A fast signal quality assessment algorithm applied to a contactless electrocardiogram system

Targino Lins, Lucas (2021). A fast signal quality assessment algorithm applied to a contactless electrocardiogram system. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (8MB) | Prévisualisation

Résumé

Signal quality assessment (SQA), or noise detector systems, promise to improve the quality of the collected electrocardiogram (ECG). This is achieved by enabling automated systems to accurately collect and process ECG data, or facilitating telemetry through the accurate selection of acceptable data, in order to be analyzed remotely by a cardiologist.

This thesis is a research & development (R&D) collaboration with SIG.NUM, a company that is specialized in the development and commercialization of an innovative proprietary contactless and automated technology for both short and long term ECG acquisition, known as cECG. This work presents fundamentals regarding different ECG instrumentation systems; a review about SQA, its fundaments and applications to cECG systems; a review about wavelets and its applications regarding ECG signal representation; and finally, the design of an SQA classifier system, or noise detector, using artificial neural networks (ANN), and wavelet scalogram-based fast signal processing techniques for feature extraction purposes. The SQA classifier system is meant to be used as a real-time channel selector for the cECG system developed by SIG.NUM.

The developed machine learning based algorithm for ECG SQA is trained by a merge of several annotated data-sets, available from PhysioNet (Goldberger et al., 2000). Results of the designed system are mainly compared with the single-lead SQA technique proposed by the work of Clifford et al. (2012). In conclusion, this thesis showed that a simple shallow ANN is sufficient for well modelling a generalized SQA classifier system. Moreover, results showed that the wavelet transform feature extraction method, proposed by this thesis, is not only very powerful to represent ECG signal quality, but also computationally efficient.

Titre traduit

Un algorithme rapide d’évaluation de la qualité du signal appliqué à un système d’électrocardiogramme sans contact

Résumé traduit

L’évaluation de la qualité du signal (EQS), ou les systèmes de détection de bruit, promettent d’améliorer la qualité de l’électrocardiogramme (ECG) collecté. Ceci est réalisé en permettant aux systèmes automatisés de collecter et de traiter avec précision les données ECG, ou en facilitant la télémétrie grâce à la sélection précise de données acceptables, afin d’être analysées à distance par un cardiologue.

Ce mémoire est une collaboration de recherche&développement avec SIG.NUM, une compagnie spécialisée dans le développement et la commercialisation d’une technologie innovante sans contact et automatisée pour l’acquisition d’ECG à court et à long terme, connu sous le nom de cECG. Ce travail présente les principes fondamentaux des différents systèmes d’instrumentation ECG; une revue de littérature de la EQS, de ses fondements et de ses applications aux systèmes cECG; une revue de littérature des ondelettes et de ses applications concernant la représentation du signal ECG; et enfin, la conception d’un système de classification EQS, ou détecteur de bruit, à l’aide de réseaux de neurones artificiels et de techniques rapide de traitement du signal basées sur scalogramme d’ondelettes à des fins d’extraction de caractéristiques. Le système de classification EQS est destiné à être utilisé comme un sélecteur de canal en temps réel pour le système cECG développé par SIG.NUM.

L’algorithme développé basé sur l’apprentissage automatique pour ECG EQS est formé par une fusion de plusieurs ensembles de données annotés, disponibles sur PhysioNet (Goldberger, Amaral, Glass, Hausdorff, Ivanov, Mark, Mietus, Moody, Peng & Stanley, 2000). Les résultats du système conçu sont principalement comparés à la technique EQS à une seule dérivation proposée par les travaux de Clifford, Behar, Li & Rezek (2012). En conclusion, cette thèse a montré qu’un simple réseaux de neurones artificiels peu profond est suffisant pour bien modéliser un système de classification EQS généralisé. De plus, les résultats ont montré que la méthode d’extraction des caractéristiques de transformée en ondelettes, proposée par ce mémoire, est non seulement très puissante pour représenter la qualité du signal ECG, mais aussi efficace en termes de coût de calcul.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment of a master’s degree in electrical engineering with thesis". Comprend des références bibliographiques (pages 147-155).
Mots-clés libres:	ECG, évaluation de la qualité du signal, indice de qualité du signal, transformée en ondelettes rapide, apprentissage automatique, réseaux de neurones, extraction de caractéristiques
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Gagnon, Ghyslain
Programme:	Maîtrise en ingénierie > Génie électrique
Date de dépôt:	25 oct. 2021 18:25
Dernière modification:	25 oct. 2021 18:25
URI:	https://espace.etsmtl.ca/id/eprint/2747

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt