2 (1113501), страница 8
Текст из файла (страница 8)
установление факта его наличия наанализируемом участке) и определение характерных точек комплекса (опорной точки, служащей для измерения RR-интервала,точек начала и конца комплекса, а также крайних точек и вершин его зубцов). Можно выделить несколько основных группметодов распознавания QRS-комплекса при оперативном анализе ритма сердца по электрокардиосигналу (ЭКС):♦ простейшие пороговые методы;♦ структурные методы;♦ методы сравнения с образцами (корреляционные методы);♦ методы на основе цифровой фильтрации.5.2.
Простейшие пороговые методыПростейшие пороговые методы основываются на применении несложных логических правил по отношению к исходному ЭКС или к его первой производной, в качестве оценкикоторой обычно используется первая разность отсчетов сигнала. Факт обнаружения комплекса фиксируется при превышениисигналом (или модулем сигнала) некоторого порога. Такие методы отличаются относительной простотой, но обладают невысокой устойчивостью к помехам и к изменению ЭКС. Крометого, для обеспечения надежной работы этих алгоритмов необходима подстройка порога обнаружения QRS-комплекса длякаждого пациента. Из-за этих недостатков простейшие пороговые методы находят ограниченное применение.5.3.
Структурные методыСтруктурные методы распознавания QRS-комплекса основаны на предварительной сегментации ЭКС, в ходе которойвходной сигнал представляется в виде последовательности про56стейших элементов (горизонтальных и наклонных отрезковпрямой, фрагментов полиномов 2-го и 3-го порядков). Сегментированный сигнал далее подвергается грамматическому разбору с использованием алгоритма, в основу которого положеныэмпирические представления о структуре QRS-комплекса ЭКГ.Структурные методы характеризуются наглядностью, удобством для программирования, универсальностью, а также возможностью снижения избыточности информации, описывающей сигнал. Однако следует отметить и некоторые недостаткиструктурных методов, к которым можно отнести потерю частиинформации о сигнале при его сегментации, невозможностьучета всех встречающихся вариантов структуры желудочковогокомплекса, подверженность скачкообразному изменению результатов анализа при незначительных случайных отклоненияхв форме входного сигнала.5.4.
Метод сравнения с образцомПри использовании метода сравнения с образцами предполагается вычисление в текущем режиме взаимной корреляционной функции между входным ЭКС и одним или несколькими образцами желудочковых комплексов. Эти образцы могутпредставлять собой либо усредненные модели различных видовранее обнаруженных комплексов, либо заранее определенныхтиповых комплексов. Обнаружение желудочкового комплексаможет осуществляться по превышению полученной функциейвзаимной корреляции заданного порога, что должно свидетельствовать о высокой степени линейной зависимости анализируемого фрагмента ЭКС и соответствующего образца.
Такой алгоритм может дать хорошее качество обнаружения QRSкомплекса даже в условиях значительных помех. Кроме того,одновременно с обнаружением комплексов при этом решается изадача классификации их форм. Еще одним недостатком такихалгоритмов является их адаптируемость в ходе анализа к формесигнала каждого конкретного пациента. Однако реализациякорреляционных методов распознавания QRS-комплекса в системах оперативной обработки ЭКС связана с чрезвычайно вы57сокими требованиями к производительности используемогопроцессора и может быть осуществлена с применением специализируемых быстродействующих вычислительных устройств.
Всвязи с этим часто предлагаются упрощенные методы получения оценок взаимной корреляционной функции, хотя результаты анализа в таких случаях оказываются несколько ниже.5.5. Метод на основе цифровой фильтрацииПодход, основанный на использовании цифровой фильтрации для распознавания QRS-комплекса, может рассматриваться как один из вариантов упрощенной реализации корреляционных методов. При этом процедура распознавания распадается на два взаимосвязанных этапа.
Сначала сигнал пропускается через цифровой фильтр с частотной характеристикой, соответствующей диапазону частот QRS-комплекса, полученногоусреднением спектральных оценок большого числа комплексовразличных морфологий. Это адекватно вычислению взаимнойкорреляционной функции между сигналом и некоторым типовым желудочковым комплексом, форма которого соответствуетимпульсной характеристике применяемого цифрового фильтра.На следующем этапе анализа по алгоритму, основанномуна пороговых правилах, предварительно обслуживается QRSкомплекс и определяется его опорная точка, которая служит длясовмещения во времени текущего комплекса с усредненнымиобразцами, ранее найденных комплексов, относящимся к различным классам формы.
Вычисляются коэффициенты взаимнойкорреляции между обнаруженным комплексом и всеми имеющимися образцами. На основании полученных результатов анализируемый комплекс либо относится к одному из ранее существовавших классов, либо считается первым представителемнового класса формы, либо отбраковывается как артефакт.Описываемая процедура, используемая в том или иномвиде во многих разработках, является компромиссом междупринципиально достижимым высоким качеством обнаруженияQRS-комплекса с помощью корреляционных методов и ограниченной производительностью широко распространенных мик58ропроцессоров.
Сравнительно простая вычислительная операция описанного метода объясняется тем, что при этом обычноиспользуются легко реализуемые цифровые фильтры, а вычисление корреляционной функции выполняется для каждого образца один раз.5.6. Алгоритм, основанный на анализе структуры сигналаДля реализации этого метода используется структурнолингвистический подход. Его смысл в том, что некоторые элементы QRS-комплекса заменяются или каким-либо символом,или цепочкой символов.
Далее анализируется весь ЭКС и представляется также последовательностью символов. При выделении комплекса происходит сравнительный анализ символьнойпоследовательности, характеризующей QRS-комплекс, со всемиучастками ЭКС. В случае нахождения идентичности анализируемого участка с образцом, он принимается за QRS-комплекси анализ проводится далее.
В качестве примера рассмотрим одну из возможных ситуаций.В первую очередь необходимо различные возможные участки сигнала представить определенными символами. Прямые,имеющие соответствующую амплитуду, представим следующим образом (их длительность учитывать не будем):g1g2g3g4g5g6g7<0,1 мВ, >–0,1 мВ>0,1 мВ, < 0,3 мВ>0,3 мВ, < 0,5 мВ> 0,5 мВ>–0,3 мВ, <–0,1 мВ>–0,5 мВ, <–0,3 мВ<–0,5 мВТо же самое проделаем и с наклонными линиями:V1< 0,1 мВ59V2>0,1 мВ, <0,3 мВV3> 0,3 мВN1<0,1 мВN2>0,1 мВ, <0,3 мВN3> 0,3 мВТеперь напишем ряд грамматических правил, в соответствии с которыми и будет производиться распознавание QRSкомплекса.<QRS> -> <Q > <QRS1><QRS1> -> <R> <QRS2>-> E<QRS2> -> <S> <QRS3>-> E<QRS3> -> <R1> <QRS4>-> E<QRS4> -> <S1>-> E<Q>-> N1V1 | N1V2 | N1V3 | N2V1 | N2V2 | N2V3 |N3V1 | N3V2 | N3V3<R>-> V1N1 | V1N2 | V1N3 | V2N1 | V2N2 | V2N3 |V3N1 | V3N2 | V3N3<S>-> N1V1 | N1V2 | N1V3 | N2V1 | N2V2 | N2V3 |N3V1 | N3V2 | N3V3<R1>-> <R><ST><S1>-> <S><ST><ST>-> g1 | g2 | g3 | g4 | g5 | g6 | g7 | V1 | N160Таким образом, распознавание проходит согласно этимправилам.
Если анализируемый участок удовлетворяет предложенным правилам, то его можно считать искомым, если нет - топоиск продолжается далее.616. WAVELET-АНАЛИЗВейвлет-анализ разработан для решения задач, эффективность решения которых при использовании традиционного анализа Фурье невысока, и находит все более широкое применениев исследовании и прогнозе временных рядов, будь то Интернеттрафик или биржевые котировки, обработке данных дистанционного зондирования, сжатии изображений и мультимедиаинформации, распознавании образов и речи, задачах связи, теоретической физике и математике. Имеется возможность использования Вейвлет-анализа для целей обработки биомедицинскойинформации (сигналов, изображений и т.д.)Вейвлет (wavelet) - дословно значит «маленькая волна».Известно, что любой сигнал можно разложить на сумму гармоник (синусоид) разной частоты.
