Traitement du signal ECG

Traitement du signal ECG

Le signal ECG est un outil très puissant dans l’analyse des anomalies cardiaque. En effet, son importance est due à l’effet que les ondes P, QRS et T constituant ce signal traduisent l’activité électrique du cœur. Par conséquent, un changement de la forme, de la durée de ces ondes ou de la durée des différents intervalles entre ces ondes peuvent indiquer la présence d’une anomalie cardiaque. Autrement dit, l’importance du signal ECG est liée aux indices cliniques qu’on peut extraire et utiliser pour établir un diagnostic correct.

En effet, l’extraction des ces indices nécessite la délinéation des débuts, des pics et des fins des différentes ondes du signal ECG. Une détection manuelle des ces ondes est souvent ennuyeuse et difficile à accomplir notamment dans le cas des signaux ECG de type Holter. En plus, dans certains cas, l’analyse des 12 dérivations du signal ECG est incontournable pour mieux diagnostiquer certaines maladies cardiaques. Ceci rend, la détection manuelle des ondes P, QRS et T fastidieuse. Par conséquent, le développement des systèmes de détection automatique est inéluctable lorsqu’on diagnostique les anomalies cardiaques à partir d’un signal ECG contenant un nombre assez élevé de battements cardiaques.

Plusieurs travaux scientifiques ont été consacrés au développement des algorithmes de détection robustes et fiables [1-3]. Ces algorithmes sont généralement constitués par deux étapes fondamentales. La première étape consiste à éliminer les différents bruits qui peuvent contaminer le signal ECG. Dans cette étape, il est nécessaire de maintenir les informations utiles et de ne pas altérer la forme et la durée des différentes ondes. Dans la deuxième étape, les informations utiles sont utilisées pour délinéer le signal ECG. Généralement, c’est le complexe QRS qui est détecté en premier lieu. Ceci est dû à l’effet que ce complexe est utilisé pour déterminer la fréquence cardiaque, qui en fait, est un indice indispensable dans l’analyse des arythmies cardiaques. En plus, le complexe QRS est souvent utilisé pour détecter les autres ondes du signal ECG. En effet, Plusieurs méthodes ont été exploitées pour détecter ce complexe [4-5]. La précision de ces algorithmes la détection du complexe QRS est très élevée.

Prétraitement du signal ECG

L’acquisition du signal ECG se fait avec des électrodes convenablement placées sur le corps humain. Malheureusement, cette acquisition est souvent accompagnée par des bruits. Ces bruits sont de différentes natures et causent souvent un problème lors de la détection des ondes du signal ECG. Les bruits couramment rencontrés sont :

• la fluctuation de la ligne de base
La fluctuation de la ligne de base signifie une déviation de cette ligne de sa valeur référence . La valeur de référence de la ligne de base correspond aux segments isoélectriques. Autrement dit, la ligne de base correspond aux intervalles PQ et Sa fluctuation est due aux mouvements du patient, à la respiration et aux changements de l’impédance peau-électrodes. Ce type de bruit est très remarquable lors d’un enregistrement d’un ECG d’efforts. Il représente un bruit de faibles fréquences. En effet, Cette fluctuation apparaît comme des ondulations de basses fréquences (0.15 HZ-0.3HZ).

• Bruit du au réseau électrique
Ce bruit est le plus rencontré lors de l’acquisition du signal ECG [6] . Il est du aux interférences électromagnétiques du réseau de distribution. Sa fréquence est de 50 Hz. Pour l’é on utilise souvent un filtre sélectif.

• Le signal EMG
Le signal EMG est un signal qui traduit l’activité électrique des muscles . Lors de la détection du signal ECG, le signal EMG est considéré comme étant un bruit. Souvent ce type de bruit prend le nom des ’’bruits de background’’. Ces bruits sont des bruits qui traduisent l’activité électriques de cellules situées hors de l’organe ciblé. Leurs élimination se fait en utilisant des filtres passe bas.

Le filtrage des artéfacts cités précédemment constitue donc une étape importante afin d’avoir une segmentation correcte des ondes du signal ECG. Plusieurs techniques ont été utilisées pour éliminer l’effet des bruits sur le signal ECG. Le point essentiel dans l’opération du filtrage, est de ne pas altérer ni la morphologie ni la durée des différentes ondes. Le choix du filtre dépend énormément de l’information qu’on veut extraire et par conséquent aux différentes opérations qui viennent après le filtrage. Certaines de ces techniques utilisent les filtres numériques à réponse impulsionnelle finie et infinie [7]. Malheureusement l’utilisation de ce type de filtres engendre souvent une distorsion des ondes du signal ECG notamment celles ayant des fréquences proches da la fréquence de coupure du filtre utilisé. D’autres techniques utilisent des filtres adaptatifs [8-9]. Malgré que ces filtres assurent un bon filtrage, le choix du signal ’’référence’’ se représente comme un inconvénient de ce type de filtres. Les méthodes statistiques telles que l’analyse par la composante principale et par la composante indépendante ont été aussi choisies pour éliminer l’effet des différents bruits [10- 11]. Le choix des composantes principales ainsi que la vitesse de convergence représentent deux inconvénients de ces techniques.

Récemment, la transformée d’ondelettes s’impose comme un outil très puissant dans l’analyse des signaux biomédicaux [12- 13]. Cette technique consiste à décomposer le signal ECG à ces différentes composantes fréquentielles. En effet, les variations rapides du signal se situent dans les premières échelles de la décomposition tandis que celles représentant les faibles variations se situent dans les échelles les plus élevées. La reconstruction du signal filtré est assurée par l’élimination des échelles contenant les bruits. L’efficacité de la technique dépend énormément du choix de l’ondelette mère, niveau de décomposition et le type de seuillage adopté dans le filtrage [14].

