МИНОБРНАУКИ РОССИИ

Санкт-Петербургский государственный

электротехнический университет

«ЛЭТИ» им. В.И. Ульянова (Ленина)

Кафедра БТС

КУРСОВОЙ ПРОЕКТ

по дисциплине «Методы обработки и анализа биомедицинских сигналов и данных»

Тема: «Устранение сетевой наводки из ЭКГ»

Вариант 2-2

Студент гр. 7501		Исаков А.О.
Преподаватель		Калиниченко А. Н.

Санкт-Петербург

2019

Основные теоретические сведения

Природа биомедицинских сигналов

Живые организмы состоят из многих взаимосвязанных систем – человеческое тело, например, включает нервную, сердечнососудистую и мышечно-скелетную системы, а также некоторые другие. Каждая система построена из нескольких подсистем, которые отвечают за многочисленные физиологические процессы. Например, сердечнососудистая система выполняет важную задачу ритмичного прокачивания крови через тело для обеспечения доставки питательных веществ, а также прокачивания крови через дыхательную систему для насыщения кислородом самой крови. Физиологические процессы являются сложными явлениями, включающими в себя нервную или гормональную стимуляцию и управление; входные и выходные потоки, которые могут быть представлены в форме физических веществ, нейротрансмиттеров или информации; действия, которые могут быть механическими, электрическими и биохимическими. Большинство физиологических процессов либо сопровождаются сигналами, либо проявляют себя в виде сигналов, отражающих природу и протекание этих процессов.

Сами по себе сигналы могут быть многих типов, в том числе биохимические в форме гормонов и нейротрансмиттеров, электрические в форме потенциала или тока и физические в форме давления и температуры. Болезни или дефекты какой-либо биологической системы вызывают изменения в нормальных физиологических процессах, приводящие к патологическим процессам, которые влияют на эффективность работы, состояние и общее благополучие системы. Патологические процессы обычно связаны с сигналами, которые в некоторых отношениях отличаются от соответствующих нормальных сигналов. Если мы хорошо понимаем исследуемую систему, то существует возможность наблюдения соответствующих сигналов и оценки состояния данной системы. Эта задача не слишком сложна, когда сигналы являются простыми и могут регистрироваться на внешней поверхности тела.

Совершенно иной задача становится при измерении сигналов, которые не имеют внешних проявлений и требуют наличия сложной измерительной аппаратуры. Помимо требований к точной фиксации изменений сигнала во времени, которые накладываются на измерительную систему, возникает необходимость и в точной интерпретации полученных данных. С учетом всех сложных взаимосвязей в системе биологического объекта, малейшие помехи, возникающие в процессе измерений, могут существенно осложнить диагностику и даже привести к неверным заключениям. Большинство медицинских исследований требует проведения длительного мониторинга состояния пациента, что связанно с необходимостью применения автоматизированных систем регистрации и обработки данных. Процедура снятия сигнала может осуществляться несколькими методами: инвазивными или неинвазивными, активными или пассивными. Инвазивные процедуры предполагают помещение внутрь тела датчиков или других устройств, неинвазивные процедуры с использованием электродов, микрофонов или акселерометров, более предпочтительны, а также позволяют минимизировать риск для пациента. Активные процедуры съёма данных требуют приложения к субъекту внешних стимулов или выполнения субъектом определённых действий с целью стимулирования исследуемой системы, для того чтобы она выработала требуемый отклик или сигнал. Пассивные процедуры не требуют от субъекта выполнения каких-либо действий.

Физиологическая природа сигнала ЭКГ

Основными информационными характеристиками сигнала ЭКГ являются зубец P, комплекс QRS и зубец T, которые вызваны деполяризацией предсердий, деполяризацией желудочков и реполяризацией желудочков соответственно. Промежуток времени от начала зубца P до начала комплекса QRS называется интервалом PQ и указывает на время, необходимое для прохождения потенциала действия через предсердия и AV узел. В течение последнего участка интервала PQ электрическое напряжение на поверхности тела не регистрируется. Сразу после того, как сердечный импульс выходит из AV узла и поступает в систему волокон Пуркинье с высокой скоростью проведения, все клетки желудочковой мускулатуры деполяризуются на протяжении очень короткого времени, что приводит к появлению комплекса QRS. Зубец R — это самая крупная отметка на электрокардиограмме, так как мышечные клетки желудочков очень многочисленны и деполяризуются почти одновременно. За комплексом QRS следует сегмент ST. В норме во время регистрации сегмента ST на поверхности тела не возникает никаких потенциалов, поскольку в это время ни в каких клетках сердца не происходит быстрых изменений мембранных потенциалов. Клетки предсердий уже вернулись в фазу покоя, а клетки желудочков находятся в фазе плато потенциала действия. Когда клетки желудочков начинают реполяризироваться, еще раз появляется напряжение на поверхности тела и на электрокардиограмме фиксируется зубец T. Зубец T шире и не такой высокий, как зубец R, так как реполяризация желудочков менее синхронизирована, чем деполяризация. К моменту завершения зубца T все клетки сердца находятся в состоянии покоя.

В данной работе рассматривается метод фильтрации фрагмента сигнала ЭКГ, содержащий сетевую наводку 50 Гц. Также реализованы методы расчёта СПМ и АКФ сигналов.

Отчет о проделанной работе

Рисунок 1. «Filter Design and Analysis Tool» – Filter Specifications

Рисунок 2. «Filter Design and Analysis Tool» – Magnitude Response

Рисунок 3. График АЧХ фильтра (в линейном масштабе)

Рисунок 4. График ФЧХ фильтра

Рисунок 5. Карта нулей и полюсов фильтра

Рисунок 6. График импульсной характеристики фильтра

Рисунок 7. График переходной характеристики фильтра

Разностное уравнение фильта

Запишем разностное уравнение фильтра:

y(n) = 0.968979151360102708423482908983714878559 * x(n) -0.598862049930572459821576103422557935119 * x(n-1) + 0.968979151360102708423482908983714878559 * x(n-2) - y(n) + 0.598862049930572459821576103422557935119 * y(n-1) -0.937958302720205416846965817967429757118 * y(n-2);

Рисунок 8. Блок-схема

Уравнение передаточной функции

Запишем уравнение передаточной функции с использованием z-преобразования:

Разработка программы в «app designer»

Требования к создаваемой программе:

• Чтение сигнала из заданного файла;

• Отображение графиков исходного сигнала;

• Фильтрация сигнала с помощью разработанного фильтра;

• Отображение графиков сигнала после фильтрации;

• Расчет и отображение спектральной плотности мощности сигнала до и после фильтрации с использованием заданного в таблице 2 метода спектрального оценивания (с переключением линейного и логарифмического масштабов) и с возможностью интерактивного выбора одного из параметров;

• Расчёт и вывод графиков нормированной смещённой оценки автокорреляционной функции сигнала до и после фильтрации (функция MATLAB xcorr(), ‘option’=’coeff’, maxlags=N/2 (N-число отсчётов сигнала)).

Рисунок 9. Окно программы при старте

Рисунок 10. АКФ сигнала до фильтрации

Рисунок 11. АКФ сигнала после фильтрации

Рисунок 12. СПМ (линейный масштаб, до фильтрации, сглаживающее окно «прямоугольное»)

Рисунок 13. СПМ (линейный масштаб, до фильтрации, сглаживающее окно «Тьюки – 50%»)

Рисунок 14. СПМ (линейный масштаб, до фильтрации, сглаживающее окно «Ханнинга»)

Рисунок 15. СПМ (линейный масштаб, после фильтрации, сглаживающее окно «прямоугольное»)

Рисунок 16. СПМ (линейный масштаб, после фильтрации, сглаживающее окно «Тьюки – 50%»)

Рисунок 17. СПМ (линейный масштаб, после фильтрации, сглаживающее окно «Ханнинга»)

Рисунок 18. СПМ (логарифмичекий масштаб, до фильтрации, сглаживающее окно «прямоугольное»)

Рисунок 19. СПМ (логарифмичекий масштаб, до фильтрации, сглаживающее окно «Тьюки – 50%»)

Рисунок 20. СПМ (логарифмичекий масштаб, до фильтрации, сглаживающее окно «Ханнинга»)

Рисунок 21. СПМ (логарифмичекий масштаб, после фильтрации, сглаживающее окно «прямоугольное»)

Рисунок 22. СПМ (логарифмичекий масштаб, после фильтрации, сглаживающее окно «Тьюки – 50%»)

Рисунок 23. СПМ (логарифмичекий масштаб, после фильтрации, сглаживающее окно «Ханнинга»)

Можно увидеть, что окно программы состоит из 4-х полей для графиков, 2-х окон для выбора параметров («Масштаб спектрального оценивания», «Оценка СПМ и АКФ») с возможностью выбора двух функций (Линейный и Логарифмический масштабы, Оценка до и после фильтрации), списком для выбора сглаживающего окна («Прямоугольное», «Тьюки, 50%», «Ханнинга») и двумя кнопками («Оценка СПМ» и «Оценка АКФ»)

При запуске программы в первые два поля выводятся задаваемый сигнал ЭКГ, содержащий помеху в виде сетевой наводки с частотой 50 Гц и результат его фильтрации разработанным фильтром соответственно.

После нажатия на кнопку «Оценка СПМ», в третьем поле выводится график спектральной плотности мощности сигнала, также реализована функция выбора масштаба, возможность рассчитать СПМ сигнала до и после фильтрации, выбор сглаживающего окна (Прямоугольное, Тьюки, Ханнинга) из выпадающего списка.

При нажатии на кнопку «Оценка АКФ», в четвертом поле выводится график нормированной смещенной оценки автокорреляционной функции сигнала. Реализована возможность выбора сигнала для расчёта (до и после фильтрации).