Системы сбора данных используются для сбора, обработки и анализа сигналы от реальных физических объектов. Сбор данных - это процесс измерения электрических сигналов, поступающих от первичных преобразователей, электродов, сенсоров, датчиков, и их ввод в компьютер для обработки. Системы DAQ могут также включать в себя вывод аналоговых или цифровых сигналов управления.

Свет, температура, давление, крутящий момент, биопотенциалы и др. - вот примеры различных типов сигналов, которые можно измерить и выполнить разнообразные процедуры средствами

Компоненты системы сбора данных:

преобразователь (датчик) - устройство, преобразующие физические сигналы в электрический сигнал, например в электрическое напряжение или ток. Для снятия биопотенциалов используются различные электроды;

электрический сигнал - результат преобразования исходного сигнала;

системы согласования электрического сигнала - аппаратура, которая используется для усиления, фильтрации, линеаризации и других необходимых процедур;

аппаратура DAQ - аппаратные средства, которые используются для сбора и анализа данных;

программное обеспечение - драйверы и прикладные программы, необходимые для проектирования и создания приложений по управлению приборами и измерению данных.

NI ELVIS является аппаратно-программное комплексом, объединяющим два последних компонента системы DAQ. Программное обеспечение для NI ELVIS базируется на приложении LabVIEW.

1.2 Основные сведения о NI ELVIS

ELVIS - Educational Laboratory Virtual Instruments System - Учебная лабораторная система виртуальных приборов- разработана фирмой National Instruments для изучения технологии виртуальных приборов в учебных заведениях.

В NI ELVIS используются виртуальные приборы, созданные в среде LabVIEW, многофункциональная плата (адаптер) DAQ, настольная рабочая станция и макетная плата.

Программные средства LabVIEW, используемые для взаимодействия с настольной рабочей станцией NI ELVIS и платой DAQ, обеспечивают среду программирования высокого уровня, в которой достаточно просто реализуются преимущества технологии виртуальных приборов.

Компоненты NI ELVIS: 1 Компьютер с программой LabVIEW; PCI плата DAQ; 3 68-штырьковый кабель серии E; 4 Макетная плата NI ELVIS; 5 Настольная рабочая станция NI ELVIS;

Виртуальные приборы NI ELVIS вместе с PCI-платой DAQ обеспечивают функциональные возможности следующих физических устройств: Генератор сигналов произвольной формы; АЧХ/ФЧХ анализатор; Устройство чтения с цифровой шины; Устройство записи на цифровую шину; Мультиметр; Анализатор динамических сигналов; Функциональный генератор; Анализатор импеданса; Осциллограф; Вольтамперный анализатор двухпроводной линии; Вольтамперный анализатор трехпроводной линии; Регулируемые источники питания

Рисунок 2 - Система сбора данных на базе NI ELVIS.

Настольная рабочая станция и плата DAQ вместе образуют завершенную лабораторную установку. Панель управления, расположенная на станции, снабжена кнопками и ручками управления функциональным генератором и регулируемыми блоками питания. Станцию можно подключить к виртуальным приборам: осциллографу и цифровому мультиметру NI ELVIS с помощью BNC-разъемов и разъемов штекерного типа. Программное обеспечение NI ELVIS маршрутизирует сигнал в настольной рабочей станции между виртуальными приборами. Рабочая станция также содержит защитную панель, предохраняющую прибор DAQ от возможных поломок, которые могут случиться в результате ошибок, в набранных схемах на макетной плате.

Расположение органов управления рабочей станции приведено на рисунке 3.

Рисунок 3 - Схема панели управления настольной рабочей станции

1. Индикатор System Power (питание системы)

2. Переключатель Prototyping Board Power (питание макетной платы)

3. Переключатель Communications (Связь)

4. Элементы управления регулируемыми блоками питания

5. Кнопки управления функциональным генератором

6. Клеммы мультиметра

7. Клеммы осциллографа

1.3 Макетная плата NI ELVIS

Схема расположения частей макетной платы приведена на рисунке 4.

Макетная плата подключается к рабочей станции с помощью стандартного разъёма PCI, это позволяет создавать собственные печатные платы и подключать их к NI ELVIS. Все контактные разъёмы макетной платы расположены по обеим её сторонам. Каждому сигналу соответствует ряд контактов, причём ряды объединены в соответствии с их функциональностью. С рабочей станцией можно использовать несколько взаимозаменяемых макетных плат.

1.4 Подключение входных аналоговых сигналов

Типовые приложения с аналоговыми измерениями включают в себя непрерывный сбор данных с использованием буферизации и измерения конечных выборок.

На макетной плате NI ELVIS расположены шесть дифференциальных каналов аналогового ввода - ACH<0..5>. Эти каналы напрямую подсоединены к входным каналам PCI платы DAQ. В NI ELVIS имеются два контакта заземления, AISENSE и AIGND, подсоединенные к контактам заземления DAQ-платы.

Некоторые из каналов аналогового ввода используются как для обслуживания внутренних схем приборов, так и для внешних измерений. Каналы ACH<0..> могут быть использованы непрерывно. При работе осциллографа используются каналы ACH3 и ACH4, поэтому во избежание наложения сигналов занимать их не следует. При измерениях осциллографом каналы ACH3 и ACH4 используются как каналы CH A и CH B соответственно. Нельзя подключать сигналы одновременно по этим каналам на макетной плате и к BNC-разъёмам Scope на лицевой панели рабочей станции.

Канал ACH5 используется при проведении измерений следующими виртуальными приборами: осциллографом, цифровым мультиметром, анализатором динамических сигналов, анализатором импеданса, вольтамперным анализатором двухпроводной и трёхпроводной линий. По этой причине, если какие-либо из вышеперечисленных приборов активны, канал ACH5 может быть недоступен.