Но синусоидальные волны бесконечны и не очень-то отслеживают изменения сигнала во времени. Чтобы уловить эти изменения, вместо бесконечных волнможно взять короткие «всплески» - совершенно одинаковые, норазнесенные по времени. Оказывается, этого недостаточно: надо добавить еще их всевозможные растянутые и сжатые копии.Вот теперь сигнал можно разложить на сумму всплесков разного размера и местоположения. Это и есть вейвлет-анализ, который иногда называется всплеском.Вейвлет-анализ возник при обработке записей сейсмодатчиков в нефтеразведке и с самого начала был ориентирован налокализацию разномасштабных деталей.
Выросшую из этихидей технику теперь обычно называют непрерывным вейвлетанализом. Ее основные приложения: локализация и классификация особых точек сигнала, вычисление его различных фрактальных характеристик, частотно-временной анализ нестационарных сигналов. Например, у таких сигналов, как музыка иречь, спектр радикально меняется во времени, а характер этихизменений - очень важная информация.Другая ветвь вейвлет-анализа - ортогональный вейвлетанализ.
Главные применения - сжатие данных и подавлениешумов.626.1. Непрерывный вейвлет-анализГлавными действующими лицами непрерывного вейвлетанализа являются две функции, изображенные на рис. 11.Рис.11. Примеры вейвлетовЭто два самых популярных вейвлета: «сомбреро» (Mexican hat) и вейвлет Морле (Morlet wavelet). График любого вейвлета выглядит примерно так же. Вейвлет Морле - комплекснозначный, на рис. 11 изображены его вещественная и мнимаячасти.
Для того чтобы функция Ψ(t) могла называться вейвлетом, должны выполняться два условия.1. Ее среднее значение (то есть интеграл по всей прямой) равно нулю.2. Функция Ψ(t) быстро убывает при t → ±∞.Теперь возьмем произвольный сигнал - некоторую функцию f(х) (переменную х будем называть временем), и произведем ее вейвлет-анализ при помощи вейвлета Ψ.Результатом вейвлет-анализа этого сигнала будет функцияWf (х, а), которая зависит уже от двух переменных: от времени хи от масштаба а.
Для каждой пары х и а (а>1) порядок вычисления значения Wf (х, а) следующий.63Растянуть вейвлет Ψ в а раз по горизонтали и в 1/араз по вертикали.2. Сдвинуть его в точку х. Полученный вейвлет обозначим Ψx,a .3. «Усреднить» значения сигнала в окрестности точки апри помощи Ψx,a.На рис. 12 показано, что надо сделать.
В нижней частиизображен график функции f(х), в верхней - условными цветами- распределение значений Wf(x,a). По горизонтали - переменнаях, по вертикали - ось а в логарифмическом масштабе, на которой маленькие масштабы расположены ниже больших. Самыймаленький масштаб соответствует шагу сетки, на которой задана исходная функция. Столбиками изображены графики Ψx,aпри разных значениях а и х.1.Рис.12. Результат работы вейвлетаВыделенные участки графика исходной функции поточечно умножаются на значения оказавшихся над ними столбиков, потом все это суммируется. Абсолютная величина суммыопределяет, какого цвета будет точка на верхней картинке (нарисунке эти точки обведены красными кружочками). Это делается для всех пар (х, а).Строгое определение выглядит так:Wf ( x, a) =+∞1t − xψ f (t )dt .∫a −∞ a 64(6.1)На математическом языке можно сказать, что при фиксированном значении a Wf(x,a) есть свертка исходной функции срастянутым в а раз вейвлетом.Рис.13. Результат работы вейвлета сомбрероРис.14.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
