QRS complex detection in noisy holter ECG based on wavelet singularity analysis

• Autorzy: Tadejko P. , Rakowski W.

Warianty tytułu

PL

Detekcja zespołu QRS oparta na falkowej analizie osobliwości sygnału w zakłóconych zapisach EKG pochodzących z urządzenia Holtera

• Języki publikacji: EN

Abstrakty

EN

In this paper, we propose a QRS complex detector based on the Mallat and Hwang singularity analysis algorithm which uses dyadic wavelet transform. We design a spline wavelet that is suitable for QRS detection. The scales of this decomposition are chosen based on the spectral characteristics of electrocardiogram records. By proceeding with the multiscale analysis we can find the location of a rapid change of a signal, and hence the location of the QRS complex. The performance of the algorithm was tested using the records of the MIT-BIH Arrhythmia Database. The method is less sensitive to timevarying QRS complex morphology, minimizes the problems associated with baseline drift, motion artifacts and muscular noise, and allows R waves to be differentiated from large T and P waves. We propose an original, new approach to adaptive threshold algorithm that exploits statistical properties of the observed signal and additional heuristic. The threshold is independent for each successive ECG signal window and the algorithm uses the properties of a series of distribution with a compartments class. The noise sensitivity of the new proposed adaptive thresholding QRS detector was also tested using clinical Holter ECG records from the Medical University of Bialystok.We illustrate the performance of the wavelet-based QRS detector by considering problematic ECG signals from a Holter device. We have compared this algorithm with the commercial Holter system - Del Mar’s Reynolds Pathfinder on the special episodes selected by cardiologist.

PL

Praca przedstawia algorytm detekcji zespołu QRS oparty na falkowej analizie osobliwości sygnału Mallata i Hwanga, wykorzystujący diadyczna˛ transformatę falkową. Filtry cyfrowe analizy falkowej odpowiadają falce i funkcji skalującej w postaci tzw. splineów bramkowych drugiego stopnia o zwartym i krótkim nośniku. Dzięki temu podczas analizy sygnału i detekcji osobliwości możemy dokładniej kontrolować parametry procesu separacji wybranych częstotliwości. Dzięki analizie wieloskalowej możliwe jest zlokalizowanie miejsca gwałtownej zmiany sygnału, a tym samym lokalizacji zespołu QRS. Metoda posiada mniejszą wrażliwość na zmiany morfologii kolejnych zespołów QRS, minimalizuje problemy związane z występowaniem składowej wolnozmiennej, artefaktów ruchu i napięcia mięśni oraz pozwala na łatwiejszą separację załamka R w stosunku do załamków P i T. W niniejszej pracy zaproponowano oryginalny, adaptacyjny sposób wyznaczania progu detekcji przy użyciu właściwości statystycznych obserwowanego sygnału oraz dodatkowych heurystyk. Metoda wyznaczania progu jest niezależna dla każdego kolejnego okna sygnału, składającego sie˛ z kilkunastu cykli EKG. Algorytm wyznacza wartość progu na podstawie analizy własności szeregu rozdzielczego z przedziałami klasowymi. Działanie algorytmu zostało przetestowane przy użyciu zapisów z bazy MIT-BIH Arytmia Database. Dodatkowo, wrażliwość na zakłócenia adaptacyjnego detektora QRS była przetestowana przy użyciu, specjalnie wyselekcjonowanych przez kardiologa, epizodów EKG z systemu Holtera z Uniwersytetu Medycznego w Białymstoku. Porównania wyników dokonano z komercyjnym systemem Pathfinder firmy Del Mar Reynolds.

Słowa kluczowe

EN

ECG; heartbeat detection; QRS complex; wavelet singularity analysis; modulus maxima; noisy ECG; Holter recordings; adaptive threshold; dyadic wavelet transform

PL

EKG; detekcja uderzeń serca; zespół QRS; falkowa analiza osobliwości; modulus maxima; zakłócony EKG; zapisy Holtera; progowanie adaptacyjne; diadyczna transformata falkowa

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
• Rocznik: 2010
• Tom: Z. 6
• Strony: 95--111
• Opis fizyczny: Bibliogr. 26 poz., rys., wykr.

Twórcy

autor

Tadejko P.

autor

Rakowski W.

• Politechnika Białostocka, Wydział Informatyki, Białystok

Bibliografia

• [1] Afonso V.X., Tompkins W.J., Nguyen T.Q., Luo S., ECG beat detection using filter banks, IEEE Transaction of Biomedical Engeering, vol. 46, s. 192-202, 1999
• [2] Arzeno N.M., Deng Z-D., Poon C-S., Analysis of First-Derivative Based QRS Detection Algorithms, IEEE Transactions on Biomedical Engineering, vol. 55, s. 478-484, 2008
• [3] Bahoura M., Hassani M., Hubin M., DSP implementation of wavelet transform for real time ECG wave forms detection and heart rate analysis, Computer Methods Programs Biomedicine, vol. 52, s. 35-44, 1997
• [4] Benitez D.S., Gaydecki P.A., Zaidi A., Fitzpatrick A.P., A new QRS detection algorithm based on the Hilbert transform, Computers in Cardiology, s. 379-382, 2000
• [5] Burrus C.S., Gopinath R.A., Guo H., Introduction to Wavevlets and Wavelet Transforms, Prentice Hall, 1998.
• [6] Chiarugi F., Sakkalis V., Emmanouilidou D., Krontiris T., Varanini M., Tollis I., Adaptive threshold QRS detector with best channel selection based on a noise rating system, Computers in Cardiology, s. 157-160, 2007
• [7] Del Mar Reynolds Medical, Pathfinder Holter Analyzer, http://www.spacelabshealthcare.com, 2009
• [8] Duraj A., QRS detection algorithms in the ECG signals from patients with implanted pacing system, University of Zielona Góra, 2007
• [9] Hamilton P.S., Tompkins W.J., Quantitative investigation of QRS detection rules using the MIT/BIH arrhythmia database, IEEE Transaction of Biomedical Engineering, vol. 33, s. 1157-1165, 1986
• [10] Hamilton P.S., Tompkins, W.J., Adaptive matched filtering for QRS detection, Engineering in Medicine and Biology Society, Proceedings of the Annual International Conference of the IEEE 4-7, s. 147-148, 1988
• [11] Holschneider M., Kronland-Martinet R., Morlet J., Tchamitchian P., Wavelets, Time-Frequency Methods and Phase Space, chapter A Real-Time Algorithm for Signal Analysis with the Help of theWavelet Transform, Springer-Verlag, s. 289-297, 1989
• [12] Kadambe S., Murray R., Boudreaux - Bartels G.F., Wavelet Transform – based QRS complex detector, IEEE Transaction on Biomedical Engineering, vol. 46, s. 838-848, 1999
• [13] Kohler B-U., Hennig C., Orglmeister R., The Principles of Software QRS Detection, IEEE Engineering in Medicine and Biology, vol. XX, s. 100-200, 2002
• [14] Li C., Zheng C., Tai C., Detection of ECG characteristic points using wavelet transforms, IEEE Transaction of Biomedical Engeering, vol. 42, s. 21-28, 1995
• [15] Mallat S., Zero-crossings of a wavelet transform, IEEE Transactions on Information Theory, vol. 37, no. 4, s. 1019-1033, 1991
• [16] Mallat S., Hwang W.L., Singularity detection and processing with wavelets, IEEE Transaction on Information Theory, vol. 38, s. 617-643, 1992
• [17] Mallat S., Zhong S., Characterization of signals from multiscale edges, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 14, no. 7, s. 710-732, 1992
• [18] Mallat S., A Wavelet Tour of Signal Processing, Second Edition, Academic Press, 1999
• [19] Martinez J.P., Almeida R., Olmos S., Rocha A.P., Laguna P., A wavelet-based ECG delineator: evaluation on standard databases, IEEE Transactions on Biomedical Engineering, vol. 51, s. 570-581, 2004
• [20] Mortara Instrument Diagnostic Cardiology Company, WI and Los Altos, CA, http://www.mortara.com, 2009
• [21] Pan J., Tompkins W.J., A Real-Time QRS Detection Algorithm, IEEE Transactions on Biomedical Engineering, vol. BME-32, s. 230-236, 1985
• [22] Poli R., Cagnoni S., Valli G., Genetic design of optimum linear and nonlinear QRS detectors, IEEE Transaction of Biomedical Engeering, vol. 42, s. 1137- 1141, 1995
• [23] Sahambi J.S., Tandon S.N., Bhatt R.K.P., Using wavelet transforms for ECG characterization. An on-line digital signal processing system, IEEE Engineering in Medicine and Biology Magazine, vol. 16, s. 77-83, 1997
• [24] Shensa M.J., The Discrete Wavelet Transform: Wedding the À Trous and Mallat Algorithms, IEEE Transactions on Signal Processing, vol. 40, no. 10, s. 2464- 2482, 1992
• [25] Strang G., Nguyen T., Wavelets and Filter Banks, Wellesley-Cambridge Press, 1996
• [26] Szilagyi L., Benyo Z., Szilagyi S.M., Szlavecz A., Nagy L., On-line QRS complex detection using wavelet filtering, Engineering in Medicine and Biology Society, Proceedings of the 23rd Annual International Conference of the IEEE, vol. 2, s. 1872-1874, 2001