1.5 Усилитель биомедицинских сигналов

Основным элементом измерительного канала биомедицинских сигналов является усилитель биопотенциалов (биоусилитель). Биоусилитель осуществляет три основные операции:

1) усиливает низкоамплитудные биомедицинские сигналы до входного диапазона АЦП (обычно до уровня ±5 В);

2) осуществляет фильтрацию сигналов в заданной полосе пропускания с удалением низкочастотных и высокочастотных составляющих посредством аналоговых фильтров верхних (ФВЧ) и нижних (ФНЧ) частот;

3) удаляет из биосигналов сетевую наводку на частоте 50 Гц посредством режекторного (вырезающего) фильтра.

Основными техническими характеристиками биоусилителя являются:

- входное сопротивление не менее 100 МОм для исключения шунтирования низковольтовых входных сигналов;

- уровень шума в стандартном и расширенных диапазонах не более 1-5мкВ от пика до пика (peak-to-peak);

- уровень подавления синфазной помехи 80-100 дБ, что исключает внешние наводки в широком диапазоне частот и позволяет работать без специальных экранированных камер;

- полоса пропускания не менее 0.01-1000 Гц;

- число градаций коэффициента усиления от 1 до 100 тысяч;

- число фильтров верхних частот;

- число фильтров нижних частот;

- наличие режекторного фильтра 50 Гц с добротностью не менее 80 дБ.

Основной элементной базой при построении измерительного преобразователя являются операционные усилители и инструментальные усилители. Схемотехника инструментального усилителя (ИУ)

ИУ -- устройство для усиления сигналов с высокой точностью при больших уровнях синфазных напряжений и шумов.

Симметричность ИУ, операционные усилители с малым коэффициентом шума на входах, высокий коэффициент ослабления синфазного сигнала (КОСС) или Common-Mode Rejection Ratio (CMRR), сверхвысокие входные сопротивления.

Рисунок 4 -Схема инструментального усилителя

Наиболее популярная классическая схема ИУ на трех операционных усилителях (ОУ) (рисунок 4.)

Схема расчета. При расчетах принимают :

Vcф=Vд

Vд=Vвх+-Vвх-

Напряжения на выходах усилителей А1 и А:

где

Входные усилителя А1 и А (рис. 4.) усиливаются только дифференциальные составляющие с коэффициентом усиления Gv, синфазная составляющая усиливается ими с единичным усилением. Выходное напряжение дифференциального усилителя A3 равно:

,

где

Полный коэффициент усиления равен

Таблица 1 Параметры инструментальных усилителей

В таблице 1. приведены основные параметры ИУ ряда зарубежных фирм

Основные параметры ИУ

На рис. 5. приведен вариант использования инструментального усилителя INNA118 во входной цепи электрокардиографа. В схеме операционные усилители OPA604B образуют цепь обратной связи, обеспечивая дополнительное подавление синфазных помех. Инструментальный усилитель INNA118 обеспечивает усиление входного сигнала примерно в 11,4 раза. Общий коэффициент усиления 810-1150, полоса частот 0,16 -30 Гц. 

Рисунок 5- Схема одноканального биоусилителя на базе INNA118

Программирование ввода биомедицинских сигналов

DAQ Assistant. Для программирования работы измерительных DAQ-модулей в системе LabVIEW имеется большой набор готовых ВП, выполняющих определенные операции по обслуживанию DAQ-модулей. Однако стандартные задания, не требующие расширенных возможностей, удобно запрограммировать с помощью экспресс-ВП DAQ Assistant [17].

Рис. 5.5. Иконка экспресс-ВП DAQ Assistant

Экспресс-ВП DAQ Assistant находится в палитре Functions >> Express >> Input и размещается на блок-диаграмме ВП.

Конфигурация DAQ Assistant выполняется с помощью диалогового окна настройки DAQ-модуля, которое открывается двойным щелчком ЛКМ по иконке. Для ввода аналогового сигнала выбирается режим Analog Input (Аналоговый вход) и из списка измеряемых величин для регистрации биопотенциалов следует выбрать параметр Voltage (Напряжение).

Рис.6. Диалог выбора каналов

Рисунок 7 Окно настроек ввода аналогового сигнала

Появится окно с названием DAQ-модуля, подключенного к компьютеру, и со списком имеющихся физических каналов его аналоговых входов ai0 - ai7 (рис.10), выбираем мышью канал передачи данных, например, ai0, и нажимаем кнопку Finish. Появится окно добавления и настройки каналов (рис.7).

В разделе Signal Input Range (Диапазон входного сигнала) введем значения Max: 10, Min: -10. Стоящий по умолчанию вариант "N samples" (N измерений) в разделе Acquisition Mode (Режим сбора данных) обеспечит выполнение серии из N измерений, где величина N определяется окном Samples to read и по умолчанию равна N = 1000.

Для проверки работы канала нажмем кнопку наверху окна. Поскольку выбранный вход ai0 не подключен, на появившейся осциллограмме видны слабые шумы амплитудой 1- мВ вокруг нулевого среднего значения (рис.1). Подсоединим теперь вход ai0 к гнездам 31 (+5 В) и любому гнезду GND (Земля). На осциллограмме средний уровень напряжения должен возрасти до 5 В.

Рис.8. Окно Test. Видны шумы работающего канала

Biosignal DAQ Express VI. Для ввода биомедицинских сигналов в LabVIEW в среде NI Biomedical Startup Kit 3.0 имеется ВП Biosignal DAQ Express, который находится по адресу Biomedical=>Biomedical Acquisition (рис. 5.7).

Перед началом работы необходимо выполнить настройку ВП. Параметры настроек приведены в табл. 2

Рис. 9. Иконка Biosignal DAQ Express VI

Таблица 2. Параметры настроек Biosignal DAQ Express VI

На рис.10 приведен ВП ввода биомедицинского сигнала. ВП выполняет ввод биомедицинского сигнала с внешнего устройства, обработку сигнала, вывод на графический индикатор и запись данных в файл на любой носитель. Выбор вида обработки сигнала выполняется CASE структурой, можно сформировать различные процедуры обработки сигнала в соответствии с задачей исследования.

Рис. 10. ВП Загрузчик биомедицинских сигналов с ВУ

2. Моделирование биологических сигналов в labVIEW

2.1 Цель и назначение моделирования БМС

В настоящее время компьютерные технологии широко применяются для исследования биомедицинских процессов их систем, таких как электрическая активность сердечно-сосудистой системы, мозга, нейромышечной системы и др. Методы цифровой обработки биомедицинских сигналов, характеризующих такие системы, необходимо создавать с учетом их специфических особенностей.

Анализ биомедицинских сигналов является не простой задачей, так как биомедицинские сигналы проявляют себя как слабые сигналы в окружении других сигналов различного происхождения, важная информация в сигнале часто замаскирована шумами и наводками, имеет место его вариабельность, наблюдается крайняя изменчивостью и разнообразие признаков. Эти факторы определяют актуальность разработки специальных методов для объективного анализа биомедицинских сигналов с использованием алгоритмов обработки, реализованных на компьютере. Такие методы могут быть основаны на компьютерном моделировании, сущность которого - в построении модели, представляющей собой программный комплекс, алгоритмически описывающий поведение объекта или развитие процесса.

Учитывая многообразие биомедицинских сигналов невозможно создать обобщенную модель большого количества различных сигналов, для каждого сигнала часто требуется свои специфические модели. Например, такие биоэлектрические сигналы как ЭКГ и ЭМГ можно моделировать с использованием базового потенциала действия. Звуковые сигналы, такие как ФКГ или речевой сигнал требуют совершенно других методов [8].

2.2 Моделирование сигнала ЭКГ

В LabVIEW для создания и отладки ВП анализа электрокардиографического сигнала имеется Simulate ECG Express VI, который расположен на паллете Biosignal Acquisition Express VIs. Этот виртуальный прибор работает в среде Biomedical Toolkit.На рис. 3.6 приведена иконка Simulate ECG Express VI с указанием управляемых входных и выходных параметров, а в табл. 3. приведено описание параметров

Рис. 3.6. Входные и выходные параметры Simulate ECG Express VI

Таблица. 3. Входные и выходные параметры Simulate ECG Express VI

Параметры моделируемого сигнала ЭКГ устанавливаются с помощью диалогового окна, которое вызывается двойным щелчком ЛКМ по иконке (рис. 3.6) на блок диаграмме или командой Property из контекстного меню.

Рис. 11. Окно настроек модели ЭКГ

Табл. 4. Параметры, устанавливаемые в окне настроек, Simulate ECG Express VI

На рис. 12. приведен пример модели сигнала ЭКГ с сетевой помехой 60 ГЦ.

Рис. 12. Моделирование сигнала ЭКГ с помехой 60 Гц

2.3 Помехи биомедицинских сигналов

Большинство биологических сигналов являются слабыми сигналами и сопровождаются другими сигналами различного происхождения. Источники помех могут быть физиологическими, а также могут быть вызваны внешними причинами.

Для усиления большинства биомедицинских сигналов требуется использовать аппаратуру с коэффициентом усиления, составляющим от нескольких сотен до нескольких тысяч. Электронные шумы аппаратуры также усиливаются вместе с полезным сигналом. Для съёма биомедицинских сигналов необходимо применять малошумящие источники питания и биоусилители с высоким входным импедансом, высоким уровнем подавления синфазных помех, в том числе сетевой наводки.

Ниже рассмотрены основные помехи биомедицинских сигналов [8]

Физиологическая помеха. Так как живой организм является сложной биологической системой, то в любой заданный момент времени активными могут быть несколько физиологических процессов. Появление сигналов от тех процессов и систем, которые не являются в данный момент объектами исследования, может рассматриваться как физиологическая помеха; несколько таких примеров перечислено ниже:

- сигнал ЭМГ, связанный с кашлем, дыханием или движением пациента, влияющий на ЭКГ;

- материнская ЭКГ, накладывающаяся на ЭКГ плода;

- ЭКГ, накладывающаяся на ЭЭГ;

- звуки от дыхания, лёгких или кишечника, смешивающиеся со звуками сердца (ФКГ);

- сердечные звуки, смешивающиеся со звуками дыхания или лёгких;

- мышечные звуки (ВМГ), смешивающиеся со звуками суставов (ВАГ) и др.

Физиологические помехи как правило, являются динамическими и нестационарными. Таким образом, простые линейные полосовые фильтры обычно не позволяют эффективно устранять физиологические помехи.

Сетевая помеха. Сетевая наводка с частотой 50 или 60 Гц является наиболее вредной, так как она, смешиваясь с исследуемым сигналом, сильно искажает его. Электромагнитное экранирование кабелей и заземление оборудования в большинстве случаев уменьшает электромагнитные помехи. Однако в случае экспериментов, когда имеют дело с очень слабыми сигналами, такими как сигнал ЭЭГ, может потребоваться применение специальных методов экранирования, как объекта исследования, так и аппаратуры.

Если из-за искажения или усечения сигнала форма волны сетевой наводки не является чистой синусоидой, то могут также появляться гармоники основной частоты.

Если полезный сигнал не имеет специфической формы волны, как, например, для случаев ФКГ или ЭМГ, сетевую наводку не всегда просто распознать визуально

На рис. показан фрагмент сигнала ЭКГ с высокочастотными помехами.

Рис. 13. Блок диаграмма (а) и лицевая панель ЭКГ с помехами

Двигательные артефакты в ЭКГ. Низкочастотные артефакты, или дрейф изолинии в сигналах ЭКГ, снимаемых с грудных отведений, могут быть вызваны кашлем или дыханием, сопровождающимися сильным движением грудной клетки. При съёме ЭКГ с конечностей обычным источником артефактов являются движения рук или ног. Низкочастотные артефакты также могут вызываться плохим контактом электродов с кожей или поляризацией электродов. Иногда дрейф изолинии также вызывается изменениями температуры и систематическими погрешностями аппаратуры и усилителей. На рис. 3.1, в показан сигнал ЭКГ с низкочастотными артефактами. Из-за наличия дрейфа изолинии анализ положения ST-сегмента относительно изоэлектрического уровня затруднён. Кроме того, при сильном дрейфе изолинии положительные или отрицательные пики ЭКГ могут быть обрезаны усилителями или АЦП.

2.4 Цифровая фильтрация биомедицинских сигналов

Проектирование цифровых фильтров. Фильтры характеризуются передаточной характеристикой. Амплитудно-частотная характеристика (АЧХ) характеризует зависимость коэффициента передачи фильтра от частоты. АЧХ может быть представлена в линейном, логарифмическом масштабе. При логарифмическом масштабе уровень АЧХ измеряется в децибелах. Ноль децибелов равен коэффициенту передачи фильтра, равному единице.

По зависимости модуля коэффициента передачи от частоты фильтры делятся на фильтры нижних частот (ФНЧ), верхних частот (ФВЧ), полосовые, режекторные, гребенчатые (рис. 3.18).

По виду преобразований фильтры делятся на аналоговые и цифровые фильтры.

По виду импульсной характеристики цифровые фильтры делятся на фильтры с бесконечной импульсной характеристикой (БИХ или IIR) и фильтры с конечной импульсной характеристикой (КИХ или FIR). На рис. 15 дана классификация цифровых фильтров.

Рис. 14. Теоретические АЧХ фильтров

Рис.. 15. Цифровые фильтры

В основе проектирования и анализа цифровых фильтров лежит Z-преобразование. Z-преобразованием или преобразованием Лорана называют свёртывание исходного сигнала, заданного последовательностью вещественных чисел во временной области, в аналитическую функцию комплексной частоты [10]. Z-преобразованием играет для дискретных сигналов и систем такую же роль, как для аналоговых - преобразование Лапласа.

Передаточная функция БИХ цифровых фильтров в общем случае описывается следующим выражением [8]:

где nb и na - порядок полиномов числителя и знаменателя передаточной характеристики.

Передаточная функция КИХ цифровых фильтров представлена полиномом n-степени

Достоинством БИХ-фильтров является большее быстродействие и меньший объем необходимой памяти, а недостатком - нелинейность фазовой характеристики.

Передаточная функция фильтров Баттерворта вычисляется по формуле^

На рис приведен пример проектирования ФНЧ Баттерворта с помощью ВП Classical Filter Design Express VI

Рис. 16. Окно ВП проектирования цифровых фильтров

Частотная характеристика фильтра Баттерворта характеризуется гладкостью на всех частотах и монотонностью спада с частоты среза. При фиксированной частоте среза крутизна характеристики зависит от порядка фильтра.

Пример. Спроектируем ФНЧ фильтр Баттерворта порядка с частотами фильтрации 5 и 40 Гц соответственно и построим АЧХ и ФЧХ (рис. 1).

Рис. 17. ФНЧ Баттерворта 4 порядка: блок диаграмма (а); характеристики фильтра (б)

Удаление дрейфа нулевой линии. Дрейф нулевой линии обычно вызывает дыхание пациента на частоте 0.15-0.3 Гц. Смещения и дрейф нулевой линии ЭКГ можно устранить цифровым ФВЧ или применить вейвлет преобразование сигнала с последующим удалением компонент, соответствующих помехе.

Хорошие результаты дает классический метод проектирования ФВЧ Кайзера для устранения рысканья нулевой линии. На рис. 17. приведены характеристики фильтра высоких частот и блок диаграмма ВП для устранения рысканья нулевой линии.

Рис 17. Проектирование ФВЧ для удаления рысканья нулевой линии.

На рис. приведен пример фильтрации сигнала ЭКГ с низкочастотной помехой спроектированным фильтром Kaser Window. Анализ результатов фильтрации показывает, что фильтр верхних частот вносит временное смещение в отфильтрованный сигнал.

Вейвлет преобразование. Вейвлет преобразование является эффективным методом удаления из сигналов частотных составляющих. LabVIEW ASPT имеет в своем составе виртуальный прибор WA Detrend, который устраняет низкочастотный тренд сигнала. На рис. 18 показан пример удаления рысканья базовой линии с помощью WA Detrend VI.

В этом примере используется вейвлет Добеши6 (db06), потому что этот вейвлет подобен реальному ЭКГ сигналу.

биомедицинский сигнал усилитель аналоговый

Рис. 18 Фильтрация сигнала ЭКГ с низкочастотной помехой фильтром Kaser Window: блок диаграмма (а); результат фильтрации (б)

Значение уровня тренда определяется по формуле [4]:

где t время записи сигнала; N число отсчетов.

На рис. 19. видно, что результирующие сигналы сохранили основные характеристики и не имеют временного тренда. Также видно, что вейвлет преобразование меньше искажает сигнал по сравнению с ФВЧ.

Рис. 19. Сигнал ЭКГ исходный (а) и после обработки вейвлет преобразованием (б)

Удаление высокочастотных помех из сигнала ЭКГ. Удалим высокочастотные помехи из сигнала ЭКГ.

Рис. 20. Блок диаграмма (а), исходный сигнал ЭКГ и после фильтрации (б)

Для удаления помех выполним цифровую фильтрацию сигнала ФНЧ Баттерворта 6-го порядка. Из графиков на рис. 20 видно, что после фильтрации помеха полностью удалена из сигнала ЭКГ с незначительным фазовым сдвигом.

