Analiza porównawcza wybranych metod przetwarzania sygnału ekg i detekcji załamków R w środowisku graficznym

• Autorzy: Bernat Michał

Identyfikatory

DOI

10.15199/13.2019.1.4

Warianty tytułu

EN

Comparative analysis of selected methods for processing ECG Signal and return detections in a graphic environment

• Języki publikacji: PL

Abstrakty

PL

W artykule zaproponowano zintegrowane środowisko graficzne do zestawiania metod przetwarzania sygnału EKG celem separacji załamków R. Współczesne systemy automatyzacji i informatyzacji pola walki zaczynają dotyczyć nie tylko środków bojowych ale również załóg i obsług wysoce specjalistycznego oprzyrządowania. W artykule opisano efektywność algorytmów przetwarzania sygnału EKG, na potrzeby elektronicznych urządzeń medycznych i biomedycznych, w których zaawansowane sensory i algorytmy mają nieprzerwanie monitorować wydolność i gotowość do prowadzenia działań bojowych przez żołnierzy. Autor opisuje efektywności dobieranych doświadczalnie algorytmów oraz ograniczenia i wyzwania w procesowaniu sygnałów EKG, w odniesieniu do stosowanych metod.

EN

The article proposes an integrated graphical environment for the compilation of ECG signal processing methods for the separation of R-waves. Modern automation systems and computerization of the battlefield begin to deal not only with combat assets but also crews and the handling of highly specialized instrumentation. The article describes the efficiency of the ECG signal processing algorithms, for the needs of electronic medical and biomedical devices, in which advanced sensors and algorithms are to continually monitor the efficiency and readiness to conduct combat operations by soldiers. The author describes the effectiveness of experimentally selected algorithms as well as limitations and challenges in ECG signal processing in relation to applied methods.

Słowa kluczowe

PL

elektrokardiogram; zmęczenie; zdatność bojowa; analiza rytmu serca; detekcja załamków R; zespół PQRST

EN

electrocardiogram; fatigue; compatibility; heart rhythm analysis; R wave detection; PQRST syndrome

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2019
• Tom: Vol. 60, nr 1
• Strony: 28--32
• Opis fizyczny: Bibliogr. 31 poz., rys.

Twórcy

autor

Bernat Michał

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Telekomunikacji, ul. Gen. Witolda Urbanowicza 2, 00-908 Warszawa

Bibliografia

• [1] Pan J. and Tompkins W.J. A real-time QRS detection algorithm. IEEE Trans. Biomed. Eng., BME-32(3):230-236, March 1985.
• [2] Kohler B.U., Hennig C., and Orglmeister R. The principles of software QRS detection. IEEE Eng. Med. Biol. Mag., pages 42-57, January/February.
• [3] de Chazal P., O’Dwyer M., and Reilly R.B. Automatic classification of heartbeats using ECG morphology and heartbeat interval features. IEEE Trans. Biomed. Eng., 51(7):1196-1206, July 2004.
• [4] Minami K., Nakajima H., and Toyoshima T. Real-time discrimination of ventricular tachyarrhythmia with Fourier-Transform Neural Network. IEEE Trans. Biomed. Eng., 46(2):179-185, February 1999.
• [5] Thakor N.V. and Zhu Y.S. Applications of adaptive filtering to ECG analysis: Noise cancellation and arrhythmia detection. IEEE Trans. Biomed. Eng., 38(8): 785-794, August 1991.
• [6] Friesen G.M., Jannett T.C., Jadallah M.A., Yates S.L., Quint S. R., and Nagle H.T. A comparison of the noise sensitivity of nine QRS detection algorithms. IEEE Trans. Biomed. Eng., 37(1):85-98, January 1990.
• [7] Acharya V. Improving common-mode rejection using the right-leg drive amplifier. Texas Instruments Incorporated Application Report, SBAA188, 2011.
• [8] Taddei A., Distante G., Emdin M., Pisani P., Moody G.B., Zeelenberg C., and Marchesi C. The European ST-T Database: standard for evaluating systems for the analysis of ST-T changes in ambulatory electrocardiography. European Heart Journal, 13(9):1164-1172, 1992.
• [9] Federal Communications Commission. http://www.fcc.gov.
• [10] Telenczuk B. and Łatka M. Eliminacja z sygnału EKG zakłócen pochodzenia miesniowego metoda transformacji falkowej. listopad 2003. IV Krajowa Konferencja Metody i systemy komputerowe w badaniach naukowych i projektowaniu inzynierskim.
• [11] Afonso V.X., Tompkins W.J., Nquyen T.Q., Michler K., and Luo S. Comparing stress ECG enhancement algorithms. IEEE Eng. Med. Biol. Mag., 15(3): 37-44, May/June 1996.
• [12] Walker C.F. and S.T. Hsieh. Estimation of QRS complex power spectra for design of a QRS filter. IEEE Trans. Biomed. Eng., BME-31(11):702-705, November 1984.
• [13] Kadambe S., Murray R., and Boudreaux- Bartels G.F. Wavelet transform-based QRS complex detector. IEEE Trans. Biomed. Eng., 46(7):838-848, July 1999.
• [14] Zidelmal Z., Amirou A., Ould-Abdeslam D., and Merckle J. ECG beat classification using a cost sensitive classifier. Computer methods and programs inbiomedicine III, pages 570-577, 2013.
• [15] Augustyniak P. Przetwarzanie sygnałów elektrodiagnostycznych. Wydawnictwa AGH - Uczelniane Wydawnictwa Naukowo- Dydaktyczne, 2001. ISBN: 83- 88408-37-2.
• [16] Aksela M. ECG signal delineation and compression, t-61.181 biomedical signal processing. Chapters 6.2.6 - 6.3, November 2004.
• [17] Linh T.H., Osowski S., and Stodolski M. On-line heart beat recognition using hermite polynomials and neuro-fuzzy network. IEEE Trans. Instrum. Meas., 52(4):1224-1231, August 2003.
• [18] Martinez J.P., Almeida R., Olmos S., Rocha A.P., and P. Laguna. A waveletbased ECG delineator: Evaluation on standard databases. IEEE Trans. Biomed. Eng., 51(4):570-581, April 2004.
• [19] Sahambi J.S., Tandon S.N., and Bhatt R.K.P. Using wavelet transforms for ECG characterization. IEEE Eng. Med. Biol. Mag., pages 77-83, January/February 1997.
• [20] Nygards M.E. and Sornmo L. Delineation of the QRS complex using the envelope of the e.c.g. Med. & Biol. Eng. & Comput., 21:538-547, September 1983.
• [21] Desai K.D. and Sankhe M.S. A real-time fetal ECG feature extraction using multiscale discrete wavelet transform. 2012 5th International Conference on Bio- Medical Engineering and Informatics (BMEI), pages 407-412, 2012.
• [22] Okada M. A digital filter for the ORS complex detection. IEEE Trans. Biomed. Eng., BME-26(12):700-703, December 1979.
• [23] Bailey J.J., Berson A.S., Garson Jr. A., Horan L.G., Macfarlane P.W., Mortara D.W., and Zywietz Ch. Recommendations for standardization and specifications in automated electrocardiography: Bandwidth and digital signal processing. Special Report Circulation, 81(2):730-739, February 1990.
• [24] Lagerholm M., Peterson C., Braccini G., Edenbrandt L., and Sornmo L. Clustering ECG complexes using Hermite functions and self-organizing maps. IEEE Trans. Biomed. Eng., 47(7):838-848, July 2000.
• [25] American Heart Association. http://www. heart.org/HEARTORG/.
• [26] Lee M.Y. and Yu S.N. Improving discriminality in heart rate variability analysis using simple artifact and trend removal preprocessors. Engineering in Medicine and Biology Society (EMBC), 2010 Annual International Conference of the IEEE, pages 4574-4577, August 2010.
• [27] Bhoi A.K., Sherpa K.S., and Konar S. TBC algorithm to detect R-Peak and HRV analysis for ischemia heart disease. Interntional Conference on Communication and Signal Processing, pages 552-556, April 2014.
• [28] Vuksanovic B. and Alhamdi M. ECG based system for arr hythmia detection and patient identification. Proceedings of the ITI 2013 35th Int. Conf. on Information Technology Interfaces, pages 315-320, June 2013.
• [29] Xue Q., Hu Y.H., and Tompkins W.J. Neural-network-based adaptive matched filtering for QRS detection. IEEE Trans. Biomed. Eng., 39(4):317-329, April 1992.
• [30] Poli R., Cagnoni S., and Valli G. Genetic design of optimum linear and nonlinear QRS detectors. IEEE Trans. Biomed. Eng., 42(11):1137-1141, November 1995.
• [31] Bharadwaj A. and Kamath U. Techniques for accurate ECG signal processing. EE Times, pages 1-7, February 2011.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).