Transformée en ondelettes

La transformée en ondelettes a été introduite singulièrement pour palier les inconvénients imposés par l’utilisation de la transformée de Fourier à court terme(TFCT). En effet, TFCT utilise une fenêtre de largeur fixe pour explorer les caractéristiques temporelles et fréquentielle d’un signal donné. Due à cette largeur fixe, on ne peut pas avoir une bonne résolution temporelle et résolution fréquentielle simultanément selon le principe d’Heisenberg. Afin de surmonter cet inconvénient, la transformée en ondelettes a été développée. Cette technique explore les signaux en utilisant une fonction appelée ‘’ ondelette mère ‘’. Cette ondelette mère subit à une translation et à une dilatation (ou une contraction) pour donner naissance à un ensemble de fonctions dites « ondelettes filles ».

Filtrage par transformée en ondelettes

Le principe de filtrage par la transformée en ondelettes a été introduit initialement par Donoho [18]. En effet, Donoho a démontré que les faibles valeurs des coefficients d’ondelettes C(a,b) correspondent aux bruits présents dans le signal x(t)Le filtrage par ondelettes exploite le fait que les bruits sont répartis sur les coefficients d’ondelettes de faibles valeurs tandis que l’information utile est représentée par quelques coefficients de forte amplitude. Filtrant le signal x(t) revient à éliminer ou atténuer ces coefficients de faibles valeurs et de les exclure lors de la reconstruction du signal filtré.

L’efficacité de cette méthode est fortement liée au choix du seuil, de l’ondelette mère et du niveau de la décomposition. Plusieurs travaux ont étudié le choix optimal de ces trois facteurs [19-21]. En effet, leurs choix dépendent des étages ultérieurs.

D’après certains travaux [17][21], l’ondelette mère Daubechies apparait la plus appropriée dans l’analyse du signal ECG. Par conséquent, l’ondelette mère Db4 est adoptée dans notre cas.

Table des matières

Introduction générale
Chapitre 1 Traitement du signal ECG
1.1 Introduction
1.2 Prétraitement du signal ECG
1.2.1 Transformée en ondelettes
1.2.2 Filtrage par transformée en ondelettes
1.3 Algorithme de détection
1.3.1 Détection du complexe QRS
1.3.1.1 Etat de l’art
A. Les méthodes dérivatives
B. Méthodes basées sur les transformations morphologiques
C. Méthodes basée sur la décomposition modale empirique (EMD)
D. Méthodes basées sur l’utilisation d’une ‘’Template’’
E. Méthodes basées sur la transformée en ondelette
1.3.1.2 Algorithme proposé de détection du complexe QRS
1.3.2 Détection de l’onde T
1.3.2.1 Détection de la fin de l’onde T
1.3.2.2 Détection du pic de l’onde T
1.3.2.3 Détection de début de l’onde T
1.3.3 Détection de l’onde P
1.3.3.1 Détection de la fin de l’onde P
1.3.3.2 Détection du pic de l’onde P
1.3.3.3 Localisation du début de l’onde P
1.4 Evaluation de l’algorithme de la détection
1.5 Conclusion
Référence
Chapitre 2 Concepts de base de l’analyse non linéaire des systèmes dynamiques
2.1 Introduction
2.2 Systèmes dynamiques
2.3 Type des systèmes dynamiques
2.3.1 Système linéaire et système non linéaire
2.3.2 Système déterministe et système stochastique
2.4 Espace des phases
2.4.1 Définition
2.4.2 Attracteur
2.4.3 Comportement chaotique
2.5 Reconstruction de l’espace des phases
2.5.1 Estimation du délai
2.5.2 Estimation de la dimension
2.6 La dimension de corrélation
2.7 Les entropies
2.7.1 L’entropie approximative
2.7.2 Entropie échantillonnée
2.7.3 L’entropie floue
2.7.4 Entropie multi-échelles
2.8 Les exposants de Lyapunov
2.9 Analyse par « detrended fluctuation » (DFA)
2.10 Conclusion
Références
Chapitre 3 Effets des bruits et du filtrage sur les indices non linéaires
3.1 Introduction
3.2 Effet des battements ectopiques sur les indices non linéaires
3.2.1 Méthodes
3.2.2 Résultats et discussion
3.3 Effets du filtrage sur les paramètres non linéaires
3.3.1 Méthodes de filtrage
3.3.1.1 Filtrage adaptatif
3.3.1.2 Filtrage par décomposition modale
3.3.1.3 Filtrage basé sur l’espace des phases
3.3.2 Méthode d’évaluation des trois algorithmes de filtrage
3.3.2.1 Principe de l’évaluation
3.3.2.2 Résultats
3.3.2.3 Discussion
3.4 Conclusion
Références
Chapitre 4 Analyse non linéaire des différents intervalles du signal ECG : Etat de l’art
4.1 Introduction
4.2 Analyse des intervalles ECG par l’entropie approximative et échantillonnée
4.3 Analyse des intervalles ECG par les entropies floues et les entropies multiéchelles
4.4 Analyse des intervalles ECG par Detrended fluctuation analysis (DFA) 154
4.5 Analyse des intervalles ECG par la dimension de corrélation
4.6 Analyse des intervalles ECG par les exposants de Lyapunov
4.7 Conclusion
Références
Chapitre 5 Conclusion

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *