Analyse temporelle et frquentielle des signaux biomdicaux TP

Analyse temporelle et fréquentielle des signaux biomédicaux TP BIOMED - 3ème année – option TNS École Polytechnique, Département ELEC Enseignant : Aline CABASSON Mail : aline. cabasson@unice. fr Web : http: //www. i 3 s. unice. fr/~cabasson/

Sommaire n Le Traitement du Signal en Biomédical, Quelques exemples de signaux… n Exemple : Signal ECG d’effort n TP : étude d’un cas réel / ECG d’effort ¡ ¡ Méthodes de pré-traitement d’un signal ECG réel Analyse des intervalles d’un ECG

Les signaux biomédicaux (1) n Électrocardiogramme (ECG ou EKG) n Électroencéphalogramme (EEG)

Les signaux biomédicaux (2) n Différents types de Potentiels Évoqués ¡ Potentiels Évoqués Visuels (PEV) ¡ Potentiels Évoqués Auditifs (PEA) ¡ Potentiels Évoqués Somesthésiques (PES)

TP Biomed n Exemple des signaux ECG d’effort ¡ Quelques notions physiologiques utiles ¡ ECG d’effort : enregistrement / buts / difficultés ….

Quelques notions physiologiques Cycle de dépolarisation/repolarisation = passage du courant électrique, chez le sujet sain, des oreillettes vers les ventricules qui se contractent dans ce même ordre Onde P : dépolarisation des oreillettes Complexe QRS : dépolarisation des ventricules Onde T : repolarisation des ventricules

Signal ECG d’effort n Signal enregistré durant une activité physique pendant une vingtaine de minutes, en augmentant progressivement l’intensité de l’effort par palier et mesurant ainsi l’activité cardiaque et la respiration pendant l’effort et la récupération du patient. n L’ECG d’effort permet de détecter des ischémies qui ne peuvent l’être sur un ECG enregistré au repos (ex : insuffisance coronarienne, angine de poitrine d’effort …). n Mon travail de thèse : étudier le couplage cardio/respiratoire à partir de l’étude d’ECG d’effort de patients sains but : comprendre comment fonctionne le cœur / modélisation à long terme, amélioration des pacemakers

Travaux Pratiques Étude d’un électrocardiogramme d’effort d’un patient sain n TP n° 1 : Méthodes de pré-traitements n TP n° 2 : Analyse des intervalles d’un ECG

TP n° 1 : Introduction Difficulté majeure : Signal ECG enregistré bruité, modulé et présentant une ligne de base (influence de la respiration) Besoin de pré-traitements : § Filtrage passe-haut § Démodulation d’amplitude § Retrait de la ligne de base § Segmentation du signal

TP n° 1 : Pré-traitements n Buts : ¡ Estimer au mieux les temps d’apparition tk des ondes R (attention, on entend par le terme « temps tk » en réalité l’indice !) ¡ Segmenter le signal ECG afin de récupérer tous les segments P-R n Étapes : ¡ Filtrer le signal pour supprimer les éventuelles fluctuations de la ligne de base ¡ Détecter par une méthode de seuillage, les temps tk d’apparition des ondes R ¡ Démodulation d’amplitude ¡ Avec une méthode de seuillage, ré estimer les temps tk d’apparition des ondes R sur le signal démodulé ¡ Segmenter le signal ECG afin de récupérer les segments PR de durée 300 ms alignés sur le pic R à droite et enlever les lignes de bases résiduelles à l’aide de la fonction « enleve_ligne_base. m » ¡ Étudier l’influence de la respiration

TP n° 1 : Programmation n Charger l’électrocardiogramme Martina. PMA. dat qui a été enregistré avec une fréquence d’échantillonnage de 1 Khz ecg Filtrage : La respiration introduit une ligne de base sur l’enregistrement besoin de filtrer avec un passe-haut l’ECG Utiliser ‘fir 1’ (avec longueur de filtre L = 500 points ; Wn = 10/(2* longueur de filtre )) et la fonction ‘filter’ Nb : Penser à enlever les (longueur de filtre / 2) + 20 premiers points du résultat car il y a la réponse impulsionnelle du filtre dedans n n Seuillage : Choisir le coefficient de seuillage adéquat et récupérer les coordonnées des pics R et les temps d’apparition tk des ondes R

TP n° 1 : Programmation (2) n Démodulation ¡ A l’aide d’une interpolation ‘spline’ (fonction ‘interp 1’ ), créer la courbe continue qui passe par tous les pics R, i. e. la courbe de modulation d’amplitude to ¡ Démoduler le signal ECG ¡ Ré-estimer au moyen de votre fonction de seuillage les temps d’apparition tk n Segmentation et retrait de la ligne de base ¡ Penser à redimensionner le signal ECG original en fonction du signal démodulé obtenu (cf. différence de quelques points entre le premier pic R de Martina et du signal démodulé) ¡ Utiliser la fonction « enleve_ligne_base. m » et observer le résultat final (avec « temp » =ecg Martina redimensionné; ’resf’= les tks ; Binf = 300)

Fonction « enleve_ligne_base. m » § On détermine à l’œil les intervalles A [m 1 -m 2] et B [m 3 -m 4] § On segmente le signal ECG de telle façon à travailler sur des segments R-R § On ajuste la droite qui passe le mieux au sens des moindres carrés par les intervalles A et B pour chaque segment R-R, puis on la soustrait.

TP n° 1 : Programmation (3) n Étude de l’influence de la respiration ¡ Tracer la FFT du signal de modulation to, que pouvez vous observer ? ¡ Sachant que : n la modulation est liée à la respiration, n la fréquence max de la respiration est d’environ 1 hz, n le signal ECG a été enregistré avec une fréquence d’échantillonnage de 1 Khz Quel est le facteur de décimation théorique nous devons appliquer sur notre signal de modulation ? Tester, observer la FFT correspondante, adapter le facteur de décimation (penser à ramener le signal de modulation autour de 0)… ¡ A l’aide de la fonction ‘rtf’ fournie, faire une représentation temps fréquence du signal de modulation décimé et ramené autour de 0

Travaux Pratiques Étude d’un électrocardiogramme d’effort d’un patient sain n TP n° 1 : Méthodes de pré-traitements n TP n° 2 : Analyse des intervalles d’un ECG

R TP n° 2 : Analyse des intervalles T P § But : étude des intervalles PR dans les électrocardiogrammes § Application : Estimation des intervalles PR sur ECG d’effort § Représentation PR=f(PP) en effort/relâche cycle d’hystérésis Q S § Méthode : Estimation de temps de retards basée sur l’intercorrélation § Objectif à long terme : Amélioration des pacemakers à double chambre

TP n° 2 : Méthode d’estimation Estimation des temps de retards dk en trouvant le décalage temporel qui maximise l’intercorrélation entre une onde de référence et les signaux. Pref Pk • Delay dk K xcorr(Pk, Pref) tk Pk+1 • PRk=K-dk • PPk=tk+1 -tk+PRk-PRk+1 =tk+1 -tk+dk+1 -dk tk+1

TP n° 2 : Programmation n Charger l’électrocardiogramme Martina. PMA. dat qui a été enregistré avec une fréquence d’échantillonnage de 1 Khz ecg Pré-traitements : Appliquer les pré traitements programmés lors du TP 1, pour obtenir le signal ECG sous forme de segments P-R de durée 300 ms alignés à droite sur le pic R n n Estimation : Implémenter la méthode d’estimation de temps de retards basé sur l’intercorrélation précédemment décrite afin de calculer les intervalles PR et PP n Représentation graphique : représenter l’évolution des intervalles PR en fonction des intervalles PP afin de retrouver le cycle d’hystérésis entre l’effort et la récupération.