerea de informații care nu sunt disponibile pe cale vizuală. In multe situații electrocardiograma este înregistrată in ambulatoriu sau condiții de stres, astfel încât semnalul original este perturbat de o serie de zgomote, uneori provenite de la un alt proces fiziologic al pacientului. Așadar, eliminarea zgomotului reprezintă un alt obiectiv important al procesării semnalului ECG. Se poate să existe cazul in care formele de undă de interes ale semnalului ECG sa fie mascate de zgomot intr-un grad așa de mare încât prezenţa lor poate fi determinată numai după ce au fost aplicate tehnicile de filtrare.

Semnalul electrocardiografic poate fi prelevat pe o perioadă mare de timp, de ordinul zilelor, cu scopul identificării apariției perturbațiilor in ritmul inimii. Compresia datelor vine in ajutorul stocării acestor mari cantități de informație.

Filtrarea zgomotelor

Detecție QRS

Analiză semnal

Compresia datelor

TransmisieStocare

ECG

Procesarea semnalului a determinat o nou abordare a semnalului ECG, ajutând specialiștii la o mai bună înțelegere a dinamicii acestuia caracterizată de modificări in ritm si morfologia bătăilor. Ca exemplu, au fost dezvoltate tehnici care asociază anumite oscilații sistemului cardiovascular, reflectate in variații subtile ale ritmului inimii. Detecția micilor modificări oscilante in amplitudinea undei T este un alt exemplu de oscilație care a fost corelată cu posibilitatea apariției aritmiilor. Nici una dintre aceste două mișcări periodice din semnalul ECG nu pot fi depistate doar prin simpla analiză vizuală a electrocardiogramei. Comune fiecărui tip de analiză ECG – normală, la efort, monitorizare ambulatorie sau reanimare, sunt un set de algoritmi care procesează semnalul pentru anumite zgomote sau perturbații, detectează bătăile inimii, extrag caracteristicile(amplitudine, durată) ale formelor de undă care alcătuiesc semnalul ECG, si comprimă informația pentru o stocare sau transmisie eficiente.

Amplitudinea tensiunii intr-o înregistrare ECG este mică, de ordinul milivolților. Unda R are cea mai mare amplitudine, si care poate varia intre 0.5mV si 4mV in funcție de ce derivație a electrocardiogramei este măsurată. Însă segmente care au amplitudini mult mai mici de ordinul 0.1 mV- 0.5 mV au o importanţă majoră in procesarea semnalului ECG. Dacă luăm in considerare tensiunea de alimentare de 230V a electrocardiografului, raportul zgomot-semnal are valori de 2300000:1, putând astfel se ne facem o imagine despre greutatea implementării unui electrocardiograf care să elimine astfel de zgomote. Din fericire, cu ajutorul circuitelor electronice existente in prezent, semnalele care au tensiuni mici pot fi procesate cu ușurință. Corpul uman care generează înregistrarea ECG, devine in același timp si sursă de zgomot.

Tipuri de perturbații in înregistrarea ECG:

1. Interferenţe datorate liniei de alimentare;

2. Zgomot datorat contactului electrozilor;

3. Perturbații datorate respirației pacientului;

4. Perturbații datorate contracțiilor musculare;

5. Modificări ale componentei izoelectrice.

Figura 3-5 Algoritmi procesare semnal ECG

1. Interferenţe datorate liniei de alimentare

Interferenţele datorate liniei de alimentare întotdeauna afectează semnalul ECG. Înregistrări ECG care să nu aibă acest tip de zgomot pot fi realizate numai experimental, in spaţii special amenajate, aflate la distanţă de sursele de tensiune, folosind aparate electrocardiograf pe baza de baterii. Cu toate ca precauții pentru înlăturarea acestui tip de zgomot pot fi luate, cum ar fi, înregistrarea electrocardiogramei in locații ferite de câmpuri electromagnetice, ecranarea si impământarea echipamentelor, este totuși necesară procesarea semnalului pentru eliminarea zgomotului.

Acest tip de perturbație constă in super-impunerea peste semnalul ECG dorit al unei sinusoide cu frecvenţa (fundamentala, putând exista si armonici de ordinul doi sau trei)constantă dată de frecvenţa tensiunii de alimentare: 50Hz, 60 Hz, sau 16 2/3 Hz (frecvenţa tensiunii de alimentare a trenurilor(Figura 3-6). Mărimile care pot varia in cazul acestui tip de perturbații sunt amplitudinea si frecvenţa, si sunt consecvente pe parcursul unei măsurători. Parametrii tipici pentru acest tip de zgomot sunt: frecventa 50Hz, amplitudine: până la 50% din valoarea maximă a înregistrării ECG.

Diferite metode de eliminare a zgomotului sunt folosite, de la aplicarea unui filtru liniar, până la tehnici mai avansate care se pot adapta la modificări ale frecventei perturbației, si micșora efectul determinat de complexul QRS. O problemă importanta in ceea ce privește filtrarea interferenţelor cauzate de linia de alimentare este modul in care influențează complexul QRS funcționarea filtrului, din moment ce complexul acționează ca un semnal de intrare de amplitudine mare. Pentru eliminarea acestui neajuns este preferată folosirea filtrelor neliniare.

Figura 3-6 Interferenta liniei de alimentare in înregistrarea ECG

Interferenţe AC pot apărea in cablurile ce conectează electrozii la aparat. Aceste cabluri au izolare si nu produc perturbații, in caz contrar, daca ar lipsi această izolare, ele ar acționa ca o antenă, recepționând semnale din vecinătate. Interferenţe mai pot fi generate de câmpuri electrice aflate in vecinătatea aparatului electrocardiograf cum ar fi: fire de curent electric aflate in pereți, echipamente electrice de mari dimensiuni aflate in proximitate.

2. Zgomot datorat contactului electrozilor

Acest tip de perturbații(figura 3-7) este produs prin deconectarea electrozilor de pe tegumentul pacientului. Pierderea contactului poate fi permanentă sau intermitentă - cuplări si decuplări generate de mișcarea pacientului sau de vibrații. Conectarea/deconectarea succesivă a electrozilor generează perturbații cu amplitudine mare, datorită cuplării capacitive a electrozilor la aparatul cardiograf. Acest tip de perturbații poate fi modelat cu ajutorul unei trepte care apare aleator in semnal, si a cărei amplitudine descrește exponențial până la valoare obișnuită a componentei izoelectrice a înregistrării ECG, având de asemenea super-impus si o componentă sinusoidală de 50Hz. In modelare, se va ţine cont de frecvenţa de apariție(poate apărea o singură dată sau de mai multe ori succesiv), amplitudinea tranziției inițiale, amplitudinea componentei de 60Hz, precum si constanta de descreștere. Parametrii tipici pentru acest tip de perturbație sunt : durata 1 secundă; amplitudine maximul înregistrat, frecvenţa 50Hz, constantă de timp 1 secundă.

Figura 3-7 Perturbația datorată contactului electrozilor

3. Perturbațiile datorate respirației pacientului

Perturbațiile generate de respirația pacientului(figura 3-8) pot fi modelate printr-o componentă sinusoidală, având o frecvenţă egală cu ritmul respirator al pacientului. Parametrii tipici care pot fi modificați sunt: frecvenţa respirației cu valori cuprinse intre 0.15-0.3Hz, amplitudinea componentei sinusoidale –poate ajunge până la 15% din valoarea maximă a inregistrării ECG, valoarea componentei continue, care de asemenea poate ajunge până la 15% din valoarea maximă a înregistrării.

Figura 3-8 Perturbație datorata respirației pacientului

4. Perturbații datorate contracțiilor musculare

Contracțiile musculaturii determină supra-impunerea peste înregistrarea ECG a unui semnal care poate fi modelat cu ajutorul unui semnal aleator cu medie intre 10-30% si deviație standard mai mica decât 10% , din amplitudinea maximă a semnalului ECG(figura 3-9).

Figura 3-9 Perturbații datorate contracțiilor musculaturii

5. Mișcarea componentei izoelectrice a înregistrării ECG

Electrocardiograma obținută in condiții de efort are o importantă sporită, putând scoate in evidentă boli ale inimii care in mod normal nu ar putea să fie depistate(figura 3-10). Însă, zgomotul produs in acest tip de electrocardiogramă alterează semnalul dorit, fiind cel mai greu de înlăturat tip de zgomot, deoarece spectrul acestuia se suprapune peste cel al semnalului, zgomotul adeseori asemănându-se cu undele P,T sau chiar cu complexul QRS.

Reducerea efectului mișcării de drift in semnalul ECG, este necesară pentru a minimiza influenţa acestora in morfologia zonelor de semnal care nu corespund activității cardiace, fapt important in momentul analizării segmentului ST in vederea depistării ischemiei. Spectrul acestui tip de perturbație este in jurul frecventei de 0.5Hz, valoarea aceasta crescând pe parcursul înregistrării in condiție de efort a activității electrice a inimii. Proiectarea unui filtru liniar invariant in timp de tipul trece-sus, implică mai multe etape, dintre care cea mai importantă este alegerea frecvenţei de tăiere. Aceasta trebuie aleasă de asemenea manieră astfel încât informațiile necesare din semnului ECG care trebuiesc prelevate să nu fie distorsionate, in timp ce este înlăturat cat mai mult din perturbație. Așadar, este necesar să se găsească componenta ECG de interes cu cea mai mică frecventa .

Artefactele de mișcare sunt modificări in componenta izoelectrica a înregistrării ECG cauzate de modificări ale capacității dintre electrod datorită mișcării acestuia pe suprafața pielii. Intre electrod si pielea pacientului se formează o capacitate, deoarece armăturile condensatorului sunt de natura diferită, pielea, respectiv electrodul aparatului electrocardiograf. Prin modificarea distantei dintre electrod si piele este generat o tensiune de ordinul milivolților. Valori tipice ale parametrilor acestui tip de perturbații sunt: durata 100-500ms, si o amplitudine de până la 500% din valoarea medie a semnalului ECG.

Figura 3-10 Perturbația generata de mișcarea electrozilor

1. Algoritmi convenționali de detecție QRS

Un număr relativ mare de algoritmi de detecție QRS sunt descriși in literatura de specialitate. Abordarea in acest capitol a tuturor algoritmilor existenți si compararea acestora ar fi impractic. Selecția algoritmilor a fost realizată pe baza unor criterii, determinând astfel clase algoritmi care au la baza aceleași principii de funcționare. Cele două criterii de bază folosite in alegerea algoritmilor sunt complexitatea si performanţele obținute. Au fost aleși algoritmi ce au o complexitate redusă, care pot fi ușor implementați in sisteme in timp real ce folosesc microprocesoare pe 8 biți. Pe baza criteriului de performanta s-au eliminat diferiți algoritmi care aveau o sensibilitate mare la zgomot, si au generat un număr mare de detecții fals pozitive. Algoritmii care se doresc a fi implementați in echipamentele medicale trebuie sa obțină performanţele impuse si la un nivel mediu al zgomotului. Fiecare dintre algoritmii ce vor fi prezentați in continuare are la bază un anumit model de funcționare descris in literatura de specialitate.

Patru categorii de tipuri de algoritmi sunt implementați si prezentați in acest capitol:

1. Algoritmi bazați pe amplitudine si prima derivată - Amplitude and First Derivative(AF);

2. Algoritmi bazați pe prima derivată – First Derivative(FD);

3. Algoritmi bazați pe prima si a doua derivată – First and Second Derivative(FS);

4. Algoritmi bazați pe filtre digitale – Digital Filters(DF).

Fiecare algoritmi ce va fi prezentat mai jos, au unul sau mai mulți parametrii, reprezentând, amplitudini prag sau durate de timp. In unele cazuri acești parametrii nu au fost oferiți in literatura de specialitate, sau formatul înregistrărilor ECG folosite in simulări nu a fost compatibil cu parametrii preluați din literatura de specialitate. Pentru eliminarea acestui neajuns s-a realizat o etapă preliminară de acordare a algoritmilor, pentru a beneficia de cele

mai bune posibile rezultate in simulări. Criteriul de selecție al parametrilor este raportul dintre numărul de complexe QRS corect detectate si numărul de false detectări.

In momentul in care se găsește un candidat QRS, se compară poziția începutului complexului QRS determinată de algoritm cu setul de date ce conține complexurile QRS valide. In cazul in care începutul complexului QRS determinat se află in intervalul dintre complexul QRS valid si 88ms înainte sau după acesta se consideră a fi o detecție reușită. Dacă candidatul QRS se află in afara acestui interval este considerat a fi o detecție fals pozitivă - false positive(FP). Dacă complexul QRS nu se află in limitele impuse se consideră detecție fals negativă – false negative(FN). Performanţa algoritmului este măsurată de formula

următoare: P [ % ]= FP+FNQRS

×100, unde QRS reprezintă numărul de complexuri valide. Din

moment ce căutarea unui nou complex QRS începe de la eșantionul ce precede candidatul QRS, acesta poate fi găsit de mai multe ori. Numai prima detecție reusită va fi inclusă ca si complex QRS, celelalte detectări care se încadrează in intervalul menționat mai sus nu vor fi luate in considerare.

Simulările ce vor fi prezentate in acest capitol au rolul de evidenţia performanţele algoritmilor in prezenţa diferitelor tipuri de zgomot. Pentru aceasta se va recurge la o analiză structurată in mai multe etape. In prima etapă simulările se vor face cu un semnal de test obținut pe cale experimentală (figura 3-11), fiind astfel lipsit de zgomot, pentru a vedea performanţele de bază ale algoritmului. Urmează ca in a doua etapă semnalul de test să fie perturbat cu unul dintre cele 6 tipuri de zgomote(interferenţă linie alimentare, perturbație datorată respirației, zgomot datorat contracțiilor musculaturii, mișcare de drift, decuplarea electrozilor, si un semnal ce le cuprinde pe toate). Zgomotele vor fi aplicate la diferite rapoarte semnal-zgomot, la 0.15%, 0.3%, si 0.5%. Intr-o a treia etapă, si ultima, vom analiza performanţele algoritmilor la semnalele de simulare(vezi 3.2).

Figura 3-11 Inregistrare ECG de test

Pentru consecvenţa in simulare toate tipurile de zgomote cu excepția mișcării de drift sunt generate automat. Perturbarea cu mișcare de drift, datorită imposibilității de a o genera, va fi realizată folosind un semnal, supra-impus peste semnalul ECG inițial.

1. Interferenţe datorate liniei de alimentare si respirației

Aceste tipuri de zgomote au fost generate printr-o sinusoidă cu frecvenţa constantă de 50 Hz si amplitudine variabilă in cazul interferenţelor liniei de alimentare, si frecvenţa variabilă, amplitudine variabila, si componentă continuă in cazul perturbației datorate respirației:

nAC (t )=Asin (2 πft)

nresp (t )=Adc+ Asin (2πft )

unde f este frecvenţa semnalului, 50 Hz in cazul interferenţelor liniei de alimentare, si 0.1 – 0.3 Hz in cazul perturbațiilor datorate respirației. Amplitudinile A si Adc au valori cuprinse intre 0.1 si 0.75 din valoarea medie a semnalului de test.

Semnalul perturbat este obținut prin super-impunerea zgomotului n(t) peste semnalul de test s(t):

e (t )=s (t )+nAC ( t )

e (t )=s (t )+nresp (t)

Figura 3-12 Semnal perturbat cu interferenţe linie alimentare

Figura 3-13 Înregistrare ECG perturbată datorită respirației pacientului

2. Perturbații datorate contracțiilor musculare

Acest tip de perturbație a fost generat folosind rutina MATLAB random cu distributia normală , având media variabila si deviaţia standard 0.5

n (t )=random(' norma l' ,medie ,deviati estandard , lungime)

Figura 3-14 Semnal perturbat cu emg

3. Perturbații datorate modificării componentei izoelectrice

Figura 3-15 Înregistrare perturbată cu mișcare de drift

4. Perturbații datorate dezlipirii electrodului de piele

Acest tip de perturbație a fost modelat cu ajutorul functiei exponențiale, având ca parametrii constanta de timp T si mărimea treptei inițiale.

Figura 3-16 Înregistrare perturbată cu întreruperea contactului electrozilor cu pielea.

1. Algoritmi de detecție bazați pe amplitudine si prima derivată

Cu toate ca există muiltiple si variate abordări in detecția QRS, metodele bazate pe amplitudine si prima derivată sunt cele mai folosite in aplicațiile de timp real sau in cele care

procesează înregistrări de lungimi mari, deoarece efortul de calcul este scăzut. Algoritmii care se bazează pe acest tip de metodă au de asemenea avantajul nesegmentării datelor sau antrenarea algoritmilor. Cu toate acestea s-a arătat intr-un studiu comparativ al metodelor de calcul in timp real ca diminuarea timpilor de calcul provoacă creșterea erorii de detecție.

Un prim algoritm de acest gen pe care va fi prezentat este o adaptare a algoritmului propus de către Moriet-Mahoudeaux(AF1).

Fie X=( X [ 0 ] , X [1 ] , …, x [ n ] ) , unde n este lungimea înregistrării ECG. O valoare prag

este calculată ca fiind o parte a celei mai mari valori pozitive a șirului de elemente X.

A=0.3 ×max {X {i }} , i=1 …n

Pe baza acestui sir X, se calculează prima derivată in fiecare punct al vectorului de elemente

Y [ i ]=X [i+1 ]−X [ i−1 ] ,i=2 …n−1 , Y [1 ]=Y [ n ]=0

Un candidat QRS apare atunci când trei valori consecutive ale primei derivate a vectorului X, depășesc o valoare prag pozitivă (pantă crescătoare), si sunt urmate in următoarele 100ms de două valori consecutive care depășesc o valoare prag negativă (pantă descrescătoare). De asemenea toate valorile din semnalul X care corespund valorilor vectorului Y care aparțin intervalului dintre panta crescătoare si sfârșitul pantei descrescătoare trebuie să depășească o valoare prag.

Y [ i ] , Y [i+1 ] ,Y [ i+2 ]>0.5

si

Y [ j ] ,Y [ j−1 ]←0.3 , i+2< j<i+25

X [ i ] , X [ i+1 ] , … X [ j+1 ]>A

Un al doilea algoritm prezentat in acest subcapitol este o adaptare a algoritmului propus de către Fraden si Neuman(AF2). Ca si in cazul primul algoritm prezentat, si in acesta, se calculează o amplitudine prag ca o fracție din valoarea maximă a vectorului X

A=0.4 × max {X [ i ]} , i=1…n

Pentru acest algoritm s-a propus rectificarea vectorului X astfel:

Y 0[ i ]={ X [i ] , daca X [ i ] ≥ 0−X [ i ] , daca X [ i ]<0

,i=1 …n

Semnalul rectificat este procesat in continuare astfel:

Y 1[ i]={Y 0 [ i ] ,dacaY 0 [i ]≥ AA ,dacaY 0 [i ]< A

, i=1 …n

Se calculează prima derivata a semnalului Y1:

Y 2 [i ]=Y 1 [i+1 ]−Y 1 [i−1 ] , i=2 …n−1 , Y 2 [ 0 ]=Y 2 [ n ]=0

Un candidat QRS apare atunci când o valoare din vectorul Y2 depăseste o valoare prag constantă, Y 2 [i ]>0.7 , i=1 …n.

Un al treilea si ultim algoritm care se bazează pe amplitudine si prima derivată se bazează pe algoritmul propus de Gustafson(AF3)

Y [ i ]=X [i+1 ]−X [ i−1 ] ,i=2 …n−1 ,Y [ 0 ]=Y [n ]=0

In prima derivata, Y, se caută valorile care depășesc o valoare constantă aleasa in urma etapei de acordare a algoritmului:

Y [ i ] ≥ 0.15 ,i=1…n

In momentul in care s-a găsit o valoare care să satisfacă condiția de mai sus, se verifică dacă si următoarele 3 valori depășesc aceeași amplitudine prag:

Y [ j ] ≥ 0.15 , j=i+1 …i+3

Dacă cele două condiții de mai sus sunt îndeplinite, valoarea poate fi considerată un candidat QRS dacă următoarele două puncte respectă relațiile de mai jos:

Y [ i+1 ] X [i+1 ]>0

Y [ i+2 ] X [ i+2 ]>0

Testarea primului algoritm cu semnalul de test, pentru a vedea performantele algoritmului in condiții lipsite de zgomot, si cu parametrii luați din literatura de specialitate.

După cum se observa si din grafic rezultatele sunt inacceptabile(figura 3-17), si asta, datorită necompatibilității parametrilor cu care s-a făcut simularea si semnalul de test folosit. In figura de mai jos sunt prezente in primul grafic semnaul ECG folosit pentru simulare. Al doilea grafic reprezintă prima derivată, iar cel de-al treilea grafic oferă o vizualizare a performantei algoritmului. Lina neagra cea mai de jos sugerează poziția complexului validat prelevat din fișierul descărcat din baza de date(vezi 3.2). Liniile punctate reprezintă valorile maxim admisibile ale complexului QRS corect detectat. Toate complexurile detectate in afara acestor intervale reprezintă detecții fals pozitive. Dacă intre două linii punctate succesiv nu exista o line albastră si există una neagră, atunci avem de a face cu o detecție fals negativă.

Figura 3-17 Simulare

In urma acordării algoritmului sau obtinut următorii parametrii care oferă cele mai bune rezultate: valoare pantă crescătoare egală cu 0.235 si valoare pantă descrescătoare egală cu -0.3. Rezultatele obținute cu acești noi parametrii se pot observa din figura 3-18.


Pentru a evidenția performatele algoritmului la detecția QRS in prezenţa zgomotelor se corupe semnalul de test cu diferite tipuri de zgomote. Inițial vom perturba semnalul cu interferenţe cauzate de linia de alimentare si cu zgomotul datorat respirației, amândouă tipuri de zgomote fiind prezente in toate înregistrările clinice.


In simularea de mai sus (figura 3-19 )intregistrarea ECG a fost perturbata cu 15% interferenta de linie si 90% zgomot datorat respirației la o frecventa de 0.5 Hz. După cum se observă algoritmul a reușit sa detecteze in limitele admisibile toate complexurile QRS.

In urma simulărilor efectuate s-a observat capacitatea algoritmului AF1 de a elimina zgomotele la frecvente mici, adică cele generate de respirație sau cele generate de mișcarea de drift. O problemă, insă, pentru acest algoritm o reprezintă interferenţa liniei de alimentare, care la valori ale raportului semnal-zgomot mai mari de 60% nu oferă performanţe acceptabile(figura 3-20).


In figura 3-20 semnalul ECG de test a fost perturbat cu zgomot datorat respirației intr-un procent de 80%, la o frecventa de 0.6Hz, si cu interferenţe intr-un procent de 60%, obținând rezultate nesatisfăcătoare.

Un alt test important, este acela care determină performanţele algoritmului in cazul in care electrozii se desprind de pacient. Rezultatele, prezente in figura 3-21, arată ca algoritmul poate face fată desprinderii repetate a electrozilor de pe suprafața corpului.


Pentru a stabili performanţele unui electrocardiograf care are implementat un astfel de algoritm trebuie sa mai adăugăm semnalului de test si perturbații datorate contracțiilor musculare, putând avea un efect nedorit asupra rezultatelor obținute, datorita frecventelor mari pe care le conține. S-observat ca pentru valori de pana la 30-40% rezultatele sunt satisfăcătoare, dacă se creste peste aceste valori, performanţele se degradează rapid.


2. Algoritmi de detecție bazați pe prima derivată

Un prim algoritm care se încadrează in aceasta categorie, este cel dezvoltat de Menard(FD1). Ca si la algoritmii prezentați mai sus se consideră un vector ce conține valorile

discretizate ale înregistrării ECG, X=( X [ 1 ] , X [ 2 ] ,… X [ n ]), unde n este lungimea înregistrării.

Se calculează prima derivată după formula specificată de Menard:

Y [ i ]=−2 X [ i−2 ]−X [i−1 ]+X [ i+1 ]+2 X [ i+1 ] , i=3 …n−3

Pe baza vectorului Y se calculează o valoare prag reprezentând o fracție din cea mai mare valoare din Y.

A=0.7 max {Y [ i ]} , i=1 …n

Pe baza valorilor aflate in vectorul Y, se determină candidatul QRS, si anume, prima valoare care este mai mare decât A este considerată a fi începutul complexului QRS.

Y [ i ]> A , i=1 …n

Un al doilea algoritm ce va fi prezentat in acest subcapitol este o adaptare a unui algoritm propus de Holsinger(FD2).

Ca si până acuma este calculată prima derivată a semnalului X:

Y [ i ]=X [ n+1 ]−X [ n−1 ] , i=2…n−1 , Y [0 ]=Y [ n ]=0

Vectorul, Y, astfel obținut este analizat pentru a determina acele valori care depășesc o valoare prag impusă:

Y [ i ]>0.45 , i=1 …n

Un candidat QRS apare atunci când in următoarele trei valori consecutive, este cel puțin una care depășește valoarea prag.

Y [ i+1 ]>0.45 ,

sauY [i+2 ]>0.45 ,

sauY [i+2 ]>0.45 .

Fereastra de căutare a punctelor ce depășesc valoarea prag, si numărul valorilor care trebuie sa depășească valoarea prag pentru a detecta complexul QRS vor fi alese in urma procedurii de acordare a algoritmului.

In urma etapei de acordare, pentru algoritmul FD1 s-a ales o valoare a amplitudinii prag de A=0.55 max {Y }, făcandu-l, astfel, compatibil cu semnalele folosite in simulare.


In acest grafic se observă capacitatea algoritmului de a detecta cu acuratețe ridicată complexurile QRS, in prezenta interferenţei generate de linia de alimentare. In această simulare raportul semnal-zgomot este setat la 75%. Performanţele dovedite in simulare in raport cu acest tip de zgomot, reprezintă unul din avantajele folosirii acestui tip de algoritmi in situațiile in care aparatul electrocardiograf se află in încăperi cu numeroase alte echipamente electrice.


Rezultate bune s-au obținut si pentru simularea din figura 3-24, in care, semnalul de test a fost perturbat si cu zgomotul datorat respirației. Valorile alese pentru aceasta simulare: pentru perturbația generata de respirație sunt: frecventa - 0.6Hz ,amplitudine 60%; in timp ce

nivelul interferentelor cauzate de linia de alimentare a fost redusa la 40%(din motive de vizualizare).


In figura 3-25 este afișat rezultatul algoritmului FD1, pentru semnalul ECG de la simularea precedentă, la care s-a mai adăugat zgomotul generat de contracțiile musculare. Perturbația a fost introdusă la un raport semnal-zgomot de 75%. După cum se poate si observa pe grafic a detectat complexurile QRS, insă numărul de detecții fals pozitive este inacceptabil. Pentru valori mai mici ale nivelului perturbației(45%) rezultatele obținute sunt prezentate in figura 3-26.

Figura 3-26

Ultima simulare efectuată pentru acest algoritm ne arată performantele pe care le obține in situația in care electrozii se desprind de pe suprafața pacientului(figura 3-27).


In figura 3-28 sunt prezentate performanţele algoritmului in urma procesării semnalului E105m la care a mai fost adăugat zgomot, însa in procente mici. Rezultatele sunt inacceptabile. In urma simulărilor efectuate pe semnalul E105m fără a mai fi perturbat de zgomotul suplimentar rezultatele se încadrează in limitele admisibile.


3. Algoritmi de detecție bazați pe prima si a doua derivată

Primul algoritm care va fi prezentat este o varianta simplificată al algoritmului propus de Balda(FS1). Intr-o prima fază se calculează valorile absolute ale primei si celei de-a doua derivate a semnalului X.

Y 0 [i ]=|X [i+1 ]−X [ i−1]|, i=2 …n−1 , Y 0 [1 ]=Y [ n ]=0

Y 1 [i ]=|X [i+2 ]−2 X [ i ]+X [ i−2 ]|, i=3 …n−2,

Y 1 [1 ]=Y 1 [2 ]=Y 1 [ n ]=Y 1 [ n−1 ]=0

Acești doi vectori calculați mai sus, Y1 si Y0, sunt scalaţi si apoi sumați:

Y 2 [i ]=1.3 Y 0 [i ]+1.1 Y 1 [ i ] , i=1…n

In vectorul Y2 caută valorile mai mari decât o valoare prag pre-stabilita:

Y 2 [i ] ≥ 1 , i=1 …n

In momentul in care o valoare este mai mare decât amplitudinea prag, următoarele opt valori sunt verificate. Dacă dintre aceste opt valori, șase sunt mai mari decât amplitudinea prag, atunci condiția de apariție a unui candidat QRS este îndeplinită. Atât fereastra de căutare, cat si numărul de valori care trebuie sa îndeplinească condiția, sunt paramaterii ai algoritmului care vor fi determinați in etapa de acordare.

Al doilea algoritm prezentat in acest subcapitol este o adaptare a algoritmului propus de Ahlstrom si Tompkins(FS2).

Intr-o prima etapa este calculată prima derivata rectificată a semnalului ECG, X

Y 0 [i ]=|X [i+1 ]−X [ i−1]|, i=2 …n−1

Y 1 [i ]= [Y 0 [i−1 ]+2 Y 0 [i ]+Y 0 [i+1 ] ]4

, i=3 …n−2

Se calculează si a doua derivată a semnalului X si se aduna la vectorul Y1

Y 2 [i ]=|X [i+2 ]−2 X [ i ]+ X [i−2]|,i=3 …n−2

Y 3 [i ]=Y 1 [i ]+Y 2 [i ] ,i=3 …n−2

Pe baza ultimului vector calculat, Y3, se calculează maximul si doua valori prag, una principală si una secundară

Ap=0.8 max {Y 3 }

A s=0.1 max {Y 3 }

In vectorul Y3 sunt căutate valorile care depășesc valoarea prag principală. In momentul in care o valoare care îndeplinește condiția s-a găsit, pentru ca să fie considerată candidat QRS trebuie ca următoarele 6 valori consecutive se fie mai mari sau egale cu valoarea prag secundară.

Y 3 [i ]> Ap

Y 3 [ j ]> A s , j=i+1 …i+6

Ap , A ssi numarul de valori consecutive care trebuie să indeplineasca condiţia sunt toti parametrii ai algoritmului, si sunt determinați in etapa de acordare.

Pentru valori ale interferenţelor liniilor de alimentare de pana la maxim 21% s-au obținut rezultate acceptabile(figura 3-29), algoritmul reușind sa localizeze toate complexurile QRS, cu un număr mic de detecții fals pozitive.


Pentru un nivel al zgomotului mai mare de 25% performantele devin inacceptabile, algoritmul reușind sa detecteze toate complexurile QRS dar având un număr de 2-3 mai mare de detectări fals pozitive.(figura 3-30)


In cazul perturbării înregistrării ECG cu zgomot EMG rezultatele performanţele obținute sunt evidențiate in figura 3-31. Gradul de degradare al performanţelor cu creșterea nivelului de zgomot este asemănător celui produs de interferentele electrice. In plus se observă, că odată cu creșterea nivelului zgomotului incapacitatea algoritmului de a detecta complexurile QRS, numărul de detectări false crescând.


La un nivel al zgomotului de 75-100% rezultatele obținute sunt evidențiate in figura de mai jos:


Păstrând o valoare a zgomotului EMG de 15% am testat performantele algoritmului in prezenta perturbațiilor datorate respirației. Procentajul de reușita a fost maxim, detectând toate complexurile QRS si neavând nici o detecție fals pozitivă, chiar si la valorile maxime ale nivelului zgomotului(figura 3-33 ).


Acest algoritm prezintă o sensibilitate crescută la modificări bruște ale amplitudinii înregistrării ECG, modificări care pot fi cauzate de desprinderea electrodului. Acest tip de zgomot este evidențiat de prima si a doua derivata. Însă datorită caracterului rapid, prin alegerea numărului de valori care trebuie să satisfacă condiția prin care o valoare este marcată

ca si candidat QRS, acest tip de zgomot nu generează detectări fals pozitive. Pentru aceasta am ales ca din fereastra stabilita la 8, 5 valori să îndeplinească condiția. Efectul alegerii acestor parametrii este evidențiat in figura 3-34.


Figura 3-35 Simulare cu semnalul 105m

Rezultate obținute in simulările cu semnalele 105m si 119e_6. Pentru primul semnal din 19 complexuri QRS a detectat 16, si a nu a avut nici o detecție fals pozitiva(figura 3-35). In cazul celui de-al doilea semnal, algoritmul a detectat 31 din 31 complexuri QRS, însă a generat si 4 detecții fals pozitive(figura 3-36).


4. Algoritmi bazați pe filtre digitale

Primul algoritm prezentat este o adaptare a algoritmului dezvoltat de Engelese si Zeelenberg(DF1).

Semnalul ECG, X, este trecut printr-un diferențiator ce joaca rolul unui filtru de tip notchY 0 [i ]=X [i ]−X [ i−5 ] , i=6 …n

Semnalul astfel obținut, este trecut printr-un filtru digital trece-jos

Y 1 [i ]=Y 0 [ i ]+4Y 0 [i−1 ]+6Y 0 [ i−2 ]+4Y 0 [ i−3 ]+Y 0[ i−4]

Pentru acest algoritm două valori prag sunt folosite, egale ca valoare dar de semn opus. Valorile ieșirii filtrului trece-jos, Y1, sunt verificate pană când una dintre acestea este mai mare sau egală cu valoarea prag pozitivă. Această valoare reprezintă punctul inițial al unei zone de căutare cu o lungime de 160ms. Numărul de treceri succesive de la valori ce sunt mai mari decât amplitudinea prag pozitivă si valori ce sunt mai mici decât amplitudinea prag negativă determina prezenta unui candidat QRS sau a zgomotului. Daca Y 1 [i ]>21, atunci zona de căutare cu lungimea de 160ms începe de la valoarea i. Dacă pe parcursul celor 160ms ale zonei de căutare nu există alte treceri succesive punctul i este marcat ca fiind mișcare de drift. In caz contrar se verifica următoarele condiții:

Conditie1 : DacaY 1 [i+ j ]←21 , 0< j<40

Conditie2 : DacaY 1 [i+ j ]←21 , 0< j<40

si

Y 1 [ j+k ]>21 , j<k<40

Conditie3 : DacaY 1 [ i+ j ]←21 , i> j>40 ,

si

Y 1 [ j+k ]>21 , j<k<40

si

Y 1 [k+ l ]←21 , k<l<40

Dacă oricare dintre cele trei condiții sunt îndeplinite atunci punctul i este marcat ca fiind candidat QRS. Dacă apar mai multe treceri prin cele două valori prag atunci punctul i este marcat ca fiind zgomot. Amplitudinea prag este un parametru variabil al algoritmului.

Cel de-al doilea algoritm prezentat, este o adaptare a algoritmului propus de Okada(DF2). Intr-o primă etapă are loc netezirea semnalului ECG folosit un filtru de tip medie alunecătoare.

Y 0 [i ]= X [ i−1 ]+2 X [i ]+X [ i+1]4

, i=2…n−1

Vectorul Y0, astfel obținut, este trecut printr-un filtru trece-jos obținându-se vectorul Y1:

Y 1 [i ]= 12 m+1

∑k=i−m

i+m

Y 0[k ] , m< i<n−m

Diferența dintre intrarea si ieșirea filtrului trece-jos este ridica la pătrat

Y 2 [i ]=(Y 0 [ i ]−Y 1 [ i ] )2 , m<i<n−m

Vectorul Y2 este trecut printr-un filtru obținându-se Y3

Y 3 [i ]=Y 2 [i ][ ∑k=i−m

i+m

Y 2 [ k ] ]2

,m<i<n−m

Un al patrulea vector este format folosind formula de mai jos:

Y 4 [i ]={Y 4 [ i ]=Y 3 [i ] , da ca (Y 0 [i ]−Y 0 [ i−m ] ) (Y 0 [i ]−Y 0 [ i+m ] )>00 ,∈caz contrar

Valoarea maximă a vectorului Y4 este determinată si pe baza ei se calculează amplitudinea prag A:

A=0.125 max {Y 4 }

Un candidat QRS apare atunci când o valoare a vectorului Y4 este mai mare decât amplitudinea prag A. Pentru cele mai bune rezultate se setează parametrul m la valoarea 3. In

urma etapei de acordare a parametrilor s-a observat creșterea performantelor algoritmului pentru anumite tipuri de zgomote, odată cu creșterea lui m. Creșterea lui m ducea la mărirea efortului computațional. Rata îmbunătățirii performantelor se diminuează cu creșterea lui m însă efortul de calcul continuă sa crească. Pentru a obține performante acceptabile si a păstra efortul de calcul in limite rezonabile se setează m la valoarea 6

Pentru a evidenția influenta parametrului m asupra performantelor algoritmului DF2, am testat algoritmul in prezenta perturbațiilor EMG de nivel mediu spre mare, alegând trei valori m=3,6,8. Rezultatele se pot observa in figurile 37,38,39.

In figura 3-37, alegând m=3, algoritmul a 4 complexe QRS din 5 posibile, si a generat si 6 detectări fals pozitive. Mărind m=6 performantele algoritmului au crescut(4 din 5 complexe QRS, si 2 false detectări) ele fiind evidențiate in figura 3-38. Pentru m=8 si la nivelul maxim de zgomot algoritmul a detectat 5 din 5 complexe QRS si a avut o singura detecție fals pozitiva(figura 3-39).

Figura 3-37 Simulare m=3


Acest algoritm reușește sa elimine cu succes componenta de frecvenţă 50Hz, chiar si la valorile cele mai mari ale nivelului interferenţelor(figura 3-40). Algoritmul a detectat toate complexele QRS si nu a generat nici o falsă detecție.


Algoritmul DF2 este sensibil la zgomotele cauzate de respiraţie, obținând cele mai slabe performante(figura 3-41). S-a observat ca, valori mici ale amplitudinii prag, ce reprezintă condiția de căutare a candidatului QRS, oferă rezultate bune pentru zgomotul generat de respirație, dar oferă rezultate slabe pentru celelalte tipuri de zgomote. Pentru valori mari sensibilitatea la zgomotul datorat respirației creşte, însă performantele se îmbunătățesc considerabil pentru celelalte tipuri de zgomote.


5. Rezultate obținute in simulări

Detectări QRS(%) Total detectări fals pozitive

0 25 50 75 100 0 25 50 75 100

AF1 100 100 86 73 65 0 0 3 19 48

AF2 100 100 100 100 100 0 0 0 0 0

AF3 100 100 95 65 51 0 8 20 30 31

FD1 100 100 100 97 97 0 0 0 86 207

FD2 100 100 95 92 86 0 0 69 257 417

FS1 100 92 76 81 62 0 47 322 335 278

FS2 100 43 30 27 27 0 0 12 40 64

DF1 100 100 100 95 84 0 0 0 1 36

DF2 100 97 78 62 62 0 0 0 1 13

Tabel 3-2 EMG

In tabelul 3-2 sunt prezentate rezultatele obținute de către algoritmii de detecție a complexului QRS in semnalul ECG perturbat de zgomotul datorat contracțiilor musculare. Spectrul de frecvenţă al acestui tip de zgomot se suprapune peste spectrul complexului QRS, dar amplitudinea complexului este considerabil mai mare decât cea a zgomotului. Capacitatea algoritmului AF2 de a detecta cu succes toate complexurile QRS, fără a genera detectări fals pozitive, se datorează tocmai faptului ca algoritmul se folosește de aceasta caracteristică a

semnalului. Pe baza criteriului de amplitudine, algoritmul AF2 elimină cu succes acest tip de zgomot. Ceilalți doi algoritmi care se bazează pe prima derivata si pe amplitudine nu se comportă la fel de bine in prezenţa acestui tip de zgomot. Atât AF1, cât si AF2 nu au obținut un procentaj mai mare de 65% la nivelul maxim al perturbației. Procentajul mic obținut in simulări pentru cei doi algoritmi este o consecința a modului in care valorile prag ale amplitudini sunt scalate. Valoarea constantei de scalare este obținută in urma etapei de acordare a algoritmului, etapă in care se folosește semnalul perturbat cu zgomot. Semnalul perturbat are atât componente de frecventa joasă, cât si de frecventă înaltă. Modificările din componenta izoelectrică a semnalului determina selectarea unei valori mici, in caz contrar complexurile QRS având o componentă izoelectrică mare nu vor fi detectate. Folosirea in etapa de acordare a semnalului perturbat cu toate tipurile de zgomote realizează un compromis la alegerea parametrilor. Cu acești parametrii algoritmii vor avea performante medii pentru întreaga plaja de zgomot ce pot perturba semnalul. Însă, performanţele pentru un anumit tip de zgomot pot fi ameliorate dacă selectarea parametrilor se face in concordanţă cu tipul de zgomot folosit si nu cu zgomotul compozit. Dacă algoritmul nu este in măsură sa detecteze toate complexurile QRS fără a genera detectări fals pozitive pentru orice set de parametrii folosiți, atunci algoritmul nu are capacitatea de a face diferența intre zgomot si complexul QRS. Fiecare algoritm prezintă un potențial maxim de a diferenția zgomotul de forma de undă de interes, acest lucru depinzând de selectarea parametrilor optimali. Cel mai bun set de parametrii pentru semnalul perturbat cu zgomotul compozit, nu întotdeauna produce si cele mai bune rezultate in cazul unei înregistrări ECG ce prezintă un anumit tip de zgomot. Algoritmul AF3 nu folosește amplitudinea la modul in care ceilalți doi algoritmi, AF1 si AF2, o folosesc. Cei din urma doi algoritmi se bazează pe valoarea mare a undei R, pe când algoritmul AF3 necesită ca doar produsul dintre pantă si amplitudine să fie mai mare decât 0. Acest lucru este un dezavantaj al algoritmului AF3, neputând fi reconfigurat, spre deosebire de ceilalți doi. Algoritmii bazați numai pe prima derivată au obținut cele mai slabe performante. Zgomotul generat de contracțiile mușchilor prezintă prima si a doua derivata asemănătoare complexului QRS. Algoritmii bazați pe filtre digitale au o rata scăzuta de detectări fals pozitive faţă de cei bazați pe prima sau pe prima si a doua derivata, dar nu au reușit sa detecteze toate complexurile QRS.


0 25 50 75 100 0 25 50 75 100

AF1 100 100 59 59 19 0 0 0 0 0

AF2 100 100 100 100 100 0 0 0 0 0

AF3 100 100 19 0 0 0 0 0 0 0

FD1 100 100 100 100 100 0 0 0 0 0

FD2 100 100 59 59 59 0 0 0 0 0

FS1 100 78 100 22 0 0 297 0 0 0

FS2 100 81 100 100 100 0 0 0 0 15

DF1 100 100 100 100 100 0 0 0 0 0

DF2 100 97 100 100 100 0 0 0 0 0

Tabel 3-3 Interferente linie de alimentare

In tabelul 3-3 sunt prezentate rezultatele obținute in urma efectuării simulărilor pe semnalul perturbat de interferenţele generate de linia de alimentare. Se observă ca acestea sunt considerabil mai bune decât cele obținute pentru zgomotul EMG. Spectrul de frecvenţă al zgomotului generat de linia de alimentare conține doar frecventa de 60Hz a armonicii fundamentale si frecvenţa celei de-a doua armonici. Cinci din cei nouă algoritmi au localizat corect toate complexurile QRS, si patru dintre acești algoritmi, AF2, FD1, DF1, DF2, nu au generat detectări fals pozitive chiar si la nivelul maxim de zgomot. La nivelul maxim al zgomotului algoritmii AF3 si FS1 nu a detectat nici un complex QRS si nici nu au generat detectări fals pozitive.


0 25 50 75 100 0 25 50 75 100

AF1 100 100 100 76 65 0 0 0 0 0

AF2 100 100 65 57 54 0 0 0 0 0

AF3 100 100 100 86 76 0 0 0 4 6

FD1 100 100 100 100 100 0 0 0 0 0

FD2 100 100 100 100 100 0 0 0 0 0

FS1 100 100 100 100 100 0 0 0 0 0

FS2 100 100 100 100 100 0 0 0 0 0

DF1 100 100 100 100 100 0 0 0 0 0

DF2 100 100 100 100 100 0 0 0 0 0

Tabel 3-4 Respiratie

Zgomotul datorat respiratiei nu a reprezentat nici o dificultate pentru nici unul dintre cei noua algoritmi prezentați. Zgomotele de frecventa joasă nu influențează algoritmii bazați pe derivata sau pe filtre digitale. Algoritmii care se bazează pe amplitudine pot avea rezultate slabe datorita modificărilor destul de mari ce acest tip de zgomot le produce componentei continue a semnalului.


0 25 50 75 100 0 25 50 75 100

AF1 100 100 100 100 100 0 0 0 0 0

AF2 100 100 65 59 59 0 0 0 0 0

AF3 100 100 100 86 76 0 0 0 0 0

FD1 100 100 100 100 100 0 0 6 12 6

FD2 100 100 100 100 100 0 0 0 0 0

FS1 100 100 100 100 100 0 0 0 0 0

FS2 100 100 3 0 0 0 0 0 0 0

DF1 100 100 100 97 97 0 0 0 0 0

DF2 100 100 100 100 100 0 0 0 9 13

Tabel 3-5 Mișcare de drift

Mișcările de drift, pierderea contactului electrozilor cu suprafața pielii au reprezentat o mai mare problema decât suprapunerea ritmului respirator peste înregistrarea ECG(tabel 3-5). Cu toate ca patru dintre algoritmi au reușit să localizeze toate complexurile QRS fară a genera detectări fals pozitive, majoritatea algoritmilor au prezentat o descreștere in performanţe. Doar doi algoritmi FD1 si DF2 au generat detectări fals pozitive, din simulările efectuate s-a observat ca algoritmul FS2 are dificultăți in localizarea complexurilor QRS, nereușind să detecteze nici un complex la nivele mari ale zgomotului. Algoritmii bazați pe amplitudine nu sunt afectați, din moment ce nivelul maxim de creștere in amplitudine este mai mic pentru acest tip de zgomot decât pentru cele generat de respirație.


0 25 50 75 100 0 25 50 75 100

AF1 100 100 95 81 70 0 0 0 3 7

AF2 100 100 84 73 70 0 0 0 13 75

AF3 100 100 92 54 32 0 0 2 4 6

FD1 100 100 100 100 97 0 0 0 1 4

FD2 100 100 100 92 86 0 0 0 13 62

FS1 100 70 59 76 78 0 20 283 321 272

FS2 100 43 24 22 19 0 0 0 6 20

DF1 100 100 100 100 100 0 0 0 0 0

DF2 100 100 100 95 84 0 0 0 0 0

Tabel 3-6 Zgomot compozit

Zgomotul compozit a generat dificultăti in localizarea complexurilor QRS, numai algoritmul DF1 reușind sa detecteze toate complexurile fără a genera detectări fals pozitive. Algoritmii FD1 si DF2 au obținut de asemenea rezultate acceptabile la nivele mari de zgomot. Algoritmii AF2, FD2, FS1 sunt sensibili la acest tip de zgomot cauzând un număr mare de detectări fals pozitive.

Algoritmi detecție complex QRS

Documents

Transcript of Algoritmi detecție complex QRS