Kamrai fibrilláció detektor klinikai defibrillátorhoz

OData támogatás
Konzulens:
Dr. Jobbágy Ákos Andor
Méréstechnika és Információs Rendszerek Tanszék

A diplomatervezési feladatomat az Innomed Medical Zrt. keretei között készítettem el. Először irodalomkutatást végeztem a mellkas mozgásából eredő zavarok szűréséről. Az újraélesztés során a mellkasi kompressziók miatt az EKG jel rendkívül zajos lesz. Jelenleg a szívritmus analízis csak akkor végezhető el, ha nincs folyamatban mellkas kompresszió, különben érvénytelen eredményt kaphatunk a zajos jel miatt. Ezért szükség lenne egy szűrésre, mellyel visszaállítható az eredeti EKG jel és így akár az újraélesztés alatt is lehetséges lenne a sokkolandó ritmus detektálása.

Sok cikket találtam a témában és végül kiválasztottam két szűrőt: LMS (Least Mean Squares) és NLMS (Normalized Least Mean Squares), melyeket ezután Matlab környezetben meg is valósítottam. A CPR (cardiopulmonary resuscitation) zavarjelet, mely az újraélesztés során jelentkezik, szinusz jellel modelleztem. A szűrők teszteléséhez valós EKG jeleket használtam. Az említett két jel (CPR és EKG) összege adja a zajos EKG jelet.

Az LMS és az NLMS egyaránt adaptív szűrők, melyek a zajos EKG jel és egy referencia CPR jel segítségével visszaállítják az eredeti EKG jelet. A paraméterek hangolása és felvételek vizsgálata során arra a következtetésre jutottam, hogy az NLMS jobban illeszkedik a feladathoz, mivel gyorsabb konvergenciájú és pontosabban képes követni a modellezendő jelet.

A következő lépésben az Innomed Medical Zrt. készülékeiben használt VF detektort ismertem meg. Ezután Qt-ben elkészítettem egy szoftvert, mely jól kezelhető felhasználói felülettel rendelkezik és kiváltja a korábbi Matlab-os programot. Ebbe a szoftverbe integráltam a megismert VF detektort. Ezt követően a szűrést oly módon teszteltem, hogy összehasonlítottam a szűrt és az eredeti EKG jelen elvégzett VF analízis eredményét. Azt tapasztaltam, hogy a legtöbb esetben megfelelő eredményt szolgáltat a szűrés, vagyis a sokkolandó/nem sokkolandó jelzés azonos volt az eredeti és a szűrt jel esetén.

Összességében sikerült elkészítenem egy olyan algoritmust, mely egy referencia jel (CPR) felhasználásával a zajos EKG jelet megszűri, így a mellkas kompresszió folyamán is lehetséges az analízis elvégzése, és korábban jelezhető a felhasználó felé, hogy a ritmuszavar sokkolandó-e vagy nem.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.