Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Калиниченко-МУ_.doc
Скачиваний:
7
Добавлен:
01.07.2025
Размер:
995 Кб
Скачать
☆

Содержание отчета

  1. Название, цель и задачи работы.

  2. Тексты программ и изображения графических окон, которые требовалось сохранять в ходе выполнения работы.

  3. Распечатки сохраненных корреляционных матриц.

  4. Объяснение полученных результатов и выводы.

Лабораторная работа 8. Классификация экг с помощью вкф

Цель работы: ознакомление с использованием взаимной корреляционной функции для классификации форм сигналов.

Основные положения

Нормированная смещенная оценка взаимной корреляционной функции (ВКФ) дискретного сигнала рассчитывается по формуле

где x(n) и y(n) – отсчеты двух сигналов, N – число отсчетов для каждого из них, m – число сдвигов, а σx и σy – среднеквадратичные отклонения. Значения нормированной ВКФ лежат в пределах от –1 до +1. Равенство –1 соответствует противофазности сигналов, а случаи равенства 0 и +1 соответствуют отсутствию линейной зависимости и полной линейной зависимости.

Задачей работы является исследование возможности использования ВКФ для дифференциации форм QRS-комплексов ЭКГ, относящихся к фоновому ритму сердца, от комплексов патологического происхождения.

Задание на выполнение работы

  • Выполнить расчет ВКФ для фрагментов реальной ЭКГ, содержащих QRS-комплексы, относящиеся к фоновому ритму и к патологии.

  • Используя значения ВКФ, осуществить разбиение QRS-комплексов ЭКГ на два класса по сходству их форм.

Порядок выполнения работы

Расчет ВКФ для фрагментов реальной записи ЭКГ. В файлах, имена которых указаны в табл. П.8 приложения, содержатся фрагменты записей ЭКГ и данные их верификации.

  1. Запустите систему MATLAB, установите в главном окне путь к рабочей папке, перепишите в эту папку файл с записью ЭКГ и файл верификации QRS-комплексов, соответствующие вашему варианту.

Файл ЭКГ содержит отсчеты сигнала с частотой дискретизации 250 Гц. Заданный фрагмент ЭКГ имеет длительность 10 с и содержит QRS-ком­плексы двух отчетливо различимых классов формы: нормального ритма и патологии. Файл верификации содержит два столбца значений, в которых для каждого из QRS-комплексов указаны: номер отсчета, соответствующего середине комплекса, и идентификатор класса формы: «1» – для фонового ритма (нормы) и «2» – для патологии.

  1. С оздайте новый М-файл и сохраните его под каким-нибудь именем.

  2. Создайте рабочее окно программы по образцу, приведенному на рис. ХХ, и разместите на нем 8 полей для вывода графиков (поля 1–8) и одно поле редактирования (поле 9, см. лаб. раб. 5). Рекомендуется задать высоту поля 2 равной 60 пикселам. В команде размещения окна редактирования укажите в качестве свойства ‘Callback’ имя другой программы, которая будет вызываться при вводе в это поле нового значения.

  3. Загрузите оба заданных файла в отдельные переменные при помощи команды load.

  4. В поле 1 постройте график ЭКГ, соблюдая масштаб по оси времени.

  5. Используя команду set, установите для поля 2 пределы оси абсцисс от 0 до максимальной длительности фрагмента сигнала.

  6. В поле 2 выведите порядковые номера QRS-комплексов и идентификаторы класса формы:

NQRS=length(Ver(:,1)); % Число QRS-комплексов

for i=1:NQRS % QRS-комплексов

x= Ver (i,1)*T; % Координата комплекса по оси абсцисс

axes(hAxes2);

text(x,0.85,num2str(i)); % Порядковый номер QRS-комплекса

text(x,0.6,num2str(Ver(i,2)),'Color','b'); % Тип формы

end

Приведенный фрагмент программы выводит в поле 2 порядковые номера и идентификаторы типа формы комплексов точно напротив позиций соответствующих комплексов ЭКГ в поле 1. Здесь переменная Ver содержит данные, загруженные ранее из файла верификации, функция num2str преобразует число в текстовый вид, а второй параметр в команде text задает позицию по ординате для текста, выводимого в поле 2.

  1. Используя информацию, отображаемую в полях 1 и 2, определите номера QRS-комплексов, которые далее будут использоваться в качестве образцов для классов нормы и патологии, а также двух других комплексов, принадлежащих к соответствующим классам, например:

N0=1, P0=2; % Номера образцов «нормы» и «патологии»

N1=3, P1=5; % Номера других комплексов обоих классов

  1. Задайте размер окна для расчета ВКФ и определите максимальное число сдвигов при расчете ВКФ:

L=51; % Размер окна (в отсчетах) для расчета ВКФ

Smax=(L-1)/2; % Максимальное число сдвигов при расчете ВКФ

  1. Создайте четыре массива, содержащие QRS-комплексы, выбранные в соответствии с п. 9, например:

ind0=Ver(N0,1); % Индекс центрального отсчета QRS-комплекса

QRS_N0=ECG(ind0-Smax:ind0+Smax); % Запись комплекса в массив

  1. Создайте переменную времени для вывода графиков в поля 3–8:

tc=-T*Smax:T:T*Smax; % здесь Т – интервал дискретизации ЭКГ

  1. Используя созданную в предыдущем пункте переменную времени, постройте в полях 3 и 6 графики QRS-комплексов, выбранных в качестве образцов для классов «норма» и «патология» соответственно.

  2. Удалите линейный тренд из всех четырех QRS-комплексов, например:

QRS_N0=detrend(QRS_N0); % Удаление линейного тренда

  1. В каждом из полей 4, 5, 7 и 8 следует построить следующие графики:

– QRS-комплекс, используемый в качестве образца (синий цвет);

– сравниваемый с образцом QRS-комплекс (зеленый цвет);

– ВКФ для данных двух комплексов (красный пунктир).

При этом распределение графиков по полям должно быть следующим:

– поле 4: образец «норма», сравниваемый комплекс «норма»;

– поле 5: образец «норма», сравниваемый комплекс «патология»;

– поле 7: образец «патология», сравниваемый комплекс «норма»;

– поле 8: образец «патология», сравниваемый комплекс «патология».

Пример для поля 5:

axes(hAxes5); % Активация поля 5

c=xcorr(QRS_N0,QRS_P1,Smax,'coeff'); % Расчет ВКФ

plot(tc,QRS_N0) % Образец «норма»

hold on

plot(tc,QRS_P1,'g') % Сравниваемый комплекс

plot(tc,c,':r') % График ВКФ

set(hAxes5,'YLim',[-1 1]); % Пределы по оси ординат

grid on % Показать линовку

title('N-P'); % Заголовок

Если задание выполнено правильно, то при сравнении комплексов, относящихся к одинаковым классам формы (поля 4 и 8), значения ВКФ в центре (при нулевом сдвиге) должны быть близки к единице, в двух других случаях – должны получиться значительно меньшими. Это демонстрирует способность ВКФ выявлять сходство форм сигналов.

  1. Рассчитайте и занесите в отдельные массивы максимальные значения ВКФ в диапазоне сдвигов ±5 отсчетов для всех возможных случаев сравнения образцов классов «норма» и «патология» с QRS-комплексами, содержащимися в записи ЭКГ. Например, для образца класса «норма»:

ds=5; % Максимальный сдвиг для расчета ВКФ

for i=1:NQRS

iQRS=Ver(i,1); % Позиция очередного QRS-комплекса

QRS=ECG(iQRS-Smax:iQRS+Smax); % Чтение комплекса

QRS=detrend(QRS); % Удаление тренда

c=xcorr(QRS_N0,QRS,ds,'coeff'); % Расчет ВКФ

cN(i)=max(c); % Определение максимума и запись в массив

end

Разбиение QRS-комплексов ЭКГ на два класса по сходству их форм. В этой части работы необходимо написать программу, которая будет вызываться при вводе каждого нового числа в окне редактирования и использовать введенное значение в качестве порога для процедуры классификации форм QRS-комплексов.

  1. Создайте М-файл и сохраните его под именем, совпадающим с указанным в качестве свойства ‘Callback’ поля редактирования (см. лаб. раб. 5).

  2. В качестве первого оператора должно стоять объявление функции, название которой должно совпадать с именем M-файла, например:

function R08_P2() % Имя M-файла должно быть «R08_P2.m»

  1. Напишите команды получения числа из поля редактирования:

str=get(hEdit,'String'); % Получение числа в виде текста

corLim = str2double(str); % Преобразование в переменную

Здесь hEdit – указатель на поле редактирования, а переменная corLim содержит введенное значение порога.

  1. Создайте массив, содержащий автоматически определенные идентификаторы класса формы, руководствуясь следующим правилом: комплекс относится к классу 1 или 2 («норма» или «патология»), если определенный для него коэффициент корреляции для одного из классов превышает порог, а для другого – ниже порога. Если ни одно из этих условий не выполняется, то значение идентификатора принимается равным нулю:

for i=1:NQRS % Перебор всех QRS-комплексов

if (cN(i)>=corLim)&&(cP(i)<corLim)

Class(i)=1; % Комплекс относится к классу 1

elseif (cP(i)>=corLim)&&(cN(i)<corLim)

Class(i)=2; % Комплекс относится к классу 2

else % Комплекс не относится ни к одному из классов

Class(i)=0;

end

end

set(hAxes2,'XLim',[0 tmax],'YLim',[0 1]);

  1. По аналогии с п. 7 выведите красным цветом в поле 2 полученные номера классов, расположив их ниже ранее выведенных двух строк. С использованием команды set установите пределы по ординате от 0 до 1.

  2. Поместите перед циклом, реализующим предыдущий пункт, команду, позволяющую стирать ранее выведенные значения. Это позволит избежать наложения цифр друг на друга при многократном вводе значений порога:

rectangle('Position',[0.1,0.1,tmax,0.4],... % Прямоугольник

'EdgeColor','w','FaceColor','w'); % белого цвета

  1. Не забудьте в обеих подготовленных программах объявить как global переменные, являющиеся общими для этих программ (см. лаб. раб. 5).

  2. Запустите основную программу. Введите в поле 9 значение порога 0.95. Автоматически рассчитанные номера классов должны совпадать с данными верификации. Постепенно повышая и снижая порог, определите, в каком диапазоне его значений классификация выполняется без ошибок.

  3. Сохраните копии экрана для трех случаев: безошибочная классификация, ошибки при слишком высоком и при слишком низком порогах.