CC BY
145
ЭЛЕКТРОНИКА, ИЗМЕРИТЕЛЬНАЯ ТЕХНИКА И РАДИОТЕХНИКА
УДК 53.088.7, 612.172.4
А. Ю. Тычков, П. П. Чураков, Л. Ю. Кривоногов АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОБРАБОТКИ И АНАЛИЗА ЭЛЕКТРОКАРДИОСИГНАЛОВ В УСЛОВИЯХ ИНТЕНСИВНЫХ ПОМЕХ РАЗЛИЧНОГО ВИДА
Аннотация. Показано, что эффективность обработки электрокардиосигналов напрямую зависит от качества устранения помех. Предложено для подавления помех в электрокардиосигнале использовать метод декомпозиции на эмпирические моды. Разработан алгоритм помехоподавления, основанный на удалении отдельных мод частотных составляющих электрокардиосигнала. Проведена оценка качества помехоподавления.
Ключевые слова: электрокардиосигнал, декомпозиция на эмпирические моды, частотные составляющие.
Abstract. The article shows that electrocardiosignals processing efficiency depends directly on the quality of noise elimination. The authors offer to use a method of empirical mode decomposition for noise-suppression in electrocardiosignals. They have designed a noise-suppression algorithm based on removing separate mode-frequency components of electrocardiosignals. The authors have also conducted noise-reduction quality assessment.
Key words: electrocardiosignal, empirical mode decomposition, frequency components.
Введение
По данным Всемирной организации здравоохранения, сердечнососудистые заболевания (ССЗ) прочно занимают первое место в мире по причинам смертности [1]. Диагностика и профилактика CCЗ является важной народно-хозяйственной задачей. Для своевременной профилактики, ранней диагностики, прогнозирования и эффективного лечения заболеваний сердечнососудистой системы широко используются медицинские информационные системы (МИС), направленные на выполнение задач обработки и анализа медицинской информации. Несмотря на значительные успехи, достигнутые за полувековую историю развития МИС, остаются вопросы, требующие дополнительной проработки. К таким вопросам относится помехозащищенная обработка и анализ электрокардиографической информации в условиях интенсивных помех различного вида [2].
Эффективная работа МИС для обработки и анализа медицинских сигналов напрямую связана с точностью измерения количественных показателей (амплитудных и временных параметров) сигналов, с достоверностью обнаружения и распознавания их отдельных элементов, их границ и т.д. В свою оче-
редь основной причиной погрешностей измерений и ошибок постановки диагностического заключения являются помехи, различные по своему происхождению, интенсивности, взаимодействию с сигналом, спектральным и статистическим характеристикам и т.д. Помехи могут настолько исказить сигнал, что он становится непригодным даже для визуальной интерпретации [3].
1. Обзор существующих методов помехозащищенной обработки ЭКС
Недостаточная разработка существующей проблемы, ее комплексный, междисциплинарный характер объясняют стремление исследователей в технологически передовых странах интенсивно развивать методы помехозащищенной обработки и анализа медицинских сигналов, в том числе электрокардиографических, и проектировать кардиографические системы на их основе. Достаточно сослаться на далеко неполный перечень трудов российских ученых, посвященных помехозащищенной обработке и анализу кардиографической информации [4-7].
Наибольший интерес представляют работы [6, 7], в рамках которых разработаны методы и алгоритмы помехозащищенной обработки ЭКС. Предлагаемые методы обработки ЭКС нашли широкое применение при разработке алгоритмов и программ к современным автоматизированным системам обработки и анализа ЭКС в условиях интенсивных помех различного вида, просуществовавших на мировом рынке не одно десятилетие. Однако применение новых математических теорий и синтез их с уже устоявшейся теоретической базой помехозащищенной обработки ЭКС позволяет сделать вывод, что предлагаемые методы обработки и анализа сигналов в условиях интенсивных помех различного вида имеют определенные недостатки, связанные в основном либо с неполным подавлением помех, либо с искажением полезной информации в сигнале.
Искажающие ЭКС интенсивные помехи, с точки зрения их проявления, целесообразно разделить на следующие виды:
- высокочастотные (ВЧ) помехи: сетевая помеха и мышечный тремор;
- низкочастотные (НЧ) помехи: дрейф изолинии и артефакт движения.
Кроме четырех перечисленных помех есть и другие (высокочастотные
шумы электродов и усилителей; импульсные помехи), попадающие через сеть при включении мощной медицинской аппаратуры [2].
