Movement artifacts in electrocardiography

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorPalva, Lauri
dc.contributor.advisorSuotsalo, Kimmo
dc.contributor.authorPyysing, Anni
dc.contributor.schoolSähkötekniikan korkeakoulufi
dc.contributor.supervisorSärkkä, Simo
dc.date.accessioned2018-02-23T14:30:41Z
dc.date.available2018-02-23T14:30:41Z
dc.date.issued2018-02-12
dc.description.abstractMovement of the patient during electrocardiograph (ECG) recording is a severe source of artifacts. Recent technical developments have enabled ECG recording without continuous supervision by experts. However, ECG recording outside of hospitals is prone to poor quality and movement artifacts. Therefore, it is important to study how and how much ECG recordings are affected by movement. Movement artifacts can hide signal components or mimic them, which causes false negative or false positive detections. Methods to manage movement artifacts include both computational and non-computational approaches. Computational approaches include, for example, adaptive filtering and machine learning methods. Additional variables that correlate with the artifact sources can be utilized in artifact recognition. For example, acceleration, impedance, and pressure signals have been studied as possible movement references. These additional signals are recorded by sensors that are placed on the ECG electrodes or on the patient’s body. In this thesis, the effect of movement artifacts is quantified using a simulation. The simulation makes use of open ECG databases. This study investigates how automated ECG analysis is affected by incremental increase in the movement artifact level. According to the results QRS detection statistics worsen with increased artifact levels. Capturing a movement reference for ECG is studied by experimental research. ECG and inertial measurement unit signals were recorded during different movements in order to analyze the creation of movement artifacts and movement reference signals. According to the results, placement of the movement reference signal sensor has a significant effect on the results. Different movements are captured better by different sensors and affect different ECG leads with different strengths.en
dc.description.abstractPotilaan liike sydänsähkökäyrämittauksen (EKG) aikana on merkittävä artefaktien lähde. Viimeaikainen teknologinen kehitys on mahdollistanut EKG-mittauksen ilman asiantuntijoiden jatkuvaa valvontaa. EKG-mittaukset sairaalaolosuhteiden ulkopuolella ovat kuitenkin erityisen alttiita huonolle signaalilaadulle ja liikeartefaktoille. Tämän vuoksi on tärkeää tutkia, miten ja kuinka paljon liike vaikuttaa EKG-mittauksiin. Liikeartefaktat voivat joko peittää tai jäljitellä EKG-signaalin eri osia, aiheuttaen vääriä negatiivisia tai vääriä positiivisia havaintoja. Liikeartefaktojen vaikutusta voidaan vähentää sekä laskennallisten että muiden menetelmien avulla. Laskennallisia menetelmiä ovat esimerkiksi adaptiivinen suodatus ja koneoppimismenetelmät. Artefaktojen lähteen kanssa korreloivia muuttujia mittaamalla voidaan edistää artefaktojen tunnistusta EKG-signaalista. Esimerkiksi kiihtyvyys-, impedanssi- ja painesignaalien käyttöä liikereferensseinä on tutkittu. Kyseisiä referenssisignaaleja voidaan mitata EKG-elektrodeihin tai potilaan kehoon kiinnitettävillä sensoreilla. Liikeartefaktojen vaikutuksen suuruutta tutkitaan tässä työssä simulaation avulla. Simulaatiossa hyödynnetään avoimia EKG-tietokantoja. Tutkimuksessa tarkastellaan sitä, miten vähittäinen liikeartefaktatason kasvu vaikuttaa automaattiseen EKG-analyysiin. Tulosten mukaan QRS-detektioon liittyvät tilastot huononevat artefaktatason kasvaessa. Liikereferenssin luomista tarkastellaan kokeellisen tutkimuksen avulla. EKG- ja inertiamittausyksikkö-signaaleja mitattiin erilaisten liikkeiden aikana, jotta voitaisiin havainnoida liikeartefaktojen ja liikesignaalin syntymistä. Tulosten mukaan liikereferenssiä mittaavan sensorin sijoituspaikalla on merkittävä vaikutus tuloksiin. Tietyt liikkeet saadaan paremmin mitattua eri tavoin sijoitettujen sensorien avulla. Lisäksi liikkeet vaikuttavat eri vahvuuksilla eri EKG-kytkentöihin.fi
dc.ethesisidAalto 9750
dc.format.extent74+7
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/30101
dc.identifier.urnURN:NBN:fi:aalto-201802231638
dc.language.isoenen
dc.locationP1fi
dc.programmeLST - Master's Programme in Life Science Technologies (TS2013)fi
dc.programme.majorBiosensing and -electronicsfi
dc.programme.mcodeELEC3045fi
dc.subject.keywordelectrocardiographyen
dc.subject.keywordelectrodesen
dc.subject.keywordsignal processingen
dc.subject.keywordmovement artifacten
dc.subject.keywordskin-electrode interfaceen
dc.subject.keywordartifact reductionen
dc.titleMovement artifacts in electrocardiographyen
dc.titleLiikeartefaktat elektrokardiografiassafi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Pyysing_Anni_2018.pdf
Size:
1.77 MB
Format:
Adobe Portable Document Format