Η παρούσα εργασία πραγματεύεται την αποτελεσματικότητα του αλγορίθμου Matching Pursuit στον τομέα της επεξεργασίας σήματος. Περιγράφονται οι γενικότερες δυνατότητες του στην επεξεργασία βασικών βιοϊατρικών σημάτων και ειδικότερα εξετάζονται τα πλεονεκτήματά του στην επεξεργασία του ηλεκτροκαρδιογράφηματος, μιας και η εργασία αποτελεί μέρος του προγράμματος τηλεκαρδιολογίας e-Herofilus. Αρχικά λοιπόν γίνεται μία αναλυτική περιγραφή του τρόπου λήψης και καταγραφής του καρδιογραφικού σήματος. Στη συνέχεια γίνεται μία περιγραφή του αλγορίθμου Matching Pursuit και των αποτελεσμάτων που είχε η εφαρμογή του σε γνωστά βιοσήματα και κυρίως σε εγκεφαλογραφήματα και καρδιογραφήματα, από όπου προκύπτουν τα πλεονεκτήματα της συγκεκριμένης μεθόδου έναντι των άλλων μεθόδων που έχουν χρησιμοποιηθεί στο παρελθόν για τη μεταφορά και επεξεργασία σημάτων στο πεδίο χρόνου- συχνότητας. Τέλος ακολουθεί η υλοποιήση του αλγορίθμου του Matching Pursuit και η εφαρμογή του σε πραγματικά ηλεκτροκαρδιογραφήματα τόσο υγιή όσο και παθολογικά, που λήφθηκαν από τη βάση Physionet του MIT. Η ανάλυση των αποτελεσμάτων της εφαρμογής αυτής οδηγεί σε συμπεράσματα σχετικά με την αξία και την αποτελεσματικότητα του αλγορίθμου στους τομείς της αποθορυβοποίησης του καρδιογραφικού σήματος και του εντοπισμού της χρήσιμης πληροφορίας που αυτό μεταφέρει. Επίσης, μέσα από τη σύγκριση υγιών και παθολογικών καρδιογραφημάτων γίνεται μία προσπάθεια αναγνώρισης στοιχείων που εμφανίζονται στο πεδίο χρόνου-συχνότητας και συσχέτισής τους με τις εκάστοτε παθολογίες, γεγονός που μελλοντικά μπορεί να αποτελέσει το εφαλτήριο για την ανάπτυξη αλγορίθμου αυτόματης διάγνωσης καρδιογραφημάτων. / The following project, which is a part of telemedicine program e-Herofilus, examines the effectiveness of Matching Pursuit method. Its ability of processing in biomedical signals is described in a general format, as well as the advantages in processing of electrocardiogram (ECG) in more details. Firstly, there is an analytical description of collection and record of ECG. Afterwards, there is a description of Matching Pursuit algorithm and its results in biosignal processing. The algorithm is applied in electrocardiogram (ECG) and electroencephalogram (EEG). The results of those applications showed the advantages of Matching Pursuit method over the other methods were used in the past in the signal processing field in the time frequency plane. Finally, the implementation of Matching Pursuit algorithm in real ECGs is following. These ECGs are taken from healthy as well as from pathological specimens. The source of these specimens is Physionet Bank of MIT. In the conclusions of this project, it is underlined the value and the efficiency of Matching Pursuit method in denoising of ECG, and in detecting the useful signal information in time frequency plane. Additionally, comparing the results of processing healthy and pathological ECGs, could lead us in the future in the development of an automated diagnosis algorithm, which can be an innovation in both Engineering and Medicine Sciences.

- / -

Σκοπός της παρούσας εργασίας είναι ο σχεδιασµός η ανάπτυξη και η κατασκευή ενός καρδιογράφου ελεγχόµενου από υπολογιστή. Ο ηλεκροκαρδιογράφος είναι µια συσκευή η οποία µπορεί να συλλέγει από το ανθρώπινο σώµα και να απεικονίζει σε κάποιο µέσο τα δυναµικά που προκαλούνται από την δραστηριότητα της καρδιάς. Τα σήµατα αυτά, έχουν συγκεκριµένη µορφή και η απεικόνισή τους στον χρόνο µπορεί να µας δώσει πολύτιµες πληροφορίες σχετικά µε την κατάσταση της καρδιάς, βοηθώντας µας να εξάγουµε συµπεράσµατα σχετικά µε αυτή. / The aim of the present thesis is the design and development of a digital, computer controlled Cardiograph

Κατά τη διάρκεια των δύο τελευταίων δεκαετιών, στο χώρο της τεχνολογίας έχουν αναπτυχθεί δίαφορα ενσωματωμένα συστήματα λήψης σημάτων φυσιολογίας, ικανά να καταγράφουν σύνθετα σήματα για πάνω απο 48 ώρες. Η εξέλιξη αυτή βοήθησε ιδιαίτερα τον τομέα της βιοϊατρικής. Τέτοια ενσωματωμένα συστήματα χρησιμοποιούνται στις μελέτες ηλεκτροκαρδιογραφίας (ECG ή EKG) για τον εντοπισμό σποραδικών αρρυθμιών ή ανωμαλιών στη καρδιακή λειτουργία.Σήμερα τα καρδιακά σήματα καταγράφονται σε κάρτες μνήμης και μπορούν εύκολα να μεταφερθούν για ανάλυση και επεξεργασία. Η εξέλιξη της τεχνολογίας επιφέρει συνεχως αλλαγές και βελτιώσεις στις συσκευές καταγραφής ΗΚΓ, περιορίζοντας συνεχώς το μέγεθός τους και την κατανάλωσή τους σε ενέργεια. Στην εργασία αυτή θα παρουσιαστούν ενσωματωμένα συστήματα καταγραφής, αποθήκευσης και επεξεργασίας ηλεκτροκαρδιογραφικών σημάτων.Η εργασία αυτή χωρίζεται ουσιαστικά σε πέντε κομμάτια. Το πρώτο τμήμα ασχολείται με τη φυσιολογία της καρδιάς, με τη δομή ενός ηλεκτροκαρδιογράφου και τους τρόπους με τους οποίους μπορούμε να το λάβουμε από τα διάφορα σημεία του ανθρώπινου σώματος.Το επόμενο τμήμα αφορά τη χρήση και τις δυνατότητες των ενσωματωμένων συστημάτων και μικροελεγκτών δίνοντας μεγαλύτερη έμφαση στην παρουσίαση του μικροελεγκτή ADUC7026 και των περιφερειακών του. Επιπλέον συνοψίζονται κάποιες βασικές λειτουργίες προγραμματισμού και δυνατότητες που παρουσιάζει ο ADUC7026 της Analog Devices και παρουσιάζονται κάποιες βασικές εφαρμογές του.Το τρίτο τμήμα επικεντρώνεται στην ανάλυση κάποιων τεχνικών κατασκευής ψηφιακών συσκευών παρακολούθησης καρδιακού παλμού με τη χρήση πυκνωτικών ηλεκτροδίων. Η ανάλυση περιλαμβάνει, τα υλικά από τα οποία αποτελούνται, τα χαρακτηριστικά τους, την αποδοτικότητά τους στην αντιμετώπιση του θορύβου και μια γενικότερη αξιολόγησή τους.Το τέταρτο τμήμα ασχολείται με μια πιο προηγμένη τεχνική καταγραφής σήματος που πραγματοποιείται ασύρματα. Αναλύεται τόσο ο τρόπος κατασκεής ασύρματων συσκευών μέτρησης ΗΚΓ όσο και ο τρόπος χρήσης τους. Στη συνέχεια αυτού του κεφαλαίο δίνεται βάση στην ανάλυση του μικροελεγκτή MSP430FG439 της Olimex και στη χρήση του στη μέτρηση ΗΚΓ.Στο τελευταίο τμήμα δίνεται ο κώδικας προγραμματισμού του μικροελεγκτή MSP430 για την καταγραφή ηλεκτροκαρδιογραφήματος και μία σχετική επεξήγηση της λειτουργίας του. / During the last two decades there have been developed embedded systems, for the receive of physiology signals, that are able to record composite signals for more than 48 hours. This evolution plays a very important role in the field of biomedics. These embedded systems are used at research on electrocardiography (ECG) for the locating of sporadic cardiac arrhythmias, or abnormal heart function.Nowadays, cardiac signals are recorded on memory cards and can easily be transferred for analysis and processing. The technological evolution brings a lot of changes and improvements on the recording devices of ECG, reducing their size and the power they consume. At this thesis, embedded systems for recording, saving and processing ECG signals are presented. The thesis is divided into five sections. The first part deals with the physiology of the heart, the structure of the electrocardiograph and how we can receive it from different parts of the human body. The next section covers the use and potential of embedded systems and microcontrollers emphasizing on presentation of the microcontroller ADUC7026 and its peripherals. In addition, some basic programming functions are summarized and three basic applications of ADUC7026 of Analog Devices are presented. The third section focuses on analyzing methods of constructing digital devices for heartbeat monitoring with the use of capacitive electrodes. Constructive materials, features, efficiency in dealing with noise and a more general evaluation, are included in the analysis.The fourth section refers to a more advanced method of recording signals that has wireless function. The method of constructing wireless ECG recording devices and their usage are also analyzed here. In this section, microcontroller MSP430FG439 of Olimex is presented and there is a description about its use on ECG measurements.At the last section there is the programming code of MSP430 for ECG recording and a brief explanation of its function and purpose.

