logo-IBA logo-MU
© Institut biostatistiky a analýz
ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ  III.
ELEKTROKARDIOGRAM II.

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
POŽADAVKY NA SYSTÉMY ZPRACOVÁNÍ EKG FILTRACE
þ !!! ZÁSADA !!!
þ
þ ODSTRANIT VEŠKERÉ RUŠENÍ, ALE UŽITEČNÝ SIGNÁL MUSÍ ZŮSTAT NEOVLIVNĚNÝ
þ
þ !!! ZÁSADA !!!

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þKRITÉRIA VĚRNOSTI
þ(SIGNAL FIDELITY CRITERIA)
þ
þRecommendation for Standardization and Specifications in Automated Electrocardiography: Bandwidth
and Digital Processing. Circulation, roč.81, 1990, č.2, s.730-739.
American Heart Association
POŽADAVKY NA SYSTÉMY ZPRACOVÁNÍ EKG FILTRACE

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
KRITÉRIA VĚRNOSTI
þpro rutinní vizuální analýzu:
þ
þF1: Odchylka zaznamenaného výstupu od přesně lineární reprezentace vstupního signálu nesmí
překročit 25 μV nebo 5%, je-li signál větší.

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þpro morfologickou počítačovou analýzu
þ
þF2: směrodatná odchylka v komplexu PQRST nesmí překročit 10 μV;
þF3: chyba výchylek špička-špička nesmí překročit 10 μV nebo 2%, je-li signál větší;
þF4: střední kvadratická odchylka dělená střední hodnotou čtverce amplitud nesmí překročit 1%;
þ
KRITÉRIA VĚRNOSTI

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þpro morfologickou počítačovou analýzu
þ
þF5: výchylky komplexu QRS o velikosti  ≥ 20 μV a trvání ≥ 6 ms musí být detekovatelné (práh
definovaný CSE);
þF6: maximální relativní chyba vrcholů kmitů nesmí překročit 10% pro jakékoliv výchylky komplexů
QRS ≥ 20 μV a ≥ 12 ms
KRITÉRIA VĚRNOSTI

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þfrekvenční oblast:
þBEJVÁVALO
charka
KRITÉRIA VĚRNOSTI

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þfrekvenční oblast:
þ
þ SOUČASNOST
þ1. amplitudová charakteristika by měla být v rozsahu ±6% (0,5 dB) v intervalu 1,0 – 30 Hz; 3 dB
body by měly být na frekvenci menší než 0,67 Hz a větší než 150 Hz;
þ2. vstupní impuls 1 mV-s by neměl generovat snížení o více než 0,3 mV;
þ3. pro vstupní impuls 1 mV-s by sklon odezvy vně impulsu neměl nikde překročit 1mV/s
þ(kritéria 2 a 3 splňuje analogový filtr 1. řádu s fmez= 0,05 Hz)
KRITÉRIA VĚRNOSTI

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þfrekvenční oblast:
þ
þ SOUČASNOST
þ1. amplitudová charakteristika by měla být v rozsahu ±6% (0,5 dB) v intervalu 1,0 – 30 Hz; 3 dB
body by měly být na frekvenci menší než 0,67 Hz a větší než 150 Hz;
þ2. vstupní impuls 1 mV-s by neměl generovat snížení o více než 0,3 mV;
þ3. pro vstupní impuls 1 mV-s by sklon odezvy vně impulsu neměl nikde překročit 1mV/s
þ(kritéria 2 a 3 splňuje analogový filtr 1. řádu s fmez= 0,05 Hz)
KRITÉRIA VĚRNOSTI
a co síťový brum?!?

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
KRITÉRIA VĚRNOSTI
RC

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þpro číslicový přenos a uchování dat:
þ
þF7: odpovídající si vzorky vstupních a rekonstruovaných dat by se měly lišit o méně než 10 μV
KRITÉRIA VĚRNOSTI

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þmorfologická analýza
þ1. signál EKG dospělých osob má spektrální složky do 125 Hz; signál EKG dětí do 150 Hz;
þ2. pro vizuální analýzu dodržet kritérium F1;
þ3. pro počítačovou analýzu splnit kritéria F2 nebo F4 + kritérium vlnového rozlišení (F3, F5 nebo
F6).
þ
þ Obecně se za minimální vzorkovací frekvenci považuje 500 Hz (s rovnoměrným vzorkováním) a
maximální kvantizační krok 10 μV.
POŽADAVKY NA SYSTÉMY ZPRACOVÁNÍ EKG VZORKOVÁNÍ

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
FILTRACE RUŠENÍ
þ !!! ZÁSADA !!!
þ
þ FILTRACE AŽ KDYŽ NENÍ MOŽNÉ ŠUM ODSTRANIT NASTAVENÍM PODMÍNEK VYŠETŘENÍ
þ
þ !!! ZÁSADA !!!

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
FILTRACE SÍŤOVÉHO BRUMU
þ kritéria věrnosti vůbec nepřipouštějí možnost lineární filtrace síťového brumu
þß
þ výrobci v dokumentaci pouze uvádějí, že přístroj filtraci síťového brumu umí, ale nespecifikuje
se jak

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
FILTRACE SÍŤOVÉHO BRUMU
þlineární filtry s co nejužším zadržovaným pásmem; þspolehlivost a účinnost filtrace nesmí narušit
kolísání síťového kmitočtu Þ synchronizace vzorkování se síťovým kmitočtem; þneharmonický průběh
brumového signálu Þ vyšší harmonické;

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þFILTRY S NEKONEČNOU IMPULSNÍ ODEZVOU
þ (NIO, IIR)
þ
þ Butterworthovy filtry, Čebyševovy filtry, …
þ(JSOU ZALOŽENY NA PRINCIPECH ANALOGOVÉHO ZPRACOVÁNÍ)
þnevýhody:
þpožadovaná vysoká přesnost vyjádření koeficientů (až 10 dese-tinných míst) i výsledků výpočtů
þß
þ práce bez nároků na reálný čas; optimalizace délky koeficientů, výběr realizačních schémat málo
citlivých na zaokrouhlovací chyby, analýza zaokrouhlovacích chyb
LINEÁRNÍ FILTRACE SÍŤOVÉHO BRUMU

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þFILTRY S KONEČNOU IMPULSNÍ ODEZVOU
þ (KIO, FIR)
þ
þpožadavek na velmi úzké zadržované frekvenční pásmo vede k použití filtrů s velkým počtem vzorků
impulsových odezev
þ (nad 100 vzorků při fvz= 500 Hz)
þ ß
þ standardní realizace jsou proto značně výpočetně náročné  Þ hledání speciálních struktur filtrů,
resp. výpočetních algoritmů, např.  tzv. Lynnovy filtry
LINEÁRNÍ FILTRACE SÍŤOVÉHO BRUMU

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
zkresleni UPZ
PŘÍKLADY FILTRACE
LYNNOVY FILTRY

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
PŘÍKLADY FILTRACE
LYNNOVY FILTRY
filtrace 50

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
þprocesor – zařízení modelující řešenou situaci;
þalgoritmus – postup změny parametrů procesoru podle vlastností chybového signálu;
þ
þLMS
þFIR
þW(n+1)=W(n)+μ.(-ÑMSE)
þ :
þW(n+1)=W(n)+2μ.e(n).x(n)
þ0 < μ < 1/λmax
AF princip
ADAPTIVNÍ FILTRY

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
ADAPTIVNÍ FILTRY
þCO CHCEME ?
þ
þrychlou konvergenci;
þrobustnost vůči šumu;
þmalé výpočetní nároky;

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
AF 2x
ADAPTIVNÍ FILTRY

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
ADAPTIVNÍ FILTRY
þpředpoklad:
þ s(n), g1(n), g2(n), y(n) jsou stacionární s nulovou střední hodnotou
þ e(n) = d(n) - y(n)
þ e2(n) = d2(n) - 2d(n)y(n) + y2(n)
þ e2(n) = [s(n)+g1(n)]2 - 2[s(n)+g1(n)].y(n) + y2(n) =
þ … = [g1(n) - y(n)]2 + s2(n) + 2s(n)g1(n) - 2y(n)s(n)
þstřední hodnota
þ E{e2(n)} = E{[g1(n) - y(n)]2 } + E{s2(n)}

levy-panel-IBA-se-zavojem logo-IBA-transparent logo-MU
© Institut biostatistiky a analýz
ADAPTIVNÍ FILTRY
AF 50