Zastosowanie aproksymacji wielomianowej do wyznaczania załomków EKG

• Autorzy: Maciejewski M.

Identyfikatory

DOI

10.5604/01.3001.0010.7370

Warianty tytułu

EN

Polynomial approximation for t wave parameter recognition in ECG processing

• Języki publikacji: PL

Abstrakty

PL

W celu wdrożenia elementów systemu telemedycznego związanego z diagnostyką [3], konieczne jest wcześniejsze zweryfikowanie wartości diagnostycznej algorytmów decyzyjnych odpowiedzialnych za wykrywanie stanów zagrożenia życia. Analiza przebiegu EKG jest w stanie dać informację o wielu takich stanach związanych z zaburzeniami układu krążenia [8]. W tym celu konieczne jest podjęcie szeregu działań prowadzących do budowy odpowiednich modeli. Pierwszym krokiem jest filtracja i przygotowanie danych [1], następnie ekstrakcja parametrów z przebiegów EKG, analiza wyników, porównanie ich z posiadanymi modelami oraz postawienie diagnozy. Każdy z tych kroków wymaga zastosowania odpowiedniego podejścia w celu zminimalizowania popełnianego błędu [4], wynikającego z niekiedy znacznie zniekształconego sygnału [7]. W celu ekstrakcji parametrów czasowych z odfiltrowanego i przygotowanego sygnału EKG konieczne jest najpierw wykrycie załomka R w zespole QRS [6], następnie wyznaczenie załomków P, Q, S, T i znalezienie ich początku i końca oraz określenie interesujących nas interwałów [2]. Zaproponowana tutaj metoda bazuje na aproksymacji przebiegu w oknie czasowym zawierającym dany załomek wielomianem określonego rzędu. Takie podejście pozwala następnie na wyznaczenie punktów przegięcia i, co za tym idzie, granic załomka. Metoda została zastosowana do przetwarzania przebiegów zarejestrowanych w warunkach laboratoryjnych w spoczynku i w trakcie kontrolowanego wysiłku, wyniki zostały porównane i przedstawione w niniejszej pracy.

EN

To succesfully implement a telemedical system for diagnostic purposes it is necessary to verify the diagnostic value of the decision algorithms used to detect life threatening situations. ECG analysis is a useful tool for obtaining information about the overall patient condition, especially for the circulatory system. Proper recognition cannot be performed without creation of proper models, The first step is signal filtration and data preparation, followed by parameter extraction, comparison with the model and diagnosis presentation. Each of these steps reqires a certain approach to minimize the error. Proper filtration needs to be performed. Then, the QRS complex is detected and rythm is calculated. Afterwards, the remaining waves are detected. To be able to perform valuable time dependencies it is necessary to exactly mark the beginnings and ends of intervals. The proposed method is based on opproximating the signal around the wave with a polynomial of a certain degree. This allows detection of inflection points corresponding to the borders of the wave. The method was applied to a set of ECG signals recorced during rest and activity, the results are presented and discussed.

Słowa kluczowe

PL

algorytm aproksymacyjny; elektrokardiografia; wielomian

EN

approximation algorithms; electrocardiography; polynomial

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2017
• Tom: T. 7, nr 4
• Strony: 92--95
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Maciejewski M.

• Politechnika Lubelska, Instytut Elektroniki i Technik Informacyjnych, Zakład Teleinformatyki i Diagnostyki Medycznej

Bibliografia

• [1] Clifford G.D., Azuaje F., McSharry P.E.: Advanced Methods and Tools for ECG Analysis. Artech House Publishing, Boston/London 2006.
• [2] Delikat R.: 3-Lead ECG Interpretation. Western Oregon University, 2011.
• [3] Maciejewski M., Surtel W., Wójcik W., Masiak J., Dzida G., Horoch A.: Telemedical systems for home monitoring of patients with chronic conditions in rural environment. Ann Agric Environ Med. 21(1), 2014, 167–173.
• [4] Nayak S., Soni M.K., Bansal D.: Filtering techniques for ECG signal processing. International Journal of Research in Engineering & Applied Sciences 2(2), 2012, 671–679.
• [5] Omiotek Z., Wójcik W.: The use of Hellwig’s method for dimension reduction in feature space of thyroid ultrasound images. Informatyka, Automatyka, Pomiary 3, 2014, 14–17, [doi: 10.5604/20830157.1121333].
• [6] Pan J., Tompkins W.J.: A Real-Time QRS Detection Algorithm. IEEE Transactions on Biomedical Engineering BME-32 (3), 1985, 230–236.
• [7] Tompkins W.J. (Ed.): Biomedical Digital Signal Processing: C language examples and laboratory experiments for the IBM PC. Prentice Hall, 1993.
• [8] Waechter J.: Introduction to ECG’s: Rhythm Analysis. 2012.