Η στηθοσκόπηση για την παρακολούθηση της λειτουργίας της καρδιάς αποτελεί ένα από τα κύρια εργαλεία για την παρακολούθηση της υγείας τους τελευταίους δύο αιώνες περίπου. Δυστυχώς όμως παρά τη ραγδαία ανάπτυξη στον τομέα των ενσωματωμένων συστημάτων, καθώς και στην επεξεργασία σημάτων που προέρχονται από τη λειτουργία του καρδιοαναπνευστικού συστήματος, ο έλεγχος της λειτουργίας του τελευταίου παραμένει μια αρκετά χρονοβόρα και υποκειμενική διαδικασία, αφού σε καθημερινή εφαρμογή γίνεται με μη αυτοματοποιημένο τρόπο. Στα πλαίσια αυτής της εργασίας μελετήθηκε η φωνοκαρδιογραφία, της οποίας αντικείμενο αποτελεί η καταγραφή και επεξεργασία των καρδιακών ήχων και αναπτύχθηκε ένα σύστημα παρακολούθησης των ζωτικών ενδείξεων της καρδιάς και των πνευμόνων, όπως αυτές προκύπτουν μέσω του φωνοκαρδιογραφικού σήματος. Η εργασία ξεκίνησε ως μελέτη της λειτουργίας της καρδιάς, της μορφής των καρδιακών σημάτων και μεθόδων παρακολούθησής τους, καθώς και μέθοδοι υλοποίησης τέτοιων συστημάτων. Ακόλουθα μελετήθηκαν η χρήση και οι δυνατότητες των σύγχρονων ενσωματωμένων συστημάτων και μικροελεγκτών και ιδιαίτερα ο μικροελεγκτής ADuC7026 της Analog Devices, που ήταν και ο μικροελεγκτής που χρησιμοποιήθηκε κατά την υλοποίηση. Για την υλοποίηση χρησιμοποιήθηκε προσεγγιστικό σήμα, για τη μοντελοποίηση αυτού που προσλαμβάνεται από έναν αισθητήρα κατά τη λειτουργία του καρδιοαναπνευστικού συστήματος. Για την επεξεργασία του σήματος μελετήθηκαν και χρησιμοποιήθηκαν ψηφιακά φίλτρα πεπερασμένης κρουστικής απόκρισης (FIR). Η υλοποίηση του συστήματος έγινε σε πέντε στάδια. Αρχικά υλοποιήθηκε εφαρμογή για τον έλεγχο της ορθής λειτουργίας του αναπτυξιακού κυκλώματος της Olimex ADuC-P7026. Στη συνέχεια αναπτύχθηκε η τελική εφαρμογή σε τέσσερα διακριτά στάδια. Στο πρώτο οι υπολογισμοί έγιναν με βάση τη μέση τιμή του σήματος εισόδου, για την απομάκρυνση των σταθερών (dc) συνιστωσών του. Στο δεύτερο στάδιο χρησιμοποιήθηκε υψιπερατό FIR φίλτρο για την αποκοπή της σταθερής συνιστώσας. Στο τρίτο στάδιο χρησιμοποιήθηκε ζωνοδιαβατό FIR φίλτρο για την αποκοπή του θορύβου που οφείλεται στις συχνότητες που είναι μεγαλύτερες αυτής του πληροφοριακού σήματος και για την απαλλαγή του σήματος από σταθερές συνιστώσες. Στο τέταρτο στάδιο της εφαρμογής έγινε πλέον δυνατός ο εντοπισμός καρδιακών ήχων. Κατά την ανάπτυξη της εφαρμογής χρησιμοποιήθηκε το περιβάλλον ανάπτυξης εφαρμογών της Keil, μVision 3. Ο προγραμματισμός του μικροελεγκτή έγινε σε γλώσσα προγραμματισμού C. / -

Στην παρούσα διπλωματική εργασία, συλλέγονται ηλεκτροκαρδιογραφήματα από τα ακόλουθα εμπορικά συστήματα, που απαρτίζουν τον εξοπλισμό της εργασίας: ο 12‐κάναλος καρδιογράφος BT‐12, η ζώνη corbelt, το holter 3 και 12 απαγωγών, και ο 12‐κάναλος καρδιογράφος ELI‐10. Οι καρδιακές αρρυθμίες, ο έλεγχος ενήλικων ασθενών με βηματοδότες, η αξιολόγηση ECG που τεκμηριώνει τις θεραπευτικές επεμβάσεις σε μεμονωμένες ασθενείς ή σε ομάδες ασθενών, η μεταβλητότητα του καρδιακού ρυθμού σε συγκεκριμένο χρόνο, οι κλινικές και οι επιδημιολογικές μελέτες και έρευνες και η παρακολούθηση της καρδιακής λειτουργίας ακόμη και των νηπίων είνα ορισμένες από τις ενδείξεις που έχουν πιστοποιήσει ότι τα παραπάνω όργανα είναι κατάλληλα για χρήση! Τα καρδιογραφήματα που δίνουν αυτά τα συστήματα μπορεί να βρίσκονται με μια από τις παρακάτω μορφές: αρχείου κειμένου .txt, αρχείο .scp, αρχείο .xml, αρχείο .pdf/edf ή αρχείο dicom. Η ανάλυση όλων των μορφών των αρχείων καρδιογραφήματος και η πλήρη κατανόηση της δομής τους είναι αναγκαία για την σωστή διαχώιση των αρχείων καρδιογραφήματος ανάλογα με το χρησιμοποιούμενο πρότυπο! Ανάλογα με τον τύπο του καρδιογραφήματος, χρειάζεται και διαφορετικό προγράμμα ώστε να μπορεί να διαβάσει το αντίστοιχο καρδιογράφημα και να το απεικονίζει σε μορφή ‘φιλική’ για το γιατρό. Ο αρμόδιος γιατρός δεν ενδιαφέρεται για το ποιά μορφή έχει το αρχείο καρδιογραφήματος (εάν είναι .txt, .scp, .xml, .pdf/edf ή αρχείο dicom), απλά επιθυμεί να βλέπει μια απεικόνιση ώστε να κάνει επεξεργασία αυτής και να προβλέπει τις αρρυθμίες. Τα συστήματα που περιγράφηκαν στην εργασία αυτή, παρέχουν διαφορετικούς τύπους δεδομένων και χρησιμοποίησαν διαφορετικούς viewers για να μπορέσουν να γίνουν ορατά σε κατανοητήμορφή τα αντίστοιχα δεδομένα. Στο τελευταίο κεφάλαιο παρουσιάζονται δεδομένα προσομοίωσης φυσιολογικών εθελοντών, ασθενών στο νοσοκομείο και ασθενούς κατ’οίκον νοσηλεία. / In the present diplomatic work, are collected electrocardiograms from the following commercial systems, that compose the equipment of work: 12 ‐ chanel ECG, BT ‐ 12, the area corbelt, holter 3 and 12 kidnappings, and 12 ‐ chanel ECG, ELI ‐ 10. The cardiac arrhythmias, the control of adult patients with pacemakers, evaluation ECG that argues the therapeutic interventions in individual patients or in teams of patients, the variability of cardiac rythm in concrete time, the clinics and the epidemiologic studies and certain researches and the follow-up of cardiac operation of even infants from the clues that have certified that the upper bodies are suitable for use! The cardiograms that give these systems can they are found with one of the following forms: file of text .txt, file .scp, file .xml, file .pdf/edf or file dicom. The analysis of all forms of files of cardiogram and complete comprehension of their structure is necessary for the correct distribution of files of cardiogram depending on the used model! Depending on the type of cardiogram, it needs also different program so that it can read the corresponding cardiogram and portray him in form 'friendly' for the doctor. The responsible doctor does not interest itself for who form she has the file of cardiogram (if it is .txt, .scp, .xml, .pdf/edf or file dicom), simply she wishes she sees a depiction so that she makes treatment of this and she forecasts the arrhythmias. The systems that were described in this work, provide different presses of data and used different viewers in order to they can become visible in undertsandable format for the corresponding data. In the last capital are presented data of simulation of physiologic volunteers, patients in the hospital and ill at home hospitalisation.

Κατά τις δύο τελευταίες δεκαετίες έχουν αναπτυχθεί ενσωματωμένα συστήματα λήψης σημάτων φυσιολογίας που είναι ελαφριά, μικρά και ικανά να καταγράφουν σύνθετα σήματα για περισσότερες από 48 ώρες. Αυτά τα συστήματα χρησιμοποιούνται στις μελέτες ηλεκτροκαρδιογραφίας (ECG) για να εντοπίζουν σποραδικές καρδιακές αρρυθμίες ή ανωμαλίες στην καρδιακή λειτουργία, που συχνά σχετίζονται με τις εντάσεις της καθημερινότητας. Σήμερα τα καρδιακά σήματα καταγράφονται σε κάρτες μνήμης και μπορούν εύκολα να μεταφερθούν για ανάλυση και επεξεργασία. Με την εξέλιξη της τεχνολογίας, οι κατασκευαστές ιατρικού εξοπλισμού περιόρισαν δραστικά το μέγεθος και την κατανάλωση ενέργειας των συσκευών καταγραφής ΗΚΓ, έτσι ώστε αυτές να αποκτήσουν αυτονομία. Στην εργασία αυτή θα παρουσιαστεί ένα ενσωματωμένο σύστημα καταγραφής, αποθήκευσης και επεξεργασίας ηλεκτροκαρδιογραφικών σημάτων, ώστε να επιτυγχάνεται η παρακολούθηση των ζωτικών ενδείξεων ασθενών με αρρυθμίες και καρδιακή ανεπάρκεια Η εργασία αυτή χωρίζεται ουσιαστικά σε έξι τμήματα. Το πρώτο τμήμα ασχολείται με την φυσιολογία της καρδιάς, η οποία αποτελεί την πηγή του ηλεκτροκαρδιογραφήματος, καθώς και με την δομή ενός ηλεκτροκαρ-διογράφου και τους τρόπους με τους οποίους μπορούμε να το πάρουμε από τα διάφορα σημεία του ανθρώπινου σώματος. Τα επόμενα δύο τμήματα που ακολουθούν αφορούν την χρήση και τις δυνατότητες των ενσωματωμένων συστημάτων και μικροελεγκτών με έμφαση στην παρουσίαση του μικροελεγκτή (ADuC 7026) και των περιφερειακών του που θα χρησιμοποιηθούν για την υλοποίηση. Παράλληλα αναλύεται το περιβάλλον μVision της Keil το οποίο παρέχει τη δυνατότητα εξομοίωσης του μικροελεγκτή μας έχοντας στη διαθεσή μας μηδενικό υλικό. Το τρίτο τμήμα συνοψίζει κάποιες βασικές λειτουργίες προγραμματισμού και δυνατότητες που παρουσιάζει ο ADuC 7026 της Analog Devices. Το τέταρτο τμήμα ασχολείται με μεθόδους ψηφιακής επεξεργασίας σημάτων χαμηλής συχνότητας για την απομάκρυνση του θορύβου και την αύξηση της ευκρίνειας των αποτελεσμάτων. Τα δύο τελευταία τμήματα περιέχουν αναλυτικά τις μεθόδους επεξεργασίας που χρησιμοποιήθηκαν για τον προγραμματισμό του μικροελεγκτή και παραθέτονται τα αντίστοιχα αποτελέσματα. Για την υλοποίηση χρησιμοποιήθηκαν αρχικά προσεγγιστικά σήματα για τη μοντελοποίηση των πραγματικών σημάτων που προκύπτουν από την καρδιοαναπνευστική λειτουργία . Γίνεται τέλος με τη βοήθεια του matlab πλήρης αναδημιουργία του καρδιακού παλμού και εξάγονται τα κατάλληλα συμπεράσματα. Ο προγραμματισμός του μικροελεγκτή έγινε σε γλώσσα προγραμματισμού C. / During the two last decades there have been developed embedded systems , for the receive of physiology signals. that are small light and able to record composite signals for more than 48 hours. These systems are used at research on electrocardiography(ECG) for the locating of sporadic cardiac arrhythmias,or abnormal heart function, often associated with the stresses of everyday life. Nowadays, cardiac signals recorded on memory cards and can easily be transferred for analysis and processing. Through the technological evolution, medical equipment manufacturers have reduced drastically the size and power consumption of the ECG recorders, so that they can be autonomous. At this thesis, an embedded system for recording, saving and processing