A platform for joint analysis of biosignals ensembles in real-time using FPGA

• Autorzy: Mierzejewski K. , Véjar A.

Warianty tytułu

PL

Platforma do analizy całości biosygnałów za pomocą FPGA

• Języki publikacji: EN

Abstrakty

EN

We present the design of a platform for acquisition and digital processing of biosignals. The objective of this platform is to process biosignals in real-time to obtain quantitative indicators for joint analysis of biosignals ensembles. An important indicator of non-linear dependence between signals is the mutual information. The estimation of the mutual information between signals is time- and resource-consuming when using standard software implementations on normal computers. To circumvent the calculation limitations on standard software implementations we use a reconfigurable computing unit of type FPGA, were the calculation of mutual information is specified in hardware.

PL

Przedstawiamy projekt platformy służącej do pozyskiwania i cyfrowej obróbki biosygnałów. Jej zadaniem jest przetwarzanie biosygnałów w czasie rzeczywistym w celu uzyskania wskaźników ilościowych dla zintegrowanej analizy zespółów biosygnałów. Ważnym wskaźnikiem nieliniowej zależności pomiędzy sygnałami jest informacja wzajemna. Jej oszacowanie pomiędzy sygnałami przy użyciu standardowego oprogramowania na zwykłych komputerach jest mało wydajne i czasochłonne. Aby obejść ograniczenia narzucone przez narzędzia zwykle wykorzystywane w tym celu, zastosowano rekonfigurowalną jednostkę typu FPGA, w której obliczenia informacji wzajemnej są określone.

Słowa kluczowe

EN

biosignals; joint analysis; mutual information; DSP; FPGA

PL

biosygnały; zintegrowana analiza; informacja wzajemna; cyfrowe przetwarzanie sygnałów; FPGA; programowalne układy cyfrowe

• Wydawca: Jacek Doskocz
• Czasopismo: Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
• Rocznik: 2016
• Tom: Vol. 22, nr 4
• Strony: 253--260
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Mierzejewski K.

• University of Rzeszów, Faculty of Mathematics and Natural Sciences, 35-310 Rzeszów, ul. Pigonia 1

autor

Véjar A.

• University of Rzeszów, Faculty of Mathematics and Natural Sciences, 35-310 Rzeszów, ul. Pigonia 1

Bibliografia

• [1] R. Richer, P. Blank, D. Schuldhaus, B. M. Eskofier: Real-time ECG and EMG analysis for biking using android-based mobile devices, 2014 11th International Conference on Wearable and Implantable Body Sensor Networks, 2014, s. 104–108.
• [2] J.J. Huang, Ch.Y. Chang, J.K. Lee, H.W. Tsao: Resolving single-lead ECG from EMG interference in holter recording based on EEMD, Biomedical Engineering: Applications, Basis and Communications, vol. 26(1), 2014, ID 1450008.
• [3] Y. Li, X. Chen, X. Zhang, P. Zhou: ECG artifact removal from EMG recordings using independent component analysis and adapted filter. In Neural Engineering (NER), 2013 6th International IEEE/EMBS Conference, 2013, s. 347–350.
• [4] M. Niegowski, M. Zivanovic: Wavelet-based unsupervised learning method for electrocardiogram suppression in surface electromyograms, Medical Engineering & Physics, vol. 38(3), 2016, s. 248–256.
• [5] N.W. Willigenburg, A. Daffertshofer, I. Kingma, J.H. van Dieën: Removing ECG contamination from EMG recordings: A comparison of ICA-based and other filtering procedures, Journal of Electromyography and Kinesiology, vol. 22(3), 2012, s. 485–493.
• [6] L.A. Rivera, G.N. DeSouza: Recognizing hand movements from a single sEMG sensor using guided under-determined source signal separation, 2011 IEEE International Conference on Rehabilitation Robotics, 2011, s. 1–6.
• [7] L.A. Rivera, G.N. DeSouza: A power wheelchair controlled using hand gestures, a single sEMG sensor, and guided under-determined source signal separation, 2012 4th IEEE RAS EMBS International Conference on Biomedical Robotics and Biomechatronics (BioRob), 2012, s. 1535–1540.
• [8] D. Ruelle, F. Takens: On the nature of turbulence, Communications in Mathematical Physics, vol. 20(167), 1971.
• [9] T. Castroflorio, L. Mesin, G. M. Tartaglia, C. Sforza, D. Farina: Use of electromyographic and electrocardiographic signals to detect sleep bruxism episodes in a natural environment, IEEE Journal of Biomedical and Health Informatics, vol. 17(6), 2013, s. 994–1001.
• [10] R.H. Chowdhury, M.B.I. Reaz, M.A.B.M. Ali, A.A.A. Bakar, K. Chellappan, T.G. Chang: Surface electromyography signal processing and classification techniques, Sensors, vol. 13(9), 2013, s. 12431-12466.
• [11] A.Y. Meigal, S.M. Rissanen, M.P. Tarvainen, O. Airaksinen, M. Kankaanpää, P.A. Karjalainen: Non-linear EMG parameters for differential and early diagnostics of parkinson’s disease, Frontiers in neurology, vol. 4(135), 2013.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).