ingegneria + biologia/medicina = ingegneria biomedica ... · standard valutate su tratti di 5...
TRANSCRIPT
MODULI FORMATIVI DALLA SCUOLA ALL’UNIVERSITA’ - SETT. 2019
INGEGNERIA + BIOLOGIA/MEDICINA =
INGEGNERIA BIOMEDICA: ESEMPI PRATICI
Prof. Agostino Accardo
Coordinatore CdL Magistrale in Ingegneria Clinica
Dipartimento di Ingegneria e Architettura
Università di Trieste
ESEMPIO PRATICO: ANALISI DELLA
VARIABILITA’ CARDIACA(HEART RATE VARIABILITY, HRV)
È fisiologica
Dipende dai sistemi simpatico e parasimpatico
È influenzata da molti fattori (fisiologici e
patologici):
varie forme dello scompenso cardiaco
sonno e OSAS (Sindrome apnee ostruttive del sonno)
età
ritmi ultradiani
trapianto, diabete, cirrosi epatica, ….
LA VARIABILITA’ CARDIACA:
HRV
LA VARIABILITA’ CARDIACA SI ESTRAE DALL’ECG:
Time [s]
HRV=SEQUENZA DURATE R-R
PER ESAMINARE L’HRV SERVE L’ANALISI
DEI SEGNALI
Insieme di metodologie che estraggono dai segnali
(come l’HRV) dei parametri che sintetizzano in
qualche modo l’informazione contenuta in essi
Cos’è un ‘segnale’?
Continuo/Analogico vs
Discreto/Digitale
Teorema del campionamento
Frequenza di campionamento
Tipi di segnali - Esempi
Un segnale a tempo continuo x(t) è definito in ogni istante di tempo.
Il segnale a tempo discreto x(n) si ottiene campionando x(t) cioè prendendo solo alcuni valori di x(t), uniformemente spaziati nel tempo.
In questo caso sono stati utilizzati 5 campioni per sec
Il segnale a tempo discreto y(n) si ottiene campionando y(t) cioè prendendo solo alcuni valori di y(t), uniformemente spaziati nel tempo.
E’ possibile decidere quanti campioni considerare come mostrano i 3 esempi.
L’intervallo temporale tra due campioni successivi si chiama intervallo o periododi campionamento TC
Campionamento di un segnale
Per essere enunciato e compreso il teorema del
campionamento necessita del concetto di ‘spettro’ e
della dualità rappresentativa di un segnale nei ‘domini’
del tempo e della frequenza…. e quindi del concetto di
‘onda’ e di frequenza….
Curve geometriche ma anche analitiche….
Retta: Y=A*x+B
Onda sinusoidale:
Va=Va*sin(2πt/T+φ)
Rappresentazione del segnale mediante serie di Fourier
con
Segnale (periodico) visto come somma di seni e coseni
Rappresentazione di un segnale nel dominio della
frequenza
Scomposizione di funzioni periodiche
• consideriamo un segnale con periodo 0.2 sec (freq. fondamentale 5 Hz) costituito da 3 armoniche:
)t202(sin6.0)t102cos(25.1)t52(sin)t(y
• si nota che l’andamento del segnale su un periodo descritto dal valore di y per tutti i valori reali 0 t < 0.2 viene riassunto da solo 3 valori, le ampiezza delle armoniche
Scomposizione di funzioni periodiche
• in generale qualsiasi segnale periodico, che presenti un numero limitato di discontinuità, è descrivibile mediante la somma di coseni e seni di frequenza multipla di una fondamentale (1/T)
• la serie (illimitata) dei coefficienti costituisce lo sviluppo in serie di Fourier del segnale periodico
• se le discontinuità sono tali che il segnale e le sue derivate siano limitati (salti, punti angolosi) i coefficienti della serie di Fourier convergono a 0 per frequenze -->
• questo permette di troncare lo sviluppo con un errore di approssimazione limitato
• vediamo un esempio: segnale ECG
Esempio - scomposizione di un ECG
• esempio di sintesi di un tracciato ECG da un numero crescente di armoniche: a) 4; b) 10; c) 30
• si noti come per riprodurre picchi stretti occorra un gran numero di armoniche
a) 4 armoniche b) 10 armoniche
c) 30 armoniche
Esempio - scomposizione di un ECG
• le prime 10 armoniche della sintesi di ECG vista preced.:k=0, componente continua; k=1, armonica fondamentale;k=2, .... , 10, armoniche superiori
con φ=arctg(an/bn) Fase dell’n-esima sinusoide della serie
Nella serie di Fourier, la parte tra [ ] si può riscrivere come:
𝑎𝑛2 + 𝑏𝑛
2 ∗ sin2𝜋
𝑇𝑛𝑥 + 𝜑
𝑎𝑛2 + 𝑏𝑛
2 = Ampiezza dell’n-esima sinusoide della serie
Se metto in ascisse le frequenze crescenti 2π/T * n con
n=1,2,… e in ordinate le corrispondenti ampiezze (o le fasi)
ottengo lo SPETTRO delle ampiezze (fasi) del segnale f(x)
Segnale nel tempo e suo Spettro
Teorema del campionamento: fcamp > 2 * fmax segnale
Forme della serie di Fourier
• per ogni componente armonica si può indicare ampiezza e fase
0kk1k
kkk fk2f2;)tcos(Am)t(y
• o equivalentemente l’ampiezza della componente in fase, coseno, e della componente in quadratura, seno
])sin()cos([)(1
kkkkk tdtcmty
• o ancora i coefficienti complessi, ak, di esponenziali ad argomento immaginario positivo e negativo
ma;)coniugati(aa;1j
ea)t(y
0*kk
k
tjk
k
Calcolo dei coefficienti della serie di Fourier
• la forma in fase e quadratura permette di trovare la formula per il calcolo dei coefficienti della serie di Fourier, nota la y(t) su di un periodo, sfruttando l’ortogonalità fra sinusoidi:
1k;dt)t(sin)t(yT
2d;dt)tcos()t(y
T
2c
)mediovalor(dt)t(yT
1m
T
0
kk
T
0
kk
T
0
Serie di Fourier - trasformata/anti-trasformata
• in conclusione, la rappresentazione degli ak (numeri complessi) in modulo e fase sull’asse delle pulsazioni per ogni k (opp. sull’asse delle frequenze per ogni fk) dà una rappresentazione discreta del contenuto in frequenza del segnale periodico ed il calcolo dei coefficienti rappresenta una trasformazione dal dominio del tempo a quello delle frequenze
dte)t(yT
1a tj
T
0
kk
k
tjk
kea)t(y
• analogamente, il calcolo dell’andamento di y(t) dai coefficienti costituisce la trasformazione inversa dal dominio delle frequenze a quello del tempo
Analisi in frequenza - segnale campionato
• il risultato del campionamento è quello di replicare Y() attorno ai multipli di C=2fC sommandoli
k
Ci
C )k(Y.tcos)iTt()t(yF
F
TCCt
Y()y(t)
Analisi in frequenza - segnale campionato
• da queste considerazioni discende l’enunciato del Th. del campionamento o di Shannon:“la frequenza di campionamento deve essere almeno doppia rispetto alla massima frequenza presente nella banda occupata dal segnale”, ovvero C > 2M
C 0 M
C 0 M
C/2
SI
NO
21
Analisi in frequenza - segnale campionato
• in altri termini, fissata la frequenza di campionamento, la massima frequenza presente, fM=M/2, deve essere minore della metà della frequenza di campionamento fN=fC/2=C /4
• in un segnale campionato, dunque, la metà della frequenza di campionamento, fN, ha il significato di massima frequenza rappresentabile e prende il nome di frequenza di Nyquist
• data la simmetria rispetto a 0 e la periodicità rispetto ad fC, si usa rappresentare il contenuto in frequenza di un segnale campionato da 0 ad fN,ovvero, in termini di frequenza normalizzata f/fC, da 0 a 0.5, ovvero, in termini di pulsazione normalizzata , da 0 a
0
= 2 /C = 2 f/fC = TC
22
Aliasing
• nei due spettri sono riportati le due situazioni nelle quali la condizione di Shannon viene o meno rispettata, evidenziando lo spettro del segnale campionato da 0 alla freq. di Nyquist
• nel secondo caso, le frequenze da N ad M non solo non sono rappresentate fedelmente ma vengono equivocate e ribaltate nel tratto da 2N-M a N.
0 0 NN
2N-M M
23
Aliasing: sinusoidi nel tempo
• consideriamo 3 sinusoidi a 1.2, 5.2 e 9.2 Hz tutte campionate a 4 Hz: tutte danno luogo allo stesso campionamento che viene ricostruito a 1.2 Hz
24
Aliasing
s(t)= sin(2ft), fc=f (TC=1/f)
t
s(t) s(nTc)
istanti di campionamento componente costante assente in s(t)
t
s(t) s(nTc)
Istanti di campionamento Oscillazione a bassa frequenza inesistente nel segnale originale
f<fc<2f (1/f>TC>1/2f)
25
Aliasing: sinusoidi nelle frequenze
• infatti, la Trasf. di Fourier della sinusoide a 1.2 Hz presenta due impulsi a +1.2 e a -1.2Hz che replicato attorno a 4 Hz peril campionamento dà luogo ad impulsi a 4k-1.2 e 4k+1.2 Hz
• 5.2 Hz = 4+1.2 Hz --> 4(k-1)-1.2 e 4(k+1)+1.2 Hz• 9.2 Hz = 2x4+1.2 Hz --> 4(k-2)-1.2 e 4(k+2)+1.2 Hz• considerando tutti i k troviamo gli stessi impulsi in freq.
26
Tra i metodi di stima dello Spettro di un segnale c’è
Periodogramma
• sia yN(i) il segnale finestrato su N campioni (yN(i)=y(i), per i=0,...,N-1, yN(i)=0 altrove) sia YN() la sua DTFT, definiamo il periodogramma stimato su N campioni, SN()
)(SlimE)(S;
N
)(Y)(Y
N
|)(Y|)(S N
N
N*
N2
NN
• si noti che la relazione di Parseval vale per qualsiasi N:
)ST)f(P(;df)f(Pd)(S2
1)i(y
N
1 Cf
0 NCNN
2
0 N
1N
0i
22N
i
yN(i)
N-10 f0 fC[Hz]
PN(f)N
2
[y]2
/[H
z]
Periodogrammi di segnali HRV registrati in 20 minuti
PARAMETRI ESTRATTI NEL DOMINIO DELLA FREQUENZA
Densità spettrale di potenza (PSD)
Analisi in frequenza
I parametri maggiormente
utilizzati sono le potenze nelle
bande:
VLF, LF, HF, in unità
normalizzate (ovvero divisi per la
potenza totale) e il rapporto
LF/HF
Analisi nel tempo (parametri di esempio):
SDNN, deviazione standard calcolata su intervalli di 5’
mediate su un periodo di 24h.
Rappresenta la variabilità totale dell’HRV
DIMENSIONE FRATTALE, compresa tra 1 e 2, è
legata alle ‘fratture’ / ‘frastagliature’ presenti nel
segnale
SDNN si calcola a partire da Media e Deviazione
Standard valutate su tratti di 5 minuti dell’HRV:
Nj = nr di punti in un intervallo di 5 minutiN= nr di intervalli di 5 minuti presenti nella giornata
𝑅𝑅𝑗 = 1 𝑁𝑗 ∗ 𝑖=1
𝑁𝑗
𝑅𝑅𝑖 𝑆𝐷𝑗 = 𝑖=1
𝑁𝑗 𝑅𝑅𝑖 − )𝑅𝑅𝑗2
𝑁𝑗
SDNN = 1 𝑁 ∗ J=1𝑁 𝑆𝐷𝑖
“Orbene, …. ciò che è indivisibile in tutte le dimensioni ma ha una
posizione, si chiama punto ciò che è divisibile secondo una sola
dimensione si chiama linea, mentre ciò che è divisibile secondo
due dimensioni si chiama superficie e, infine, ciò che è divisibile
secondo la quantità in tutte e tre le dimensioni si chiama corpo.”
(Aristotele, Metafisica)
Dimensione
Comunemente utilizziamo la
● dimensione euclidea e la
● dimensione topologica
● dimensione euclidea DE indica il numero di
coordinate necessarie a specificare un
oggetto in un certo spazio:
– DE= 1 un punto sulla retta
– DE= 2 un punto nel piano
– DE= 3 un punto nello spazio
Dimensione euclidea
● Un punto o un insieme di punti totalmente
sconnesso ha dimensione Dt = 0
● tutti gli oggetti che possono essere divisi da
elementi di Dt=0 hanno dimensione Dt=1
● tutti gli oggetti che possono essere divisi da
elementi di Dt=1 hanno dimensione Dt=2
● tutti gli oggetti che possono essere divisi da
elementi di Dt=2 hanno dimensione Dt=3
Dimensione topologica
“The fractal geometry of nature”
“ L’esistenza di un numero praticamente infinito di distinte lunghezze di scala di
forme naturali ci ha sfidato a studiare queste forme, che Euclide trascura come
‘informi’, per indagare la morfologia dell’ ‘amorfo’. I matematici hanno
disdegnato questa sfida e sempre piu’ hanno evitato la natura costruendo teorie
senza nessun nesso con cose che possiamo vedere o percepire. Rispondendo a
questa sfida io ho concepito e sviluppato una nuova geometria della natura e
implementato il suo uso in vari campi. Questa geometria descrive molti dei pattern
irregolari intorno a noi e conduce a teorie ben sviluppate identificando una
famiglia di forme che chiamo frattali ”
da: The fractal geometry of nature, Benoit Mandelbrot
Nuvole, montagne, coste…. e semplificazioni secondo Euclide
nuvola
montagne
coste
Curva di Koch
● segmento unitario diviso in 3
parti
● sostituzione del terzo interno
con due lati di un triangolo
equilatero di lato 1/3 ( cioe’ la
lunghezza del segmento
sostituito)
● sostituzione del terzo interno di
ogni lato con triangolo equilatero
di lato uguale al segmento
sostituito
l0
( ) l0 l0
( ) 1/3l0 4/3 l0
( ) 1/9l0 16/9 l0= (4/3)2 l0
( …...) (1/3)n l0 (4/3)n l0
Unita’ di misura Lunghezza apparente
della curva
Curva di Koch
Esistono molti modi per stimare la
dimensione
P.es. utilizzando un ricoprimento di N sfere tutte di diametro
r, si può ottenere la dimensione di Capacità:
DC = lim r ->0 log(N (r) )/log(1/r )
che rappresenta una approssimazione della Dimensione di
Hausdorff-Besicovitch DH
Dimensione curva di Koch
● Per ogni lato della curva il numero di ricoprimenti N al
passo n e’ proporzionale a 4n e il fattore di magnificazione r
e’ proporzionale a 1/3n
DC = lim r ->0 log(N)/log(1/r )
E la dimensione topologica è
DC = DH =log(4)/log(3)=1.2618…..
DT = 1
Dimensione curva di Hilbert
● Inizio: elemento base
● Replicare 4 volte l’elemento baseriducendone le dimensioni a 1/2
– mantenere inalterata posizione elementisuperiori
– ruotare di 90º a sin e dx elementi inferiori
– effettuare connessioni fra gli elementi
● Ripetere la replicazione e le connessioni
DH = log(4)/log(2)=2
Dt = 1
Dimensione insieme di Cantor● Inizio: segmento
● Suddividere in 3 parti erimuovere il segmento centrale
● Ripetere la rimozione in ognisegmento
● Rimangono 2 parti scalate di 1/3
DH = log(2)/log(3)=0.6309….
DT = 0
Dimensione triangolo Sierpinski
● Inizio: triangolo equilatero
● Rimuovere il triangolo internoformato dai punti medi dei 3 lati
● Ripetere la rimozione in ognitriangolo rimasto
● Ogni triangolo contiene 3 copie,ognuna scalata di 1/2
DH = log(3)/log(2)=1.5849….
DT = 1
●Dimensione spugna di Menger
● Inizio: cubo
● Suddividere in 27 cubi di lato 1/3e rimuovere il cubo centrale equelli nel centro di ogni faccia.Rimangono 20 sottocubi.
● Ripetere la rimozione in ognisottocubo
DH = log(20)/log(3)=2.7268….
DT = 2
Oggetto frattale
● Un frattale è un oggetto la cui dimensione di Hausdorff-Besicovitch è strettamente maggiore della sua dimensionetopologica: DH>DT
● Se un oggetto ha dimensione di Hausdorff-Besicovitch non intera allora è frattale
● Sono autosimili
● obbediscono a una legge di scaling N(r)= rDs
p.es. in 2D, N(r): Nr di elementi ‘simili’ ovvero di lunghezza r,
r: unità di lunghezza utilizzata/righello
Ds: dimensione frattale Ds = log(N(r))/log(r)
Insieme di Mandelbrot - self-similarity
Autosimigianza di una serie temporale
Calcolo della Dimensione Frattale secondo Higuchi
Data la serie di dati x(1), x(2),..., x(N), costruisce k nuove serie temporali: xkm con m
e istante iniziale e k ritardo k∈[1,6].
Per ogni sequenza xkm si calcola
la lunghezza Lm(k)
e infine la lunghezza media della curva (utilizzando l'intervallo di tempo k), L(k),
calcolata come la media delle k lunghezze Lm(k), per m=1,2,...,k.
Poiché L(k) è proporzionale a k-FD, allora ln(L(k))/ln(k) sarà pari a –FD (=pendenza)
Esempio di Ritmo cardiaco
Fre
quen
za c
ard
iaca
(b
pm
)
Tempo (min)
normale
scompenso
apnee
morte improvvisa
0.0001 0.001 0.01 0.1
10.
20.
50.
100.
200.
500.
1000.
2000.
Freq./beat-1
power
Andamento tipico di un segnale autosomigliante: power ~ 1/fβ
... e del suo spettro (caso normale) in scaladoppiamente logaritmica
C’è un legame tra FD e β: FD=(5- β)/2
ESEMPIO APPLICATIVO: STUDIO
DEL LEGAME TRA VARIABILITA’
CARDIACA ED ETA’
in soggetti normali e in soggetti con
scompenso cardiaco
La letteratura scientifica riporta che l'invecchiamento dei soggetti in salute
è associato ad una graduale riduzione delle fluttuazioni. Vorremmo
confermare questo risultato e vedere cosa succede negli scompensati (per
i quali non è ancora stato trovato nulla)
SCOMPENSO CARDIACO
Scompenso cardiaco: sindrome clinica, nella quale un’anomalia dellastruttura o della funzione cardiaca è responsabile dell’incapacità, diuna parte del cuore, di pompare il sangue o di riempirsi ad una velocitàadeguata alle esigenze metaboliche dei tessuti.
52/25
• Disfunzione DIASTOLICA • Disfunzione SISTOLICA
Cardiopatia dilatativa (primaria e secondaria)Cardiopatia valvolare Cardiopatia ischemicaCardiopatia IpertensivaCardiopatia ischemica/ipertensivaCardiopatia valvolare/ipertensiva
Differente eziologia
MATERIALE CLINICO
60 persone (36 donne e 24 uomini):
●non affette da problemi cardiaci;
●tra i 19 e gli 85 anni;
40 pazienti (30 uomini e 10 donne):
●colpite da CHF (Congestive Heart Failure);
●divise tra ischemici (35-90 anni) e affetti da cardiomiopatia dilatativa
(CMPD) (20-90 anni).
I soggetti hanno completato un monitoraggio Holter di 24 ore a tre canali con
una frequenza di campionamento di 200 Hz.
Gli intervalli RR sono stati estratti mediante il software di analisi dell’Holter
Metodi utilizzati
Analisi nel dominio del tempo:
➔FD calcolata con algoritmo di Higuchi
Analisi nel dominio della frequenza:
➔periodogramma di Welch
➔serie temporali di durata pari a 512 s
➔finestra di Hamming con sovrapposizione 50%
➔distinte le bande VLF, LF e HF in nu e il rapporto LF/HF
In letteratura si scrive che: HF associato al sistema parasimpatico e LF
associato al simpatico (o ad entrambi)
Risultati
Analisi su 5’ durante le 24h
Parametri che presentano un legame lineare
significativo con l'età:
Nei normali: LF/HF; LF; HF; DF
Nei CMPD: LF; HF
Negli ischemici: nonostante una qualche
dipendenza con l’età, nessuno di questi (grande
variabilità interindividuale)
10 20 30 40 50 60 70 80 90 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
LF
nm
età
Blu=Normali, Neri=CMPD, Rossi=Ischemici
Incremento dell’attività parasimpatica e calo di quella simpatica
Rette di regressione lineare con pendenze significativamente diverse da 0
10 20 30 40 50 60 70 80 90 1000.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
HF
nm
età
Risultati su tratti di 5’ mediati sulle 24h
Blu=Normali, Neri=CMPD, Rossi=Ischemici
10 20 30 40 50 60 70 80 90 100
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
FD
m
età
Conclusioni
I risultati ottenuti hanno confermato le scoperte riscontrate fino ad oggi
sugli effetti che l'età produce sull'HRV nei soggetti in salute, indicando
che l’invecchiamento è associato ad una graduale riduzione delle
fluttuazioni del cuore (incremento del parasimpatico). Questa
associazione è presente anche nei soggetti che soffrono di disturbi
cardiaci anche se questi presentano una maggiore variabilità
interindividuale.
Le cause della riduzione possono essere molteplici: differenze nella
velocità di trasmissione nervosa, modifiche cardiovascolari, riduzione
delle fibre vagali nell’anziano
CONTINUA……