CC BY
42
ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПРЕОБРАЗОВАНИЯ АНАЛОГОВОГО БИОМЕДИЦИНСКОГО СИГНАЛА В ДИСКРЕТНУЮ РАВНОМЕРНУЮ ВЫБОРКУ ДЛЯ ПОСЛЕДУЮЩЕЙ ЦИФРОВОЙ ОБРАБОТКИ СРЕДСТВАМИ
ВЕЙВЛЕТ-АНАЛИЗА
О.А. Монахова (Энгельсский технологический институт Саратовского государственного технического университета) Научный руководитель - д.ф.-м.н., профессор Ю.В. Клинаев
(Энгельсский технологический институт Саратовского государственного
технического университета)
Статья содержит обзор работ, посвященных применению вейвлетного анализа в различных отраслях медико-технической науки. Предлагается сервисное программное средство для автоматизированной оцифровки отсканированных бумажных носителей ЭКГ для дальнейшей разработки эффективных методик прогнозирования критических состояний пациентов с ишемической болезнью сердца на основе вейвлет-ного анализа данных электрокардиографических обследований.
Введение
На основании анализа современных достижений и тенденций развития медико-технической науки и смежных областей знаний можно выделить такое перспективное направление научных исследований, как прогнозирование состояния организма, его органов, систем и тканей на основе цифрового кодирования, фильтрации и компьютерной обработки биомедицинских сигналов (БМС). Как сообщалось в [1-12], для обнаружения и распознавания ключевых диагностических признаков БМС наиболее перспективным представляется использование вейвлет-преобразования. Среди множества современных направлений научных исследований в данной области медико-технических технологий и их технического обеспечения выделяется одно, являющееся, с нашей точки зрения, наиболее трудно практически реализуемым - автоматизация вейвлет-анализа данных электрокардиографических обследований пациентов с ишемической болезнью сердца.
Основная часть
Запись электрической активности сердца - один из наиболее известных и широко используемых методов исследования деятельности сердца. Обычно производят регистрацию проекции электрического импульса сердца в нескольких плоскостях, иначе - в нескольких отведениях. Подробную информацию об отведениях и методах анализа ЭКГ и ее регистрации можно найти, например, в [13].
На рис. 1 показано три периода реальной ЭКГ во II отведении (при его записи отрицательный электрод накладывают на правую руку, а положительный - на левую ногу), на которой можно выделить несколько характерных импульсов, называемых зубцами. Зубец Р соответствует сокращению левого и правого предсердий. Комплекс ОЯБ, включающий в себя три импульса О, Я и Б, отражает период активности желудочков. Зубцы О и Б могут быть выражены слабо либо вовсе отсутствовать. Зубец Т соответствует периоду реполяризации желудочков.
Вид электрокардиограммы может существенно изменяться в зависимости от отведения. Одна из основных характеристик ЭКГ - интервал Я-Я между двумя следующими друг за другом импульсами Я, отражающий частоту сердечных сокращений. Выявление импульсов Я или комплексов ОЯБ является первоочередной задачей при автоматической обработке ЭКГ. Задача существенно усложняется при увеличении объема
данных, например, в том случае, когда длительная запись кардиограммы получена в результате мониторирования по Холтеру [14].
Сигнал ЭКГ, помимо записи электрической активности сердца, содержит шумовую добавку, которая включает в себя фон переменного тока (50 или 60 Гц) питающей сети, высокочастотные колебания, вызванные мышечными сокращениями, а также низкочастотную (доли Гц) составляющую, обусловленную изменением сопротивления контактов датчик-тело.
Рис. 1. Три периода электрокардиограммы (II отведение), записанной при частоте дискретизации 1 кГц. По горизонтальной оси отложены номера отсчетов, по вертикальной - уровень сигнала в микровольтах
Обычные аналоговые электрокардиографы представляют собой электронно-механические системы. Напряжение, наведенное на электроды в результате сердечной деятельности, усиливается электронным усилителем и регистрируется на бумажной ленте при помощи механического самописца. Для диагностики некоторых нарушений ритма сердца нужна длительная запись потенциалов сердца. Однако при длительном мониторинге длина ленты может выражаться десятками метров, и обработка ЭКГ становится неудобной. В [15] сообщалось о преимуществах отказа от механического звена в цепи обработки ЭКГ, и приводились аргументы в пользу записи потенциалов сердца в память компьютера.
У авторов возникла ситуация, когда регистрация ЭКГ в памяти компьютера не представляется возможной, но данные ЭКГ-обследований на бумажных носителях, т.е. непрерывно изменяющиеся сигналы в результате измерений, должны быть преобразованы в наборы дискретных отсчетов, иначе говоря, оцифрованы для дальнейшего вейв-лет-анализа. Были собраны данные электрокардиографических обследований 40 пациентов, вскоре умерших по различным причинам в разных отделениях Энгельсской городской больницы № 2 (данные любезно предоставлены архивом Энгельсской городской больницы № 2, гл. врач - к.м.н. Г.О. Текнеджян, зав. кардиологическим отделением Т.И. Гордиенко).
Для решения данной проблемы был создан пользовательский интерфейс с помощью конструктора графического интерфейса GUI Builder системы компьютерной математики MatLab V.7.1R14SP3. Выбор среды программирования обоснован эффективным сопряжением средств анализа и обработки данных, представленных в пакетах расширений Image Processing Toolbox, Signal Processing Toolbox и Wavelet Toolbox сис-
темы компьютерной математики MatLab, и сервисных средств визуального программирования GUI Builder.
Приложение «Chart's digitization» позволяет осуществить извлечение аналогового сигнала f из графического файла и его дискретизацию, которая состоит в задании значений {f (nT)}nez, выбранных с шагом T \ Приближение f (t) при Vt е R может быть получено с помощью интерполяции этих отсчетов. Дискретный сигнал может быть представлен как сумма дельта-функций Дирака: с каждым выбранным значением f (nT) связывают дельта-функцию Дирака f (nT)5(t - nT), сосредоточенную в точке t = nT. Поэтому равномерная выборка сигнала f соответствует сумме взвешенных
да
дельта-функций Дирака f [t] = ^ f (nT)5(t - nT) .
n
На рис. 2 представлен вид рабочего окна программы.
Рис. 2. Рабочее окно программы «Chart's digitization»
Программа поддерживает обработку графических файлов в следующих форматах: BMP, JPG, GIF, TIF. Перед началом работы с программой необходимо загрузить исходное изображение (рис. 3), используя команду Open... меню Image control.
Меню Image Processing состоит из следующих команд (рис. 4):
1. Crop - применяется для кадрирования исходного изображения;
2. Adjust brightness/contrast - применяется для регулировки яркости и контрастности исходного изображения;
3. Remove noise pollution - применяется для очистки исходного изображения от точечных «загрязнений»;
1 Шаг выбирается автоматически, исходя из размера одного пикселя исходного изображения
4. Convert to binary raster data - применяется для бинаризации исходного изображения.
Рис. 3. Исходное изображение — фрагмент ЭКГ в V отведении
Chart's digitization
Innage control | Image processing Digitization Clear axes About.,.
Crop Adjust brightness/contrast,., Remove noise pollution Convert to binary raster data
Рис. 4. Вид меню Image Processing программы «Chart's digitization»
При выборе команды Adjust brightness/contrast меню Image Processing на экране монитора появляется подокна Image Tool 1-I, используемое для обработки изображения и Overview (Image Tool 1), используемое для предпросмотра. Командой Adjust contrast меню Tools окна Image Tool 1-I вызывается подокно Adjust contrast (Image Tool 1) (рис. 5), используемое для выравнивания гистограммы изображения, представляющей распределение яркости пикселов изображения.
Рис. 5. Вид подокна Adjust contrast (Image Tool 1)
При использовании меню Convert to binary raster data растровое полутоновое изображение может быть преобразовано в бинарное в соответствии с выбором уровня порога яркости (по умолчанию 0,9), когда изображение является матрицей пикселей
1 (r, c), представленных всего двумя цветами: белый (элемент матрицы имеет значение 1) и черный (элемент матрицы имеет значение 0). Здесь r - номер строки и c - номер столбца элемента, соответствующего заданному пикселу. Пикселами, несущими извлекаемую нами информацию, являются те элементы матрицы I(r, c), значение которых
равно нулю. При использовании меню Digitization записываются координаты тех пикселов, значение которых равны нулю; иная информация отбрасывается. Извлеченная информация сохраняется как рабочая область переменной, которой является дискретная равномерная выборка, с расширением .mat, для дальнейшего вейвлет-анализа [16].
Предусмотрена возможность сохранения обработанного изображения в файл командой Save... меню Image control.
На рис. 6 представлен вид рабочего окна по окончании работы программы.
Рис. 6. Вид окна по окончании выполнения программы «Chart's digitization»
При использовании меню Clear axes оси для построения графиков очищаются. При использовании меню About... на экран монитора выводится окно-сообщение с кратким описанием программы и информацией об авторах (рис. 7).
О программе
^Jnjxj
Программа создана как. сервисное средство автоматизированной оцифровки ЭКГ для дальнейшего вейвлет-анализа данных
Знгельсский технологический институт (Фипиал) Саратовского государственного технического университета
КаФедра "Техническая Физика и информационные технологии"
аспирант, ассистент ОАМонахова
научный руководитель - д.ф.-м.н профессор Ю.Ё.Клинаев
ОК
Рис. 7. Вид подокна «О программе»
Заключение
Было создано сервисное программное средство для автоматизированной оцифровки отсканированных данных электрокардиографических обследований пациентов с
ишемической болезнью сердца для дальнейшего вейвлет-анализа.
Литература
1. Blanco S., Kochen S., Rosso O.A., Saldado P. Applying Time-Frequency Analysis to Seizure EEG Activity. // IEEE Engineering in Medicine and Biology. 1997. Vol. 16. № 1. Р. 64-71.
2. Davies P.F., Shi C., Depaola N., Helmke B.P., Polacek D.C. Hemodynamics and the focal origin of atherosclerosis: a spatial approach to endothelial structure, gene expression, and function. // Ann. N. Y. Acad. Sci. 947. 2001. Р. 7-16.
3. Cloutier G., Chen D., Durand L.G. Performance of time-frequency representation techniques to measure blood flow turbulence with pulsed-wave doppler ultrasound. // Ultrasound in Med. & Biol. 2001. Vol. 27. № 4. Р. 535-550.
4. Ku D.N., Giddens D.P., Zarins C.K., Glagov S. Pulsatile flow and atherosclerosis in the human carotid bifurcation. Positive correlation between plaque location and low and oscillating shear stress. // Arteriosclerosis. 1985. №. 5. Р. 293-301.
5. Ivanov P.C., Rosenblum M.G., Peng C.K., Mietus J., Havlin S., Stanley H.E., Goldberger A.L. Scaling Behaviour of Heartbeat Intervals Obtained by Wavelet - Based Time - Series Analysis. // Nature. 1996. Vol. 383. № 26. Р. 323-327.
6. Thurner S., Feurstein M.C., Teich M.C. Phys. Rev. 1998. Lett. 80 р 1544.
7. May Ph. Wavelet analysis of blood flow singularities by using ultrasound data. // Center for Turbulence Research Annual Research Briefs, 2002. Р. 349-362.
8. Титов Ю.М., Темников А.А., Куклин С.Г., Смирнова Ю.Ю. Вейвлет-анализ вариабельности частоты сердечных сокращений при ишемической болезни сердца // Медицинская физика. Техника, биология, клиника, 2001. № 11. с. 86-87.
9. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование // Успехи физических наук, 2001. т. 171. № 5. с. 465-501.
10. Ламброу Т., Линней А., Спеллер Р. Применение вейвлет-преобразования к обработке медицинских сигналов и изображений // Компьютерра, 1998. № 8. С. 50-51.
11. Опарин А. Л., Рудык Ю.С. Прогностические возможности вейвлет-преобразования сердечного ритма у больных острым инфарктом миокарда / Всероссийская науч. конф. "Кардиология - XXI век". Санкт-Петербург, 22-23 ноября 2001. с. 118.
12. Клинаев Ю.В., Монахова О.А., Вест С.С. Цифровая обработка сигналов на примере Windows-приложений для восстановления оцифрованных аналоговых сигналов графики и акустики с пользованием вейвлетного анализа / Радиотехника и связь: материалы третьей международной научно-технической конференции. Саратов: СГТУ, 2006. с. 97-102.
13. Дощицин. В. Клиническая электрокардиография. М.: МИА, 1999.
14. Дабровски А., Дабровски Б., Пиотрович Р. Суточное мониторирование ЭКГ. М.: Медпрактика, 2000.
15. Латфуллин И.А., Тептин Г.М., Контуров С.В. Сравнительный анализ погрешностей в аналоговой и компьютерной электрокардиографии. // Вестник аритмологии. 1999. № 5. С. 54-58.
16. Дьяконов В. MatLab. Обработка сигналов и изображений. СПб: Питер, 2002. 608 с.
