Un set de transformate Wavelet discrete bazate pe selecția pe artefacte asegmentelor pe

diagrama
Rezumat - Semnalele fonocardiogramei (PCG) sunt adesea corupte prin diferite tipuri de
artefacte care fac analiza computerizata bazată pe semnalul sonor cardiac mai dificilă. Necesită
intervenția umană pentru a selecta o calitate decentă a semnalului subsecvență care să fie lipsită
de artefacte. În această lucrare, noi am propus o nouă tehnică automată de eliminare a
artefactelor si selectarea ulterioară a semnalului PCG de către aplicație de a Pachetelor de
transformate Wavelet Discrete (DWPT) și a cvasi-periodicitații -proprietatea semnalului sonor
cardiac fără artefacte. DWPT este utilizata pentru a identifica acele părți ale semnalului, unde
artefactele sunt proeminente. După aceasta, proprietatea cvasi-periodicității semnalului PCG este
utilizată ca măsură de calitate pentru a selecta fără artefacte subsirurile. Algoritmul arată
rezultate bune atunci când este testat sunetul cardiac normal și cinci semnale care apar frecvent.
I.INTRODUCERE
Auscultația este procesul prin care un medic ascultă sunetele cardiace (HS), folosind
stetoscopul, pentru a studia hemodinamica ,caracteristica inimii. Cu toate acestea, este nevoie de
ani de experiență pentru a înțelege indicațiile relevante pentru un diagnostic corect. Aceste
sunete înregistrate prin stetoscopul electronic alcătuiesc fonocardiograma (PCG). Se constată
adesea că PCG semnalele sunt contaminate de diferite tipuri de artefacte, care apar în timpul
achiziției semnalului.Artefactele afectează performanța sistemului. Artefactul poate fi definit ca
orice variație de semnal nedorită datorită oricărei sursă, alta decât sursa de semnal dorită. Aceste
artefacte inclusiv zgomotul instrumentelor, zgomotul din sunetele corpului, zgomotul datorat
mișcării corpului și mișcării diafragmelor stetoscopului. Artefactele apar la întâmplare în timp și
de obicei au valori ridicate amplitudine și durează pentru o durată mică de timp.
Semnalul PCG corupt de artefacte dă rezultate eronate în diferite aplicații, cum ar fi biometria
sunetului cardiac, detectarea bolilor sonore cardiace etc. Există două abordări referitoare la
această problemă. Unul este de a elimina artefactele în timp, păstrarea semnalului în ansamblu și
celălalt este de a elimina segmentul afectat de artefacte.
Filtrarea adaptivă, analiza componentelor independente (ICA), Analiza corelatiei canonice
(CCA), Analiza componentelor morfologice (MCA) și Wavelet ICA sunt câteva dintre tehnicile
raportate în contextul eliminării de artefacte din semnale fiziologice. Aceste tehnici suferă de
cerință de senzori suplimentari și semnal de referință, adaptabilitate și funcționare on-line. Din
aceasta rezultă și eliminarea artefactelor și pierderea informațiilor din cauza suprapunerii de
frecvență între semnal și artefact PCG așa cum se arată în figura 1, care conduce la un diagnostic
impropriu. Se vede adesea că medicii au pentru a selecta o bună parte din subsecvența
semnalului PCG (4-5) cicluri) manual pentru diagnostic suplimentar și al doilea abordarea este
influențată de acest lucru. Se elimină artefactul afectat segment și care reduce volumul de date;
dar această voință nu afectează diagnosticul suplimentar, fără artefacte 4-5 consecutiv, ciclurile
sunt suficiente pentru analize suplimentare din semnalul acvat. În Analiza sunetului cardiac bazat
pe computer în timp real, este foarte important pentru a renunța automat la segmentul de semnal
înregistrat care este afectat de artefacte. În acest sens, Beritelli și Colab au analizat calitatea
semnalului PCG pentru aplicarea automată în biometrie. Au propus un indice de calitate masura
bazata pe distanta cefalica intre sunetele cardiace (sunete S1 și S2).
Cu toate acestea, observăm că schema lor necesită o etapă de preprocesare, adică
segmentarea semnalelor sonore ale inimii, care este adesea inexactă și face schema lor doar
parțial automată. În medicină aplicată, s-a descoperit că transformarea de undă este una singură
dintre transformările preferate pentru analiza tranzitorie și nonstaționară semnale, cum ar fi
semnalul PCG. Acest lucru se datorează faptului că wavelet oferă o rezoluție rezonabilă atât în
timp și domeniul frecvenței.

