Robust, real-time generic detector based on a multi-feature probabilistic method - Université de Rennes Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2018

Robust, real-time generic detector based on a multi-feature probabilistic method

Détecteur générique probabiliste multi-caractéristiques fonctionnant en temps réel

Résumé

Robust, real-time event detection from physiological signals acquired during long-term ambulatory monitoring still represents a major challenge. In this paper, we propose an original and generic multi-feature probabilistic detector (MFPD) and apply it to real-time QRS complex detection. Methods: The proposed method first derives relevant features from one or more physiological signals and estimates their probability distributions. Bayesian probabilities are then calculated for each feature before being merged through a data fusion node, with regard to the Kullback-Leibler divergence measure. To this end, we derived a KLD estimation method between two Generalized Normal Distributions (GND), in the general case. The efficiency of our method is validated on two noisy ECG databases : 1) a benchmark database by adding noise recordings to the entire MIT-BIH arrhythmia database with noise levels ranging from -6dB to 24dB, 2) an exercise stress test database composed of 54 real ECG recordings (17.8 hours). Results: In both cases significant improvements in detection performance are obtained compared with reference methods. For the benchmark noise stress database, performance gains are consistent for all noise type and SNR levels, and are increasing in low SNR levels. For the exercise stress database, detection error criterion is lowered to 20.91%, as compared with Pan-Tompkins-based (33.08%) and wavelet-based QRS detector (29.02%). Conclusion: Thanks to its multi-feature aspect and its KLD-based decision method (able to adaptively adjust the relative contribution of each feature to the final decision in real-time), the proposed method yields some interesting results, especially on highly-artifacted signals.Significance: Robust, easy to implement and with a reasonable computational cost, MFPD offers some promising perspectives for various challenging monitoring situations.
La détection robuste et en temps réel d'événements à partir des signaux physiologiques acquis lors de la surveillance ambulatoire à long terme représente toujours un défi majeur. Dans cet article, nous proposons un détecteur probabiliste multicaractéristique (MFPD) original et générique et l'appliquons à la détection du complexe QRS en temps réel. Méthodes : La méthode proposée dérive d'abord les caractéristiques pertinentes d'un ou de plusieurs signaux physiologiques et estime leur distribution de probabilité. Les probabilités bayésiennes sont ensuite calculées pour chaque caractéristique avant d'être fusionnées à travers un nœud de fusion de données basé sur la pondération de la divergence de Kullback-Leibler. Pour ce faire, nous avons dérivé une méthode d'estimation du KLD entre deux distributions normales généralisées (GND), dans le cas général. L'efficacité de notre méthode est validée sur deux bases de données d'ECG bruités : 1) une base de données simulées, en ajoutant des segments bruités à l'ensemble de la base de données d'arythmie du MIT-BIH avec des niveaux de bruit allant de -6dB à 24dB, 2) une base de données d'exercices sous contraintes composée de 54 enregistrements d'ECG (17,8 heures). Résultats : Dans les deux cas, des améliorations significatives des performances de détection sont obtenues par rapport aux méthodes de référence. En ce qui concerne la base de données simulée, les gains de performance sont importants pour tous les types de bruit et tous les niveaux de SNR, et ils augmentent dans les faibles niveaux de SNR. Pour la base de données d’exercices, le critère d'erreur de détection est abaissé à 20,91 %, comparativement au détecteur QRS basé sur la méthode Pan Tompkins (33,08 %) et au détecteur QRS basé sur les ondelettes (29,02 %). Conclusion : Grâce à son aspect multicaractéristique et sa méthode de décision basée sur le KLD (capable d'ajuster de manière adaptative la contribution relative de chaque fonction à la décision finale en temps réel), la méthode proposée permet d'obtenir des résultats intéressants, en particulier sur les signaux hautement bruités.
Fichier principal
Vignette du fichier
MFPD_Hall.pdf (15.03 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-01619803 , version 1 (22-02-2018)

Identifiants

  • HAL Id : hal-01619803 , version 1

Citer

Matthieu Doyen, Di Ge, Alain Beuchée, Guy Carrault, Alfredo Hernández. Robust, real-time generic detector based on a multi-feature probabilistic method. 2018. ⟨hal-01619803⟩
187 Consultations
47 Téléchargements

Partager

Gmail Facebook X LinkedIn More