Существующие методы и алгоритмы обработки и анализа ЭКС в условиях интенсивных помех различного вида в основном основаны на преобразовании Фурье и Вагнера-Вайла, а также на теории вейвлет-преобразования. Наибольшее применение для разработки алгоритмов обработки и анализа ЭКС получили методы на основе вейвлет-преобразования. Тому есть логическое объяснение [8]:
- вейвлет-преобразование позволяет анализировать ЭКС путем разложения по базисным функциям, полученным из некоторого прототипа путем сжатий, растяжений и сдвигов;
- вейвлет-преобразование обладает практически всеми достоинствами преобразований Фурье;
- вейвлетные базисы могут быть хорошо локализованными как по частоте, так и по времени. При выделении в сигналах хорошо локализованных разномасштабных процессов можно рассматривать только те масштабные уровни разложения, которые представляют интерес;
- вейвлетные базисы, в отличие от преобразования Фурье, имеют достаточно много разнообразных базовых функций, свойства которых ориентированы на решение различных задач. Базисные вейвлеты могут иметь и конечные, и бесконечные носители, реализуемые функциями различной гладкости.
Однако, как показала практика, применение вейвлет-преобразования для обработки и анализа ЭКС в условиях интенсивных помех различного вида приводит к ряду недостатков, присущих данному преобразованию [3]:
- низкая эффективность подавления интенсивных помех различного вида, обусловленная невозможностью адаптации базового вейвлета к локальным особенностям зарегистрированного сигнала;
- невозможность учета всех локальных особенностей конкретного исследуемого электрокардиосигнала и сопровождающих его интенсивных помех.
Алгоритмы на основе вейвлет-преобразования позволяют исследовать тонкие, локальные особенности процессов, протекающих в ЭКС. Однако практически невозможно подобрать определенный материнский вейвлет для всего многообразия исследуемых сигналов и сопровождающих их помех. Кроме того, применение вейвлет-преобразования для подавления низкочастотных помех, по мнению авторов, вообще малоэффективно.
Таким образом, разработка эффективной автоматизированной системы обработки и анализа ЭКС в условиях интенсивных помех различного вида возможна благодаря применению современных, высокоточных и, главное, адаптивных методов обработки и анализа кардиографической информации, способных приспособиться к индивидуальным особенностям и параметрам пациента. Альтернативой вейвлет-преобразованию для обработки и анализа ЭКС должен быть метод, способный подавлять помехи в сигнале не по заранее определенному базису, а по адаптивному базису, полученному непосредственно из самих исследуемых данных, учитывая их структуру, параметры и наличие возможных видов помех.
2. Разработка системы помехозащищенной обработки ЭКС
Современная автоматизированная система обработки и анализа ЭКС должна удовлетворять следующим требованиям [2]:
- простота, эффективность и адаптивность разрабатываемой системы обработки и анализа ЭКС для подавления помех различного вида;
- высокая точность подавления помех в ЭКС при использовании адаптивного базиса;
- возможность формирования новых потенциальных возможностей при обработке и анализе ЭКС, как, например, выявление патологических отклонений в работе сердечно-сосудистой системы на ранней стадии их развития;
- возможность использования для дальнейшего внедрения в программируемые интегральные схемы в качестве программного модуля современных диагностических систем.
Возможным методом, удовлетворяющим требованиям современной автоматизированной системы обработки и анализа ЭКС, является метод декомпозиции на эмпирические моды (ДЭМ). ДЭМ является адаптивным методом анализа нестационарных сигналов. Базис, используемый для разложения сигнала, конструируется непосредственно из самого исследуемого сигнала. Это позволяет учесть все его локальные особенности, внутреннюю структуру, присутствие различных помех. Кроме адаптивности, ДЭМ обладает и други-
ми важными для практических приложений свойствами: ортогональностью и полнотой. Полнота гарантирует, что если сигнал имеет конечную длительность, то число мод (базисных функций) тоже конечно. Свойство ортогональности обеспечивает восстановление сигнала с определенной точностью [9].
Метод ДЭМ достаточно прост в реализации и требует сравнительно небольшого объема вычислений. В общем виде алгоритм представлен в работе
[9]. Суть его заключается в том, что входной сигнал подвергается адаптивному разложению на частотные составляющие. Результатом этого разложения является функция
п—1
x(t) = 2 ^ ^) + Гп (t),
i=0
где fi(t) - набор эмпирических мод; г„(1) - остаточный член, не подлежащий разложению (глобальный тренд ЭКС).
Таким образом, каждая функция ^) является монокомпонентной, имеет свой характерный временной масштаб осцилляций, который убывает с ростом ее номера /, а процесс вычисления сводится к устранению локального тренда, соответствующего данному масштабу. На рис. 1 приведен пример декомпозиции на эмпирические моды фрагмента ЭКС (а - исходный ЭКС;
б, в, г - эмпирические моды; д - глобальный тренд). Эмпирические моды получены путем применения ДЭМ последовательно для каждого сигнала, начиная с исходного ЭКС, зарегистрированного с частотой дискретизации 500 Гц. Из ЭКС получена первая мода с частотой 250 Гц (рис. 1,б), а из нее получена следующая с частотой 125 Гц (рис. 1,в) и т.д. Каждая эмпирическая мода, представленная на рис. 1, получена путем разложения предыдущей. Мода, представленная на рис. 1,д, является глобальным трендом ЭКС и дальнейшему разложению не подлежит.
Подавление помех на основе базового алгоритма ДЭМ [10] предусматривает декомпозицию сигнала на эмпирические моды, удаление некоторых мод (соответствующих помехам) и последующее восстановление сигнала. Эксперименты показали, что в этом случае не обеспечивается достаточное качество подавления высокочастотных помех (сетевой помехи и тремора мышц). Удаление даже первой (высокочастотной) моды приводит к заметному искажению восстановленного ЭКС.
Одним из подходов к повышению качества подавления помех в ЭКС является предварительное разделение ЭКС на частотные составляющие (ЧС), раздельная их декомпозиция на эмпирические моды и удаление некоторых мод ЧС [10]. Исследования показали, что и в этом случае качество помехопо-давления недостаточное.
Авторами предложена автоматизированная система помехозащищенной обработки ЭКС, выполняющая декомпозицию частотных составляющих сигнала и удаления отдельных мод частотных составляющих, вычисление уровня помех в сигнале и вывод ЭКС. В общем виде работа системы описана алгоритмом, представленным на рис. 2.
В результате проведенных экспериментов было доказано, что выполнение действия 4 разработанного алгоритма позволяет эффективно избавляться от низкочастотных помех: дрейфа изолинии и артефакта движения. Выполнение действий 5-9 алгоритма позволяет эффективно избавляться от высокочастотных помех: сетевой помехи и мышечного тремора.
г)
и, мВ
0,4
0,3
О
-0,1
35 75 1*9 1 56 2 23 26[М97 33 1 37 идЗ-ІЧЇІ82 5 1 9 556 533 6 3П\667 ТП(
200 400 600
п
д)
Рис. 1. Декомпозиция ЭКС на эмпирические моды
Оценка качества подавления помех в известных [10] и разработанном алгоритмах осуществляется следующим образом:
- выделение фрагмента зарегистрированного ЭКС с минимальным уровнем помех. Этот фрагмент считается эталонным ЭКС (рис. 1,а);
- зашумление эталонного ЭКС (рис. 3,б), в качестве помехи используется сетевая помеха и артефакт движения;
- подавление помех в зашумленном ЭКС.
п Регистрация зашумленного ЭКС
О 1
Разложение ЭКС на ЧС
'У Ч
ДЭМ ЧС экс
Л у
Удаление предпоследней НЧ моды первой ВЧС ЭКС
С 1
Разложение ВЧ эмпирических мод ЧС сигнала на ЧС
с. у
Удаление ВЧ эмпирической моды обеих ЧС
п 1
Восстановление ЭКС
о 1
Измерение уровня помех на восстановленном ЭКС
Рис. 2. Алгоритм подавления помех в ЭКС
При этом в соответствии с известными алгоритмами подавления помех
[10] в электрокардиосигнале получены два сигнала (рис. 3). На рис. 3,б показан восстановленный ЭКС при удалении первой высокочастотной моды, на рис. 3,в представлен восстановленный ЭКС при удалении первых двух высокочастотных мод. Результат работы предложенного алгоритма помехоподав-ления приведен на рис. 3,г.
и, мВ
а)
и, мВ
и, мВ
Рис. 3. Результат работы алгоритмов подавления помех в ЭКС
Для количественной оценки качества помехоподавления использована среднеквадратическая ошибка отклонения восстановленного сигнала уг- (на выходе фильтра) от эталонного ЭКС x, (percent root-mean-square difference -PRD) [11]:
t(xi ~ у)2
где п - объем выборки.
В табл. 1 приведены значения среднеквадратической ошибки (РКО, %) для пяти различных алгоритмов при подавлении помех трех видов.