ECG signals is presented. The main purpose is to achieve the monitoring of vital signs of patients with arrhythmias and heart failure. The thesis is divided into six sections. The first part deals with the physiology of the heart, which is the source of the electrocardiogram and the structure of an electrocardiograph and how we can get it from different parts of the human body. The next two sections below cover the use and potential of embedded systems and microcontrollers with an emphasis on presentation of the microcontroller (ADuC 7026) and its peripherals that will be used for implementation. At the same time explaining the μVision the Keil environment which enables us to emulate the microcontroller having at our disposal zero hardware. The third section summarizes some basic functions and programming possibilities presented by ADuC 7026 of Analog Devices. The fourth part deals with methods of digital signal processing of low frequency to remove noise and increase clarity of results. The last two sections contain detailed the processes used for programming the microcontroller and presents the corresponding results. During the implementation, initially approximated signals were used for modeling of real signals arising from cardiopulmonary function. Finally, using matlab we achieve a full reconstruction of the heart beat and drew the appropriate conclusions. The programming of the microcontroller has been done in C

Αρχικά εξετάζεται η φυσιολογία της καρδιάς και η λειτουργία της ως αντλίας, οι διάφορες φάσεις του καρδιακού κύκλου και τα αίτια των φαινομένων που παρατηρούνται σε αυτόν. Στη συνέχεια μελετώνται οι καρδιακοί ήχοι, η προέλευσή τους και μέθοδοι παρατήρησής τους, το ηλεκτροκαρδιογράφημα, τα χαρακτηριστικά του και οι εφαρμογές του. Ακολούθως εξετάζεται η δειγματοληψία, επεξεργασία και ανάλυση βιολογικών σημάτων. Πιο συγκεκριμένα, μελετώνται οι μέθοδοι και οι αλγόριθμοι με τους οποίους λαμβάνονται τα ηλεκτροκαρδιογραφικά και φωνοκαρδιογραφικά σήματα, απομακρύνεται ο θόρυβος που προστίθεται από διάφορες πηγές και ανιχνεύονται συγκεκριμένα χαρακτηριστικά των κυματομορφών των σημάτων και ιδιότητές τους, για να αναλυθούν και να γίνει διάγνωση δυσλειτουργιών και παθολογιών της καρδιάς. Τέλος, αναπτύσσεται κώδικας συνεχούς δειγματοληψίας τεσσάρων καναλιών και καταγραφής των δεδομένων δειγματοληψίας σε μια κάρτα μνήμης πολυμέσων, προγραμματίζοντας τον μικροεπεξεργαστή MSP430F169 της Texas Instruments. / In the first part, the physiology of the heart and its functionality as a pump are studied, considering the different phases of a heart cycle and the phenomena observed within. Furthermore, heart sounds, their origin and methods of detection are examined, alongwith the electrocardiogram, its characteristics and applications. Secondly, sampling, processing and analysing methods of biosignals are described. In particular,techniques for ECG and PCG signal acquisition, noise reduction and detection of unique properties and characteristics are studied for analysis and diagnosis of heart disorders and pathologies. Finally, a code for continuous sampling of four channels and storing the sampled data into a multimedia memory card is developed, programming the MSP430F169 microcontroller, by Texas Instruments.

Electrocardiography (ECG) has been established as one of the most useful diagnostic tools in medicine and is critical in the management of various heart conditions. Automated or semi-automated ECG analysis algorithms are expected to play an important role in the utilization of the ECG data. The correct identification of the QRS complexes is a fundamental step in every ECG analysis method. A major problem that is often encountered in automatic QRS detection is the presence of artifacts in the ECG data, which cause considerable alterations to the signal. Some common filters can smooth the effect of the artifacts, however they cannot eliminate them due to their spectral frequency overlap with the signal components. In this thesis, the objective was to develop a method, based on Time-Frequency Analysis that would be able to automatically detect and remove artifacts in order to increase the reliability of automatic QRS detection. The ECG data used for this purpose was taken from the Physionet library and more specifically from the MIMIC II database. The data in this database was acquired from ICU patients and it contains various types of rhythms as well as artifacts. First, a Graphical User Interface (GUI) was developed in order to manually annotate ECG data and was used for creating the ground truth for testing the methods developed. The Time-Frequency Analysis method used for the analysis of the ECG data, was based on a time-varying Autoregressive (AR) model whose solutions were obtained using Burg’s method. Several factors that affect the effectiveness of the method were investigated in order to optimize the algorithm experimentally. The algorithm implemented performs three main functions: “Artifact Hypothesis Testing,” “Artifact Detection and Removal,” and “QRS Complex Detection.” The first step, “Artifact Hypothesis Testing,” examines whether the signal contains any artifact or not. This is performed with a correct classification rate of 95.56%. The second step was the “Artifact Detection and Removal,” which could detect and remove the artifact area with an accuracy of 95.60% based on each signal sample identified as artifact or not. The final step, the “QRS Complex Detection,” correctly identified 92% of QRS complexes (322 out of 335 annotated QRS complexes). Finally, the proposed method was compared with one of the most commonly used methods in ECG analysis, the Wavelet Transform Analysis (WTA). The two methods were tested on exactly the same dataset. The WTA resulted in an overall score of 65.3% mainly due to the large number of false positive detections in the regions of artifact. / Το ηλεκτροκαρδιογράφημα (ΗΚΓ) έχει καθιερωθεί ως ένα από τα πιο χρήσιμα εργαλεία διάγνωσης στην ιατρική και είναι πολύ σημαντικό στη διαχείριση καρδιαγγειακών παθήσεων. Αυτοματοποιημένοι ή ημι-αυτοματοποιημένοι αλγόριθμοι ανάλυσης του ΗΚΓ αναμένεται να έχουν σημαντικό ρόλο στη χρήση των δεδομένων του ΗΚΓ. Η σωστή αναγνώριση των συμπλεγμάτων QRS είναι βασικό βήμα σε κάθε μέθοδο ανάλυσης του ΗΚΓ. Ένα σημαντικό πρόβλημα που συχνά προκύπτει σε αυτόματη ανίχνευση QRS είναι η παρουσία των τεχνητών σφαλμάτων (artifacts) στα δεδομένα ΗΚΓ, τα οποία προκαλούν σημαντικές αλλαγές στο σήμα. Κάποια κοινά φίλτρα μπορούν να εξομαλύνουν τις επιπτώσεις των τεχνητών σφαλμάτων, ωστόσο δεν μπορούν να τα εξαλείψουν λόγω της μεγάλης επικάλυψης του φάσματος συχνοτήτων τους με αυτού των στοιχείων του σήματος. Στην παρούσα εργασία στόχος ήταν η ανάπτυξη μιας μεθόδου, βασισμένης στην Ανάλυση Χρόνου-Συχνότητας, που θα είναι σε θέση να εντοπίσει αυτόματα και να αφαιρεί τα τεχνητά σφάλματα, ώστε να έχουμε μια πιο αξιόπιστη μέθοδο αυτόματης ανίχνευσης των QRS. Τα δεδομένα ΗΚΓ που χρησιμοποιήθηκαν για το σκοπό αυτό λήφθηκαν από τη βιβλιοθήκη Physionet και πιο συγκεκριμένα από τη βάση δεδομένων MIMIC II. Τα δεδομένα σε αυτή τη βάση δεδομένων προέρχονται από ασθενείς της Μονάδας Εντατικής Θεραπείας, και ως εκ τούτου, περιέχουν διάφορα είδη ρυθμών αλλά και τεχνητών σφαλμάτων. Αρχικά, ένα Γραφικό Περιβάλλον Χρήστη (GUI), σχεδιάστηκε για τη χειροκίνητη σηματοδότηση των διάφορων περιοχών ΗΚΓ σημάτων και χρησιμοποιήθηκε για τη δημιουργία των αληθών αποτελεσμάτων για δοκιμή της μεθόδου. H Ανάλυση Χρόνου-Συχνότητας έγινε με τη χρήση ενός χρονικά μεταβαλλόμενου Αυτοπαλινδρομικού (AR) μοντέλου οι λύσεις του οποίου βρέθηκαν με τη μέθοδο Burg. Ακολούθησε η διερεύνηση διαφόρων παραγόντων που επηρεάζουν την αποτελεσματικότητα της μεθόδου, προκειμένου να βελτιστοποιηθεί πειραματικά η μέθοδος. Ο αλγόριθμος που υλοποιήθηκε εκτελεί τρεις βασικές λειτουργίες: “Artifact Hypothesis Testing,” “Artifact Detection and Removal” και “QRS Complex Detection.” Κατ’ αρχήν, το βήμα "Artifact Hypothesis Testing" εξετάζει αν το σήμα περιέχει τεχνητό σφάλμα ή όχι, με το ποσοστό σωστής ταξινόμησης να ανέρχεται στο 95.56%. Το δεύτερο βήμα, η ανίχνευση και αφαίρεση της περιοχής του τεχνητού σφάλματος, έγινε με ακρίβεια 95.60% με βάση το πόσα σημεία του σήματος αναγνωρίστηκαν ως τεχνητό σφάλμα ή όχι. Τέλος, το συνολικό ποσοστό ορθής ανίχνευσης των συμπλεγμάτων QRS ήταν 92% (322 από τα 335 QRS που επισημάνθηκαν χειροκίνητα). Τέλος, έγινε μια σύγκριση μεταξύ της προτεινόμενης μεθόδου και μιας μεθόδου ανάλυσης ΗΚΓ που χρησιμοποιείται πολύ συχνά, της ανάλυσης με Μετασχηματισμό Wavelet (WTA). Οι δύο μέθοδοι δοκιμάστηκαν στα ίδια ακριβώς δεδομένα. Η ορθή ανίχνευση των συμπλεγμάτων QRS με τη μέθοδο WTA ήταν 65.3% κυρίως λόγω του μεγάλου αριθμού ψευδώς θετικών αποτελεσμάτων στις περιοχές των τεχνητών σφαλμάτων.

The spectral analysis of heart rate variability is a tool that gained more and more clinical importance in the latest years. It can be used in order to access autonomic function on the cardiovascular system through the evaluation of the different frequency bands of the HRV. So far different mathematical approaches have been used towards this aim, often with contradictory results. Therefore, the need for standardization of the methods seems more and more important. In this thesis 2 non-parametric, Fourier-based methods and two parametric based on autoregressive modeling were used in order to extract the power spectral density of patients with epilepsy. Their results were statistically compared to age matched controls. The analysis have shown that when a parametric method is used, a careful model order selection method must be used, and when this is accomplished, the power spectrum could more efficient highlight differences between controls and patients. The results between non-parametric and parametric methods were different, therefore these methods cannot be considered interchangeable. The analysis methodolgy established in this first part of the study has been used to analyse HRV signals from patients before and after deep brain stimulation. / Η φασματική ανάλυση της Μεταβλητότητας της Καρδιακής Συχνότητας (ΜΚΣ) χρησιμοποείται όλο και περισσότερο σε κλινικές μελέτες τα τελευταία χρόνια. Και αυτό γιατί μπορεί να δώσει πληροφορίες σχετικά με την λειτουργία του αυτόνομου νευρικού συστήματος πάνω στην καρδιά αναλύοντας το συχνοτικό περιεχόμενο των ΜΚΣ σημάτων σε διακριτές ζώνες συχνοτήτων. Μέχρι τώρα διαφορετικές μαθηματικές μέθοδοι έδωσαν διαφορετικά, συχνα αντικρουόμενα αποτελέσματα. Έτσι η ανάγκη λεπτομερής περιγραφής των μεθόδων φαίνεται όλο και περισσοτερο επιτακτική. Σε αυτή τη διπλωματική εργασία, δυο μη παραμετρικές μέθοδοι και δύο παραμετρικές βασισμένες σε μοντέλα αυτοπαλινδρόμησης (autoregressive modeling) εφαρμόστηκαν προκειμένου να υπολογιστεί το φάσμα ασθενών με χρόνια επιληψία. Τα αποτελέσματα συγκρίθηκαν με υγιείς εθελοντές ίδιου ηλικιακού προφίλ. Η ανάλυση έδειξε ότι όταν χρησιμοποιουνται παραμετρικές μέθοδοι, η επιλογή της τάξης του μοντέλου πρέπει να γίνεται με προσοχή και όταν αυτό γίνει, το φάσμα μπορεί να αναδείξει πιο αποτελεσματικά διαφορές μεταξύ ασθενών και υγειών εθελοντών. Τα αποτελέσματα μεταξύ παραμετρικών και μη παραμετρικών μεθόδων αποδείχθηκαν διαφορετικα, και κατά συνέπεια οι δύο αυτές κατηγορίες ανάλυσης δεν μπορούν να θεωρηθούν ίδιες. Η μεθοδολογία που αναπτύχθηκε στο πρώτο αυτό μέρος της εργασίας χρησιμοποιήθηκε για να αναλύσει σήματα ΜΚΣ από ασθενείς με Πάρκινσον πριν και μετά εν τω βάθει ερεθισμό (Deep brain simulation).