RRespP

  • RRespP je program vzniklý jako semestrální práce z předmětu CZS, na základě požadavků na filtrováni RRintervalových signálů zadaných 3. lékařskou fakultou UK.


Úvod

   Naším hlavním úkolem v zadané práci bylo na základě dodaných podkladů a polotovarů, vytvořit funkci v programovacím jazyce Matlabu, která by prováděla filtraci tzv. RSA (Respirační sinusová aritmie) ovlivňující okamžitou tepovou frekvenc i, a především pak seznámit se s celou problematikou.

Zdroje

   Zdroji našich vědomostí v této oblasti se staly články nejrůznějších autorů, zabývajících se výsledky jejich prací v této oblasti. Jejich seznam je uveden zde:
  • Cardiac response induced by voluntary self-paced finger movement; Gernot Florian, Andrej Stančák, Gert Pfurtscheller
  • The effects of external laod on movement-related changes of sensorimotor EEG rhytms; Andrej Stančák, Andrea Riml, Gert Pfurtscheller
  • The Effects of respiratory frequency on noninvasive parametrs of baroreceptor-cardiac reflex sensitivity; A. Stančák, D. Pfeffer, L. Hrudová, P. Sovka, C. Dostálek
  • Cardiovascular adjustments and pain during repeated cold pressor test; A. Stančák, A. Yamamotová, P. Kulis, V. Sekyra
  • Electroencephalographic correlates of paced breathing; Andrej Stančák, Daniel Pfeffer, Ludmila Hrudová, Pavel Sovka, Ctibor Dostálek
   A dále pak především práce Ing. Vondrouše v této oblasti. Konkrétně:
  • Diplomová práce: Adaptivní měření fyziologické vazby dechového signálu se signálem R-R intervalů pomocí koherenční funkce
  • Číslicové metody estimace a eliminace vazeb mezi signály srdeční frekvence a dechu
   Z posledního uvedeného zdroje je níže vybrána kapitola týkající se našeho zadání.

O co jde...

   Oblast výzkumu mozkové činnosti se v posledních letech dostává značně do popředí neboť je to poslední část těla, která značně odolává pokusům o poznání jeho principů. Jednou z možností jak pozorovat mozek a to co se v něm děje, je přes jeho vnější elektrické projevy. Rozpoznání dílčích částí ve výsledném elektrickém signálu je při běžném pozorování průběhu signálu téměř nemožné. Z toho je zcela jasné, že na scénu musí přijít nějaký mocnější nástroj umožňující jednotlivé složky oddělit.
   Nejjednodužší schema pokusu jaké si můžeme představit je asi následující: měříme elektrické signály u probanda, který je naprosto v klidu a vykonává například jen jednu přesně danou činnost - pohyb prstem a podobně. Zdálo by se, že v tom případě máme tedy k dispozici jakožto výsledný signál, přesně ten, který určuje, že teď hýbeme prstem. Bohužel stav věci je složitější. I když jsme totiž v naprostém klidu v těle probýhá velké množství dějů, které musí mozek řídit. A jedním z nevýraznějších dějů je právě dýchání.
   Situace je navíc o to zajímavější, že jednotlivé aktivity mozku jsou na sobě do značné míry závislé. Projevuje se to např. tak, že jednotlivé fáze dýchání ovlivňují okamžitou srdeční frekvenci a to tak, že během nádechu a výdechu dochází postupně ke zvyšování a pak ke snižování frekvence.RSA Pokud vyneseme okamžitou frekvenci srdce do grafu dostanem právě onu sinusovou křivku, které se říká RSA. Pokud se podaří odfiltrovat tuto závislost, zbyde nám pouze závislost srdeční frekvence třeba na pohybu prstem. Význam poznání, že i tak banální činnost jako je pohyb prstem ovlivňuje tak důležitý faktor jako je srdeční frekvence by měl pomoci při objasnění příčin některých lidských stavů (mdloba), případně pomocí při diagnózách např. srdečních onemocnění.
   Naším úkolem tedy bylo složku zvanou RSA odfiltrovat prozatím pouze z okamžité měřené frekvence srdce a odhalit tím vliv pohybu prstem.

Jak na to?

   Ano, nelehká otázka. Odpověď na ni musíme hledat jako obvykle v hlubší teorii filtrace. Základ tzv. regresivní analýzy použité v naší funkci je zde a pochází z práce ing. Vondrouše. Stejně tak základ pro druhý typ analýzy, který jsme aplikovali - tzv. LMS (least mean square) pochází od ing. Vondrouše.

Výsledky

   Výsledkem našeho snažení je funkce, kterou jsme nazvali rrespp. (V Matlabu již není snadné nalézt neobsazené slovo pro název funkce, musí se tedy vymýšlet nejrůznější absurdity. :) Co zatím funkce umí ukáže následující popis:

  function [rr1,mrr1,srr1,rr2,mrr2,srr2]=
  =rrespp(resp,rr,klepani,antype,fsresp,fsrr,fsklp,intl,intr);
 
  VYSTUP
  rrX - RR interval prumerovany
  mrrX - stredni hodnota
  srrX - rozptyl
  X=1 vstupni, X=2 odfiltrovana zavislost RSA (RSA pouze pri regers)
 
  VSTUP
  resp - dychani
  rr - RR intervaly
  klepani - budici impulsy
  pokud nebudou zadany dale uvedene parametry vezmou se defaultni:
    antype='reg', fsresp=10, fsrr=10, fsklp=1024, intl=10, intr=10
  antype - 'reg'=regresni analyza, 'lms'=LMS algoritmus
  fsresp - vzorkovaci frekvence dechu
  fsrr - vzorkovaci frekvence rr intervalu
  fsklp - vzrokovaci frekvence klepani
  intl/r - interval -Sekund a +Sekund kolem budiciho impulsu,
   kde se ma pocitat RR-RSA
 
  Pokud nez~a'da'te vystupni parametry jsou vykresleny grafy

  • A jak vypadají výsledky v grafech

    Na následujících dvou obrázcích vidíte ukázkové výsledky po zpracování signálů z dřívějších měření (byla prováděna jinou metodou) a předzpracována již na 3.lf nebo ing. Vondroušem.
    Regresivni analýza LMS
    Po kliknutí získáte zvětšenou verzi.

    A zde vidíte výsledky po použití na nové signály, které máme za úkol zpracovat my. Regresivni analýza LMS

    Myslím, že je zcela zřejmé, že to není to, co bychom očekávali, jak se můžeme převědčit zde. Naším dalším úkolem je tedy eliminovat chybu.

  • Trnitá cesta k dobrým výsledkům

       V současné době jsme zjistili, že s největší pravděpodobností dostáváme chybné výsledky díky nedostatečnému předzpracování vstupních signálů, kde např. vstupní signál respirace má velmi výrazný trend.
       Signál RR intervalů již bylo také nutno upravit do vhodného tvaru. K tomu slouží funkce interpp taktéž vyvinutá v našich laboratořích.
    
      Interpoluje neekvidistantni signal y (R-R intervaly)
      function rr = inter(y,fs,fsrr);
      y ... R-R intervaly
      fs ... samplovaci frekvence R-R
      fsrr ... na co prevzorkovat
    

    Takle to vypadalo: Pro úpravu signálu respirace se připravuje funkce dtrendp...

    Jak to dopadlo se můžete podívat v pokračování této práce.

    A na závěr jeden překvapivý výsledek našeho bádání.



  • Pocet navstev:142