ECG Signal Processing (2)

Wave delineation

 

https://www.researchgate.net/figure/Setting-of-a-time-window-for-T-wave-delineation_fig4_258100707

 

 

필수 진단 정보는 심장 박동의 파동 진폭 및 지속 시간에 포함되므로, 파동 묘사는 ECG 신호 처리의 중요한 단계를 나타낸다. 이러한 묘사 알고리즘의 설계는 신호 진폭이 파동 경계에서 낮고 종종 소음 파동에 의해 가려진다는 사실을 우아하게 다루는 모든 것을 포함하는 목표로 계속해서 주목을 받는다. ECG 파동의 시작과 끝을 찾기 위한 보편적으로 인정되는 규칙의 부족은 설계 프로세스를 어렵게 만드는 또 다른 요인이다. 일단 파동의 시작과 끝이 결정되면, 파동의 지속 시간 및 최대 진폭이 쉽게 계산될 수 있다.

 

Data compression.

 

인접한 샘플들 사이의 상관 관계, 유사한 형태를 갖는 심장 박동의 재발 및 상이한 리드들 사이의 상대적 유사성에 의해 나타나는 바와 같이, ECG 신호는 일정한 양의 중복성을 나타낸다. 각각의 샘플이 원래 신호에서보다 더 적은 비트로 표현될 수 있도록 상이한 유형들의 중복성을 이용함으로써 저장 용량 및 전송 시간 측면에서 상당한 절약이 달성될 수 있다. 그러나, 데이터 압축의 사용은 원하는 진단 정보가 재구성된 신호에 보존되는 한에서만 허용될 수 있다.

 

Further analysis

 

기본 ECG 신호 처리의 상기 측면들은 일반적으로 형태론 및 리듬을 다루는 추가 분석을 수반한다. 특징 추출은 QRS complex의 형태론을 특성화하기 위한 목적으로 수행된다. 비록 파동 묘사로부터 발생하는 기간 및 진폭이 중요한 진단 정보를 포함하지만, 유사한 형태론을 갖는 비트를 동일한 클러스터로 신뢰성 있게 그룹화하기 위해 추가 특징이 필요하다. 특징 추출에 대한 하나의 접근법은 예를 들어 파동의 면적, 극성 및 기울기를 기술하는 "휴리스틱" 특징 세트를 도출하는 것이다. 또 다른, 보다 강력한 접근법은 분석 동안 미리 정의되거나 동적으로 생성되는 정규 기저 함수 세트 또는 QRS 템플릿 세트 중 하나와의 각 비트의 상관으로부터 발생하는 계수를 사용하는 것이다.

 

추출된 특징의 세트에 기초하여, QRS 형태론의 클러스터링이 수행될 수 있다. 가장 간단한 형태로, 클러스터링은 일반적으로 정상 동박에 속하는 것인 지배적인 형태론에서 벗어나는 비트를 선별하는 데 사용될 수 있다. 일단 이것이 수행되면, "동박 클러스터"에 속하는 비트는 예를 들어 앙상블 평균화 또는 심박 변이성 분석의 대상이 될 수 있다. 다른 상황에서, 비트 클러스터의 전체 범위를 연구할 이유가 있다. 클러스터링은 비트에 생리적 의미를 갖는 라벨을 할당하지 않기 때문에, 비트를 심장 기원에 따라 분류하는 것이 필요할 수 있다.

 

리듬 분석은 자연스러운 이유로, RR 간격의 패턴에 기초하지만 대부분의 부정맥이 리듬과 형태학의 관절 편차에 의해 나타나기 때문에 형태학적 정보도 수용해야 한다. 리듬 분석의 범위는 강력하게 적용 의존적이다. 예를 들어, 휴식 심전도 해석을 위한 시스템의 리듬 분석은 녹음의 매우 짧은 기간에 의해 제한되므로 덜 복잡하고 지속적인 부정맥만을 다루는 반면, 지속적인 부정맥 모니터링을 위한 시스템은 심실세동과 같은 생명을 위협하는 일시적인 부정맥을 감지하도록 설계되었다.

 

이러한 유형의 분석 외에도 다양한 전문 신호 처리 알고리즘이 수년에 걸쳐 개발되었다. 이러한 알고리즘의 소규모 선택에는 스트레스 테스트의 노이즈 감소, 허혈 모니터링의 ST-T 세그먼트 변화 감지, 심박 변동성의 특성화, 심방 및 심실세동과 같은 "조직되지 않은" 부정맥의 감지 및 특성화, ECG/VCG 기록의 직렬 비교, 심박동기 성능 (pacemaker ECG)의 해석, 늦은 전위의 감지 및 T파 교류 검출을 포함한 재극화 단계의 동적 분석이 포함된다.