Az EKG és annak előfeldolgozása – The ECG and its preprocessing

Az elektrokardiogram (EKG) az emberi szív elektromos aktivitását hivatott megjeleníteni – papíron vagy digitális médiumon. Ennek elérése érdekében a bőr felszínére különböző pontokon elektródákat helyeznek és a bőr felszínén megjelenő potenciált mérik. A jól ismert EKG-hullámforma a különböző elektródák közötti potenciálkülönbségek megjelenítése [1]. Ezeket a különbségeket elvezetéseknek nevezzük. A leggyakoribb mérési módszer a 12 elvezetéses EKG, amelynek során tíz elektródát helyeznek a beteg testére: hatot a mellkasra és négyet a végtagokra (egyet-egyet mindegyikre).
A különöző elvezetésekre azért van szükség, mert ezek különböző szögből “néznek” a szív fele, így különböző részek aktivitását képesek kiemelni. Ebből következően egy a szívről akkor alakulhat ki teljes kép, ha minél több elvezetést vizsgálunk. Az 1. ábra a szív anatómiai szerkezetét szemlélteti.
A szívben történő ingerületvezetés módjából adódóan az EKG jelnek specifikus formája van, amely az 2. ábrán látható. A különböző hullámok jelentése:
P hullám: a pitvarok depolarizációjának felel meg
PR szakasz: a pitvari depolarizáció vége és a kamrai depolarizáció kezdete között eltelt idő; ekkor az elektromos impulzus eléri az AV csomót;
QRS komplexus: a kamrák depolarizációjának a megfelelője
ST szakasz: az S hullám végétől a T hullám elejéig tart, ez alatt az idő alatt a myocardium nem képes elektromos aktivitásra
T hullám: a kamrák repolarizációjának felel meg
QT szakasz: a kamrák teljes elektromos aktivitásának az időtartama
U hullám: igen ritkán jelenik meg az EKG-n, eredete még nem ismert

Természetesen a rögzített EKG jelek a legritkább esetben olyan “tiszták”, mint a 2. ábrán látható minta.

Általában gaussi zaj adódik a jelhez. Régebben nem volt ritka a hálózatból eredő 50 Hz-es komponens sem, ma már a legtöbb EKG készülék képes kiszűrni ezt. Egy másik nagyon gyakori zaj a páciens mozgása, légzése által keltett, úgynevezett alapvonalvándorlás [2]. Ez utóbbi műtermék nemcsak az orvost zavarja a felvétel vizuális tanulmányozása közben, hanem a további számítógépes feldolgozást is akadályozza.
A továbbiakban néhány előfeldolgozási módszerre szeretnék rávilágítani. Ezek elvégzése elengedhetetlen az EKG komplex feldolgozásához és paramétereinek kinyeréséhez.

Alapvonalvándorlás szűrése
Több módszer is létezik ennek a zajnak a kiszűrésére. Igen gyakran az alapvonalat alacsony frekvenciás komponensként fogják fel, amit lineáris, véges impulzusválaszú felüláteresztő szűrőkkel távolítanak el. Ezen szűrők vágási frekvenciája a 0.5 és 2 Hz közötti tartományban mozog. Egy másik lehetőséget a medián szűrő használata adja; ez egy nemlineáris szűrő, alapja a medián statisztikai mértéke. Egy számsor mediánját úgy kapjuk meg, hog a számokat rendezzük és kiválasztjuk a középső értéket. Attól függően, hogy mekkora ablakméretet választunk a mediánszűrőnek, különböző eredményekhez juthatunk. A legjobb, ha egy periódusnak megfelelő hosszúságú ablakot választunk (azaz akkorát, hogy egy P, QRS, T hullámegyüttes beleférjen). A 3. ábra bemutat egy eredeti minát és az alapvonalvándorlás eltörlése után kapott jelet.

Zajszűrés
A második nagyon fontos lépés az EKG előfeldolgozásában a nagyfrekvenciás komponensek kiszűrése. Ezek a komponensek általában zajnak tekinthetők, bár egyes esetekben óvatosan kell kezelnünk őket, ugyanis lehetnek a magzati EKG részei is. A legelterjedtebb szűrési eljárás a lineáris, aluláteresztő FIR szűrők használatán alapszik, amelyek vágási frekvenciája a 30 – 40 Hz-es tartományban van. Egy másik módszer szűrésre (úgy zajszűrésre, mint az alapvonalvádnorlás kiküszöbölésére) a wavelet transzformáció használata [3]. Bizonyos számű felbontás után kapott együtthatókat valamilyen küszöbérték szerint ki lehet hagyni a jel visszaépítésénél (finom vagy durva küszöbölés, illetve a Johnston-Donoho féle univerzális küszöb egyaránt használható).

A bemutatott módszerek alkalmazása után olyan jelhez jutunk, amelyet fel lehet használni összetettebb, fejlettebb elemző módszereknél, tipikusan paraméterek kinyerésének céljából.

grad_red_right

The electrocardiogram (ECG) is used to visualize the electrical activity of the human heart. This visualization can be either on paper or in a digital format. To achieve this, electrodes are mounted on the surface of a patient’s skin. These electrodes will measure the potential on the skin. The well-known ECG waveform is actually the result of the potential difference between different electrodes – also known as leads. The most widely used measuring method consists of 12 leads. During a measurement there are ten electrodes on the skin: six in the precordial part of the chest and four on the limbs – one on each of them. Multiple leads are needed in order to obtain different “views” of the heart, which may offer different information about the heart. Thus, a physician can have a whole view of the heart if there are enough leads to be examined. Figure 1. presents the anatomy of the heart. The ECG has a quite specific form, explained by the modality of the propagation of an electric impulse inside the heart (as illustrated in fig. 2.). The meaning of the different parts of the ECG is summarized below:
P wave: corresponds to the atrial depolarization;
PR interval: the time between the end of the atrial depolarization and the start of the ventricular depolarization; this is the time when the impulse arrives at the AV node;
QRS complex: the equivalent of the depolarization of the ventricles;
ST segment: the time between the start of wave S and the beginnig of wave T; during this time, the myocardium is free of any electrical activities;
T wave: corresponds to the repolarization of the ventricles;
QT interval: represents the length of the time while the ventricles are electrically active;
U wave: it only appears rarely; its origins are not yet known.

The recorded ECG signals are rarely as “clean” as the one presented in fig. 2. Generally gaussian noise, power line interference or baseline drift [2] also appear on the ECG. ECG recording equipment nowadays are able to eliminate power line interference. However, the other two artifacts can be disturbing not only for the examining physician but for computers as well, making it difficult to run advanced parameter extraction algorithms on the signal.
In the next sections two important preprocessing steps will be presented, that help transform the signal into a more useable form.

Baseline drift removal
There are several methods for removing the baseline drift (also known as baseline wandering). One of them consists of applying a linear, finite impulse response (FIR) high-pass filter of a cutting frequency between 0.5-2 Hz. Another possibility is offered by the median filter (which is a non-linear filter) The median filter makes use of the median, that is the middle value in an ordered statistical series of data. Depending on the width of the examining (filtering) window, different results can be obtained. An ideal value for the median filter would be the length of a set of P,QRS and T waves. The baseline obtained by the median filter is then subtracted from the signal to obtain a more cleaner signal. Figure 3. shows an original signal and the result of the baseline drift removal process.

Filtering
The second very important step in preprocessing the ECG is the removal of high frequency components from the signal. This happens by applying a linear, low-pass FIR filter with a cutting frequency from the interval [30, 40] Hz. A more general method for threshold filtering (both of the high frequency noise or the low frequency baseline drift removal; soft, hard and the Johnston-Donoho universal threshold can be used) is making use of the wavelet transform [3]. Failing to reconstruct the signal from all of its details will lead to a successful filtering.

If applied, the presented methods will offer a signal that can be passed on to more complex and advanced analysis methods, tipically with the final purpose of parameter extraction.

 

anatomy_of_the_heart

1. A szív anatómiai felépítése – The anatomycal structure of the heart (source: http://howmed.net/anatomy/gross-anatomy/aorta/)

ecg_form

2. Az ideális EKG egy periódusa a főbb paraméterekkel – One period of the ideal ECG signal with the main parameters (source: http://www.todayifoundout.com/index.php/2011/10/how-to-read-an-ekg-electrocardiograph/)

baseline

3. Eredeti (fent) és alapvonalvándorlás nélküli (lent) hasi EKG – Abdominal ECG with (top) and without (bottom) baseline wandering

Irodalomjegyzék – References

[1] Houghton, A., Gray, D. (2008), Making Sense of the ECG: A Hands-on Guide, Third Edition, CRC Press

[2] Kaur, M., Singh, B., Longowal, S. (2011), Comparisons of Different Approaches for Removal of Baseline Wander from ECG Signal, Proceedings of the 2nd International Conference and Workshop on Emerging Trends in Technology, pp. 30-36

[3] Borries, R. F., Pierluissi, J. H., Nazeran, H. (2005), Wavelet Transform-Based ECG Baseline Drift Removal for Body Surface Potential Mapping, Proceedings of the 2005 IEEE, pp. 3891-3894.