JultikaUniversity of Oulu repository

Abstract

Medical device and analysis method developments often include tests on humans, which are expensive, time consuming, and sometimes even dangerous. In order to perform human tests, special safety conditions and ethical and legal requirements must be taken into account. Emulators that can emulate the physiological functions of the human body could solve these difficulties. In this study, the heart rate depended electrocardiogram templates for this kind of an emulator were extracted. The real-life electrocardiogram preprocessing included a high-pass filter and a Savitzky-Golay filter. A beat detection algorithm was developed to detect QRS complexes in the signals and classify beat artefacts based on the RR interval sequences and two adaptive thresholds. Heart rate levels were detected using the K-means clustering technique. Vectorcardiogram signals were converted from the electrocardiogram signals using the inverse Dower’s transformation matrix, and vectorcardiogram templates were extracted to the respective heart rate levels. Finally, a graphical user interface was created for the mentioned methods. The developed beat detection algorithm was tested with the MIT-BIH Arrhythmia Database and the comparison was made with the state-of-the-art algorithms. The beat detection algorithm resulted the sensitivity of 99.77 \%, precision of 99.65 \%, and detection error rate of 0.58 \%. Based on the results, the proposed methods and extracted vectorcardiogram templates were successful.

Sykkeestä riippuvien elektrokardiogrammimallien poiminta kehoemulaattoriympäristöön

Tiivistelmä

Lääketieteellisten laitteiden ja analyysimenetelmien kehitystyö sisältää usein ihmisille suoritettavia testejä, jotka ovat kalliita, aikaa vieviä ja joskus jopa vaarallisia. Ihmiskokeiden toteuttamiseksi on otettava huomioon erityisiä turvallisuusehtoja, sekä eettisiä ja laillisia vaatimuksia. Emulaattorit, jotka pystyvät jäljittelemään ihmiskehon fysiologisia toimintoja, voivat olla ratkaisu näihin ongelmiin. Tässä tutkimuksessa sykkeestä riippuvia elektrokardiogrammimalleja poimittiin tämän tyyppiselle emulaattorille. Tosielämän elektrokardiogrammisignaalien esikäsittely sisälsi ylipäästösuodattimen ja Savitzky-Golay suodattimen. Sydämen lyöntien tunnistussalgoritmi kehitettiin tunnistamaan QRS-komplekseja signaaleista ja luokittelemaan lyöntiartefakteja RR-intervallisekvenssien ja kahden adaptiivisen kynnysarvon perusteella. Syketasot tunnistettiin käyttämällä K-means klusterointitekniikkaa. Vektorikardiogrammisignaalit muunnettiin elektrokardiogrammisignaaleista käyttämällä käänteistä Dowerin muunnosmatriisia ja vektorikardiogrammimallit poimittiin vastaaville syketasoille. Lopuksi luotiin graafnen käyttöliittymä mainituille menetelmille. Kehitetty lyöntien tunnistusalgoritmi testattiin MIT-BIH Arrhythmia Database-tietokannalla ja vertailu suoritettiin vastaavien algoritmien kanssa. Algoritmi suoriutui 99,77 % herkkyydellä, 99,65 % spesifsyydellä ja 0,58 % virheprosentilla. Tulosten perusteella ehdotetut menetelmät ja poimitut vektorikardiogrammimallit olivat onnistuneita.