Détection des structures cycliques dans un signal

Version imprimable

11/01/2009, 11h40
Contact2012

1 pièce(s) jointe(s)

Détection des structures cycliques dans un signal

Bonjour;
J'ai un vecteur de nombre réels (données ECG) que je veux analyser et détecter les cycles qu'il contient. Mais, il n'est pas parfaitement régulier . Voir sa représentation sous Matlab jointe au message.
Pouvez vous m'aider à trouver un algorithme pouvant extraire les cycles de mon signal? :roll:
Merci pour vos aides.
11/01/2009, 15h54
ToTo13

Bonjour,

est ce que le problème est bien posé ?
Il me semble que dans un ECG, il faut regarder l'onde T. Elle suit les pics. Donc est ce que retrouver tous les pics positifs et/ou négatifs puis le "mini" pic suivant ne suffirait pas ?

Merci ToTo pour ta réponse.
En fait, lorsque j'ai un signal bien régulier, je procède par détection du complex QRS : un pic maximum très apparant par rapport aux autres ondes. Puis, une fois le signal ECG est décomposé en morceaux commenceant pas onde R, je fais translater pour que ca commence par l'onde P.
Mon programme de décomposition en cycle est le suivant :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 clear all; [xn,fs]=wavread('300-0-598-0--sig0.wav'); m=max(xn); tres=0.7*m; peaks=[]; % detection des pics dans le signal ecg for i=1:length(xn) if xn(i)>tres peaks=[peaks i]; end end %elimination des valeurs répétées dans peaks et calcul du cycle length distance=[]; peaks2=[]; for j=1:length(peaks)-1 % la longueur d'un cycle est sup à 200 if (peaks(j+1)-peaks(j))>200 distance = [distance peaks(j+1)-peaks(j)]; peaks2=[peaks2 peaks(j)]; end end cycle_len=fix(mean(distance)); % reconstruction du signal xs=[]; for i=1:length(peaks2)-1 cyc = xn(peaks2(i):peaks2(i+1)); xs=[xs ; cyc]; end plot(xs);
Mais avec le signal joint (qui n'est pas régulier), cet algorithme ne me donne pas de bon résultats. :(
Merci pour toute aide.

11/01/2009, 17h44
FR119492

Salut!
Le nom scientifique de ton type de problème est série temporelle ou série chronologique, en anglais time serie. Il y a une masse de publications sur ce sujet.
Jean-Marc Blanc
11/01/2009, 20h14
Contact2012

Salut;
Oui c'est vrai ca s'appelle "times series data" en anglais.
stp, tu peux me fournir des liens ou je pourrais trouver de l'aide? :roll:
Merci.

Bonjour;
SVP, est ce que vous pouvez me conseiller d'autres forums et/ou sites ou je pourrais trouver une solution pour mon pb? :cry:
Merci à tous.
12/01/2009, 14h03
FR119492

Salut!
Tu peux commencer par regarder dans Wikipedia en français et en anglais. Ce n'est en effet pas du tout mon domaine d'activité, mais tu dois apprendre à chercher l'information.
Jean-Marc Blanc
12/01/2009, 14h23
Contact2012

Merci FR119492 pour ton aide;
En fait, moi aussi c'est pas mon domaine mais je dois analyser ce signal ECG comme application. Je suis de base ingénieur informaticien.
Ce que j'ai trouvé sur wikipedia, ce sont les notions de base pour un signal ECG :(.
De toutes façons, merci pour tous les conseils :P
12/01/2009, 16h37
ToTo13

Bonjour,

bon... et si on reprenait les choses à la base.
Dans l'exemple que tu viens de nous donner, quels sont les cycles que tu souhaites trouver ? Pourrais tu TOUS les marquer afin de voir si on observe des similarités ?
18/01/2009, 23h24
Contact2012

Merci ToTo13 pour tes aides.
C'est vraiment tres gentil de ta part. :P
En fait, j'ai opté pour une solution qui marche bien lorsque les données sont réguliers (ECG normal régulier).
Je detecte tous les pics de l'onde R (tous les maximums > 0.7*Tres, avec Tres=max(signal)), et je les considère comme étant le début de cycle et comme ca je peux décomposer le signal en cycle .
Mais le pb que ca marche pas toujours.
Je vais considerer cette solution car ce n'est pas vraiment l'objectif de mon travail. Il y'a plein de travaux de recherche qui essayent de trouver une méthode de décomposition d'un ECG et automatiser son analyse.
Merci une autre fois pour l'aide ToTo13 :king:
19/01/2009, 01h27
acx01b

salut

et si tu commençais par une autocorrélation ?

autocor_x = real(ifft(abs(fft(x,2^(nextpow2(length(x))+1))).^2));
19/01/2009, 01h33
Contact2012

1 pièce(s) jointe(s)

Ben, vous voulez dire la fonction d'autocorrelation classique?
J'utilise Matlab qui possède déjà une fonction de calcul xcorr pour un signal 1-D. :D
Je l'ai utilisé et j'ai pas eu un bon résultat. Car ca reviens au meme probleme (recherche de la distance entre les pics).
Voici la figure de l'auto-correlation (en pièce jointe).
19/01/2009, 14h28
FR119492

Salut!

Citation:

Je l'ai utilisé et j'ai pas eu un bon résultat

Cela ne m'étonne pas outre mesure: l'autocorrélation, ça marche très bien si le signal est périodique, par exemple quand tu cherches les variations d'une grandeur au cours d'une semaine, ou des variations saisonnières. Mais, dans ton cas, le rythme cardiaque peut varier de manière a priori inconnue.
Jean-Marc Blanc
19/01/2009, 14h40
Contact2012

Oui exactement, il est bien cyclique mais parfois il varie de facon innatendue.
L'un des chercheurs en cardio m'a proposé la méthode de détection de tous les pics R. et puis faire la translation pour retrouver le début de chaque cycle.
Je vous tiendrais au courant de mon avancement.
Merci pour l'aide Jean-Marc Blanc
19/01/2009, 16h14
FR119492

Salut!

Citation:

il est bien cyclique

Il faudrait peut-être d'abord s'entendre sur la signification du mot "cyclique". La définition ne doit contenir ni explicitement, ni implicitement les mots "à peu près".
Jean-Marc Blanc
21/01/2009, 15h19
acx01b

salut

a priori il faut commencer par un peu de traitement du signal

- filtrage du signal entre 10 et 400 bpm ( 0.16 -> 6.5 Hz) par exemple
- détection de la période principale avec l'autocorrélation (plus grand pic entre 20 et 200 bpm)
- trouver le début de chaque période avec la programmation dynamique, pourquoi pas en ayant fait une différentiation juste avant
c'est à dire que tu suis plusieurs chemins entre pics, en valorisant ceux qui concordent avec ta mesure générale du rythme de battement, ça te permet de résoudre en même temps le problème des erreurs d'octaves (2 x la période) dans l'autocorrélation
- application d'un algo de ton choix pour détecter les battements sains et non-sains, les arythmies... (forme du pic, distance entre 2 pics...)
22/01/2009, 12h07
Contact2012

Bonjour;
Merci bien pour votre réponse. stp, tu peux m'expliquer l'objectif de chaque étape.

Citation:

Envoyé par acx01b

1. filtrage du signal entre 10 et 400 bpm ( 0.16 -> 6.5 Hz) par exemple

Est ce que ce filtrage permettra d'éliminer le bruit dans le signal? Si oui, pourquoi exactement ces valeurs pour le filtrage? :roll:

Citation:

Envoyé par acx01b

2. détection de la période principale avec l'autocorrélation (plus grand pic entre 20 et 200 bpm)

Aussi, ici les valeurs 20 et 200 désignent quoi exactement stp? et est ce que la période principale désigne la distance entre le premier pic (central) et celui qui le suit dans la courbe de la fonction d'autocorrelation? :roll:
Merci d'avance pour toute explication.
Bonne journée.
22/01/2009, 12h49
acx01b

bpm : battements par minute
c'est une mesure de fréquence
20,200 c'est juste qu'il y a peu de chances que le patient ait une fréquence cardiaque < 20 ou > 200 bpm
le plus grand pic dans l'autocorrélation c'est la période la plus significative de ton signal
c'est à dire que si la plus grande valeur c'est xcorr(i) alors la période principale c'est i
en général (c'est logique) si xcorr(i) est très important et ses voisins beaucoup moins, alors pour tout n entier xcorr(n.i) le sera aussi
attention : la plus grande valeur dans xcorr est TOUJOURS xcorr(0)

après je te dis ça mais tu peux aussi regarder un cours de traitement de signal, ou appliquer sans comprendre une méthode qui marche
22/01/2009, 14h45
Contact2012

Salut acx01b;
Merci bien pour ta réponse. Mais encore j'ai pas bien saisi :cry:
Peux-tu stp me guider plus? des ressources sur le net ou des algorithmes librement distribués?

vous pouver m'envoyer le programme de la détection de l'onde T d'un signal ECG

Citation:
Envoyé par Contact2012
Merci ToTo pour ta réponse.
En fait, lorsque j'ai un signal bien régulier, je procède par détection du complex QRS : un pic maximum très apparant par rapport aux autres ondes. Puis, une fois le signal ECG est décomposé en morceaux commenceant pas onde R, je fais translater pour que ca commence par l'onde P.
Mon programme de décomposition en cycle est le suivant :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 clear all; [xn,fs]=wavread('300-0-598-0--sig0.wav'); m=max(xn); tres=0.7*m; peaks=[]; % detection des pics dans le signal ecg for i=1:length(xn) if xn(i)>tres peaks=[peaks i]; end end %elimination des valeurs répétées dans peaks et calcul du cycle length distance=[]; peaks2=[]; for j=1:length(peaks)-1 % la longueur d'un cycle est sup à 200 if (peaks(j+1)-peaks(j))>200 distance = [distance peaks(j+1)-peaks(j)]; peaks2=[peaks2 peaks(j)]; end end cycle_len=fix(mean(distance)); % reconstruction du signal xs=[]; for i=1:length(peaks2)-1 cyc = xn(peaks2(i):peaks2(i+1)); xs=[xs ; cyc]; end plot(xs);
Mais avec le signal joint (qui n'est pas régulier), cet algorithme ne me donne pas de bon résultats. :(
Merci pour toute aide.

08/04/2009, 21h27
Contact2012

le programme est déjà donné dans un post précédent (voir la discussion) :P