Transcript תותוא ןויקינ תרזעב ECG ICA

‫פרויקט בנושא‬
‫ניקיון אותות ‪ ECG‬בעזרת ‪ICA‬‬
‫מגישות‪:‬‬
‫טל דהאן‬
‫אסתר שדה‬
‫מנחה ‪:‬אלדד קליימן‬
‫הצגת הפרויקט‬
‫• מטרת הפרויקט‪:‬‬
‫לשפר את בדיקת ה‪ ECG-‬ולנקות אותה‬
‫מרעשים נלווים‬
‫• האמצעי‪:‬‬
‫אלגוריתם ה‪ICA-‬‬
‫בדיקת ה‪ECG-‬‬
‫כמו שניתן לראות באיור – (‪ )a‬מתאר ‪ ECG‬נורמלי‪ ,‬ו‪ )b( -‬מתאר פגיעה ב‪ AV-‬כך שרק‬
‫חצי מהפולסים לעליות עוברים לחדרים‪,‬‬
‫כלומר כל ‪ p wave‬שני לא מלווה ב‪ QRS -‬או ‪T WAVE‬‬
‫אלגוריתם ה‪ ICA -‬והשימוש בו לניקיון אותות‬
‫‪ECG‬‬
‫• שיטת ה‪ )independent component analysis( ICA-‬עוסקת‬
‫באותות שניתן לראות כערבוב לינארי של מקורות בלתי תלויים‬
‫סטטיסטית‪.‬‬
‫•‬
‫‪x=As‬‬
‫או‬
‫‪s=Wx‬‬
‫• משפט הגבול המרכזי ‪ -‬התפלגות ההסתברות של מספר‬
‫מקורות בלתי תלויים (ובלבד שלא יהיו גאוסיאניים) תהיה יותר‬
‫גאוסיאנית מהתפלגות כל אחד מהם בנפרד‪.‬‬
‫• שיטות למדידת מידת הקרבה של התפלגות להתפלגות‬
‫הגאוסיאנית ‪ -‬מבחן ה‪ ,KURTOSIS-‬הנגנטרופיה ועוד‪.‬‬
‫בדיקת ה‪ -ECG -‬מורכבת מהאות הקרדיוגרפי‪ ,‬הרעשים‬
‫והארטיפקטים המהווים מקורות בלתי תלויים סטטיסטית‪.‬‬
‫לאחר פירוק באמצעות ‪ – ICA‬הרכיבים ניתנים להפרדה‬
‫ויזואלית של האות הרצוי מהרעשים‪.‬‬
‫נדרשים קריטריונים לצורך פסילה אוטומטית של הרעשים‬
‫•‬
‫קריטריון הואריאנס – מפריד הפרעות פתאומיות‬
‫(< ‪1‬עבור אות ‪ ECG‬אפייני)‬
‫•‬
‫‪ – KURTOSIS‬מפריד רעשים מתמשכים‬
‫(> ‪ 10‬עבור אות ‪ ECG‬אפייני)‬
‫התוצאות‬
‫רעש בתדירות ‪ 50Hz‬על פונקצית גל ריבועי‬
‫לפני ההפרדה‬
‫אחרי ההפרדה‬
‫הוספת רעש לבן לאות סינטטי‬
‫לפני ההפרדה‬
‫אחרי ההפרדה‬
‫ניקיון אותות שנלקחו מנבדקים‬
‫תוצאות בדיקת‬
‫ה‪ ECG-‬עבור‬
‫אחד הנבדקים‬
‫ניתן לראות‬
‫שקיימת הפרעה‬
‫פתאומית‬
‫המופיעה‬
‫במרבית ה‬
‫‪leads-‬‬
‫תוצאות ההפרדה‬
‫לפי השוואה בין‬
‫תוצאות הנבדקים‬
‫השונים‪ ,‬ועל פי‬
‫הסתכלות ידנית‬
‫קבענו קריטריונים‬
‫לבחינת הרכיבים‪:‬‬
‫הואריאנס נדרש‬
‫להיות קטן מ‪1-‬‬
‫וה ‪KURTOSIS-‬‬
‫נדרש להיות‬
‫גדול מ‪.10-‬‬
‫‪Var‬‬
‫‪0.002‬‬
‫‪0.147‬‬
‫‪2.673‬‬
‫‪0.047‬‬
‫‪1.932‬‬
‫‪0.306‬‬
‫‪0.005‬‬
‫‪0.049‬‬
‫‪0.029‬‬
‫‪0.004‬‬
‫‪0.021‬‬
‫‪0.007‬‬
‫|‪|kur‬‬
‫‪1.956‬‬
‫‪10.25‬‬
‫‪33.205‬‬
‫‪6.357‬‬
‫‪13.101‬‬
‫‪23.06‬‬
‫‪1.71‬‬
‫‪0.98‬‬
‫‪0.78‬‬
‫‪2.09‬‬
‫‪3.8‬‬
‫‪0.72‬‬
‫]ה‪ Leads -‬המסומנים הם אלו שעמדו בקריטריונים]‬
‫הרכבת‬
‫האות מחדש‬
‫נבדק שני‪:‬‬
‫באות זה בולט הסיכוך של‬
‫תדירות רשת החשמל‬
‫הביתית (‪)HZ 50‬‬
‫ננסה תחילה לסנן את האות בעזרת פילטר ‪ FIR‬מתאים לתחום‬
‫התדרים האפייני של אות ‪ECG‬‬
‫ניתן לראות בניתוח‬
‫האות בתחום התדר‬
‫את הקפיצה בתדירות‬
‫‪HZ 50‬‬
‫בתחומים מסוימים‬
‫התדירות חופפת‬
‫לתחום התדירויות של‬
‫האות והסינון מעוות‬
‫את האות האמיתי‬
‫תוצאות ההפרדה‪:‬‬
‫‪Var‬‬
‫‪0.09 0.001‬‬
‫‪0.001 0.001 0.021 0.036 0.002 0.001 0.007 0.009 0.102‬‬
‫‪0.01‬‬
‫‪Kur‬‬
‫‪9.99 0.759‬‬
‫‪0.01 0.635 2.127 25.37‬‬
‫‪1.029 1.309 5.703 12.29 0.519‬‬
‫‪1.51‬‬
‫ההרכבה מחדש‬
‫של האות‪:‬‬
‫סיכום התוצאות‬
‫ניתן לראות כי ניקיון האות בעזרת ה‪ ICA-‬נותן תוצאות טובות מאוד‪ ,‬בהשוואה‬
‫לשיטת הסינון בעזרת פילטרים בעיקר בתחומים הבאים‪:‬‬
‫• עוצמת הרעש אינה פוגעת ביכלת ההפרדה‪ ,‬גם אם בבדיקה האות מסוכך‬
‫ולא ניתן לפענוח‪.‬‬
‫• הרעש ניתן להנחתה גם אם תחום תדריו חופף לזה של האות‬
‫• במבט לעתיד העלנו שתי נקודות עיקריות למחשבה‪:‬‬
‫‪ .1‬דרושה בדיקה סטטיסטית מקיפה לניסוח עדין של הקריטריונים לזיהוי‬
‫הרעש‪ ,‬וייתכן שנמצא קריטריונים סטטיסטיים נוספים‪.‬‬
‫כמו כן‪ ,‬ייתכן שהפעלת האלגוריתם מספר פעמים עשויה לשפר את‬
‫התוצאות‪.‬‬
‫‪ .2‬ה‪ ICA-‬פועל ללא הנחות מוקדמות בנוגע למידע שהוא מעבד וזהו חסרון של‬
‫השיטה‪ .‬לאותות ה‪ ECG -‬צורה ייחודית שאפשר לנצלה‪ .‬שילוב מידע מוקדם‬
‫זה עם האלגוריתם הנוכחי של ה‪ ICA -‬עשוי לשפר את היכולת להוריד‬
‫רעשים מאותות ה‪. ECG -‬‬