Рис. 21. Удаление из сигнала ЭКГ сетевой помехи, применяя Undecimated Wavelet Transform (UWT).

Удалить широкочастотные шумы можно с помощью Wavelet Denoise Express VI. Этот виртуальный прибор, используя вейвлет преобразование, сперва разлагает сигал на частотные составляющие, затем изменяет коэффициенты вейвлета, применяя пороговые или сжимающие функции, после чего сигнал реконструируется. Пример применения вейвлет преобразования UWT (Undecimated Wavelet Transform) для удаления шумов показан на рис.21

3. Синтез виртуальных приборов для анализа сигнала ЭКГ

3.1 События сигнала ЭКГ: причины и параметры

Биомедицинские сигналы несут в себе признаки физиологических событий. Фрагмент сигнала, связанный с изучаемым событием, часто называют эпохой (epoch). Анализ сигнала для диагностики или мониторного наблюдения требует обнаружения эпох и исследования соответствующих событий. После обнаружения события выполняется анализ нахождения таких характеристик, как амплитуда, форма волны (морфологии), длительность, интервалы между событиями, распределение энергии, частотное содержание и т.д. [8].

Рис 22. Сигнал ЭКГ

Если рассматривать сердечный цикл как последовательность событий, можно выделить следующие эпохи в сигнале ЭКГ (рис 22)

Р-зубец соответствует сокращению предсердий. Р-зубец является медленной волной с длительностью примерно 80 мс. Амплитуда Р-зубца намного меньше (примерно 0,1-0, мВ), чем амплитуда QRS-комплекса.

PQ-сегмент длительностью примерно 80 мс важен для распознавания базовой линии, поскольку этот интервал почти всегда является изоэлектрическим.

QRS-комплекс. QRS-комплекс соответствует эпохи сокращения желудочков сердца. Почти одновременное сокращение всей мускулатуры желудочков приводит к появлению QRS-комплекса, имеющему амплитуду примерно 1 мВ и длительность 80-100 мс.

ST-сегмент. В норме изоэлектрический ST-сегмент длительностью 100-10 мс. Ишемия или инфаркт миокарда могут изменить потенциал действия части мускулатуры левого желудочка и вызвать депрессию (снижение) ST-сегмента или его элевацию (повышение).

Т-зубец относится к последней фазе потенциала действия клеток мышц желудочков, когда потенциал возвращается с плато, соответствующего состоянию деполяризации, к потенциалу покоя через процесс реполяризации [1]. Т-зубец является труднораспознаваемым элементом ЭКГ, он низок по амплитуде (0,1-0,3 мВ) и представляет собой медленную волну длительностью до 10-160 мс. Т-зубец практически отсутствует во многих записях ЭКГ.

3.2 Методы обнаружения QRS-комплекса, основанные на производный сигнала

Для QRS-комплекса характерна наибольшая крутизна наклона сигнала. Поскольку скорость изменения задаётся оператором производной, то операция d/dt позволяет разработать алгоритм для обнаружения QRS-комплекса.

Оператор производной усиливает QRS-комплекс, а относительно медленные зубцы Р и Т подавляются. Однако, учитывая шумовой характер сигнала, получаемого на выходе операторов, необходимо сглаживание перед выполнением последующей обработки сигнала.

Для вычисления первой производной в LabVIEW используется ВП Derivative x(t) VI, расположенный на паллете: Integration & Differentiation Vis (рис. 23.)

Рис. 23. ВП Derivative x(t)

Входные и выходные параметры ВП:

X -входной сигнал;

Initial Condition - определяет начальные условия. Если используется метод -го порядка, центральный или обратный, то тогда ВП использует значение первого элемента Initial Condition в качестве начального условия. Для центрального метода 4-го порядка используются в качестве начальных условий первые два элемента. Значение Initial Condition по умолчанию равно нулю.

Final Condition - конечные условия определяются аналогично Initial Condition.

dt - временной интерва, должен быть больше 0. Значение по умолчанию равно 1.0.

method - определяется метод численного дифференцирования:

0- Центральный метод -го порядка (по умолчанию);

1- Центральный метод 4-го порядка.

2- Прямой (Forward) метод

3- Обратный (Backward) метод .

dX/dt - производная входного сигнала

error - возвращает ошибку

Производная по центральному методу -го порядка рассчитывается по формуле (4.1), центральному методу 4-го порядка по формуле (4.2), прямым методом -(4.3) и Обратным -(4.4).

-, i = 0, 1, , …, n - 1,

,

i = 0, 1, , …, n - 1

i = 0, 1, , …, n - 1

i = 0, 1, , …, n - 1

Ниже приведена схема алгоритма выделения QRS- комплекса сигнала ЭКГ на основе производных сигнала ЭКГ

Рис. 24. Схема алгоритма ВП выделения QRS комплекса

Предварительная обработка сигнала ЭКГ включает в себя удаление помех. Для фильтрации сигнала можно использовать фильтры Баттерворта 6-го порядка с частотой среза обеспечивающей снижение уровня шумов -3.01дБ, что соответствует половине мощности в полосе пропускания.

Сигнал дважды дифференцируется, что подавляет зубцы малой амплитуды, результат возводится в квадрат и масштабируется относительно максимального значения и обрабатывается фильтром Савицкого--Голея.

Сглаживающие фильтры Савицкого--Голея, также называемые полиномиальными сглаживающими фильтрами или сглаживающими фильтрами с минимальной квадратичной ошибкой. Фильтр Савицкого--Голея позволяет извлекать полезную информацию из зашумленных экспериментальных данных, при правильном подборе параметров не особо размывая пики, фронты и спады, в отличие от многих методов сглаживания.

В результате этой процедуры получается импульс, имеющий ширину, пропорциональную ширине QRS-комплекса. Недостатком метода производной является чувствительность к шуму.

На рис. 4.4а приведена блок - диаграмма ВП синтезированная в соответствии в соответствии с вышеприведённой схемой алгоритма (рис.25).

Рис. 25. ВП выделения QRS комплекса сигнала ЭКГ: блок -диаграмма (а); лицевая панель (б).

3.3 Алгоритм обнаружения QRS-комплекса Пана-Томпкинса

Пан и Томпкинс (Pan и Tompkins) [13] предложили алгоритм обнаружения QRS-комплексов, рассчитанный на работу в реальном времени и основанный на анализе наклона, амплитуды и ширины QRS-комплексов. На рис. 25 дана схема алгоритма, который состоит из следующих блоков: фильтры нижних (ФНЧ) и верхних (ФВЧ) частот, оператор производной (d/dt), возведение в квадрат (d/dt)^, сглаживание интегрирующим фильтром (ИСО), адаптивная пороговая процедура и процедура поиска (АППП).

Рис. 25. Схема алгоритма обнаружения QRS-комплексов

Рекурсивный фильтр нижних частот, использованный в алгоритме Пана-Томпкинса, имеет целые коэффициенты для снижения его вычислительной сложности и передаточную функцию следующего вида:

Выходной сигнал у(п) связан с входным сигналом х(п) уравнением

При частоте дискретизации 50 Гц этот фильтр имеет довольно низкую частоту среза fс = 11 Гц и вносит задержку, составляющую 5 отсчётов, или 0 мс. Этот фильтр имеет ослабление более 35 дБ на частоте 60 Гц и эффективно подавляет сетевую наводку.

Фильтр верхних частот, используемый в алгоритме, имеет передаточную функцию следующего вида:

Фильтр верхних частот имеет нижнею частоту среза 5 Гц и вносит задержку 80 мс.(16 дискретных отсчетов).Операция дифференцирования задаётся следующим образом:

Процедура взятия производной подавляет низкочастотные компоненты зубцов Р и Т и имеет высокий коэффициент усиления для QRS-комплекса.

Операция возведения в квадрат делает результат положительным и усиливает большие разности. Однако выходной сигнал после операции, основанной на производной, имеет несколько пиков в пределах длительности отдельного QRS-комплекса. Алгоритм Пана-Томпкинса выполняет сглаживание выходного сигнала предыдущих операций с использованием интегрирующего фильтра типа скользящего окна, задаваемого уравнением

Недостатком алгоритма Пан - Томпкинса является сдвиг положения результирующего сигнала относительно исходного сигнала и расширение QRS Комплекса [8].

Модифицированный метод заключается в использовании вместо интегрирующего фильтра типа скользящего окна фильтр Савицкого--Голея, который позволяет подобрать оптимальные параметры сглаживания.

Реализация модифицированного алгоритма Пана-Томпкинса приведена на рис. 26. На блок диаграмме ВП процедуры предварительной фильтрации не приведены.

Рис. 26 б иллюстрирует исходный сигнал и после обработки по алгоритму, оба сигнала нормализованы относительно максимального значения. Оператор производной подавляет Р и Т зубцы и даёт большой выходной сигнал на участках сигнала, где находятся QRS-комплексы. Операция возведения в квадрат преимущественно увеличивает большие значения и усиливает высокочастотные компоненты. Результирующий сигнал содержит многочисленные пики для каждого QRS-комплекса и, следовательно, должен быть сглажен. Окончательным выходным сигналом интегратора является единственный гладкий импульс для каждого QRS-комплекса.

Рис. 26. ВП модифицированного метода Пана-Томкинсона: блок диаграмма (а); результат выделения QRS комплекса (Б)

3.4 Анализ сигнала ЭКГ средствами ВП Biomedical Tool kit

В систему LabVIEW встроены различные ToolKit для решения различных прикладных задач. Для решения задач биомедицинского анализа сигналов и изображений в LabVIEW имеется Biomedical Toolkit, который предоставляет пользователю разнообразные приложения.

Для анализа сигнала ЭЭКГ имеется ряд ВП, расположенных на паллете Biomedical Measurements (рис.27)

Рис. 27. ВП паллеты Biomedical Measurements раздел ECG

На рис. 28. приведены входные и выходные параметры ВП ECG Feature Extractor . ВП выделяет QRS

комплекс из сигнал ЭКГ и может обрабатывать ЭКГ в режиме online. Для извлечения параметров необходимо подавать на вход полный кардиоцикл, поэтому имеется временная задержка на выводе ВП

Рис. 28 ВП ECG Feature Extractor

Входные и выходные параметры ВП ECG Feature Extractor

Входные параметры:

rough highest heart rate - задает примерную наибольшую частота сердечных сокращений. По умолчанию параметр равен 60 уд/мин;

initialize? - определяет необходимость инициализации. Если параметр установлен как TRUE, тогда в расчетах учитываются предыдущие данные. По умолчанию значение равно FALSE;

ECG - входной сигнал ЭКГ. Сигнал ЭКГ может быть исходным или предварительно обработанным;

QRS detector parameters - задает параметры для обнаружения QRS комплекса. Начальный порог для обнаружения пика QRSкомплекса по умолчанию равен 0;

threshold factor - определяет коэффициент по которому отделяются шумы от пиков QRS. Значение должно быть в интервале >0 и < 1. По умолчанию threshold factor равен 0.315

error in - описывает ошибки$

QRS time - возвращает время QRS комплекса.

QRS peak -возвращает амплитуду QRS комплекса;

error out -содержит информацию об ошибках в работе ВП.

Рис. 29. ВП Выделение QRS комплекса-блок диаграмма

Рис. 30. ВП Выделение QRS комплекса- лицевая панель с результатами анализа

3.5 Анализ вариабельности сердечного ритма

Анализ ВСР является методом оценки состояния механизмов регуляции физиологических функций в организме человека и животных [14].

Текущая активность симпатического и парасимпатического отделов является результатом реакции системы регуляции кровообращения, изменяющей во времени свои параметры, отражая адаптационную реакцию целостного организма.

Адаптационные реакции индивидуальны и реализуются у разных лиц с различной степенью участия функциональных систем, которые обладают в свою очередь обратной связью, изменяющейся во времени и имеющей переменную функциональную организацию. Модель регуляции сердечного ритма показана на рис. 31.

Рис. 31 Модель регуляции сердечного ритма [14]

Анализ ВСР основан на распознавании и измерении временных интервалов между R-зубцами ЭКГ (R-R-интервалы), построении динамических рядов кардиоинтервалов с последующим анализом различными математическими методами. Динамический ряд кардиоинтервалов называют кардиоинтервалограммой (КИГ).

Динамический ряд кардиоинтервалов может быть отнесен к числу стационарных и нестационарных процессов, так как практически в каждой кардиоинтервалограмме содержатся элементы нестационарности (фрактальные компоненты).

При анализе динамических рядов кардионтервалов следует различать кратковременные («короткие») и долговременные («длинные») записи. Под последними, как правило, понимают данные, получаемые при 4-х и 48 часовом мониторировании ЭКГ (Холтеровское мониторирование). К так называемым «коротким» записям относят данные исследований, проводимых в течение минут, десятков минут или нескольких часов.

Анализ ВСР включает три этапа:

1. Измерение длительности R-R-интервалов и представление динамических рядов кардиоинтервалов в виде кардиоинтервалограммы ( см. рис. 1);

Анализ динамических рядов кардиоинтервалов;

3. Оценку результатов анализа ВСР.

Измерение длительности R-R-интервалов производится аппаратным или программным путем с точностью до 1 миллисекунды. Проблема распознавания R-зубцов ЭКГ в различных аппаратно-программных комплексах решается по-разному. Представление динамических рядов кардиоинтервалов осуществляется в числовом или графическом виде.

Методы анализа динамических рядов кардиоинтервалов можно разделить на визуальные и математические.

Математические методы анализа можно разделить на три больших класса:

* исследование общей вариабельности (статистические методы или временной анализ).

* исследование периодических составляющих ВСР (частотный анализ).

* исследование внутренней организации динамического ряда кардиоинтервалов (автокорреляционный анализ, корреляционная ритмография, методы нелинейной динамики).

Основные методы анализа ВСР

Статистические методы. Эти методы применяются для непосредственной количественной оценки ВРС в исследуемый промежуток времени. Статистические характеристики динамического ряда кардиоинтервалов включают: SDNN, RMSSD, PNN5O, CV.

SDNN или СКО - суммарный показатель вариабельности величин интервалов RR за весь рассматриваемый период (NN - означает ряд нормальных интервалов «normal to normal» с исключением экстрасистол);

СКО - среднее квадратическое отклонение (выражается в мс);

SDNN - стандартное отклонение NN интервалов (аналог СКО);

SDANN - стандартное отклонение средних значений SDNN из 5 минутных сегментов для записей средней длительности, многочасовых или 4-х часовых записей. Подобным же образом могут обозначаться и стандартные отклонения средних значений других показателей;

RMSSD - квадратный корень из суммы квадратов разности величин последовательных пар интервалов NN (нормальных интервалов RR);

NN5O - количество пар последовательных интервалов NN, различающихся более, чем на 50 миллисекунд, полученное за весь период записи;

PNN5O (%) - процент NN50 от общего количества последовательных пар интервалов, различающихся более, чем на 50 миллисекунд, полученное за весь период записи;

CV - коэффициент вариации. Он удобен для практического использования, так как представляет собой нормированную оценку СКО;

CV= СКО/М*100,

где М - среднее значение интервалов RR;

D, As, Ex - второй, третий и четвертый статистические моменты. D - это СКО в квадрате, отражает суммарную мощность всех периодических и непериодических колебаний. As - коэффициент аcсиметрии позволяет судить о стационарности исследуемого динамического ряда, о наличии и выраженности переходных процессов, в том числе трендов. Ex - коэффициент эксцессивности отражает скорость (крутизну) изменения случайных нестационарных компонентов динамического ряда и отражает наличие локальных нестационарностей.

Геометрические методы (вариационная пульсометрия). Сущность вариационной пульсометрии заключается в изучении закона распределения кардиоинтервалов как случайных величин. При этом строится гистограмма и определяются ее основные характеристики: Мо (Мода), Амо (амплитуда моды), MxDMn (вариационный размах). Амо - (амплитуда моды) - это число кардиоинтервалов, соответствующих значению моды, в % к объему выборки. Вариационный размах (MxDMn) отражает степень вариативности значений кардиоинтервалов в исследуемом динамическом ряду. Он вычисляется по разности максимального (Mx) и минимального (Mn) значений кардиоинтервалов и поэтому при аритмиях или артефактах может быть искажен.

Гистограммы рекомендуется строить в диапазоне от 400 до 1300 мс. с интервалом в 50 мс. Объем выборки, в которой производится группировка и построение вариационной пульсограммы - 5 минут.

Другой способ построения вариационных пульсограмм заключается в том, чтобы вначале определить модальное значение кардиоинтервала, а затем, используя диапазоны по 50 мс, формировать гистограмму в обе стороны от моды.

По данным вариационной пульсометрии вычисляется широко распространенный в России индекс напряжения регуляторных систем или стресс-индекс.

Ин = АМо/Mо* MxDMn

Зарубежные исследователи используют аппроксимацию кривой распределения кардиоинтервалов треугольником и вычисляют так называемый триангулярный индекс - интеграл плотности распределения (общее количество кардиоинтервалов) отнесенный к максимуму плотности распределения (АМо). Этот показатель обозначается как TINN (triangular interpolation of NN intervals). Кроме того, используется построение гистограмм по разностным значениям соседних кардиоинтервалов с аппроксимацией их экспоненциальной кривой и вычислением логарифмического коэффициента, а также другие способы аппроксимации.

Автокорреляционный анализ. Вычисление и построение автокорреляционной функции динамического ряда кардиоинтервалов направлено на изучение внутренней структуры этого ряда как случайного процесса. Автокоррелограмма позволяет судить о скрытой периодичности СР.

В качестве количественных показателей автокоррелограммы рекомендуются С1 - значение коэффициента корреляции после первого сдвига и С0 - число сдвигов в результате которого значение коэффициента корреляции становиться отрицательным

Скатерография. Сущность метода корреляционной ритмографии заключается в графическом отображении последовательных пар кардиоинтервалов (предыдущего и последующего) в двухмерной координатной плоскости. При этом по оси абсцисс откладывается величина R-Rn, а по оси ординат - величина R-Rn+1. График и область точек, полученных таким образом (пятна Пуанкаре или Лоренца), называется корреляционной ритмограммой или скаттерограммой (scatter-рассеивание). Этот способ оценки ВСР относится к методам нелинейного анализа и является особенно полезным для случаев, когда на фоне монотонности ритма встречаются редкие и внезапные нарушения (эктопические сокращения и (или) «выпадения» отдельных сердечных сокращений).

При построении скаттерограммы образуется совокупность точек, центр которых располагается на биссектрисе. Расстояние от центра до начала осей координат соответствует наиболее ожидаемой длительности сердечного цикла (Мо). Величина отклонения точки от биссектрисы влево показывает, насколько данный сердечный цикл короче предыдущего, вправо от биссектрисы - насколько он длиннее предыдущего. Предлагается вычислять следующие показатели скаттерограммы:

1. Длина основного (без экстрасистол и артефактов) «облака» (длинная ось эллипса - L) соответствует вариационному размаху. По физиологическому смыслу этот показатель не отличается от SDNN, то есть отражает суммарный эффект регуляции ВСР, но указывает на максимальную амплитуду колебаний длительности интервалов R-R;

. Ширина скаттерограммы (перпендикуляр к длинной оси, проведенный через ее середину - w);

3. Площадь скаттерограммы вычисляется по формуле площади эллипса:

, где a=L/ , b=w/

Нормальная форма скаттерограммы представляет собой эллипс, вытянутый вдоль биссектрисы.

Спектральные методы анализа ВСР. Различают параметрические и непараметрические методы спектрального анализа. К первым относится авторегрессионный анализ, ко вторым - быстрое преобразование Фурье (БПФ) и периодограммный анализ. Обе эти группы методов дают сравнимые результаты.

3.6 Виртуальные приборы LabVIEW для анализа ВСР

В системе LabVIEW имеется линейка ВП для полного анализа ВСР. Эти ВП входят в состав Biomedical Toolkit VIEW и располагаются по на паллете Biomedical=> Biomedical Meeasurements=> ECG=> HVR analysis (рис.31).

Рис. 31. ВП анализа ВСР

Входные и выходные параметры ВП HRV Statistics:

raw RR -исходные RR интервалы;

detrend? - условие необходимости устранения тренда ряда RR интервалов. По умолчанию параметр равен FALSE;

error in- описывает ошибки, которые произошли ранее этого ВП;

statistics measurements- возвращает статистические параметры RR интервалов: NN50- число пар соседних RR интервалов с разницей больше 50 мс; pNN50 - процент пар соответствующих параметру NN50; RMSSD - среднее квадратичное значение (RMS) разницы между соседними RR интервалами в мс.; HR std - стандартное отклонение сердечного ритма уд/мин; HR mean - среднее арифметическое значение RR интервалов в уд./мин; RR std - стандартное отклонение RR интервалов в секундах; RR mean - среднее арифметическое интервалов в секундах;

error out - содержит информацию об ошибках.

Статистические параметры RR интервалов вычисляются ВП HRV Statistics (рис. 32).

Рис. 32. ВП HRV Statistics

На рис. 33 праведен пример статистического анализа RR интервалов.

Гистограмма RR интервалов строится ВП HRV Histogram (рис.34.)

Рис. 33. ВП Определение статистических параметров: блок диаграмма (а); лицевая панель (б)

Рис. 34. ВП HRV Histogram

Входные и выходные параметры ВП HRV Histogram:

bin width - определяет размер интервала гистограммы в секундах. Значение по умолчанию равно 0.007815.

raw RR - исходные значения RR интервалов.

detrend? - условие необходимости устранения тренда ряда RR интервалов. По умолчанию параметр равен FALSE;

error in- описывает ошибки, которые произошли ранее этого ВП;

RR interval histogram - возвращает гистограмму интервалов;

RR triangular index- возвращает триангулярный индекс RR интервалов;

TINN -возвращает триангулярную интерполяцию гистограммы RR интервалов в миллисекундах;

error out - содержит информацию об ошибках;

X scale- возвращает информацию о шкале X;

Y scale - возвращает информацию о шкале Y/

На рис. 35 праведен пример вариационной пульсометрии RR интервалов

Рис. 35. ВП вариационной пульсометрии RR интервалов: блок диаграмма (а); лицевая панель (б).

Спектральные методы анализа ВСР получили в настоящее время широкое распространение. Применение спектрального анализа позволяет количественно оценить различные частотные составляющие колебаний ритма сердца и наглядно графически представить соотношения разных компонентов СР, отражающих активность определенных звеньев регуляторного механизма [14]. Для спектрального анализа биомедицинских сигналов в LabVIEW используются ВП HRV FFT Spectrum (рис.36) и HRV AR Spectrum(рис. 36)