Analiza semnalului ECG

pornind de la metoda
Pan-Tompkins














Algoritm de detectare a QRS-ului dintr-un semnal ECG


Modelul algoritmului prezent a pornit din algoritmul Pan-
Tompkins.
Se pune problema determinrii btilor de inim dintr-o
electrocardiogram. inta lucrrii este afiarea acestor vrfuri i
eliminarea zgomotului.
Modelul Pan-Tompkins realizeaz detecia QRS-ului n timp
real pe baza analizei pantelor, amplitudinilor i limii vrfurilor
QRS. Algoritmul include o serie de filtre i metode de prelucrare:
filtru trece jos, filtre trece sus, derivare, ridicare la ptrat, integrare,
adaptarea pragului de trecere i metode de cutare. n figura
urmtoare este prezentat schematic acest algoritm.






Filtrul trece jos

Filtrul trece jos recursiv folosit de algoritmul Pan-Tompkins
are coeficieni ntregi pentru a reduce complexitatea calculelor i
are funcia de transfer definit astfel:

( )
2 1
2 6
) 1 (
) 1 (
32
1

=
z
z
z H
.

Ieirea y(n) se raporteaz la intrarea x(n) dup relaia:

)] 12 ( ) 6 ( 2 ) ( [
32
1
) 2 ( ) 1 ( 2 ) ( + + = n x n x n x n y n y n y

Cu o rat de eantionare de 200 Hz, filtrul are frecvena de
tiere jos de 11 Hz i introduce o ntrziere de 5 eantioane sau de
FILTRU TRECE
BAND
DIFERENIATOR
RIDICARE LA
PTRAT
INTEGRARE
25 ms. Filtrul ofer o atenuare mai mare de 35 dB la 60 Hz i
elimin interferena reelei.

Filtrul trece sus

Filtrul este implementat ca un filtru trece tot i un filtru trece
jos. Funcia filtrului trece jos are funcia de transfer:

1
32
1
1
) (

=
z
z
z H
lp


relaia intrare-ieire este

). 32 ( ) ( ) 1 ( ) ( + = n x n x n y n y


Funcia de transfer a filtrului trece sus este:

). (
32
1
) (
16
z H z z H
lp hp
=



Analog, ieirea p(n) a filtrului trece sus este dat de relaia
diferena:

)], 32 ( ) ( ) 1 ( [
32
1
) 16 ( ) ( + = n x n x n y n x n p


filtrul are frecvena de tiere de 5 Hz i introduce ntrzieri de 80
ms.




Derivarea

)] 4 ( 2 ) 3 ( ) 1 ( ) ( 2 [
8
1
) ( + = n x n x n x n x n y

i aproximeaz operatorul de derivare n raport cu timpul pn la
frecvena de 30 Hz. Procedeul de derivare are rolul de a suprima
componentele de frecven joas a semnalelor de tip P i T i
amplific componentele de frecven nalt care apar n pantele
QRS.

Ridicarea la ptrat

Are rolul de a elimina prile negative ale semnalului i de a
accentua diferenele mari de amplitudine care apar datorit QRS i
de a elimina amplitudinile mici ale date de P i T.

Integrarea

n urma derivrii semnalul rezultat are multe vrfuri. Aceste
vrfuri sunt netezite cu o fereastr de integrare alunectoare:

)]. ( ... )) 2 ( ( )) 1 ( ( [
1
) ( n x N n x N n x
N
n y + + + =


Alegerea limii N a ferestrei s-a fcut pe baza urmtoarelor
criterii: o valoare prea mare va determina amestecarea semnalelor
QRS i T, iar o valoare prea mic duce la apariia mai multor
vrfuri. Astfel, pentru o eantionare de 200 Hz cea mai potrivit
lungime de fereastr este cea cu lungimea de 30.
Implementare

Programul care implementeaza in Matlab detectia QRS din
semnalul ECG este urmatorul:


% MATLAB PROGRAM PT.m
% Use this program to read the files ECG3.dat, ECG4.dat, ECG5.dat, and
ECG6.dat (one at a time)
% Run the program by entering at the MATLAB command line
% PT
% and provide the name of the input file to be read in response to the prompt

clear all % clears all active variable
close all
warning off

%% Loading the ECG file %%
fnam =input('Enter the ECG file name :','s');
fid =fopen(fnam);
ecg =fscanf(fid,'%f ');
fs =200; %sampling rate
sze =length(ecg);
necg =ecg/max(ecg); % normalize the maximum value to unity
time =[1 : sze]/fs;
figure(1);
subplot(3,1,1);
plot(time,necg);
axis tight;
ylabel('ECG');

K=length(ecg);
%LPF
y1=zeros(1,K);
for i=13:K
y1(i)=2*y1(i-1)-y1(i-2)+1/32*(ecg(i)-2*ecg(i-6)+ecg(i-12));
end

%HPF
y21=zeros(1,K);
for i=33:K
y21(i)=y21(i-1)+y1(i)-y1(i-32);
end
y2=zeros(1,K);
for i=33:K
y2(i)=y1(i-16)-1/32*(y21(i-1)+y1(i)-y1(i-32));
end
subplot(3,1,2);
plot(time,y2);
ylabel('BandPassFiltered');
axis tight;

%Derivare
y3=zeros(1,K);
for i=5:K
y3(i)=1/8*(2*y2(i)+y2(i-1)-y2(i-3)-2*y2(i-4));
end
subplot(3,1,3);
plot(time,y3);
ylabel('Derived');
axis tight;
xlabel('Time in seconds');

%Squared
y4=y3.*y3;
figure(2);
subplot(3,1,1);
plot(time,y4);
ylabel('Squared');
axis tight;

%Integrated
N=30;
y5=zeros(1,N+1);
for i=N+1:K
dif=0;
for j=1:N
dif=dif+y4(i-(N-j));
end
y5(i)=1/N*dif;
end
nyf=y5/max(y5);
subplot(3,1,2);
plot(time,nyf);
ylabel('Integrated');
axis tight;

%peak detection
pk=zeros(1,K);
speak=zeros(1,K);
npeak=zeros(1,K);
peak=zeros(1,K);
momente=zeros(1,8);
for i=2:K-1
if((nyf(i)-nyf(i-1))/(nyf(i+1)-nyf(i))<0)
pk(i)=1;
end
end
peak=zeros(1,K);

%vector cu varfuri
for i=21:K-20
if pk(i)==1
maxv=max(nyf(i-20:i+20));
for j=i-20:i+20
if nyf(j)==maxv
peak(j)=nyf(j);
else
peak(j)=0;
end
end
end
end

%vector cu varfuri
for i=11:K-10
if peak(i)>0
maxv=max(peak(i-10:i+10));
for j=i-10:i+10
if peak(j)==maxv
peak(j)=nyf(j);
else
peak(j)=0;
end
end
end
end

for i=1:K
if pk(i)==1
if peak(i)>((max(peak)+min(peak))/2)
speak(i)=peak(i);
else
npeak(i)=nyf(i);
end
end
end

subplot(3,1,3);
stem(time,peak);
axis tight;
ylabel('Peak');
xlabel('Time in seconds');

figure(3);
subplot(3,1,1);
plot(time,nyf);
ylabel('Integrated');
axis tight;
subplot(3,1,2);
stem(time,speak);
ylabel('SignalPeak');
axis tight;
subplot(3,1,3);
stem(time,npeak);
ylabel('NoisePeak');
axis tight;
xlabel('Time in seconds');

figure(4);
subplot(3,1,1);
plot(time,necg);
axis tight;
ylabel('ECG');
subplot(3,1,2);
plot(time,nyf);
ylabel('Integrated');
axis tight;
subplot(3,1,3);
stem(time,speak);
ylabel('SignalPeak');
axis tight;
xlabel('Time in seconds');

%Rasp=input('Rulare Incheiata !');


Dupa rulare programul afiseaza urmatoarele figuri:

Pentru semnalul ecg2x60.dat avem urmatoarele rezultate:








Pentru semnalul ecg3.dat:




Pentru semnalul ecg4.dat :

Concluzii

n implementare nu s-a mai folosit filtrarea adaptiv, ns s-a
folosit o metod de determinare a vrfurilor semnalului dup
integrare. Metoda este folosit n cascad prima dat pentru a
detecta toate vrfurile existente, iar a doua oar pentru a obine
maximele care coincid cu vrfurile QRS.
Algoritmul funcioneaz bine doar pentru semnale ECG care
nu au zgomote prea mari. Acurateea algoritmului este bun pentru
un semnal care red funcionarea inimii unui om sntos. Dac
btile inimii sunt prea dese, algoritmul are o problem de alegere
a vrfurilor. De aceea trebuie fcut o filtrare mai selectiv a
virfurilor, de asemenea trebuie revizuit pragul din decizia asupra
virfurilor.