Вейвлет-анализ электрокардиограмм
Краткое сожержание материала:
Размещено на
Размещено на
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
(ФГБОУ ВПО «КубГУ»)
Физико-технический факультет
Кафедра теоретической физики и компьютерных технологий
ДИПЛОМНАЯ РАБОТА
Вейвлет-анализ электрокардиограмм
Работу выполнил
Полывьян Александр Андреевич
Специальность - Информационные системы и технологии
канд. физ.-мат. наук, доцент А.А. Мартынов
Краснодар 2013
Реферат
Полывьян А.А. ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОКАРДИОГРАММ
Дипломная работа: рис. 18, табл. 2, использованных источников 23.
ЭКГ, ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЕ, PQRST-ПРИЗНАКИ, MATLAB, АНАЛИЗ БИОЛОГИЧЕСКИХ СИГНАЛОВ, ПОМЕХИ ПРИ АНАЛИЗЕ ЭКГ, БОЛЕЗНИ СЕРДЦА
Основным результатом работы является разработка алгоритма автоматизированного выделения PQRST-признаков в сигнале ЭКГ с помощью вейвлет-инструментария математического пакета Matlab. В ходе работы решены задачи изучения теоретических основ и практических применений вейвлет-преобразования, изучения характеристических особенностей сигнала ЭКГ, используемых при диагностировании заболеваний, а также изучения инструментария Matlab для работы с вейвлетами.
Содержание
- Введение
- 1. Вейвлет-преобразование
- 1.1 Непрерывное вейвлет-преобразование
- 1.2 Дискретное вейвлет-преобразование
- 1.2.1 Один уровень преобразования
- 1.2.2 Каскадирование и банки фильтров
- 1.3 Достоинства и недостатки вейвлет-преобразований
- 1.4 Использование вейвлет-преобразования в алгоритме сжатия изображений
- 1.4.1 Базовый алгоритм сжатия изображений
- 1.4.2 Вейвлет-преобразование
- 1.4.3 Модифицированный алгоритм сжатия изображений JPEG с использованием вейвлет-преобразования
- 1.4.4 JPEG 2000
- 1.4.5 Выводы
- 1.5 Применение вейвлет-преобразования к обработке медицинских сигналов и изображений
- 1.5.1 Выявление коронарной болезни сердца
- 1.5.2 Турбулентный кровоток
- 1.5.3 Выявление нерегулярных сердечных сокращений
- 1.5.4 Вейвлеты в электроэнцефалографии (ЭЭГ)
- 1.5.5 Алкоголь и потомство
- 1.5.6 ЭЭГ в период приступа
- 1.5.7 Вейвлеты в цифровой маммографии
- 1.5.8 Сжатие медицинских изображений с помощью вейвлетов
- 2. Использование вейвлет - преобразования для анализа электрокардиограмм
- 2.1 Компоненты электрокардиограммы
- 2.2 Диагностика выделения признаков
- 2.3 Выделение признаков
- 2.4 Помехи при регистрации электрокардиограммы
- 2.5 Многоуровневая вейвлет-декомпозиция
- 2.6 Вейвлет-анализ с помощью Matlab
- 2.6.1 Перечень функций WaveletToolbox
- 2.6.2 Одномерное дискретное многоуровневое вейвлет- преобразование
- 2.7 Предлагаемый алгоритм выделения признаков PQRST
- Заключение
- Список используемой литературы
Введение
На сегодняшний день одним из самых распространенных методов диагностики и распознавания сердечнососудистых заболеваний является электрокардиография. Сигнал ЭКГ характеризуется набором зубцов на кардиограмме по временным и амплитудным параметрам которых ставится диагноз. До недавнего времени процедуру нахождения характеристик зубцов выполнял врач-кардиолог, используя при этом только чертежные принадлежности. Такая схема достаточно проста и надежна, но требует много времени, и она работала в течение долгого времени из-за отсутствия альтернативных подходов к решению данной задачи.
В настоящее время ни одна область экспериментальной, клинической или профилактической медицины не может успешно развиваться без широкого применения электронной медицинской аппаратуры. Инструментальные методы исследований и контроля используются в космической и подводной физиологии, спортивной и экстремальной медицине, сложных видах хирургического вмешательства. Задачи инженерно-психологической экспертизы при проектировании сложных управляющих комплексов, связанные с текущей диагностикой состояния организма человека-оператора, также не могут решаться без использования электронной диагностической аппаратуры.
Сравнение эффективности различных диагностических методов показывает, что наиболее полезная информация о функционировании внутренних органов и физиологических систем организма содержится в биоэлектрических сигналах, снимаемых с различных участков под кожным покровом или с поверхности тела. Прежде всего, это относится к электрической активности сердца, электрическому полю головного мозга, электрическим потенциалам мышц.
Обобщенно любое электрофизиологическое исследование представляется тремя последовательными этапами: съем, регистрация и обработка сигналов биоэлектрической активности. Специфические особенности, присущие конкретному методу реализации каждого из этапов, определяют комплекс требований и ограничений на возможную реализацию остальных. На протяжении нескольких десятилетий достоверность получаемых результатов ограничивалась техническими возможностями средств регистрации и отображения информации. Это сдерживало развитие методов автоматической обработки биоэлектрических сигналов. Последнее десятилетие, характеризующееся бурным развитием микроэлектроники и средств вычислительной техники, позволяет, с одной стороны, практически исключить инструментальные искажения, а с другой - применять методы цифровой обработки сигналов, реализация которых была ранее невозможна.
Особое место среди электрофизиологических методов диагностики занимает измерение и обработка электрокардиосигнала. Это связано с тем, что электрокардиограмма является основным показателем, который в настоящее время позволяет вести профилактический и лечебный контроль сердечнососудистых заболеваний. Эффективности электрокардиографических методов диагностики способствует развитая и устоявшаяся система отведений и широкое использование количественных показателей ЭКГ.
С развитием компьютеров стали появляться специализированные комплексы, позволяющие выявлять сердечные заболевания, на основе автоматизированного анализа временных параметров ЭКГ. На сегодняшний день известны разработки фирм MedIT, Innomed Medical Co. Ltd. и другие. Кардиографы этих компаний выполняют основные операции, необходимые для работы в реальных условиях. Программное обеспечение является одной из частей кардиографической системы. Оно обеспечивает фильтрацию сигналов, анализ данных и постановку диагноза на основе временных параметров ЭКГ.
Целью дипломной работы является разработка алгоритма для автоматизированного выделения PQRST-признаков в сигнале ЭКГ с помощью вейвлет-инструментария математического пакета Matlab.
В ходе дипломной работы решались следующие задачи:
1. Изучение теоретических основ и практических применений вейвлет-преобразования.
2.Изучение характеристических особенностей сигнала ЭКГ, используемых при диагностировании заболеваний.
3. Изучения инструментария Matlab для работы с вейвлетами.
4. Построение алгоритма для автоматизированного выделения PQRST-признаков в сигнале ЭКГ с помощью Matlab.
1. Вейвлет-преобразование
1.1 Непрерывное вейвлет-преобразование
Важнейшим средством анализа стационарных непрерывных сигналов является преобразование Фурье непрерывного времени (CTFT). При этом сигнал раскладывается в базис синусов и косинусов различных частот. Количество этих функций - бесконечно большое. Коэффициенты преобразования находятся путем вычисления скалярного произведения сигнала с комплексными экспонентами:
(1)
где f(x) означает сигнал, а -его преобразование Фурье. С практической точки зрения CTFT имеет ряд недостатков. Во-первых, для получения преобразования на одной частоте требуется вся временная информация. Это означает, что должно быть известно будущее поведение сигнала. Далее, на практике не все сигналы стационарны. Пик в сигнале во временной области распространится по всей частотной области его преобразования Фурье. Для преодоления этих недостатков CTFT вводится кратковременное, или оконное преобразование Фурье (STFT):
(2)
в котором применяется операция умножения сигнала на окно перед применением преобразования Фурье. Окном w(x-b) является локальная функция, которая сдвигается вдоль временной оси для вычисления преобразования в нескольких позициях b. Преобразование становится зависимым от времени, и в результате получается частотно-временное описание сигнала. В качестве окна часто выбирается функция Гаусса, и в этом случае обратное преобразование тоже будет выполняться с использованием оконной функции Гаусса. Используются также многочисленные другие окна, в зависимости от конкретного приложения.
Недостаток STFT состоит в том, что при его вычислении используется фиксированное окно, кото...
Вейвлет-анализ в примерах: Учебное пособие
В пособии рассматриваются основы вейвлет-анализа и практические аспекты его применения. Показаны преимущества вейвлет-преобразования перед традиционны...
Применение вейвлет-преобразований
От анализа Фурье к вейвлет-анализу. Некоторые примеры функций вейвлет-анализа в MATLAB. Построение систем полуортогональных сплайновых вейвлет. Примен...
Вейвлет-анализ сигналов и его применение
Идея и возможности вейвлет-преобразования. Свойства вейвлетов: непрерывное прямое и обратное образование. Понятие и оценка преимуществ, сферы применен...
Види та порядок проведення вейвлет-аналізу
Опис процедури обчислення багатовіконного перетворення, етапи її проведення, особливості сигналів та вейвлет-функцій для різних значень. Дослідження в...
Регистрация электрокардиограмм. Классический анализ электрокардиограмм
Измерение амплитудных и временных параметров электрокардиосигналов. Принцип работы электрокардиографов. Алгоритм исследования электрокардиосигналов. О...