Download presentation
Presentation is loading. Please wait.
Published byΠολωνα Κυβηλη Ακρίδας Modified over 6 years ago
1
حامد رحمانی استاد راهنما: دکتر علی فتوت احمدی دانشگاه صنعتی شریف
دریافت و پردازش سیگنال های قلبی حامد رحمانی استاد راهنما: دکتر علی فتوت احمدی دانشگاه صنعتی شریف
2
ضرورت مانیتورینگ مداوم قلب
فهرست: ضرورت مانیتورینگ مداوم قلب اهداف پروژه کارهای پیشین صورت گرفته و کارهای انجام شده توسط من چالش های پیش رو معرفی سیگنال های قلبی الگوریتم های شناسایی R-Wave پیاده سازی نرم افزاری ارتباط بورد با سرور از طریق اینترنت منابع
3
مانیتورینگ مداوم قلب: عدم دسترسی به پزشک در همه ساعات شبانه روز
دریافت سیگنال ها طی فعالیت های زوزمره و عادی حساسیت بالای قلب ارزیابی عملکرد قلب طی زمان های طولانی
4
اهداف پروژه: دریافت سیگنال های قلبی با استفاده از سنسور های ECG
ارسال سیگنال ها به برد پردازنده پردازش سیگنال های دریافتی و تشخیص ناهنجاری ارسال پیغام هشدار به تلفن همراه پزشک و سایت ثبت کننده ی اطلاعات دریافت و پردازش در تمام مدت شبانه روز
5
کارهای پیشین انجام شده:
پلت فورم ATMEGA پلاتیینگ سیگنال و تشخیص از روی شکل موج کارهای انجام شده توسط من: تغییر پلت فورم به ARM اضافه کردن امکان پردازش در طول شبانه روز اتوماتیک کردن تشخیص بیماری ارسال پیغام هشدار و ثبت اطلاعات
6
Block Diagram ECG Sensors Arm Base board Doctor’s Cell Phone
Data Center
7
چالش های پیش رو: دریافت سیگنال های قلبی و ارسال آنها به بورد پردازنده
ارایه روشی برای تشخیص انواع ناهنجاری پیاده سازی نرم افزاری الگوریتم تشخیص محدودیت حافظه و پردازش در طول مدت شبانه روز ارسال پیام هشدار به تلفن همراه پزشک معالج ثبت اطلاعات بر روی پایگاه داده از طریق اینترنت
8
معرفی سیگنال های قلبی: Tachycardia: R-R interval lower than 0.6s
Bradycardia: R-R interval upper than 1s Arrhythmia: Irregular R-R intervals
10
Typical specs of a sound heart:
Frequency range: 0.05hz-100hz Amplitude: 1mV-10mV P-R interval: 0.12s-0.2s Q-T interval: 0.35s-0.44s S-T interval: 0.05s-015s QRS interval: 0.09s
11
الگوریتم های شناسایی R-Wave:
1- استفاده از Match Filter 2- استفاده از Wavelet Functions:
12
Discrete Wavelet Transform:
Haar Wavelet Transform: Sampling Frequency=360hz, s=5
13
پیاده سازی نرم افزاری: int wavelet(int i , char ECG[]){
int ECG_WL = 0; ECG_WL = ECG[i + 9] + ECG[i + 8] + ECG[i + 7] + ECG[i + 6] + ECG[i + 5]; ECG_WL = ECG_WL - ECG[i + 4] - ECG[i + 3] - ECG[i + 2] - ECG[i + 1] - ECG[i]; return ECG_WL; }
14
ارسال پیام هشدار و ثبت اطلاعات:
ارسال پیغام به وسیله اتصال به Static IP: نوستن برنامه TCP Listener روی PC برای خواندن از پورت :
15
با تشکر
16
References: Goldberger AL, Amaral LAN, Glass L, Hausdorff JM, Ivanov PCh, Mark RG, Mietus JE, Moody GB, Peng CK, Stanley HE. PhysioBank, PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals. Circulation 101(23):e215-e220 [Circulation Electronic Pages; (June 13). PMID: ; doi: /01.CIR e215 Bulg. J. Phys. 35 (2008) 68–77 ECG Signal Analysis Using Wavelet Transforms C. Saritha, V. Sukanya, Y. Narasimha Murthy Innovative Systems Design and Engineering ISSN (Paper) ISSN (Online) Vol 2, No 7, 2011 A.Bhujanga Rao Department of Instrument Technology, Andhra University College of Engineering, Visakhapatnam, Andhrapradesh, India Low-complexity R-peak detection for ambulatory fetal monitoring Rooijakkers, Physiol. Meas. 33 (2012) 1135–1150
Similar presentations
© 2024 SlidePlayer.com. Inc.
All rights reserved.