Таблица 1
Алгоритмы Вагнера -Вайла Вейвлет Классический ДЭМ ДЭМ
Сетевая помеха 38,1 53,0 37,8 11,1
Артефакт движения 22,3 54,6 41,7 11,0
Мышечный тремор 22,2 37,5 55,4 9,4
Заключение
Результат работы автоматизированной системы помехозащищенной обработки ЭКС доказал свою эффективность на примере систем на основе классического алгоритма ДЭМ, Вагнера - Вайла и вейвлет преобразования. Показано, что ни одна из существующих систем не обеспечивает полного подавления помех в сигнале, не искажая информативную составляющую сигнала. Разработанная система помехозащищенной обработки ЭКС достаточно эффективно устраняет низкочастотные и высокочастотные помехи практически без искажения сигнала.
Список литературы
1. Доклад о состоянии здравоохранения в мире // Всемирная организация здравоохранения. - 2008. - URL: http:// www.who.int/ru (официальный сайт ВОЗ (дата обращения: 01.09.2010)).
2. Кривоногов, Л. Ю. Вопросы адаптивной обработки электрокардиосигнала / Л. Ю. Кривоногов, А. Ю. Тычков // Биотехнические, медицинские и экологические системы и комплексы : материалы Международной научно-технической конференция с элементами научной школы для молодежи. - Рязань : Изд-во РГРТУ, 2009. - С. 458-460.
3. Кривоногов, Л. Ю. Проблема повышения эффективности диагностики сердечно-сосудистых заболеваний / Л. Ю. Кривоногов, А. Ю. Тычков // Кардиология на перекрестке наук : тезисы докладов Международного конгресса. - Тюмень : ТКЦ, 2010. - С. 152.
4. Бодин, О. Н. Система неинвазивного контроля состояния сердца : дис. ... д-ра техн. наук: 05.11.17, 05.13.01 / Бодин О. Н. - Пенза, 2008. - 345 с.
5. Истомина, Т. В. Методы и средства обработки биоэлектрической информации : дис. ... д-ра техн. наук: 05.13.01 / Истомина Т. В. - Пенза, 2002. - 334 с.
6. Кривоногов, Л. Ю. Методы и алгоритмы помехозащищенной обработки электокардиографической информации : дис. ... кан. техн. наук: 05.13.01 / Кривоногов Л. Ю. - Пенза, 2003. - 189 с.
7. Фихман, М. И. Методы и средства определения достоверности результатов автоматического анализа ЭКГ при длительном мониторировании : дис. ... канд. техн. наук: 05.11.17 / Фихман М. И. - Новосибирск, 2004. - 178 с.
8. Сергиенко, А. Б. Цифровая обработка сигналов / А. Б. Сергиенко. - СПб. : Питер, 2002. - 336 с.
9. Hu ang, N. E. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis / N. E. Huang, Z. Shen, S. R. Long // Proc. R.: Soc. Lond. A. - 1998. - V. 454. - P. 903-995.
10. Detlef, W. Denoising and artifact rejection for cardiac signal in a senses system / W. Detlef, Z. Honghuan, P. Bryon. - Пат. США № 20080269628. - 2008. - 27 p.
11. Cohen, А. Compression of Multichannel ECG Through Multichannel Long Term Prediction / А. Cohen, Y. Zigel // Proc. R.: IEEE BME magazine. - 1998. - V. 17. -P. 109-115.
Тычков Александр Юрьевич аспирант, Пензенский государственный университет
E-mail: [email protected]
Чураков Петр Павлович
доктор технических наук, профессор, кафедра информационно-измерительной техники, Пензенский государственный университет
E-mail: [email protected]
Кривоногов Леонид Юрьевич
кандидат технических наук, доцент, кафедра медицинских информационных систем и технологий, Пензенский государственный университет
E-mail: [email protected]
Tychkov Alexander Yuryevich
Postgraduate student,
Penza State University
Churakov Petr Pavlovich Doctor of engineering sciences, professor, sub-department of information-measuring technology, Penza State University
Krivonogov Leonid Yuryevich Сandidate of engineering sciences, associate professor, sub-department of medical information systems and technologies, Penza State University
УДК 53.088.7, 612.172.4 Тычков, А. Ю.
Автоматизированная система обработки и анализа электрокардиосигналов в условиях интенсивных помех различного вида / А. Ю. Тычков, П. П. Чураков, Л. Ю. Кривоногов // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2011. - № 1 (17). - С. 117-125.
