E-RISC 2010 www.erisc.ro Etapa – 3 1 1. Raportul Stiintific si Tehnic (RST) in extenso PNCDI 2 Programul 4 – Parteneriate in domenii prioritare “PLATFORMA E-HEALTH PENTRU MONITORIZARE, LOCALIZARE SI PROCESARE IN TIMP REAL DESTINATA PACIENTILOR INREGISTRATI CU RISC CARDIOVASCULAR – ERISC” Etapa III: Studiu privind stabilirea soluţiilor generale pentru sistemul de monitorizare ECG la distanta (finalizare); elaborare solutii pentru model experimental. Depunere preliminara Documentatia completa va fi depusa la data stabilita prin contract Termen de predare: 10.12.2010 Decembrie 2010
118
Embed
1. Raportul Stiintific si Tehnic (RST) in extenso ERISC RST etapa 3 2010.pdf · Retea Optica Statie calcul Statie calcul Cititor Optobiometric SERVER COMUNICATII SI AUTENTIFICARE
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
E-RISC 2010 www.erisc.ro Etapa – 3
1
1. Raportul Stiintific si Tehnic (RST) in extenso
PNCDI 2
Programul 4 – Parteneriate in domenii prioritare
“PLATFORMA E-HEALTH PENTRU MONITORIZARE, LOCALIZARE SI PROCESARE
IN TIMP REAL DESTINATA PACIENTILOR INREGISTRATI CU RISC
CARDIOVASCULAR – ERISC”
Etapa III:
Studiu privind stabilirea soluţiilor generale pentru sistemul de monitorizare
ECG la distanta (finalizare); elaborare solutii pentru model experimental.
Depunere preliminara
Documentatia completa va fi depusa la data stabilita prin contract
Termen de predare: 10.12.2010
Decembrie 2010
E-RISC 2010 www.erisc.ro Etapa – 3
2
CUPRINS
OBIECTIVE GENERALE ................................................................................................. 4
II. OBIECTIVELE ETAPEI DE EXECUTIE ................................................................... 5
III. REZUMATUL ETAPEI ............................................................................................... 6
IV. RAPORTUL TEHNICO - STIINTIFIC ......................................................................... 7
A1. Studiu general elemente software; Structuri optime de comunicatii; studiu
Oscilaţia vasomotorie ‗trage‘ lentele, iar la rândul lor sunt ‗trase‘ de oscilaţia respiratorie;
operaţiunea inversă este mai rară. Există un prag dincolo de care aceste interacţiuni atrag
după sine pierderea semnificaţiei fiziologice.
Evenimentul unic de asemenea compromite validarea epocilor spectrale, avand in spate
cel mai probabil artefacte; de aceea la aparitia acestuia trebuie interogat Serverul de
Artefacte. Evenimentul unic este acea perturbaţie puternică, forţată, impusă din exterior de
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
50
neuroni ce nu participă curent la oscilaţia bulbară (bulb = etaj inferior trunchiului cerebral)
asupra uneia sau mai multor bucle de reglare a activităţii cardiace; această perturbaţie face
ca cele trei componente spectrale (HF, LF, VLF) să interacţioneze. Evenimentul rar este
datorat unor neuroni ce participă la reglarea bulbară curentă; spre exemplu un suspin sau
artefacte. Interacţiunile sunt: HF-LF la 0.15 Hz.şi LF-VLF la 0.04 Hz.
Realizarea algoritmului de calcul
PASUL 1: Detecţia insulei de putere spectrală
Numim ‗insulă de putere spectrală‘ o porţiune din matricea Wavelet delimitată de
celelalte după criteriul puterii spectrale, astfel încât zonele adiacente insulei sunt cu circa
10-30 % mai mici decât cele din interiorul ei, în funcţie de gradul de interacţiune al insulelor
de putere în domeniul timp.
Detecţia insulei are la bază două programe de căutare care se adaptează situaţiilor care
apar datorită distribuţiei diferite a puterii spectrale la diverse frecvenţe.
După ce ‗insula de putere‗ este detectată, ea e testată dacă e interacţiune; dacă este, va
fi reţinută şi se va calcula suma componentelor (‗insula de putere‗ este o matrice ale cărei
componente au mărimea puterii spectrale). Algoritmul are o schema generală de căutare
prezentată în figura 29.
Fig. 29. Algoritm de căutare a interacţiunilor între benzile de frecvenţă.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
51
Programul de căutare A
Fie punctul m al matricei ―a‖ care reprezintă maximul acesteia şi fie x şi y coordonatele
acestui punct. Se va urmări detectarea insulei care conţine acest punct maxim, după un
algoritm ce va compara fiecare celulă a ei cu mD* , unde D este un factor ce permite
delimitarea insulei.
Căutarea se va face începând de la linia X până la linia 1 (aceasta o va realiza programul
de căutare A‗). Se va realiza astfel o ciclare ce va rula la fiecare ciclu pentru o anumită linie.
Acest subprogram are o restricţie de căutare a celulelor ce îndeplinesc condiţia
mDyxa *, , ceva mai scăzută datorită faptului că interacţiunile la acest nivel de căutare
sunt foarte mici; aceasta se realizează prin scăderea factorului D şi prin construcţia diferită
a algoritmului.
Programul rulează pentru fiecare linie, prin căutare la stânga şi la dreapta de punctul ce
constituie ‗capătul de pod‘, până când nu se mai îndeplineşte condiţia de altitudine.
Se numeşte capăt de pod prima celulă testată pentru trecerea la următoarea linie; se
caută pentru a se cunoaşte de unde se va începe testarea de-a lungul coloanelor, aceasta
deoarece se doreşte o păstrare a continuităţii capătului de pod maxim. Programul se va
repeta până când nu se va mai găsi nici un capăt de pod care să îndeplinească condiţia
mDyxa *, . Pentru fiecare linie începând de la x la 1 vor fi făcuţi următorii paşi:
1. Se testează capul de pod V1.
2. Dacă e găsit valid, de la această celulă se va porni o căutare în stânga şi dreapta,
cu condiţia mDjia *, ; cele găsite se vor memora într-o altă matrice (matricea aa).
Căutarea va fi continuată cu restricţiile pe care le impune definiţia insulei de putere;
odată detectată celula ce nu mai îndeplineşte condiţia, se iese din ciclu.
3. Dacă nu e găsit valid V1 se testează V2 şi V3; dacă unul dintre ele e valid se intră
în aceeaşi procedura ca la V1. Procedura se va repeta până la linia 1.
Program de căutare B
Se deosebeşte de primul printr-o ‗exigenţă‘ mai mare în ce priveşte selectarea celulelor.
Aceasta se realizează prin mărirea lui D sau prin structura programului.
Se procedează la această mărire a exigenţei deoarece de la nivelul de la care se
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
52
găseşte de obicei x corespunzător lui max(a) în sus există puternice interferenţe între insule
şi o îngustare accentuată a insulei căutate, lucru care face să crească riscul deturnării
căutării spre alte zone.
Programul realizează o centrare mai bună decât precedentul; aceasta se realizează prin
testarea mai fină a liniei următoare. Astfel, se testează valoarea maximă a liniei şi limitele
acesteia.
De fiecare dată se memorează maximul liniei, pentru a fi folosit ca viitor ―capăt de pod‖;
se păstrează astfel foarte bine mersul algoritmului pe creasta insulei, lucru benefic ţinând
cont de îngustarea accentuată a insulei.
PASUL 2: Descompunerea matricei Wavelet în insule de putere spectrală
Acest pas are la bază detecţia insulei de putere spectrală, care va fi ciclat pe criteriul
puterii spectrale obţinându-se o decimare a matricei iniţiale Wavelet. Programul porneşte de
la imaginea Wavelet iniţială.
Odată detectată matricea corespunzătoare maximului, aceasta este reţinută pentru o
analiză ulterioară, apoi este exclusă din matricea originală. Se repetă algoritmul pe matricea
originală şi se selectează a doua insulă de putere.
Programul se repetă până la decimarea totală, păstrând astfel entitatile de putere
spectrala, ce vor fi analizate ulterior pentru a se stabili apartenenţa lor la zone de
interacţiune. Prima insulă detectată va fi reţinută şi analizată (Fig. 30).
După ce prima insulă este exclusă din matricea originală programul se reia, următoarea
insulă putând fi reţinută după acelaşi criteriu al puterii spectrale, astfel după două cicluri
programul detectând a doua ‗insulă de putere‗. Programul se repetă până când matricea
Wavelet e decimată complet în putere spectrală. După cum se observă în Fig. 3.60, pentru
epocile spectrale alese avem un nivel de interacţiune mai ridicat la LF-VLF. Nivelele de
interacţiune sunt destul de ridicate astfel încât semnalul analizat nu va fi validat pentru
analiză Fourier în acest exemplu.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
53
Figura 30. Selecţia insulelor de putere si prezenţa evenimentului unic
Figura 25. Scoring: Analiza cantitativă a interacţiunilor între benzile de frecvenţă.
În concluzie la exemplul dat, metoda este un instrument de calcul puternic pentru a
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
54
evalua cantitativ dispersia de putere spectrală din benzi si de a livra un scoring catre
Serverul Decizional.
Evenimentul unic (figura 30) apare in momentul in care interactiunea intre benzile de
frecventa proprii ECG depasesc un anumit nivel. Este atunci susceptibila prezenta
artefactelor in sistem, fapt care ne duce sa verificam buna functionarea a intregului lant de
detectie a artefacte. Altfel spus, putem folosi „Evenimentul Unic‖ ca mijloc de calibrare a
sistemului de detectie artefacte, modificand fie nivelul scoring fie buna functionare a
modulului de detectie artefacte aflat in SP.
B1.2.3 Analiza in frecventa
Aceasta analiza se realizeaza in cadrul Serverului de Prelucrare si Analiza pe baza
semnalului ECG original.
Semnalele ECG recoltate de la electrozi sunt contaminate cu artefacte şi necesită
filtrarea.
Realizarea filtrului software studiat se bazează pe cunoaşterea fiecărui punct de
răspuns la impuls. Fiecare valoare nouă de intrare va necesita (n-1) operaţii de
multiplicare şi n operaţii de sumare pentru a furniza valoarea de ieşire. Ieşirea filtrului
ky depinde numai de semnalul de intrare.
Analiza comparativă a filtrării semnalului
Se prezintă o analiză în vederea găsirii unui optim pentru alegerea filtrului potrivit in
functie de tipul semnalului. S-au ales mai multe variabile care, funcţie de semnalul ECG de
filtrat, dau o informaţie complexă asupra modelului filtrului optim.
Sunt folosite 4 implementări ale unor tipuri de filtre clasice. Astfel, Butterworth digital,
filtrului Chebyshev 1 şi 2, şi filtru Eliptic sunt aplicate asupra semnalului ECG succesiv
funcţie de 2 variabile: frecvenţa de tăiere şi ordinul filtrului şi simultan.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
55
Figura 26. Dependenţa ordinului filtrului Butterworth digital de semnalul prelucrat ECG.
Se observă că limitele de aplicare ale filtrului pornesc de la 20 Hz şi ajung în jur de 60
Hz. Funcţie de cât de afectat este semnalul de zgomot se poate alege filtrul corespunzător
printr-o analiză calitativă vizuală a imaginii sau o analiză cantitativă folosind vectorul
diferenţelor .
Filtrul cel mai bun va fi cel care păstrează cel mai bine forma iniţială a undei şi elimină
paraziţii intercalaţi în semnal.
Figura 27. Dependenţa Filtrului Chebyshev trece jos, de frecvenţa de tăiere aplicată
semnalului ECG.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
56
Figura 28. Dependenţa filtrelor Butterworth, Chebyshev Type I digital, Chebyshev Type II
digital şi Eliptic aplicată asupra unui semnal ECG.
Evaluare cantitativă a nivelului de zgomot din semnal În vederea realizării unei evaluări cantitative a rezultatelor filtrării s-a procedat la
găsirea unui algoritm care să evalueze cantitativ nivelul zgomotelor rămase în semnal după
aplicarea filtrului.
Algoritmul de calcul:
Etapa 1 . Fie vectorul ECG original S (Fig. 29).
Figura 29. Semnal original de filtrat.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
57
În urma aplicării filtrului Butterworth (ft = 30 Hz, ordinul 16) se obţine semnalul filtrat
Sf. Datorită spasmului muscular din înregistrarea iniţială, mai rămân mici artefacte pe
semnal.
Etapa 2. Se derivează vectorul S pentru a se obţine un vector al diferenţelor succesive ce descoperă primul nivel al locaţiei zgomotelor rămase în semnal: '1 sd
Etapa 3. Se urmăreşte definirea zgomotului digital din semnal în vederea identificării acestuia:
Figura 30. Semnal filtrat.
A. După schimbarea de semn: orice schimbare de semn din vectorul ‗derivata a doua‘, a eşantioanelor succesive:
0))1)(d1(i&0)(d1(i)
sau
0)1)(d1(i&0)((d1(i)
Figura 31. Vectorul diferenţelor succesive
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
58
B. După amplitudine: Se defineşte următorul interval:
Amax_eşantionare: amplitudinea maximă de eşantionare a semnalului (35mV) original; reprezintă diferenţa maximă în amplitudine între două eşantioane succesive.
Amplit_zgomot: amplitudinea zgomotului căutat.
Amin_unda: Amplitudinea minimă a unei unde din semnalul ECG, unda P=100mV
100))s(i))-1)(s(i(35
sau
100)1))s(i-((s(i)(35
Etapa 4. Se realizează un ciclu iterativ, pentru a determina cantitativ zgomotu l semnalului ECG.
Dacă A sau B se îndeplinesc în acelaşi timp atunci semnalul este definit ca zgomot:
Etapa 5. Se obţine vectorul b - vectorul zgomot.
Figura 32. Semnalul original filtrat şi vectorul zgomot suprapus.
Pentru a observa rezultatul aplicării algoritmului se poate studia în figura. 33
modalitatea prin care programul detectează zgomotele reale, ocolind informaţia de semnal
care este reprezentată de undele R, T şi P.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
59
Figura 33. Detaliu - Semnalul original filtrat şi vectorul zgomot suprapus.
Se observă cum zgomotul este detectat, iar undele semnalului ECG sunt ocolite –
Fig.2.17. Zgomotul este evaluat ca poziţie şi amplitudine.
Analiza comparativă a nivelului de zgomot din semnalul ECG Se prezintă o analiză a distribuţiei zgomotelor rămase în semnalul ECG după
aplicarea asupra sa a mai multor tipuri de filtre. Fiecare filtru este supus la una, doua sau
trei condiţionări simultane.
a) Variaţia ordinului filtrului Butterworth.
În acest caz, semnalul a fost analizat, pentru o frecvenţă de tăiere Hz30tf .
Zgomotele datorate influenţelor frecvenţei reţelei nu mai sunt prezente în acest caz, în
Figura 34. Analiza comparativă cantitativă funcţie de variaţia ordinului.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
60
Nivelul zgomotelor este mai mare în jurul undelor R, deoarece rezoluţia de
eşantionare este mică raportată la panta undei R. Altfel spus, zgomotele unui semnal digital
sunt cu atât mai mari cu cât panta dreptei este mai mare, deoarece diferenţa în amplitudine
între două puncte succesive afectate de zgomot devin foarte mari, datorită rezoluţie
scăzute. Din analiza acestei distribuţii se observă un optim în jurul ordinelor 14-18. Nivelul
de zgomote al unui semnal ECG este definit, în acest caz, ca o sumă a zgomotelor pe
fiecare vector corespunzător unui ordin al filtrului.
Figura 35. Variaţia nivelului de zgomot funcţie de ordinul filtrului pentru semnalul ECG.
b) Variaţia filtrelor
Filtrul Butterworth digital, Filtrului Chebyshev 1 şi 2, şi filtrul Eliptic se vor aplica în
acelaşi timp semnalului pentru a se evalua cea mai eficientă filtrare. Ordinul filtrului este 20,
iar 40tf (figura 36). După ce s-a observat distribuţia zgomotelor, se doreşte o cumulare
pe fiecare vector al celor 4 tipuri de filtre folosite, a zgomotelor apărute. Cumularea se face
prin însumarea în modul. Se obţine astfel o evaluare cantitativă funcţie de tipul filtrului.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
61
Figura 36. Variaţia nivelului de zgomot funcţie de 4 tipuri de filtre, aplicate semnal ECG.
Se observă şi acest caz că Butterworth digital este filtrul care lasă în urma sa cel mai
mic nivel de zgomot.
Figura 37. Variaţia nivelului de zgomot funcţie de 4 tipuri de filtre, aplicate semnalului ECG.
c) Variaţia filtrelor şi a ordinului de filtrare
Distribuţia zgomotului în semnal, în acest caz, are un optim de minim în cazul filtrului
Butterworth după ordinul 13. Planul este inclinat dinspre zona filtrului Eliptic spre filtrul
Butterworth (Figura 38).
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
62
Figura 38. Variaţia sumei cumulate a zgomotelor funcţie de tipul de filtrare (filtrul
Butterworth digital, filtrul Chebyshev 1 şi 2 şi filtrul Eliptic) şi ordinul filtrului.
S-au mai studiat: Variaţia filtrelor şi a frecvenţei de tăiere, Variaţia ordinului filtrului şi a
frecvenţei de tăiere, Variaţia sumei cumulate a zgomotelor funcţie de ordinul filtrului şi
frecvenţa de tăiere ft.
d) Analiza în 4 dimensiuni prin variaţia ordinului filtrului, a frecvenţei de tăiere şi a tipului de filtru
Pentru o perspectivă completă privind alegerea optimă a tipului de filtru cât şi a
caracteristicilor sale, se poate utiliza o afişare 4 D, în care axele vor fi următoarele:
→ Axa OX - axa frecvenţei de tăiere; → Axa OY - axa ordinului filtrului; → Axa OZ – axa tipului de filtru; → Axa de culoare – axa sumei cumulate a zgomotelor. Planurile iniţiale conţinând informaţia utilă sunt paralele cu planul [XOY].
Pentru a obţine informaţii privind evoluţia unui anumit plan, se realizează secţiuni în
planurile ZOY sau ZOX, astfel:
- Planurile ZOX intersectează la ordinul 10 şi 14; - Planurile XOY intersectează la tipul de filtru 2 şi 4; - Planurile ZOX intersectează la frecvenţa de tăiere 43 Hz şi 50 Hz.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
63
Figura 39. Variaţia sumei cumulate a zgomotelor funcţie de ordinul filtrului, frecvenţa de
tăiere şi tipul filtrului.
In exemplu dat se observă ca minimul optim în aplicarea funcţie de zgomot este în
zona ordinului 16 pentru frecvenţe de tăiere cât mai apropiate de 40 Hz. Sub 40 Hz
semnalul nu mai este analizabil din punct de vedere al undelor semnalului ECG.
Fiecare semnal ECG, funcţie de protocolul de achiziţie, conţine particularităţi de
zgomot care se pot filtra în mod optim, folosind în prealabil o astfel de analiză.
Pentru îmbunătăţirea calităţii semnalului se pot aplica ferestre de ponderare asupra
filtrelor studiate. Studiul nu a insistat asupra acestui aspect el urmărind o denaturare cât mai
mică a semnalului util.
B1.2.3. Elaborare structura software medical detectie artefacte
Reamintim ca detectia artefactelor reprezinta unul dintre punctele critice ale
proiectului ERISC. In acest context, tratarea acestora s-a facut intr-un mod foarte atent.
Exista doua modalitati prin care sistemul E-RISC realizeza detectia artefactelor:
- detectia software din semnalul ECG si care poate fi corectata prin procedee
specifice, asa cum s-a vazut la analiza in frecventa in cazul filtrarii semnalului;
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
64
- detectia hardware provenita din elemente obtinute dinspre subsistemul purtabil,
astfel de la:
o accelerometru pe 3 axe
o detectie amplitudine respiratie
Optional se are in vedere introducerea unui senzor suplimentar care sa transmita
tremurul somatic muscular, ajutand astfel programul software de detectie artefacte.
Specificam ca tremurul muscular nu putea fi rejectat prin metode traditionale de filtrare
deoarece patternul care sta la baza declansarii acestuia nu se descompune in functii
variabile repetabile in sin si cos, cu alte cuvinte nu este analizabil fourier. Daca
programul prezentat la sectiunea artefacte nu va da rezultatul scontat in urma testelor
reale vom putea sa integram acest ajutor hardware.
Artefacte ale înregistrărilor ECG si moduri de rejectie ale acestora:
A. Pierderea liniei izoelectrice
Mişcarea de alunecare a electrodului faţă de epidermă produce salturi de deplasare a
liniei de referinţă. Din punct de vedere metrologic, dacă linia de referinţă pentru un anumit
electrod nu revine la traseul normal, în mai puţin de 30s, se va verifica aplicarea corectă a
acestuia pe suprafaţa epidermei şi circuitul de intrare corespunzător derivaţiei ECG.
Figura 39. Înregistrare ECG cu pierderea liniei izoelectrice cu revenire.
Salturile liniei de referinţă, la comutarea electrodului de înregistrat în timpul undei R sau
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
65
T, sunt inevitabile (Fig.3.69). Traseul va reveni la normal în câteva secunde. Colaborarea cu
pacientul şi relaxarea acestuia, înlătură semnificativ aceste artefacte.
B. Influenţa câmpurilor electrice externe
Câmpurile electrice alternative alterează calitatea înregistrării ECG şi produc modificarea
liniei de referinţă către o bandă. Amplitudinea depinde de puterea sursei de curent alternativ
şi de electrodul înregistrat. În general, amplitudinea este constantă pentru acelaşi electrod.
Frecvenţa semnalului de interferenţă este corespunzătoare sursei de curent alternativ.
Prescripţiile metrologice recomandă anularea, sau minimizarea, efectelor surselor de
curent alternativ, prin următoarele verificări anteriore înregistrării ECG:
în vecinătatea pacientului să nu fie cabluri de alimentare;
verificarea conexiunilor la masă a carcaselor aparatelor şi a ecranelor cablurilor
corespunzătoare;
conductoarele cablului de pacient să fie dispuse cât mai apropiate şi vor urmări
conturul corpului pacientului;
se evită apariţia buclelor datorită excesului de lungime ale conductoarelor. În acest
sens, conductoarele de pacient sunt de diferite lungimi corespunzător poziţiei
electrozilor.
echipamentele electromedicale de raze X din încăperile vecine nu vor fi în funcţiune.
În anumite situaţii, se impune utilizarea de ecrane legate la pământ între pacient şi
sursele de interferenţă;
conductoarele electrice din încăperea unde se înregistrează ECG pot reprezenta
posibile surse de interferenţă. Frecvent, simpla deplasare a poziţiei pacientului
rezolvă această problemă.
C. Mişcările pacientului
Mişcările pacientului pot cauza deflexiuni anormale:
Contracţiile musculare introduc oscilaţii în traseul ECG. Minimizarea acestor
artefacte se realizează prin optimizarea procesului de achiziţie. În figura 40 este
prezentată o înregistrare experimentală cu tremur somatic;
altă mişcare a pacientului este cauzată de modificarea volumului toracic în cazul
respiraţiei. Variaţia unghiului vectorului cardiac produce o modulare respiratorie în
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
66
amplitudine (figura 41);
mişcări bruste.
Figura 40. Înregistrare experimentală cu tremur somatic
Figura 41. Înregistrare experimentală cu modularea respiratorie în amplitudine
Soluţii pentru ameliorarea artefactelor:
A. Variante hardware prin ajutorul accelerometrului 3D si a senzorului de detectie
variatie toracica (eventual prin introducerea senzorului de detectie tremur somatic
muscular). Aceste variante vor fi integrate in serverele specifice: detectie artefacte prin
comparatiile realizate in Serverul de Analiza si Prelucrare asa cum s-a vazut la realizarea
software-ului de management.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
67
B1.2.4. Optimizarea procesului de achiziţie, prin prelucrare în timp real
Optimizarea achizitiei se face cu ajutorul informatiilor provenite de la sursele hardware de
detectie artefacte:
Accelerometre: sursa accelerometre 3 D
Variatie volum toracic; sursa: senzor variatie volum toracic la respiratie.
Se pot analiza si variante software de găsire a unui optim:
în domeniul timp, prin alegerea unui complex Q, R, S, T cât mai adecvat;
în domeniul frecvenţă–prin analiza magnitudinii prin corelaţie cu faza; corelaţia fazei
cu magnitudinea valideaza realitatea semnalului util;
în domeniul timp-frecvenţă, prin alegerea unor imagini cu interacţiuni minime între
benzi. Intervenţia corectă în cursul achiziţiei înlătură aşa zisele evenimente unice, cât şi
nestaţionarităţile forţate. În figura 42, se poate observa un eveniment unic filtrat din
Transformata Wavelet. Aceasta aruncă frecvenţe pe toate benzile, la un anumit moment
dat. Momentul apariţie acestor artefacte putea fi evitate printr-un feed-back de reglare a
poziţiei senzorilor:
Figura. 42. Ruperea benzilor de frecvenţă - Eveniment unic.
Analiza în timp real este esenţială în domeniul medical, unde feed-back-ul este prioritar
în prelevarea datelor potrivite. De aici, rezultă o mare flexibilitate în găsirea semnalului
potrivit pentru analiză, nu numai în domeniul timp, aşa cum se făcea până acum, prin
găsirea undelor T, Q, R, S, cât mai favorabil, ci şi în domeniul frecvenţă şi timp-frecvenţă,
fapt ce deschide noi perspective de diagnosticare.
Reuşita prelucrării în aceste domenii se face şi funcţie de staţionaritatea semnalului.
Intervenţia corectă în cursul achiziţiei, prin relaxarea poziţiei pacientului înlătură aşa zisele
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
68
―evenimente unice‖ cât şi nestaţionarităţile forţate. În fig. 42, se poate observa un eveniment
unic filtrat din Transformata Wavelet. Aceasta ―aruncă‖ frecvenţe pe toate benzile la un
anumit moment dat. Momentul apariţiei acestor artefacte poate fi evitat printr-un feed-back
de reglare a poziţiei pacientului
Undele perioadei cardiace trebuie să aibă o abatere cunoscută de la un standard
definibil, pentru a putea fi detectate cu succes de programul de prelucrare. Optimizarea
poziţiei se face funcţie de calitatea undelor din perioada cardiacă. Procesul este unul de
autoreglare (feed-back) a vectorului cardiac, funcţie de semnal, foarte important, deoarece
este esenţial ca semnalul să fie ―adaptat‖ cât mai bine pentru prelucrarea ce urmează;
B1.2.5. Detectia artefactelor in ceea ce priveste dinamica pacientului
Sistemul E-RISC presupunand un pacient in miscare - este realizata in continuare o
evaluare a functionarii software-ului prezentat in situatia culcat–intins si ortostatica.
Comparaţii în ceea ce priveşte subiectul
În figurile care urmează se vor compara două câte două situaţiile în care semnalul a fost
achiziţionat: ―întins‖ şi ―ortostatism‖. În cazul comparării în banda LF (banda raspunzatoare
de reactia vasomotorie cardiaca), se observă o bună stabilitate vasomotorie cu Ip 14,6
%. (variatia cantitativa de magnitudine intre ortostatism si intins);
Se definesc:
Ip – indice de putere spectrala
Ip – variatia indicelui de putere spectrala intre pozitia culcat si ortostatica
Acestia s-au calculat pe baza programului de evaluare cantitativa a puterii spectrale in
benzi (anexa).
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
69
Figura. 43. Subiectul culcat, LF, Ip=8814
Figura. 44. Subiectul ortostatism, LF, Ip=10104
Concluzii:
1. Descrierea functionalitatii sofware-ului de management sa in conditiile „rularii‖ a
catorva scenarii de functionare E-RISC demonstreza astfel ca automatizarea monitorizarii
este un deziderat realizabil.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
70
2. Realizarea software-ului biomedical este special conceputa pentru solutii purtabile
datorita particularitatilor semnalelor induse de mobilitatea pacientilor.la sistemul E-RISC
tinand cont de toate aspectele de lucru privind purtabilitatea.
B1.3. Elaborare model culegere, cu senzori, a informatiei
Se are in vedere determinarea modelului de amplasare a senzorilor necesari pentru
proiect astfel incat sa se poata dezvolta o validare a pozitiei acestora la distanta.
A. ANALIZA MORFOLOGICĂ A ECG
Urmăreşte descrierea caracteristicilor elementelor corespunzătoare unei revoluţii
cardiace, considerate în mod izolat. Din acest punct de vedere, pe traseul ECG se disting
unde, segmente şi intervale.
Modelul normal. Morfologia traseului ECG este descrisă folosind cuvintele: deflexiuni
(sau unde), segmente, intervale. Undele care se analizează pe traseul ECG sunt unda P,
complexul QRS, unda T şi unda U. Segmentele sunt porţiuni de traseu cuprinse între două
unde. Acestora li se descriu durata şi poziţia faţă de linia izoelectrică; dacă segmentul este
decalat faţă de linia 0, se precizează sensul (sub- sau supradenivelare), amplitudinea (în
mm) şi forma decalării. Segmentele care se analizează pe traseul ECG sunt segmentul ST,
segmentul PQ şi segmentul TP. Intervalele definesc durata de timp între două repere de pe
traseu (începutul sau sfârşitul unor unde).
Intervalele care se analizează pe traseul ECG sunt intervalul PQ, intervalul QT şi
intervalul RR. Terminologia deflexiunilor are la bază notaţia introdusă de Einthoven şi a mai
fost prezentata in acest proiect.
Structura temporală în ECG normală este dată în figura 45. Pentru adultul normal, cea
mai mare parte din valabilitatea duratelor din figură este dată de variaţia frecvenţei cardiace.
Figura 45. Structura temporală normală ECG.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
71
Unda P este rotunjită, lentă, are amplitudinea de 0,1—0,25 mV. Axa vectorului P
frontal se situează la cca. 60° (0—90° normal). În derivaţiile esofagiene P este difazică,
endocavitar poate fi pozitivă, difazică sau negativă pe masură ce electrodul coboară în atriul
drept, furnizând astfel un indicator de poziţie valorificat la stimularea (pacing) atrială.
Complexul QRS reflectă procese electrice rapide, cu o topologie complexă, în mase
musculare mari şi asociază deflexiuni ample şi vârfuri ascuţite.
Cifrele şi indicii legali de amplitudinea normată şi patologică a deflexiunilor QRS şi
discuţiile privind interpretarea lor pot alcătui o întreagă literatură. Pentru orientarea practică
rapidă trebuie reţinute:
în frontal domeniul normal de amplitudine (deviaţia maximă de la izoelectrică) este
de 0,5-1,5 mV;
în transversal amplitudinea normală poate atinge 2 mV.
Unda T este rotunjită, asimetrică (frontul anterior mai lent), cu mărimea normală
0.2-0.6mV (pană la 1 mV în precordialele drepte). Axa frontală este orientată apropiat de
QRS.
B. Pasi pentru validarea amplasarii corecte a senzorilor:
se selectează dintr-un ciclu ECG complet zona P-QRS-T;
se determină lungimea intervalului: TP-QRS-T;
se determină amplitudinea vârf la vârf a selecţiei (dată în special de complexul
QRS): UECG-vv;
se calculează media relativă a ―suprafeţei‖ ECG selectate la momentul iniţial,
cand pacientului i se pune prima dată sistemul (valoare adimensională):
se calculează media relativă a ―suprafeţei‖ ECG selectate la momentul k, Sk, cu
acceaşi relaţie (3) :
se calculează un ―inidice relativ de diferenţiere‖ (scoring) între înregistrarea
curentă (la momentul k) şi cea iniţială (la momentul 0):
(3)
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
72
acest indice va reprezenta o diferenţă estimativă, în procente, dintre
înregistrările corespunzătoare momentelor ―0‖ şi ―k‖ (ideal trebuie să tintă către
zero).
Observatie. Indicele propus este valabil pentru o morfologie ―normală‖ a unei
înregistrări ECG, dar poate fi adapat în cazul anumitor patologii care presupun deformarea
ARGATU,F, Influence of nonsinusoidal signals in electrical equipment
Proceedings of the Union of Scientists, Fourth Conference Energy Efficiency and Structural
Engineering, Rouse, Bulgaria, 1-3 october 2009, ISSN 1311-9974, pp.485-489
12. ELEONORA DARIE, CEPISCA,C, DARIE,E.
Signal processing in measuring electromagnetic interference
Proceedings of the 8th WSEAS International Conference on Signal Processing, Robotics
and Automation, pp.57-60, Cambridge, 24-26 february, 2009, Recent Advances in Signal
Processing, Robotics and Automation, Mathematics and Computers in Science and
Engineering, , WSEAS Press, ISSN 1790-5117, ISBN 978-960-474-054-3 (ISI)
13. Eleonora Darie, Costin Cepişcă, Emanuel Darie
Discrete Wavelet Transform Used for Detection the Power Signal Disturbances,
Proceedings of the 5 th International Conference „Metrology & Measurement
Systems”(METSIM 2009), Bucharest, Romania, November 5-6, 2009, pp. 70-73, ISBN: 978-
606-8032-22-6.
14. Boev, A., Stanciu, M., Pantelimon, Brânduşa,
Spectral Analysis of the Intracardiac and Surface ECG in Atrial Fibrillation,
Proceedings of 5h International Conference Metrology&Measurement Systems METSIM
2009, nov.2009, Bucharest, Ed. Noua, ISBN 978-606-8082-22-6, pp.189-194
15. Mihaela Albu, Alexandru Nechifor, Doru Creanga, 2010,
Smart Storage for Active Distribution Networks. Estimation and Measurement Solutions,
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
105
Proc. of the I2MTC '10. IEEE Intrumentation and Measurement Technology Conference,
Austin, TX, 3-6 May 2010 , ISBN: 978-1-4244-2833-5.
16. Stanciu, M.; Albu, M.; Boev, A., 2009,
ECG monitoring. A software tool for deriving time and frequency parameters,
Proc. of MeMeA 2009. IEEE International Workshop on Medical Measurements and
Applications, 29-30 May 2009, Page(s):116 – 121, ISBN: 978-1-4244-3598-2.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
106
ANEXA 2
Program– ANALIZĂ MULTIDIMENSIONALĂ ;TIPURI DE FILTRARE clear all close all clc format long disp(' ') disp(' Introduceti numarul fisierului ekg_"nr"') disp(' ') input(''); ns=ans; ekg_ns=['ekg_' int2str(ns)]; numef=[ekg_ns '.asc']; eval(['load ' numef]); ASN=eval(ekg_ns); xa=ASN(:,1);yu=1000*ASN(:,2); n=length(xa) xaf=1000*xa; N=2^ceil(log(n)/log(2)); Yu=fft(yu,N); Pyyu=Yu.*conj(Yu)/n; Pnu=abs(Yu)*2/n; % pas=xa(2)-xa(1); Fs=1/pas; fN=Fs/2; fx1=fN*(0:N/2)/(N/2); fx=fx1'; % Pyyu((N/2+2):N)=[ ]; Pyyu(2:N/2)=2*Pyyu(2:N/2); % Pnu((N/2+2):N)=[ ]; Pnu(2:N/2)=2*Pnu(2:N/2); ft=30; ord=16; tipf=1; mm=0; for tipf=1:4 nn=0;mm=mm+1; for ft=40:55 ww=0;nn=nn+1; for ord=6:14
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
107
ww=ww+1; if tipf==1 [b,a]=butter(ord,ft*2/Fs); elseif tipf==2 [b,a]=cheby1(ord,0.1,ft*2/Fs); elseif tipf==3 [b,a]=cheby1(ord,0.1,ft*2/Fs); elseif tipf==4 [b,a]=ellip(ord,0.1,40,ft*2/Fs); end [H,w]=freqz(b,a,1024); yfu=filter(b,a,yu); d1=diff(yfu); s=yfu; for i=1:length(d1)-1 if ((d1(i)>0)&(d1(i+1)<0)|(d1(i)<0)&(d1(i+1)>0))&(35<((s(i)-s(i+1))<70)|(35<(s(i+1)-s(i))<70)) b(i)=d1(i); else b(i)=0; end i=i+1; end yfO(1:length(yfu),ww,nn)=yfu; B(1:length(b),ww,nn)=b; S(ww,nn,mm)=sum(abs(b)); end end end [x2,x1,x3] = ndgrid(6:14,40:55,1:4); slice(x1,x2,x3,S,[45,50],14,[2,4]); colorbar %axis tight; % Ylabel('ORDINUL FILTRULUI');Xlabel('Tip filtru');zlabel('SUMA CUMULATA A ZGOMOTELOR');ylabel('4 TIPURI DE FILTRE');grid on;
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
108
2. Program –DETERMINAREA INTERACŢIUNILOR DINTRE BENZILE DE FRECVENŢĂ
AMY-5M is the smallest standalone GPS receiver in the industry. This fully tested ROM-based solution features the high performance u-blox 5 positioning engine and has been specifically developed for easy implementation and high volume production. AMY-5M is fully autonomous and requires no host integration, facilitating a short time-to-market.
AMY-5M offers three different serial interfaces. The receiver features an integrated GPS crystal, providing fast acquisition and excellent tracking performance at a competitive price. In addition, AMY-5M can be assembled on a 2-layer PCB, which saves production costs. AMY-5M is so small that it can be integrated into the smallest portable devices. Advanced interference suppression mechanisms and innovative RF architecture ensure maximum performance even in hostile signal environments. Highlights
• Industry‘s smallest GPS receiver module: 6.5 x 8 x 1.2 mm • No host integration required • 50-channel u-blox 5 engine with 1 million correlators • Operates at 1.8 V and 3.0 V • Variety of interfaces: 1 UART, 1 USB, 1 DDC (I2C compliant) • Supports AssistNow Online and AssistNow Offline A-GPS services; OMA SUPL compliant 8 x 6.5 x 1.2 mm Block Diagram Active or passive antenna with external LNA Mechanical data Receiver performance data
Receiver type 50-channel u-blox 5 engine GPS L1 C/A code
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
114
SBAS: WAAS, EGNOS, MSAS, GAGAN Max. update rate 4 Hz Accuracy Position 2.5 m CEP SBAS 2.0 m CEP Acquisition Cold starts: 36 s Warm starts: 36 s Aided starts: 4 s Hot starts: 1 s Sensitivity Tracking: –159 dBm Reacquisition: –159 dBm Cold starts: –141 dBm A-GPS Supports AssistNow Online and AssistNow Offline, OMA SUPL compliant Operational limits Velocity: 500 m/s (972 knots) Altitude: 50,000 m Interfaces Serial interfaces 1 UART 1 USB V2.0 full speed 12 Mbit/s 1 DDC (I2C compliant) Digital I/O Configurable time pulse 2 EXTINT interrupt input 2 configuration pins Protocols NMEA, UBX binary Electrical data Supply voltages Single voltage supply: 1.75 – 2.0 V or 2.5 – 3.6 V Dual voltage supply: 1.4 V / 1.8 V Digital I/O 1.65 V – 3.6 V Voltage level Power consumption 75 mW @ 1.8 V (Eco mode) 66 mW @ 1.4 / 1.8 V (Eco mode) Backup supply Voltage range: 1.4 V to 3.6 V Antenna supervision Short and open circuit detection supported with external circuit RF data
RTC input 32.768 kHz (optional) Internal clock 26.0 MHz crystal Housing LGA50 Dimensions 8.0 x 6.5 x 1.2 mm Weight 0.15 g Environmental data Operating temp. –40° C to 85° C
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
115
VI. CONCLUZII
1. Proiectul E-RISC este la aceasta ora un exemplu clasic de tehnologie aflata la limitele
superioare, de multidisciplinaritate si dificultati de alocare pentru resurse financiare si
tehnologice.
Folosirea procesoarelor de ultima generatie din seria Snap Dragon 1Ghz pentru
dizpozitivele portabile, procesoare i7 in configuratie ―quad CPU‖ pentru serverele
scalabile de prelucrare a semnalelor ECG in timp real, sisteme de operare la inceput de
drum – Android 2.2 Froyo, SDK de dezvoltare pentru noi instrumente de monitorizare
medicala, toate acestea sunt elemente clare de interes pentru orice tanar cercetator sau
student. Posibilitatea de a utiliza echipamente si solutii de ultima ora este contrabalansata
de problemele generate de utilizarea unor solutii tehnice imature, de precaritatea
suportului tehnic sau chiar de lipsa acestuia pentru utilizarea unor dispozitive venite direct
din sectiile de microproductie. Pe ansamblu, efortul de a produce o solutie utila si
originala este conditiia necesara, dar nu suficienta, pentru impunerea in societatea
romaneasca a unui produs bun sau a unei tehnologii valoroase.
2. In aceasta etapa, cu ocazia alaturarii solutiilor tehnice de la toti partenerii, au rezultat noi
probleme privind interoperabilitatea subsistemelor, care au generat solutii inovatoare
astfel:
- in sprijinul optimizarii functionarii Serverului de Localizare s-a implementat
―Serverul de Patternuri Deplasare‖;
- s-a determinat o metoda de autocalibrare pentru Serverul de Analiza si Prelucrare
in vederea rejectiei optime a artefactelor, aceasta urmand a fi folosita ca metoda
de calibrare a intregului sistem E-RISC;
3. Definirea tipului de interfete pentru sistemele de emisie-receptie sub forma SoCb
(Sistem on Chip) din seria CC25xx de la Texas Instruments cu MSP340, reprezinta
indeplinirea obiectivelor de etapa. Rezultatele obtinute prin simularea pe aceasta
arhitectura, au confirmat corectitudinea solutiei.
4. Descrierea functionalitatii software-ului de management in conditiile „rularii‖ a catorva
scenarii de functionare E-RISC, demonstreza ca automatizarea monitorizarii este o
solutie fezabila.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
116
5. Pe baza solutiei descrise de localizare nonGPS si alaturand solutia GPS deja existenta
pe device-ul de localizare, in cadrul Sistemului de Transmisie, consideram ca in 2011
vom putea integra solutia de localizare duala. Prin cooperarea in functionare a acestor
doua sisteme, localizarea pacientului va deveni posibila, in majoritatea situatiilor.
6. Din studiul facut in ceea ce priveste software-ul folosit in achizitiile de date biomedicale
si tinanand cont de faptul ca subsistemul de achizitie E-RISC este unul purtabil, cu multe
restrictii in ceea ce priveste dimensiunile si consumul, am ales o versiune de software
inchisa de tip Sigma–Delta, care are ca avantaj viteza crescuta de conversie in conditiile
consumului redus de energie.
7. Finalizarea studiului prin optarea pentru BLE (bluetooth low energy), tehnologie nou
aparuta, permite realizarea tuturor obiectivelor legate de gasirea unei solutii optime de
comunicatii, pentru aplicatia noastra, asigurand o legatura de date permanenta de minim
24h conform specificatiilor initiale.
8. In aceasta etapa sistemul E-RISC a fost definitivat ca structura hardware si software
ramand ca in urmatoarele etape sa se implementeze solutiile alese. Avem convingerea ca
realizarea proiectului va permite partenerului – in speta Spitalul Clinic de Urgenta
Bucuresti – sa reduca costurile si sa creasca numarul de pacienti care beneficiaza de
asistenta medicala de inalta specialitate. Dupa ce aceasta etapa pilot va fi depasita avem
convingerea ca intr-o colaborare mai larga, prin atragerea de fonduri de dezvoltare
structurale, sa implementam tehnologia dezvoltata pe plan national;
9. In urma derularii proiectului E-RISC exista: 16 articole stiintifice (dintre care 4 cotate ISI:
2 cu impact =>2), o carte care dezbate exact sistemul E-RISC, o teza de doctorat
finalizata in anul 2009 si numerosi doctoranzi care au teme legate de activitati din cadrul
proiectului (Anexa1). Este in pregatire in acest an depunerea unui brevet de inventie pe
baza cercetarilor din aceasta etapa avand ca subiect: tehnici hardware pentru
discriminarea artefactelor din biosemnale.
10. Consideram astfel ca sunt indeplinite toate cerintele din documentatia contractuala la
semnarea contractului de cercetare.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
117
VII. BIBLIOGRAFIE
1. BĂNICĂ,C.K, SERIAN,G.C., GHIŢĂ, O.M.,Optimal Acquisition for ECG Signal with Real–Time Processing, ATEE 2000, pp. 37-40, Bucharest, 2000;
2. AUGUSTYNIAK, P. (2008). "Detecting patient's emergency--a minimum-computation procedure for pervasive cardiac monitoring." Conf Proc IEEE Eng Med Biol Soc 2008: 1439-1442.
3. LIU, X., Y. ZHENG, et al. (2010). "Multiple Functional ECG Signal Processing for Wearable Applications of Long-Term Cardiac Monitoring." IEEE Trans Biomed Eng.
4. LIN, C. T., K. C. CHANG, et al. (2010). "An intelligent telecardiology system using a wearable and wireless ECG to detect atrial fibrillation." IEEE Trans Inf Technol Biomed 14(3): 726-733.
5. HUANG, W. T., C. H. CHEN, et al. (2008). "Exquisite textiles sensors and wireless sensor network device for home health care." Conf Proc IEEE Eng Med Biol Soc 2008: 546-549.
6. ZHENG, J. W., Z. B. ZHANG, et al. (2007). "A wearable mobihealth care system supporting real-time diagnosis and alarm." Med Biol Eng Comput 45(9): 877-885.
7. HONG, S., Y. YANG, et al. (2009). "Performance study of the wearable one-lead wireless electrocardiographic monitoring system." Telemed J E Health 15(2): 166-175.
8. YAZICIOGLU, R. F., T. TORFS, et al. (2009). "Ultra-low-power wearable biopotential sensor nodes." Conf Proc IEEE Eng Med Biol Soc 2009: 3205-3208.
9. THULASI BAI, V. and S. K. SRIVATSA (2007). "Design of wearable cardiac telemedicine system." Int J Electron Healthc 3(3): 303-316.
10. TADEUSIEWICZ, R. AND P. AUGUSTYNIAK (2005). "Information Flow and Data Reduction in the ECG Interpretation Process." Conf Proc IEEE Eng Med Biol Soc 1: 382-385
11. SHIN, K., H. TAE HWANG, ET AL. (2005). "WHAM: A novel, wearable heart activity monitor based on Laplacian potential mapping." Conf Proc IEEE Eng Med Biol Soc 7: 7361-7364.
12. SCHEFFLER, M. AND E. HIRT (2005). "Wearable devices for telemedicine applications." J Telemed Telecare 11 Suppl 1: 11-14.
13. PAWAR, T., S. CHAUDHURI, et al. (2007). "Body movement activity recognition for ambulatory cardiac monitoring." IEEE Trans Biomed Eng 54(5): 874-882
14. ORESKO, J. J., H. DUSCHL, et al. (2010). "A wearable smartphone-based platform for real-time cardiovascular disease detection via electrocardiogram processing." IEEE Trans Inf Technol Biomed 14(3): 734-740.
15. CEPIŞCĂ,C, ANDREI, H., BĂNICĂ,C.K, Măsurări în energetică, Editura ICPE, Bucuresti, 2000.
16. NEGOESCU, R., Iniţiere în electronica biomedicală, Editura Tehnică, 1985. 17. CEPIŞCĂ,C., Măsurări electrice şi electronice, Editura ICPE, 1997. 18. CEPIŞCĂ,C., VEYSSIERE,M., Condiţionarea senzorilor şi a semnalelor, Editura
ICPE, 1995.
E-RISC 2010 www.erisc.ro Etapa - 3
Pag.
118
19. CEPIŞCĂ,C., NEGOESCU, R., Instrumentaţie pentru biosemnale, Editura ICPE, 1998.
20. POPESCU,M. , Transformata Wavelet, IPB 1994. 21. LĂZĂRESCU, N., Prelucrarea digitală a semnalelor, Editura Amco Press, 1994. 22. ILIESCU, C., PANTELIMON, B., Senzori şi traductoare, Litografia I.P.B.,
Bucuresti, 1993. 23. WINKLER,R, Data acquisition embraces Ethernet, RD Magazine, 1999. 24. MATEESCU, A., DUMITRU,N, STANCIU, L, Semnale şi Sisteme, Editura Teora
2001. 25. POPESCU, D., Prelucrarea digitală a semnalelor, Editura ICPE 2000. 26. KEITHLEY Instruments, SUA, ADwin DSP System, Technical Data, 2004. 27. BĂNICĂ, C.K., Biosemnale – Prelucrari numerice, Editura Electra - ICPE.,
Bucuresti, 2007. 28. BĂNICĂ, C.K., SERIŢA,G.C, - Tehnici de analiză a variabilităţii ritmului cardiac, în
domeniul timp-frecvenţă 29. NEGOESCU, R, Instrumentaţia electronică biomedicală, Editura Tehnica,
Napoca, 1992 32. COSTIN, H., Electronica Medicală, Editura Cantes, Iaşi, 2000 33. NAGY, I., Curs de electronică medicală, Editura Eurobit, Timisoara, 1999 34. JOVANOV, T.,M, and RASKIVIC, D., Issues în wearable computing for medical
monitoring applications: A case study of a wearable ecg monitoring device. în Digest of Papers. Fourth International Symposium on Wearable Computers. IEEE Comput. Soc, 2000. în Proc. Eng. în Med. and Bio. Society (EMBS) 1997, Vol. 5, no. 30 Oct.-2 Nov. A.
35. KRAUSE, D.P., SIEWIOREK, et. al.―Unsupervised, dynamic identification of physiological and activity context în wearable computing,” în Proc. 7th Int‘l Symp. on Wearable Computers, (ISWC ) 2003 Oct. 21-23.
36. BAR-OR, HEALEY,J, KONTOTHANASSIS, L,. VAN THONG, J.M, “BioStream: A System Architecture for Real-Time Processing of Physiological Signals” în Proc. Eng.in Med. and Bio. Society (EMBS) 2004 Sept. 1-5, 2004.
37. RANDALL, MULLER, H., ―Context awareness by analysing accelerometer data,‖ în Proc. 4th Int‘l Symp. on Wearable Computers (ISWC) 2000. Oct. 16-17,
38. DONNAY, S., ―Wireless body-area networks (WBAN) for health monitoring applications”, In: ESF Workshop on Wireless Sensor Networks, April 1-2, 2004
39. PAHLM, O., SORNMO, L., Data processing of exercise ECG’s. IEEE Transactions on Biomedical Engineering, Vol.34, No.2, February 1987, pp.230-236.