Analiza sekvenčne dekompozicije sestavljenih signalov s pomočjo kompenzacije konvolucijskih jeder

magistrsko delo

Vojko Glaser (Avtor), Damjan Zazula (Mentor), Aleš Holobar (Komentor)

Povzetek

Analiza bioelektričnih signalov, ki jih lahko izmerimo na človeškem telesu, jepomemben sestavni del diagnosticiranja v medicini. Klinična diagnoza za mnoge mišične in živčne bolezni se da postaviti dosti zanesljiveje, če lahko ugotovimo, kakšni so prispevki posameznih delov mišic v skupnem bioelektričnemsignalu, imenovanem elektromiogram (EMG). V Laboratoriju za sistemsko programsko opremo so razvili dekompozicijski postopek za signale EMG. Temelji na inverzu korelacijske matrike in se imenuje kompenzacija konvolucijskih jeder (CKC). Metoda je zelo uspešna in je bila obširno kliničnopreizkušena. CKC deluje bločno, z daljšimi odseki signalov, kar ne omogoča analize meritev v realnem času, zato je bil postopek modificiran v sekvenčno različico CKC, imenovano sekvenčna CKC (sCKC). Njeno bistvo je, da dela iterativno in posodablja komponente iz formule CKC med meritvami ob zajemu vsakega novega nabora vzorcev. V magistrski nalogi smo izboljšali algoritme, vgrajene v sCKC, in delovanje nove zasnove preizkusili v različnih,zahtevnih razmerah. Najprej smo preverili vpliv števila vzorcev, ki so vključeni v inicializacijski del postopka. Izhajali smo iz CKC in ugotavljali, kako kratki so lahko signalni odseki, da so dekompozicijski rezultati še zadovoljivi. Pokazalo se je, da CKC da zadovoljive rezultate, če so signali dolgi vsaj 2 do 3 s, medtem ko se število zaznanih motoričnih enot (ME) pri signalih, daljših od 5 s, ne spreminja. Nato smo preverili, kako dobro se sCKC obnese pri dekompoziciji sintetičnih in realnih signalov EMG. V vseh primerih je bil signalom dodan šum različnih moči, opredeljen z razmerjemsignal-šum (SNR). Pri razcepu sintetičnih EMG smo primerjali rezultate sCKC in referenčne metode LMMSE (Linear Minimum Mean Square Error). Za ocenjevanje sprejemljivosti dekomponiranih vlakov inervacijskih impulzov smo uporabljali dve meri: senzitivnost (število pravilno postavljenih impulzov) in delež napačno postavljenih impulzov. V vseh šumnih primerih je sCKC zaznala število ME, primerljivo s številom ME pri CKC, to pa je med 5 in 10 ME. Preizkušali smo tudi vpliv števila vzorcev, vključenih v posamezen posodobitveni korak, in ugotovili, da število vzorcev v posodobitvenem koraku vpliva izključno na čas izvajanja sCKC, ki se z večanjem števila vzorcev povečuje s kubom. Z analizo dekompozicije sintetičnih EMG smo lahko nazorno pokazali, da CKC in sCKC uspešno odkrijeta motorične enote (ME), ki so najbliže merilnim elektrodam. Oddaljenost oziroma globina razpoznanih ME v mišici je večja, če je SNR večji. zboljšano sCKC smo preizkusili tudi z realnimi signali EMG. Izmerjeni so bili pri krčenju dveh različnih mišic, in sicer biceps brachii in tibialis anterior. Za referenčno metodo je služila CKC, saj LMMSE zahteva apriorne informacije o odzivih ME, ki pri realnih signalih niso znani. Ponovno se je sCKC postavila ob bok CKC glede na število zaznanih ME, ki smo jih zaznali med 3 in 9. Edina razlika je, da sCKC ustvari več nepopolnih dekompozicij, ki jih je glede na vse zaznane ME okoli 20 %. zhodiščna zahteva pri razvoju sCKC je bila, da deluje realnočasovno. Zato smo z analitičnimi izračuni časovne zahtevnosti in izmerjenimi časi posameznih delov algoritma sCKC pokazali, da je sCKC ob pravilni izbiri števila vzorcev vposodobitvi bistveno hitrejša od CKC, vendar na žalost še ne izpolnjuje pogojev za realnočasovno obdelavo.

Ključne besede

razcep sestavljenih signalov;kompenzacija konvolucijskih jeder;površinski elektromiogrami;iterativno računanje matričnih inverzov;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2010
Izvor:	Maribor
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik:	[V. Glaser]
UDK:	621.391:61(043)
COBISS:	14776342
Št. ogledov:	2159
Št. prenosov:	116
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Validation of sequential decomposition on composite signals using convolution kernel compensation
Sekundarni povzetek:	The analysis of bioelectrical signals that can be measured on the human body is an important component of medical diagnosing. Clinical diagnosis for many muscular and nerve diseases can be set much more reliable if the contribution of particular parts of muscles are established in the common bioelectrical signal called electromyograms (EMG). he System Software Laboratory developed adecomposition procedure for EMG signals. It is based on the inverse correlation matrix and called Convolution Kernel Composition (CKC). The methodis very successful and has been thoroughly clinically tested. CKC operates on longer signal segments, which prevents it to perform in real-time.Therefore, the method was modified and a sequential version was derived under the name sequential CKC (sCKC). The advantage of sequential CKC is that it works iteratively by updating the components of the CKC formula along with the measurements, whenever a new set of samples is available. n this masters thesis, we proposed improvements the algorithms in sCKC and tested them in different complicated situations. First test intended to assessthe influence of the number of samples in the initialization part of thealgorithm. We derived from CKC in order to determine the smallest length ofsignals that are properly decomposed. We found out that CKC decomposes correct pulse trains if signals are longer than 2 s, while the decomposition results remain unchanged for the signal length above 5 s. Next, sCKC was tested on synthetic and real signals. In all the cases noise was added with several different signal-to-noise ratios (SNR). n all cases where synthetic signals were used the sCKC results were compared to LMMSE (Linear Minimum MeanSquare Error) decompositions. Two performance metrics were used: sensitivity (the number of properly placed pulses) and the false alarm rate (the number of misplaced pulses). In all noisy cases sCKC performed with the same recognition rate as CKC, which means 5 to 10 detected motor units (MU). The influence of the number of samples in each update step was also tested, where it was proved that the number of samples in each update step influences only the computational time, which increases cubically with the number of samples, and not the decomposition quality. Further analysis also showed that both sCKC and CKC decompose pulse trains from MUs that are closer to the electrodes, where the depth of recognized MUs increases with higher SNRs. he upgraded sCKC was then tested on real signals measured from two different muscles: Biceps Brachii and Tibialis Anterior. In this case CKC was used as a reference method, because LMMSE needs prior information on MUsć responses, which is not available for real signals. Again the sCKC detected as many MUs as CKC, i.e. between 3 and 9. The only difference was that sCKC produced some incomplete decomposition totalling in 20% according to the number of correct detections. he initial requirement in developing sCKC was that it operates in real time. Therefore we used the analytical calculations and measured the timecomplexity of individual parts of the sCKC algorithm. We showed that sCKC works much faster than the CKC if the optimum number of samples for updating is introduced. However, it still does not qualify for real-time processing when executed on todayćs workstations.
Sekundarne ključne besede:	compound signal decomposition;iterative matrix inverse computation;surface electromyograms;
URN:	URN:SI:UM:
Vrsta dela (COBISS):	Magistrsko delo
Komentar na gradivo:	Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko
Strani:	III, 70 str.
Ključne besede (UDK):	applied sciences;medicine;technology;uporabne znanosti;medicina;tehnika;engineering;technology in general;inženirstvo;tehnologija na splošno;mechanical engineering in general;nuclear technology;electrical engineering;machinery;strojništvo;electrical engineering;elektrotehnika;applied sciences;medicine;technology;uporabne znanosti;medicina;tehnika;medical sciences;medicina;
ID:	8761834