Loại nhiễu đường cơ sở của tín hiệu điện tim bằng

phương pháp sóng con

1. Giới thiệu
Điện tâm đồ (ECG) là tín hiệu mô tả hoạt động điện của tim. Tín hiệu điện tâm đồ
là được tạo ra bởi sự co lại (khử cực) và thư giãn(tái cực) của các cơ tâm nhĩ và
tâm thất của trái tim.
Tín hiệu ECG chứa sóng P (do tâm nhĩ khử cực), một phức hợp QRS (do tái cực
tâm nhĩ và khử cực tâm thất) và sóng T (do tái cực tâm thất)
Khoảng P-R = 0,12 - 0,20 giây
Khoảng QRS = 0,28 – 0,32 giây
Khoảng Q-T = 0,35 – 0 0,43

Hình 1: Tín hiệu ECG với các khoảng thời gian điển hình
Điện tâm đồ (ECG) là kỹ thuật không xâm lấn đơn giản nhất và được sử dụng
nhiều nhất trong chẩn đoán bệnh tim. Tín hiệu điện tâm đồ là tín hiệu điện biểu
hiện nhịp tim theo thời gian và có thể được ghi lại trong các điều kiện khác nhau để
phát hiện các loại bất thường khác nhau trong tim. Các điều kiện đăng ký này là:
nghỉ ngơi, trong điều kiện cấp cứu hoặc trong các bài kiểm tra căng thẳng.
Chế độ ECG nghỉ ngơi ghi lại hoạt động điện của tim trong khi đối tượng ở tư thế
nằm ngửa. Do các bản ghi này có thời lượng ngắn nên không phát hiện được các sự
kiện thay đổi trong thời gian dài hoặc liên quan đến các hoạt động thể chất nhất
định.
Các bản ghi điện tâm đồ thu được trên đường cấp cứu hoặc trong các bài kiểm tra
căng thẳng bị nhiễm nhiễu nặng, do các điều kiện mà chúng được thu thập. Một
trong những nguồn nhiễu chính trong các điều kiện thu ảnh này là trôi pha đường
cơ sở (Base Line Wandering - BLW). BLW là tiếng ồn tần số thấp (0,05 - 3 Hz
trong các bài kiểm tra căng thẳng). Chúng chủ yếu là do chuyển động trong khi
thở, chuyển động của bệnh nhân, tiếp xúc kém giữa cáp điện cực và thiết bị ghi
ECG, chuẩn bị da không đầy đủ nơi đặt điện cực và điện cực bẩn.
BLW hạn chế nghiêm trọng tính hữu ích của các bản ghi ECG, đặc biệt khi chúng
được thu thập theo cách cấp cứu hoặc trong các bài kiểm tra gắng sức. Hầu hết các
thuật toán phát hiện bệnh lý tim hoặc các sự kiện liên quan đến hoạt động của tim
đều có trục trặc trong sự hiện diện của BLW, đó là lý do tại sao việc loại bỏ loại
tiếng ồn này là cần thiết để đảm bảo đánh giá lâm sàng tốt hơn. Có những công
trình trước đây trong đó các tác giả đã biên soạn và giải thích một số phương pháp
để loại bỏ BLW.
2. Các nghiên cứu liên quan và các phương pháp lọc nhiễu
Độ lệch đường cơ sở hoặc độ lệch đường cơ sở là hiệu ứng trong đó đường cơ sở
trục (trục x) của tín hiệu dường như 'đi lang thang' hoặc di chuyển lên và xuống
chứ không phải là thẳng. Điều này làm cho toàn bộ tín hiệu để dịch chuyển từ cơ
sở bình thường của nó. Trong tín hiệu ECG, lệch đường cơ sở được gây ra do các
điện cực không phù hợp (electrode-skin impedance), chuyển động và nhịp thở của
bệnh nhân (hô hấp). Tần số nhiễu của baseline là 0.5Hz .

Hình 2: Nhiễu đường cơ sở

Trong phần này, 9 kỹ thuật được chọn cho nghiên cứu so sánh sẽ được trình bày.
Cách thức mà họ được lựa chọn cũng sẽ được thảo luận. Các phương pháp được
lựa chọn để thực hiện điều này nghiên cứu so sánh đã được lựa chọn có tính đến
mức độ phù hợp được hiển thị bởi tìm kiếm động cơ được sử dụng và số lượng
trích dẫn. Trong Bảng 1, các phương pháp đã chọn được trình bày cùng với điểm
trích dẫn của chúng.
Bảng 1: Điểm trích dẫn các bài báo
BLW removal Number of citations
technique IE WoS GS
Finite impulse
response (FIR)
138 131 300
high pass filter [12
]
Infinite impulse
response (IIR)
- - 41
high pass filter [13
]
Cubic splines [14] - 131 240
Two cascades
least mean square
21 1 15
(LMS) adaptive
filters [15]
Moving-average
1 5 24
filter [16]
Independent
components
- 1 15
analysis (ICA) [17
]
Interpolation and
successive
subtraction of
26 5 70
median values in
RR intervals
(ISSM) [18]
Empirical mode
decomposition - 124 304
(EMD) [19]
Wavelet filter [20] - - 40
Phương pháp dựa trên bộ lọc thông cao đáp ứng xung hữu hạn: Hiện nay, một
trong những phương pháp được sử dụng nhiều nhất để loại bỏ BLW là các bộ lọc
kỹ thuật số cổ điển. Trong công trình do Van Alsté và Schilder thực hiện [2], các
tác giả đã tính toán và triển khai bộ lọc thông cao FIR sử dụng cửa sổ Kaiser kích
thước 28 với 51 hệ số. Việc phân tích sự biến dạng trong tín hiệu là định tính.
Phương pháp dựa trên bộ lọc thông cao đáp ứng xung vô hạn: Loại bộ lọc này
có thể tiếp cận vùng chuyển tiếp có dấu với ít hệ số hơn bộ lọc FIR. Tuy nhiên, bộ
lọc IIR có đáp ứng pha phi tuyến tính làm biến dạng tín hiệu ECG. Bộ lọc hai
chiều được sử dụng để tránh sự biến dạng này. Bộ lọc IIR đã triển khai Pottala và
cộng tác viên [6] đã sử dụng một cửa sổ nhỏ để có thể sử dụng nó trong các ứng
dụng thời gian thực. Việc phân tích sự biến dạng trong tín hiệu là định tính.
Phương pháp dựa trên phép nội suy bằng cách sử dụng các đường nối khối:
Meyer và Keizer [4] ước tính một điểm trong đoạn PR đẳng điện của mỗi nhịp. Đối
với điều này, họ đã sử dụng điểm R làm tham chiếu và ước tính điểm 66 ms trước
điểm R được phát hiện với điểm bình thường là điểm đẳng điện PR. Sau đó, dựa
trên những điểm đó, họ đã thực hiện phép nội suy bằng cách sử dụng các đường
nối khối để ước tính BLW và cuối cùng trừ BLW ước tính khỏi tín hiệu ECG. Các
spline bậc ba là các đường cong khả vi được hình thành từ các đa thức bậc 3. Việc
phân tích độ méo tín hiệu là định tính.
Phương pháp dựa trên bộ lọc bình phương trung bình nhỏ nhất theo tầng:
Laguna và cộng tác viên đã đề xuất bộ lọc LMS theo tầng 2 để loại bỏ BLW [5].
Trong 2 giai đoạn, LMS thích ứng 4 bộ lọc đã được sử dụng. Trong giai đoạn đầu
tiên, bộ lọc Notch thông cao được sử dụng làm đầu vào của bộ lọc thích ứng. Giai
đoạn thứ hai được hình thành bởi một bộ lọc tương quan của xung thích nghi. sự
phân tích của sự biến dạng trong tín hiệu là định tính. Phương pháp dựa trên bộ lọc
trung bình động: Canan và cộng tác viên đã sử dụng bộ lọc trung bình động để loại
bỏ BLW [6], hoạt động giống như bộ lọc thông thấp nhưng hoạt động trong miền
thời gian. Trong kỹ thuật này, lần đầu tiên một BLW ước tính được trích xuất. Sau
đó, nó được trừ khỏi tín hiệu ban đầu. Nó là cần thiết để điền vào số không ở đầu
và tại điểm kết thúc BLW ước tính do mất mẫu xảy ra khi sử dụng thanh trượt cửa
sổ. Nhóm tác giả khẳng định phương pháp này cho phép loại bỏ BLW một cách
đơn giản mà không cần phải tính toán các hệ số của bộ lọc FIR hoặc IIR. Việc
phân tích sự biến dạng trong tín hiệu là định tính.
Phương pháp dựa trên phân tích thành phần độc lập: Trong công trình đó, tác
giả đã sử dụng kỹ thuật phân tích thành phần độc lập để loại bỏ BLW [7]. Để sử
dụng kỹ thuật này điều cần thiết là tín hiệu có nhiều kênh. Khi chỉ có một kênh khả
dụng, cũng như trường hợp các tín hiệu ECG được các tác giả sử dụng, có thể sử
dụng phương pháp được mô tả bởi J.Lee [10]. Theo cách tiếp cận này, các phiên
bản của cùng một tín hiệu với độ trễ khác nhau hoạt động như một tập hợp nhiều
kênh. Barati và Ayatollahi đã tạo ra 60 kênh từ một tín hiệu ECG duy nhất bằng
cách sử dụng các phiên bản có độ trễ từ 11 đến 20 mẫu, tạo thành bộ đầu vào được
gọi là hỗn hợp ma trận phần tử. Họ đã sử dụng thuật toán FastICA. Các thành phần
độc lập tương ứng với BLW được phát hiện tự động bằng cách sử dụng độ nhọn.
Các điểm nhọn là thời điểm thống kê thứ tư và, theo nghiên cứu của Delorme [11],
khi nó âm tương ứng với BLW. Cuối cùng, các thành phần được phát hiện là BLW
được đặt thành 0 và ma trận ban đầu được sắp xếp lại để trích xuất ECG ban đầu.
Phân tích độ méo trong tín hiệu là định lượng và các số liệu được sử dụng là: độ
nhạy, độ đặc hiệu và độ chính xác.
Phương pháp dựa trên phép nội suy và phép trừ các giá trị trung bình của tín
hiệu trong các khoảng RR: Chouhan và Mehta đã đề xuất một phương pháp dựa
trên phân tích các khoảng RR [8] để loại bỏ BLW. Theo cách tiếp cận này, giá trị
trung bình của tín hiệu ECG trong mỗi khoảng RR được tính toán và trừ đi từ các
giá trị của từng mẫu trong khoảng RR được phân tích. Quá trình trước đó được lặp
lại cho đến khi các giá trị trung bình của tất cả các khoảng RR có một sự khác biệt
nhỏ được xác định bởi một ngưỡng. Các tác giả đã không sử dụng bất kỳ số liệu
nào để đánh giá hiệu quả của phương pháp này. Việc phân tích sự biến dạng trong
tín hiệu là định tính.
Phương pháp dựa trên sự phân tách chế độ theo kinh nghiệm: Blanco-Velazco
và các cộng tác viên đã trình bày một kỹ thuật dựa trên EMD để loại bỏ BLW [8].
Đầu tiên, ECG được phân tách thành một số chức năng chế độ nội tại (IMF). Theo
các tác giả, IMF bậc cao hơn chứa thông tin đề cập đến BLW nhưng họ không tư
vấn cho việc loại bỏ trực tiếp chúng nhưng họ nhấn mạnh rằng chúng phải được
lọc bằng bộ lọc thông thấp loại IIR. Sau đó, một BLW ước tính đã thu được được
trừ đi từ tín hiệu 5 ECG ban đầu. Việc phân tích độ méo trong tín hiệu là định
lượng, thông qua bình phương trung bình sai số.
Phương pháp dựa trên bộ lọc Wavelet: Một trong những công trình tiên phong
sử dụng bộ lọc Wavelet cho việc loại bỏ BLW đã được Mozaffary và Tinati trình
bày vào năm 2005 [9]. Sau đó, vào năm 2015, Chaudhary và các cộng tác viên đã
thực hiện một nghiên cứu so sánh [1] để xác định wavelet nào các họ (Haar, Db5,
Coif3, Bior3.1, Db4, Sym8, Sym10, Bior6.8, Db6, Coif4) và loại ngưỡng nào
(Cứng, Mềm, Bán mềm, Stein) nên được sử dụng. Sự kết hợp đã mang lại kết quả
tốt nhất là Wavelet Sym10 với ngưỡng Semi-soft. Việc phân tích sự biến dạng
trong tín hiệu là định lượng. Để tính toán độ méo trong tín hiệu ECG, số liệu sai số
bình phương trung bình đã được sử dụng.
3. Lọc nhiễu bằng sóng gợn
1
x(t )   sJ ,kJ ,k (t ) +  d j ,k j ,k (t )
k j=J k

x(t )   sJ ,kJ ,k (t ) +  d J ,k j ,k (t ) +  d J −1,k J −1,k (t ) + ... +  d1,k 1,k (t )

k k k k

Sóng gợn được chia ra làm hai loại là sóng gợn “cha” và sóng gợn “mẹ”.
Sóng “cha” sẽ đại diện cho bộ lọc thông cao
Sóng “mẹ” sẽ đại diện cho bộ lọc thông thấp
Với mỗi sóng “mẹ” sẽ lại tạo ra một cặp “cha-mẹ” khác. Đa số các việc trôi đường
cơ sở xảy ra ở tần số thấp (dưới 4 Hz) nên “cây sóng” sẽ tiếp tục phân chia cho đến
khi tần số còn 4Hz. Các sóng có tần số cao hơn sẽ được lược bỏ đi bằng cách lọc
qua băng thông không. Sau đó khi phân tích được tần số của nhiễu ta lấy tín hiệu
ban đầu trừ đi phần nhiễu thì việc lọc nhiễu cho việc trôi đường cơ sở hoàn thành.

Hình 3: Cây sóng phân chia từ tín hiệu đầu vào

 Hình 4: Phần sóng cao tần sẽ bị lọc để lại phần nhiễu
4. Mô phỏng với tín hiệu
Ở chương này các trường hợp đường cơ sở sẽ được liệt kê và kết quả của việc lọc
nhiễu bằng phương pháp biến đổi sóng gợn
 Hình 5: Các trường hợp tín hiệu bị trôi đường cơ sở
Tiến hành lọc nhiễu và kết quả:

Hình 6: Kết quả trường hợp 1

Hình 7: Kết quả lọc của trường hợp 2
 Hình 8: Kết quả lọc của trường hợp 3
Tài liệu tham khảo
[1] M.S. Chaudhary, R.K. Kapoor, A.K. Sharma, Comparison between different
wavelet transforms and thresholding techniques for ECG denoising, in: 2014 Int.
Conf. Adv. Eng. Technol. Res. ICAETR 2014, 2015: pp. 1–6.
doi:10.1109/ICAETR.2014.7012899.
[2] J.A. Van Alsté, T.S. Schilder, Removal of base-line wander and power-line
interference from the ECG by an efficient FIR filter with a reduced number of
taps., IEEE Trans. Biomed. Eng. 32 (1985) 1052–60.
doi:10.1109/TBME.1985.325514.
[3] E.W. Pottala, J.J. Bailey, M.R. Horton, J.R. Gradwohl, Suppression of baseline
wander in the ECG Using a bilinearly transformed, null-phase filter, J.
Electrocardiol. 22 (1990) 243–247. doi:10.1016/S0022-0736(07)80134-8.
[4] C.R. Meyer, H.N. Keiser, Electrocardiogram baseline noise estimation and
removal using cubic splines and state-space computation techniques, Comput.
Biomed. Res. 10 (1977) 459–470. doi:10.1016/0010-4809(77)90021-0.
[5] P. Laguna, R. Jane, P. Caminal, Adaptive filtering of ECG baseline wander, in:
Eng. Med. Biol. Soc. 181992 14th Annu. Int. Conf. IEEE, 1992: pp. 508–509.
doi:10.1109/IEMBS.1992.5761083.
[6] S. Canan, Y. Ozbay, B. Karlik, A method for removing low varying frequency
trend from ECG signal, in: Biomed. Eng. Days, 1998. Proc. 1998 2nd Int. Conf.,
IEEE, 1997: pp. 144–145.
[7] Z. Barati, A. Ayatollahi, Baseline Wandering Removal by Using Independent
Component Analysis to Single-Channel ECG data, 2006 Int. Conf. Biomed.
Pharm. Eng. (2006) 152–156. [18] V.S. Chouhan, S.S.S. Mehta, Total removal of
baseline drift from ECG signal, in: Comput. Theory Appl. 2007. ICCTA’07. Int.
Conf., IEEE, 2007: pp. 512–515.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4127422 (accessed January
12, 2017).
[8] M. Blanco-Velasco, B. Weng, K.E. Barner, ECG signal denoising and baseline
wander correction based on the empirical mode decomposition, Comput. Biol.
Med. 38 (2008) 1–13. [20] B. Mozaffary, M.A. Tinati, ECG Baseline Wander
Elimination using Wavelet Packets, World Acad. Sci. Eng. Technol. 3 (2005) 14–
16.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.308.6789&rep=rep1&ty
pe=pdf (accessed January 11, 2017).
[9] F.P. Romero, Métodos para a eliminação de flutuações de linha base em sinais
de eletrocardiograma: etudo comparativo, Universidade Federal do Amazonas,
2016. doi:10.13140/RG.2.2.31000.90887.
[10] J. Lee, K.J. Lee, S.K. Yoo, Development of a new signal processing algorithm
based on independent component analysis for single channel ECG data., Conf.
Proc. ... Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. IEEE Eng. Med. Biol. Soc.
Annu. Conf. 1 (2004) 224–6. doi:10.1109/IEMBS.2004.1403132.
[11] A. Delorme, S. Makeig, T. Sejnowski, Automatic artifact rejection for EEG
data using high-order statistics and independent component analysis, (2001).
http://www.inc.ucsd.edu/ica2001/117-delorme.pdf (accessed May 5, 2016)