Figura 1. Ciclul normal al sunetului cardiac în domeniul timp (a) și frecvența acestui
spectru (b), artefact în domeniul timp (c) și spectrul său de frecvență (d)

În această lucrare investigăm utilizarea frecvenței si timpului împreună,extragând informații

despre proprietatea cvasi-periodicității ,eliminand subsecvențele afectate de artefacte. Pentru a
obține informații despre timp-frecvență pe care le folosim în pachetul de transformate Wavelet
discrete (DWPT) în loc de Transformate Wavelet Discrete (DWT) deoarece aceastea descompun
în continuare semnalul sub-benzi de înaltă frecvență. Din cauza asta putem sa obținem informații
detaliate despre artefact, atât în timp cât și în frecvență. Proprietatea cvasi-periodicității ajută la
îmbunătățirea falsului parametru de acceptare prin furnizarea suport parametric suplimentar.

Lucrarea este organizată după cum urmează:II.Pachetul de transformate discrete wavelet

este explicat în secțiunea III. Secțiune care descrie caracteristicile semnalului PCG și artefactele.
Secțiunile IV și V prezintă pregătirea și metodologia bazei de date. Rezultatele și discuțiile sunt
descrise în secțiunea VI urmată de încheiere în secțiunea VII.
II. PACHETUL DE TRANSFORMATE DISCRETE WAVELET
Este o tehnică bună în analiza semnalelor PCG. Analiza multi-rezoluție poate fi realizată
prin transformarea ondulată, care are dimensiuni înguste de la ferestre pentru frecvențe mari și
larg pentru frecvențe joase. Prin urmare, transformarea undelor este mai potrivită pentru analiza
semnalului PCG deoarece, nu numai că oferă informații utile despre frecvența în timp, dar, de
asemenea pentru rezoluția sa în timp și frecvență adaptabilă. DWPT este o extensie a DWT prin
care toate nodurile (subbandele) în structura arborelui se lasă să se împartă în continuare in
functie de fiecare nivel de descompunere. În DWT doar cu aproximare ,coeficienții sunt
descompusi la fiecare nivel de descompunere, cu toate acestea, în DWPT atât coeficienții de
aproximare, cât și de detaliu sunt descompusi în aproximare și detaliați pe componente. DWPT a
semnalului 𝑥 (𝑡) este definit după cum urmează:

unde 𝑛 este sub-banda, s este numărul de descompunere pe nivel sau parametru de scară, 𝑝 este
parametrul de traducere,𝜓𝑛 (𝑡) este coeficientul wavelet, iar 𝐿 este nivelul maxim de
descompunere. După descompunerea semnalului 𝑥 (𝑡) prin DWPT, 2𝐿 sub-benzi sunt produse la
nivelul al treilea. coeficienții pachetului de undă la diferite scări și poziții ale unui semnal sunt
calculate în mod eficient după cum urmează:

Figura 2. Descompunerea pe două tipuri filtre a pachetelor de transformate pentru undele discrete

ℎ (𝑛) și 𝑔 (𝑛) sunt filtre de trece-jos și respectiv de trece-sus, astfel încât 𝑔 (𝑘) = (−1) 𝑘ℎ (1 - 𝑘).
Două nivele ale pachetelor de descompunere wavelet cu cu filtru trece sus și trece jos au fost
ilustrate în figura 2. Această structură se poate repeta în continuare pentru a obține aproximarea
ulterioară și coeficienții de detaliu până la atingerea unui nivel adecvat, care este bun pentru
caracterizarea semnalului PCG și a artefactelor ,separat.

