مقاله روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبی جهت پالایش سیگنال الکترومایوگرام عضلات فوقانی تنه از آلودگی سیگنال الکتروکاردیوگرام

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبی جهت پالایش سیگنال الکترومایوگرام عضلات فوقانی تنه از آلودگی سیگنال الکتروکاردیوگرام دارای ۱۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبی جهت پالایش سیگنال الکترومایوگرام عضلات فوقانی تنه از آلودگی سیگنال الکتروکاردیوگرام  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبی جهت پالایش سیگنال الکترومایوگرام عضلات فوقانی تنه از آلودگی سیگنال الکتروکاردیوگرام،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبی جهت پالایش سیگنال الکترومایوگرام عضلات فوقانی تنه از آلودگی سیگنال الکتروکاردیوگرام :

خلاصه

یکی از ابزارهای مناسب برای بررسی رفتارهای فیزیولوژیک یک عضله، تحلیل سیگنالهای الکترومایوگرام (EMG) آن عضله است. در سیگنالهای EMG ماهیچههای بخش فوقانی تنه،آلودگی ناشی از سیگنال الکتروکاردیوگرام (ECG) تحلیل این سیگنالها را با مشکل جدی مواجه میکند؛ زیرا حذف ECG از سیگنالهای EMG به دلیل همپوشانی طیف فرکانسی آنها بسیار دشوار است. در این مقاله روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبی برای حذف ECG از سیگنال EMG پیشنهاد شده است. روش پیشنهادی بر روی سیگنالهای آلودهی شبیهسازیشده پیادهسازی شده است تا امکان ارزیابی کمی روش فراهم باشد. سیگنال الکترومایوگرام آلوده از EMG عضلهی رکتوس فموریس پا حین رکابزنی و EMG عضلهی دوسر بازویی به همراه سیگنال ECG بانک اطلاعاتی MIT-BIH و با نسبت سیگنال به نویز متفاوت از -۲۰ تا ۲۰ دسیبل ایجاد گردیده است. نتایج با معیار ارزیابی کمی نسبت سیگنال به نوبز و معیار شهودی طیف فرکانسی سنجیده شدهاست که بیانگر قابلیت روش برای حذف آلودگی است.

کلمات کلیدی: الکترومایوگرام، آلودگی الکتروکاردیوگرام، هارمونیک، مدلسازی، حذف نویز

۱ مقدمه

به سیگنال الکتریکی ناشی از انقباض عضلات الکترومایوگرام (EMG3) گفته میشود.[۱] تحلیل سیگنال الکترومایوگرام یـک عضـله، یکـی از ابزارهـای مناسب برای کسب اطلاعات راجع به رفتارهای فیزیولوژیکی آن عضله اسـت. در مطالعـات پـاتوفیزیولوژیکی و معالجـات کلینیکـی از ویژگـیهـای ایـن سیگنال استفاده های فراوانی می شود. از این سـیگنال در تشـخیص بعضـی از بیمـاریهـا ماننـد درد کمـر (LBP4)، کنتـرل پروتزهـای عصـبی و هـمچنـین استخراج ویژگی های مربوط به حرکت دست استفاده میشود. اما در هنگـام ثبـت سـیگنال الکترومـایوگرام سـطحی، نویزهـا غالبـا از منـابع متفـاوتی ایـن سیگنال را تحت تاثیر قرار می دهند؛ برای نمونه می توان از نویز ذاتی در اجزای الکترونیکی آشکارسازی و تجهیزات ثبـت، نـویز محـیط، آرتیفکـتهـای حرکتی و سیگنال های بیولوژیکی دیگر مانند سیگنال الکتروکاردیوگرام (ECG5) نام برد. در میان نویزهای بیان شده، حذف آلـودگی ECG موجـود در EMG ثبت شده از ماهیچه های بالاتنه، بسیار دشوار است؛ زیرا طیف فرکانسی سیگنال الکترومایوگرام سطحی در محدوده ۶ هرتز تا ۵۰۰ هرتز اسـت کـه البته بخش عمده آن بین ۲۰ تا ۱۵۰ هرتز میباشد.[۲] محدوده فرکانسی سیگنال ECG از یکصدم هرتز تا صـد هرتـز اسـت [۱] و انـرژی اصـلی سـیگنال ECG در محدوده فرکانسی یکصدم تا ۴۵ هرتز است که بهطور گسترده با محدوده فرکانسی EMG همپوشانی دارد.[۳] همچنین دامنـه سـیگنال ECG

۱دانشجوی کارشناسی ارشد مهندسی پزشکی، بیوالکتریک ۲استادیارگروه مهندسی پزشکی، پردیس علوم و فناوریهای نوین

Electromyogram Low Back Pain Electrocardiogram

۳

۴

۵

۱

دومین همایش ملی پژوهش های کاربردی در » مهندسی برق، مکانیک و مکاترونیک«

۲nd National Conference on Applied Researches in Electrical, Mechanical and Mechatronics Engineering

در حد میلیولت میباشد و در بعضی موارد چند برابر دامنه سیگنال EMG است.[۴] وجود این نویز در سیگنالهای EMG اجازه نمیدهد محتوای طیفـی این سیگنالها به درستی درک شود.

در مقالــههــای مختلــف، روشهــای گونــاگون نظیــر فیلتــر بالاگــذر۳]، ۵، ۶، ۷، [۸، روش تفریــق۶]، ۹، ۱۰، ۱۱، ۱۲، [۱۳، روش قطــع۹]، ۱۰، [۱۴، روش برش[۱۴]، روش بیدرنگ۷] ۱، [۸، تحلیل موجک۱۱] ۲، ۱۲، ۱۵، ۱۶، ۱۷، ۱۸، [۱۹، تحلیل مولفـههـای مسـتقل(۴](ICA3، ۱۰، ۱۶، ۲۰، ۲۱، ۲۲، ۲۳، ۲۴، [۲۵، تحلیل طیف تکین(۲۶](SSA4، [۲۷، مدل هارمونیک غیرایستان آرتیفکت قلبی[۲۸]، فیلتر غیرخطی[۲۹]، فیلتر تطبیقـی۳]، ۱۱، ۱۲، ۱۴، ۱۷، ۳۰، ۳۱، ۳۲، [۳۳، روش سیستم استنتاج فازی- عصبی تطبیقی(۱](ANFIS5، ۱۹، [۳۴ و ; بـرای حـذف آلـودگی سـیگنال ECG از سـیگنال EMG بـهکـار رفتـه است.

در این مقاله ابتدا به ثبت سیگنال EMG و شبیه سازی سیگنال آلوده پرداخته شده و سپس از روش مدلسازی هارمونیک غیرایستان آرتیفکت قلبـی بـرای حذف آلودگی ECG از سیگنال EMG استفاده شده است. این روش، روشی فشـرده بـرای کـاهش حضـور سـیگنال ECG در سـیگنال EMG سـطحی بهوسیله مدلسازی هارمونیک متغیر با زمان الکتروکاردیوگرام است [۲۸]، در این روش تغییرات فرکانس و دامنه سیگنال ECG که به ترتیب از تغییـرات ضربان قلب (HR) و کمپلکس QRS ناشی میشوند، بهطور همزمان توسط چندجملهایهایی با ضـرایب ثابـت مرتبـه ۳ کـه بـر پایـه سـینوس و کسـینوس هستند، مدل می شوند. مدل به دست آمده دارای پارامترهای خطی است و راهحل حداقل مربعات برای سیستم خطی متناظر معـادلات، تخمـین پارامترهـای مدل را به طور موثر فراهم می کند. پارامترهای مدل (ضرایب چندجملـه ای هـا) تخمـین زده شـده و مولفـههـای سـیگنال از ترکیـب سـیگنال آلـوده تفریـق میشوند تا تخمین مولفههای سیگنال EMG به دست آید.

۲ ثبت و شبیهسازی سیگنالها

دادههای مربوط به سیگنال EMG از عضله دوسر ۶بازویی دست راست حین استراحت و انقباض عضله و از عضـله رکتـوس فمـوریس۷ پـای چـپ حـین رکاب زنی ثبت شده اند و نرخ نمونه برداری آن ها ۱ کیلوهرتز است. دادههای مربوط به سیگنال ECG، داده ۱۰۰ از پایگاه داده MIT-BIH هسـتند. بـرای آلوده کردن سیگنال EMG، سیگنال ECG در ضرایب مختلف ضرب شده و با سـیگنال EMG تمیـز جمـع میشـود. توانـایی روشهـای مختلـف حـذف آلودگی به سطح آلوده بودن سیگنال وابسته است. به عبارت دیگر ممکن است یک روش برای میزان بالای آلـودگی، بسـیار مـوثر باشـد و روشـی دیگـر برای میزان آلودگی کم بهترین باشد. از این رو برای تعیین این قابلیت ها ضرایب متفاوتی از سیگنال ECG را با سیگنال EMG جمع میکنیم؛ به گونـهای که مقادیر نسبت سیگنال به نویز (رابطه (۱ از -۲۰ تا ۲۰ دسیبل با گام ۴ دسیبل ۱۱) نسبت مختلف) تغییر کند.
(۱) ( ) ( )
( )

۳ مدلسازی هارمونیک غیرایستان

ECG یک شکل موج زمانی شبهپریودیک غیرایستان را نشان میدهد .[۲۸] با توجه به شبهپریودیک بودن، شکل موج زمانی برخی از مولفه های پریودیک را نشان خواهد داد. با توجه به غیرایستان بودن، برخی از تغییرات زمانی اندازه و فرکانس روی آن مولفه های پریودیک سوار میشود؛ تغییرات

۱ Real Time 2 Wavelet 3 Independent Component Analysis

۴ Singular Spectrum Analysis 5 Adaptive Neuro Fuzzy Inference System 6 biceps 7 Rectus Femoris

۲

دومین همایش ملی پژوهش های کاربردی در » مهندسی برق، مکانیک و مکاترونیک«

۲nd National Conference on Applied Researches in Electrical, Mechanical and Mechatronics Engineering

لحظهای فرکانس به تغییرات ضربان قلب (HRV1) و تغییرات لحظهای دامنه اغلب به تغییرات زمانی کمپلکس QRS مربوط میشود. اگر ما تغییرات زمانی لحظهای دامنه و فرکانس را به ترتیب با a(t) و f(t) نشان دهیم، مدل سیگنال زیر بهطور کامل مولفههای ECG را مشخص میکند: