Научная статья на тему 'Метод компрессии биомедицинских сигналов, эффективный по уровню сжатия и вычислительной трудоёмкости'

Метод компрессии биомедицинских сигналов, эффективный по уровню сжатия и вычислительной трудоёмкости Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

CC BY
273
46
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
АЛГОРИТМ / АДАПТАЦИЯ / КОМПРЕССИЯ / СИГНАЛ / ALGORITHM / ADAPTATION / COMPRESSION / SIGNAL

Аннотация научной статьи по электротехнике, электронной технике, информационным технологиям, автор научной работы — Шульга Алексей Степанович, Кравченко Павел Павлович

Рассмотрен эффективный по уровню сжатия и вычислительной трудоёмкости метод компрессии с гарантированной точностью биомедицинских сигналов на основе адаптивных дельта-преобразований второго порядка.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по электротехнике, электронной технике, информационным технологиям , автор научной работы — Шульга Алексей Степанович, Кравченко Павел Павлович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

A HIGH PERFORMANCE, HIGH COMPRESSION LEVEL METHOD OF BIOMEDICAL SIGNALS COMPRESSION

Described a high performance, high compression level method of biomedical signals compression based on the adaptive second-order delta-modulation

Текст научной работы на тему «Метод компрессии биомедицинских сигналов, эффективный по уровню сжатия и вычислительной трудоёмкости»

Kogan Michail Iosifovich

Rostov State Medical University.

E-mail: dept_kogan@mail.ru.

29, Nachichevansky, Rostov-on-Don, 344022, Russia, Phone: (863)2637560.

Chef. Faculty of Urology, professor, Doct. Med. Sc.

Загускин Сергей Львович

Научно-исследовательский институт физики Южного федерального университета. E-mail: zag@ip.rsu.ru.

344022, Ростов-на-Дону, а/я 3408, тел.: (918)5144967.

Зав. лаб. биофизики и хронобиологии, академик МАЭН, д.б.н.

Zaguskin Sergey Lvovich

Southern Federal University, Physics Research Institute.

E-mail: zag@ip.rsu.ru.

P.B. 3408, Rostov-on-Don, 344022, Russia, Phone (918)5144967.

Chef. lab. biophysics and chronobiology, academician IAES, Dr. Sci. Biol.

Белоусов Игорь Иванович

Ростовский государственный медицинский университет Росздрава.

E-mail: dept_kogan@mail.ru.

344022, Ростов-на-Дону, пер. Нахичеванский, 29, тел.: (863)2637560.

Кафедра урологии, ассистент.

Belousov Igor Ivanovich

Rostov State Medical University.

E-mail: dept_kogan@mail.ru.

29, Nachichevansky, Rostov-on-Don, 344022, Russia, Phone: (863)2637560.

Faculty of Urology, assistent.

УДК 615.471:616-073.97:616.12

А.С. Шульга, П.П. Кравченко

МЕТОД КОМПРЕССИИ БИОМЕДИЦИНСКИХ СИГНАЛОВ, ЭФФЕКТИВНЫЙ ПО УРОВНЮ СЖАТИЯ И ВЫЧИСЛИТЕЛЬНОЙ

ТРУДОЁМКОСТИ

Рассмотрен эффективный по уровню сжатия и вычислительной трудоёмкости метод компрессии с гарантированной точностью биомедицинских сигналов на основе адаптивных дельта-преобразований второго порядка.

Алгоритм; адаптация; компрессия; сигнал.

A.S. Shulga, P.P. Kravchenko

A HIGH PERFORMANCE, HIGH COMPRESSION LEVEL METHOD OF BIOMEDICAL SIGNALS COMPRESSION

Described a high performance, high compression level method of biomedical signals compression based on the adaptive second-order delta-modulation.

Algorithm; adaptation; compression; signal.

При создании современных медицинских программно-аппаратных диагностических комплексов [1] необходимо решать задачу эффективного кодирования биомедицинских сигналов для их сохранения во внутренних блоках памяти регистраторов и (или) передачи по каналам связи (предполагается, что используются современные каналы связи, потери данных в которых отсутствуют). Одной из таких задач является компрессия биомедицинских сигналов по мере их поступления (в реальном масштабе времени).

В соответствии с техническими и методическими условиями использования медицинских комплексов, задача компрессии биомедицинских сигналов заключается в реализации алгоритма сжатия регистрируемых многоканальной системой сигналов, характеризуемого низкой вычислительной трудоёмкостью. Искажения, вносимые алгоритмом компрессии в исходные сигналы, не должны превышать заданный порог абсолютной погрешности. Алгоритм декомпрессии должен обладать низкой вычислительной трудоёмкостью, согласующейся с вычислительной трудоёмкостью компонентов системы, выполняющих диагностическую обработку сигнала.

Компрессирование сигнала с гарантированной точностью известными методами [2-7] оказывается недостаточно эффективным либо по уровню сжатия, либо по характеристикам вычислительной трудоёмкости. В данной статье представляется метод, основанный на использовании адаптивного дельта-преобразования второго порядка, сочетающего обеспечение гарантированной точности аппроксимируемого отсчёта с одновременным адаптивным формированием частоты подди-скретизации и веса второй производной аппроксимирующей функции на основе анализа потока дельта-бит. В основе преобразования лежит применение нормированного дерева возможных аппроксимирующих траекторий, отличающегося по построению от традиционных методов синтеза аппроксимирующей функции дельта-преобразования второго порядка. Построение дерева позволяет определять траекторию кодирования между отсчётами входного сигнала с априори заданной точностью при сравнительно низкой вычислительной трудоёмкости, а также выполнять адаптацию основных параметров аппроксимирующей функции для каждого аппроксимируемого отсчёта, за счёт чего повышается уровень сжатия нестационарных биомедицинских сигналов.

Теоретические предпосылки решения задачи компрессии заключаются в следующем. В основе дельта-преобразований второго порядка лежит выполняющееся с достаточно малым шагом построение (аппроксимация) для данной непрерывной или дискретной функции некоторой приближённой (аппроксимирующей) функции, у которой производные второго порядка на интервале преобразования одинаковы по модулю и отличаются по знаку. Использование дельтапреобразования позволяет заменить операции, выполняющиеся над многоразрядными кодами представления ординат функций, более простыми операциями над квантами, которые могут принимать значения, например +1 и -1 [5]. Возможность представления сигнала в виде начальных условий и последовательности дельтабит является основой решения задачи компрессии.

Будем использовать следующие обозначения: индекс (/' +1) соответствует текущему компрессируемому отсчёту (текущему шагу компрессирования); индекс

1 соответствует предшествующему отсчёту (предшествующему шагу компрессирования). Значение аппроксимирующей функции в / -м отсчёте исходного сигнала, вычисленное на / -м шаге, можно представить в следующем виде:

г, = Г,-! + !&-, • V/ + • £(, - 2у +1). д( 8 .

2 8=1

В данном выражении У(—1,У(, У—1 - значения амплитуды и первой производной аппроксимирующей функции в точках, расположенных в (-м и (( — 1) -м отсчётах времени исходного сигнала соответственно; V/ - шаг дискретизации исходного сигнала; а.1 - вес модуля второй производной аппроксимирующей

функции на интервале Vt i -го шага (=

У

); ni - количество шагов учащения

(дополнительной дискретизации, поддискретизации) на интервале Vt i -го шага (частота поддискретизации определяется в виде произведения частоты дискретизации исходного сигнала и количества шагов учащения); V Ti - величина шага учащения на интервале Vt i -го шага, характеризующая частоту поддискретиза-

Vt А

ции и оцениваемая в соответствии с выражением V Tt =-------; Аг- к - дельта-бит,

п ,

принадлежащий группе дельта-бит интервала Vt i -го шага, к е [1,П ]-

Определение количества шагов учащения nt+1 для (i +1) -го (текущего) шага выполняется посредством изменения значения п{ на основе оценки значимости интенсивности накопления дельта-бит hi на интервале Vt i -го шага

ni

(h = ^ Аг- к )• В случае невысоких требований по обеспечению точности для оп-

к=1

ределения nt+1 возможно использование упрощённого алгоритма: количество шагов учащения увеличивается на единицу, если ht «велико»; не изменяется, если

«мало» и уменьшается на единицу, если «несущественно» или равно нулю. При необходимости обеспечения наиболее высоких характеристик по точности изменение количества шагов учащения целесообразно реализовывать в пределах множества { 0, ± 1, ± 2, ± 3 }, что подтверждается при проведении экспериментальных исследований. Принципы решения данной задачи по существу соответствуют рассмотренному выше алгоритму.

Определение веса второй производной аппроксимирующей функции ai+1

для (i +1) -го шага выполняется посредством обусловленного свойствами аппроксимирующей функции выражения, связывающего +1 с условием гарантирован-

ной точности представления аппроксимируемого отсчёта Err при известных значениях шага Vt и количества шагов учащения п+1:

п.,,2 ■Err a,,, =• i+1

i+1 Vt2

Формирование для ( +1) -го шага оценок количества шагов учащения п

i+1

и веса второй производной ai+1 на основе ni и потока дельта-бит на интервале Vt

1 -го шага обеспечивает адаптацию дельта-преобразования в процессе компрессии и декомпрессии.

Определение траектории аппроксимирующей функции на интервале Vt ( +1) -го шага выполняется на основе дерева, образованного из траекторий аппроксимирующей функции на интервале Vt ( +1) -го шага при определенных значениях количества шагов учащения пм и веса второй производной ам и разных сочетаниях в последовательности дельта-бит (рис. 1).

Рис. 1. Дерево траекторий аппроксимирующей функции в интервале Vt между i -м и (i +l) -м отсчётами исходного сигнала

В соответствии со свойствами дельта-преобразования, длины отрезков между смежными значениями аппроксимирующей функции в (i +1) -м (текущем) отсчёте одинаковы, за исключением двух отрезков, длина которых в два раза больше остальных. Согласно сформулированным оценкам ni+1 и ai+1, максимальная длина между соседними значениями аппроксимирующей функции составляет Err . Благодаря этому для любого отсчёта исходного сигнала, находящегося в диапазоне между минимальным и максимальным значениями аппроксимирующей функции, может быть определена соответствующая траектория. Сущность данной операции заключается в выборе таких по величине отсчетов Yi+1 в рамках размаха дерева,

значения которых отстоят от значения отсчета исходного сигнала у+ на величи-

ну, не превышающую Err . Из этих отсчетов Yi+l выбирается тот, производная в котором по величине наиболее близка к приближенно вычисляемой производной отсчета исходного сигнала для tM . Группа дельта-бит, описывающая найденную

между Yi и Y+i траекторию, заносится в код компрессированного сигнала.

Значение аппроксимирующей функции Yi+1 и её первой производной Yi+1 в

(i +1) -м отсчёте, необходимые для следующего шага, определяются на основе системы уравнений:

Экспериментальные исследования представленного метода заключались в получении сравнительной характеристики эффективности предлагаемого и известных алгоритмов компрессии сигналов [2-7]. В качестве исходных данных использовались реальные электроэнцефалографические и электрокардиографические сигналы, взятые из базы примеров ООО «НПКФ Медиком МТД» (общая длительность всех сигналов составляет более 500 часов) и Ганноверской базы примеров ЭКГ-сигналов (общая длительность всех сигналов составляет 4 часа 10 минут). Экспериментальным путём доказано, что отличительными особенностями разработанного метода являются: возможность обеспечения высокого (в сравнении с известными прототипными алгоритмами) уровня компрессии электрокардиографических (~ в 7^7,7 раза) и электроэнцефалографических (~ в 4,5^6,2 раза) сигналов с гарантированной точностью (Н5 мкВ, что соответствует 13^10 двоичным разрядам исходного сигнала, при диапазоне изменения ~[-4; +4] мВ), низкая вычислительная трудоёмкость алгоритмов компрессии и декомпрессии (в 3^28 или даже на порядки ниже трудоёмкости некоторых известных прототипных алгоритмов).

Рассмотренный в данной статье метод компрессии биомедицинских сигналов на основе адаптивных дельта-преобразований второго порядка позволяет обеспечивать гарантированную высокую точность компрессирования при сравнительно высокой эффективности по уровню сжатия и вычислительной трудоёмкости. Указанные особенности представляют возможность решать актуальные в современной телемедицине проблемы эффективного хранения и передачи по низкоскоростным каналам связи биомедицинских сигналов, обеспечения одновременной регистрации сигналов в многоканальных системах, повышения частоты дискретизации регистрируемых сигналов, построения мобильных систем дистанционной электрокардиографии и электроэнцефалографии.

1. Луцев Е.А., Скоморохов А.А. Использование мобильного электроэнцефалографа-регистратора «Энцефалан-РМ» для проведения полисомнографических исследований // Известия ТРТУ. - Таганрог, - 2004. №6(41). - С. 138-140.

2. ФедерЕ. Фракталы. - М.: Мир, 1991. 254 с.

3. Стил Р. Принципы дельта-модуляции. - М.: Связь, 1979. - 368 с.

4. CCITT G.726. General aspect of digital transmission systems. Terminal equipments. 40, 32, 24, 16 kbit/s adaptive differential pulse code modulation (ADPCM). International Telecommunication Union. Geneva: 1990.

БИБЛИОГРАФИЧЕСКИМ СПИСОК

5. Кравченко П.П. Основы теории оптимизированных дельта-преобразований второго порядка. Цифровое управление, сжатие, параллельная обработка информации: Монография. - Таганрог: Изд-во ТТИ ЮФУ, - 2008. - 192 с.

6. Казанцев А.П. Сенин А.А. Метод сжатия электрокардиосигналов для передачи в реальном масштабе времени. // Биомедицинская радиоэлектроника, - 2008. - № 7. - С. 15-21.

7. Бай К.А. Разработка алгоритмов компрессии биомедицинских сигналов с использованием дельта-преобразований второго порядка // Автореф. ... канд. дисс. - Таганрог: Изд-во ТРТУ, 2003. - 19 с.

Шульга Алексей Степанович

ООО НПКФ «Медиком МТД».

E-mail: ShulgaAlexey@gmail.com.

347913, г. Таганрог, ул. Яблочкина д. 41, кв. 92, тел.: (960)4594593.

Старший инженер-программист.

Shulga Alexey Stepanovich

R&D "Medicom-MTD" Ltd.

E-mail: ShulgaAlexey@gmail.com.

ap. 92, 41, Yablochkina st, Taganrog, 347913, Russia, Phone: (960)4594593.

Senior software engineer.

Кравченко Павел Павлович

Технологический институт федерального государственного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге.

E-mail: kravch@tsure.ru.

347922, г. Таганрог, Октябрьская площадь, д. 2, кв. 43, тел.: (909)4170139.

Кафедра математического обеспечения и применения ЭВМ, профессор, д.т.н.

Kravchenko Pavel Pavlovich

Taganrog Institute of Technology - Federal State-Owned Educational Establishment of Higher Vocational Education “Southern Federal University”.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

E-mail: kravch@tsure.ru.

43, 2, Oktyabrskaya Square, Taganrog, 347922, Russia, Phone: (909)4170139.

Department of Software and the Use of Computers, Professor, Doctor of Eng. Science.

УДК 612.76

Н.Х. Зиннатова

БИОМЕХАНИЧЕКИЙ МЕТОД ДИАГНОСТИКИ СОСТОЯНИЯ ПОЗВОНОЧНИКА В НОРМЕ И ПРИ ПАТОЛОГИЯХ

В статье рассматриваются вопросы разработки методики использования компьютерного моделирования для диагностики состояния позвоночника в норме и при патологиях.

Позвоночник, компьютерное моделирование; метод конечных элементов; биомеханический метод диагностики.

N.H. Zinnatova

BIOMECHANICAL METHOD OF DIAGNOSTICS OF THE CONDITION OF THE BACKBONE IN NORM AND AT PATHOLOGIES

In article questions of working out of a technique of use of computer modelling for diagnostics of a condition of a backbone in norm are considered and at pathologies.

i Надоели баннеры? Вы всегда можете отключить рекламу.