III. SUNETELE INIMII ȘI ARTIFCATELE

Semnalele sonore ale inimii sunt cvasi-periodice și ciclostaționare în timp ce artefactele nu sunt.
În aceasta secțiune, păstrăm sunetul pulmonar care este în afara acestui obiectiv, care de obicei
are energie mult mai mică și cvasi-periodicitate mult mai mare. Sunetele primare ale inimii S1 și
S2 au o durată tipică de 120 ms la 150 ms și apar la interval repetat, dar artefactele sunt aleatorii
în timp și există pentru o durată scurtă. Pentru anumite cazuri patologice sunetele cardiace sunt
perturbate de murmur din cauza stenozei valvulare și insuficienței cardiace. Stenoza și
insuficiența sunt două probleme patologice în care valvele inimii nu se deschid și se închid
complet în timpul sistolei și în anumite perioade de diastolă. Drept urmare, unele dintre sunetele
suplimentare sunt auzite în diferite cazuri ale ciclului cardiac și sunt numite ca murmur. Se poate
utiliza cvasi-periodicitatea semnalului sonor al inimii, o măsură de calitate pentru selectarea unei
secvențe dintr-un semnal continuu sonor cardiac. Când omul este în repaus, rata bătăilor inimii
nu variază mult de la individ la individ, aceasta se situează în intervalul 40 - 150 bătăi / min.
Acest lucru dă o durata ciclului cardiac în intervalul de la 0,4 secunde la 1,5 secunde.
Autocorelarea plicului semnalului energetic al inimii poate poate da informații despre durata
ciclului PCG semnal. Indicele valorii maxime a autocorelației corespunde duratei ciclului.

Pentru a ilustra acest lucru, noi am înregistrat semnalul PCG al unui subiect ,apoi am
curățat semnalul și segmentele contaminate cu artefacte. Figura 3 ilustrează funcția de
autorecorelare a semnalului energetic cu cel al semnalului PCG curat și artefactul contaminat.
Liniile punctate verticale reprezintă periodicitatea semnalului sunetului inimii. În caz de artefact,
periodicitatea nu este vizibilă ca în cazul anterior, deși, semnalul a fost preluat de la același
subiect. Utilizăm această proprietate de cvasi-periodicitate împreună cu DWPT pentru detectarea
automată a subsecvenței care este explicată mai târziu.

Figura 3. Funcția de autorecorelare a anvelopei de energie a semnalului de (a) Semnal curățat

PCG, (b) Semnal PCG căreia i s-a adăugat artefact

IV. PREPARAREA DATELOR

Am efectuat experimente pe trei tipuri de baze de date. Pentru experimente de simulare,
artefactele sunt adăugate manual la semnalele sonore ale inimii, la întâmplare. Aceste artefacte
sunt înregistrate separat și se datorează mișcării corpului, mișcării stetoscopului și datorită
semnalelor fiziologice precum tuse, respirație profundă și grea etc și sunt distribuite aleatoriu în
funcție de timp. În continuare, descriem bazele de date. 1) Baza de date I - Curăță semnalele
sonore ale inimii preluate de la cinci subiecți bărbați sănătoși în două ședințe: dimineața și seară.
Grupa de vârstă este de 25-33 de ani. Total 10 semnale sunt înregistrate, câte două de la fiecare
subiect. Artefactele sunt adăugate manual la această bază de date care au fost înregistrate separat.
2) Baza de date II - Semnale de sunet cardiac curat, dar patologic sunt preluate din diferite centre
medicale, mai ales de la Institutul Medical Maulana Azad, Delhi, India. Acestea sunt frecvente
semnale sonore cardiace patologice cum ar fi clicul de ejecție, murmurul sistolic timpuriu,
murmur sistolic târziu, deschidere, inchidere și murmur sistolic. Această bază de date este
realizată din 10 semnale două semnale prelevate din fiecare tip de semnal patologic. Artefactele
sunt adăugate manual la această bază de date. 3) Baza de date III - Diferența dintre această bază
de date și baza de date I este că, în această bază de date artefactele nu sunt adăugate manual, ci
sunt înregistrate împreună cu semnalul PCG solicitând subiectului să miște, să tușească, să
respire adânc sau prin mișcarea diafragmei stetoscopului. De asemenea, în acest caz am luat 10
înregistrări, câte două de la fiecare subiect care sunt infectate cu artefacte. În general, avem 30 de
semnale în fiecare bază de date I și II și 10 semnale în baza de date III. Un semnal de la fiecare
bază de date este prezentat în figura 4. Artefactele sunt evidențiate de cercuri. Toate semnalele
au fost salvate separat în fișierul * .wav în 16 biți, PCM, format audio mono cu frecvență de
eșantionare de 8 kHz.

Figura 4. (a) și (b) sunt semnale PCG normale și bolnave din bazele de date
I și II, (c) este semnalul normal cu artefacte din baza de date III
V. METODOLOGIE
Obiectivul acestui studiu este de a selecta subsecvența fără artefacte de la semnalul original
PCG. Semnalul PCG este format din Sunetul S1 urmat de perioada sistolei, urmat sunetul S2 pe
o perioadă de diastolă ,care completează un ciclu întreg de periodicitate. Folosim această
proprietate pentru a evalua calitatea segmentului PCG. Algoritmul propus se bazează pe pachetul
de transformate discrete wavelet. Algoritmul este descris în diagrama de bloc prezentată în figura
5 și detalii ale fiecărui bloc sunt prezentate în continuare.
A. Preprocesare
Preprocesarea include filtrarea cu filtrul trece-jos, reasamblarea, normalizarea
amplitudinii. Banda de frecvență a sunetelor primare ale inimii, inclusiv diferite tipuri de
murmur sunt mai mici de 1000 Hz, prin urmare, filtrul Butterworth de tip trece-jos de
ordinul 10 , cu frecvența de întrerupere de 1000 Hz este aplicat semnalului HS. După
filtrare, semnalul este prelevat de la 8 kHz la 2 kHz. Normalizarea amplitudinii se face
odată cu semnlul pentru a minimiza variația amplitudinii datorată variației factorului de
câștig datorită instrumentului de înregistrare sau a compoziției corpului subiectului.

Figura 5. Schema bloc a algoritmului propus

Figura 6. Energia totală normalizată a subbandelor de pachete de undă

B. Pachetul coeficienților Wavelet

Semnalele PCG sunt descompuse folosind DWPT până la nivelul 5. Wavelet-ul principal
folosit aici este Daubechies db10 . La nivelul 5, obținem 32 de sub-benzi, fiecare sub-
bandă are rezoluția de frecvență de 31,25 Hz, adică 0,5𝑓𝑠 / 2𝐿, unde 𝑓𝑠 este frecvența de
eșantionare (2kHz) și 𝐿 este maximă numărul de nivele pentru care s-a făcut
descompunerea DWPT. Sub-benzile sunt aranjate în ordinea frecvenței în tabelul I.

Tabelul I
SUBBANDA GRUPEI DE FRECVENȚĂ LA AL 5-lea NIVEL DE WPT
C. Algoritmul de selecție de subsecvență (ASS) fără artefacte
Calculăm două măsuri energetice diferite pentru fiecare subbandă la al cincilea nivel de
descompunere; unul variază în timp energia pachetului de undă dată de ecuația 3 și cealaltă este
energia totală a fiecărei sub-benzi reprezentată de ecuația 4.

Aici 𝐸𝑝 (𝑛) este un semnal de energie care variază în timp din a treia sub-bandă. Această
cantitate oferă informații utile despre locația în timp a artefactelor din semnal. 𝑛 este numărul
eșantionului, 𝑊 (𝑛) este semnalul sub-benzii după reconstrucție, 𝑁 este lungimea ferestrei, care
în acest caz este de 150 de probe, 𝐸𝑡𝑜𝑡𝑎𝑙, 𝑝 este energia totală a a treia sub-bandă. Energia totală
este utilizată împreună cu energia care variază în timp detectați partea zgomotoasă a semnalului
PCG.
Pașii sunt după cum urmează:
1) Calculul energiei totale a fiecărei sub-benzi 𝐸𝑡𝑜𝑡𝑎𝑙, 𝑝.
2) Normalizarea energiei totale care este prezentată în Figura 6 și dată ca:

Subbandele inferioare au lărgime mare, 𝑝 mai datorită sunetelor inimii și subbandele superioare
au 𝐸𝑛𝑜𝑚𝑟, 𝑝 mic din cauza artefactelor. Figura 7 arată reconstrucția semnalelor cu filtru trece-
jos pe planul stâng și timpul corespunzător
semnalului de energie din dreapta.
3) Este prezentată o însumare ponderată a energiilor care variază în timp
în următoarea ecuație: