Analyse temporelle et fréquentielle des signaux biomédicaux

Slides:



Advertisements
Présentations similaires
Développement d’un médicament
Advertisements

Colle info – SimApp On se propose d’utiliser le logiciel « SimApp », afin de d’optimiser le réglage d’un moto-réducteur alimenté.
ACTIVITÉ PHYSIQUE PARTIE PRATIQUE.
Classification des signaux exemples de signaux réels
PRINCIPE SIMPLIFIE DE LA COMPRESSION MP3
S.S.I., ESSI1, samedi 10 avril 2004 Page 1 Comment tailler les filtres sur mesure Séance 8, nouvelle application des filtres, 1 heure Version : samedi.
Comment décimer les sons numériques
Les courses Au niveau scolaire, la famille
Du signal continu au numérique
Mesures dans le domaine fréquentiel
Comment faire le bilan de retentissement de l’hypertension
En quoi consiste la modulation d’amplitude ?
Le diagnostique médical
IFSI de Dunkerque et Saint Omer
Schéma de la circulation sanguine dans un cœur en diastole
Traitement du signal pour le biomédical
BAC SÉRIE « SCIENCES ET TECHNOLOGIES DE LA SANTÉ ET DU SOCIAL »
Le tissu nodal (1) La contraction du cœur est déclenchée par un courant électrique qui parcourt régulièrement le cœur des oreillettes vers les ventricules.
Source: NOUVEAUX CAHIERS D L’INFIRMIERE
Caractéristiques des ondes mécaniques
L’électrocardiogramme
Acquisition de signaux ECG à l’aide de la carte DSPACE
LES DETAILS QUI FONT LA PERFORMANCE… LES DETAILS QUI FONT LA PERFORMANCE… Distributeur officiel de:
PLC2 – Sciences physiques Directeur de mémoire : Philippe DURUISSEAU
Docteur Boudarène Mahmoud
LES PRINCIPES D’ENTRAINEMENT
Chapitre 6 : Restauration d’images
Travaux Pratiques de Physique
Filtrage-Analyse Spectrale des Images
Cours S.S.I.I., , n°8, Créer des filtres pour compresser Cours S.S.I.I., , n°8, : Créer des filtres pour compresser Page 1 Mise en œuvre.
TRAVAIL SUR DOCUMENTS.
SSII : séance finale , lundi 9/01/2012 Page 1 Voici quelques questions pour assimiler la seconde partie du cours S.S.I.I., spectre, filtrage, banc.
Identification des processus
Co-animation : mathématiques et biotechnologies en STL
Le cahier de charge d'un système de RAP
Les techniques binaurales
Filtrer le signal audio numérique
Séminaire national BTS Audiovisuel
TRACER UNE COURBE ET BIEN LIRE UN GRAPHIQUE Clique pour continuer.
Module 2 : Préparation de l'analyse des performances du serveur
ELECTRICITE Hervé BOEGLEN IUT de Colmar Département R&T 2007.
OBSERVER : Ondes et matières Chapitre 2 : Caractéristiques des ondes
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Introduction.
DU TRAITEMENT DU SIGNAL
Anxiété et stress : quel apport des potentiels évoqués cognitifs ? Docteur Boudarène Mahmoud Tizi ouzou Mail : Web :
L’organisme en fonctionnement
DU TRAITEMENT DU SIGNAL
DIAGNOSTIC MEDICAL Electrocardiogramme….
Analyse spectrale Raphaël ARROUAS Etienne OUSS
TNS et Analyse Spectrale
Modélisation d'un modulateur et démodulateur OFDM
TNS et Analyse Spectrale
SUJETS SPÉCIAUX EN INFORMATIQUE 1
Calcul numérique de la transformée de Fourier Applications:
DU TRAITEMENT DU SIGNAL
DU TRAITEMENT DU SIGNAL
Asservissement et régulation continu
L’électrocardiogramme
Suivi d’Horizons Sismiques
Le Tachymètre cardiaque
CHU de Constantine Service de pédiatrie ECG pédiatrique.
TP3, Adaptation du système respiratoire à l’exercice physique
À bout de souffle le fonctionnement du système cardiorespiratoire et l’électrocardiogramme Module 3.
Audacity DA SILVA Patrick GP02 Printemps 2006 Exposé SI28.
TP Électromyographie de surface
Introduction au traitement numérique du signal
Ondelettes Philippe RAVIER Laboratoire PRISME Université d’Orléans 5A EEO option AA.
+ Ingénierie des systèmes humains GTS501 – TP6 Objectifs de la séance - QUIZ #3 (20 min) - Rappels sur la contraction cardiaque - Introduction à l’ECG,
Transcription de la présentation:

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.i3s.unice.fr/~cabasson/

Sommaire Le Traitement du Signal en Biomédical, Quelques exemples de signaux… Exemple : Signal ECG d’effort 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) Électrocardiogramme (ECG ou EKG) Électroencéphalogramme (EEG)

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

TP Biomed 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 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. 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 …). 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

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

Étude d’un électrocardiogramme d’effort d’un patient sain Travaux Pratiques Étude d’un électrocardiogramme d’effort d’un patient sain TP n°1 : Méthodes de pré-traitements 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 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 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 Charger l’électrocardiogramme MartinaPMA.dat qui a été enregistré avec une fréquence d’échantillonnage de 1Khz  ecg Filtrage : La respiration introduit une ligne de base sur l’enregistrement  besoin de filtrer avec un passe-haut l’ECG Utiliser ‘fir1’ (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 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) Démodulation A l’aide d’une interpolation ‘spline’ (fonction ‘interp1’ ), 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 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 [m1-m2] et B [m3-m4] 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) Étude de l’influence de la respiration Tracer la FFT du signal de modulation to, que pouvez vous observer ? Sachant que : la modulation est liée à la respiration, la fréquence max de la respiration est d’environ 1hz, le signal ECG a été enregistré avec une fréquence d’échantillonnage de 1Khz  Quel est le facteur de décimation théorique que 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

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

TP n°2 : Analyse des intervalles Q S TP n°2 : Analyse des intervalles 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 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. Delay dk PRk=K-dk PPk=tk+1-tk+PRk-PRk+1 =tk+1-tk+dk+1-dk xcorr(Pk,Pref) tk Pref tk+1 Pk+1 Pk K

TP n°2 : Programmation Charger l’électrocardiogramme MartinaPMA.dat qui a été enregistré avec une fréquence d’échantillonnage de 1Khz  ecg Pré-traitements : Appliquer les pré traitements programmés lors du TP1, pour obtenir le signal ECG sous forme de segments P-R de durée 300ms alignés à droite sur le pic R Estimation : Implémenter la méthode d’estimation de temps de retards basé sur l’intercorrélation précédemment décrite afin de calculer les intervalles PR et PP 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.