Bibliographie & annexes
Présentation
Auteur(s)
-
Robert G. HOHLFELD : Wavelet Technologies Inc.
-
Cadathur RAJAGOPALAN : Datascope Corp.
-
Gordon W. NEFF : Wavelet Technologies Inc.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
De nombreux signaux physiologiques peuvent être décrits soit comme des impulsions isolées, soit comme des suites quasi périodiques d’impulsions isolées. Les ondelettes constituent des outils puissants pour la représentation et l’analyse de telles formes d’ondes physiologiques, car une ondelette a une durée finie (support compact), à la différence des transformées de Fourier basées sur des sinusoïdes de durée infinie. Deux exemples de traitement d’un signal physiologique utilisant des bases d’ondelettes seront étudiés dans cet article. Le premier exemple est la compression de signaux d’électrocardiogramme (ECG) utilisant une base d’ondelettes d’Hermite associées ; le second exemple montre la suppression des artefacts présents dans des signaux de mesure non invasive de pression sanguine (PNI).
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Automatique et ingénierie système
(141 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Suppression des artefacts dans les ondes de pression sanguine non invasive2. Compression des données d’ECG
2.1 Généralités et objectifs
Le développement d’une méthode efficace de compression des données d’ECG suscite un intérêt commercial considérable. Donnons un exemple : dans un cadre clinique typique, un seul canal de données ECG fournira 250 échantillons par seconde de données codées sur 12 bits, ce qui conduit à 32,4 Moctets de données binaires par jour et par canal. Habituellement, deux ou trois dérivations d’ECG (même encore plus dans certaines situations cliniques) seront enregistrées. De plus, une unité de soins cardiaques possède de nombreux lits, tous reliés à une seule centrale de surveillance. Cela mène à une quantité de données accumulées dans un moniteur central qui peut être de l’ordre de dizaines de gigaoctets par jour. Certaines de ces données doivent être archivées pendant des années.
L’autre exemple est celui de patients ambulatoires appareillés en télépacks. Un ou plusieurs canaux de données ECG doivent être transmis, et afin de minimiser la largeur de bande et la consommation d’énergie, la compression de données devient une nécessité.
Deux arguments vont à l’encontre de cette nécessité de forte compression des données ECG ; ce sont les suivants :
-
la baisse continuelle des coûts de stockage de masse des données des calculateurs, ce qui réduit le besoin de compression des données ;
-
l’inconvénient qu’entraîne l’altération des signaux par un algorithme de compression limitant ainsi, pour le praticien, l’utilité clinique des données compressées.
En pratique, le premier argument n’est pas rédhibitoire car le besoin de stockage de données a crû, dans le passé, au moins aussi vite que les technologies de stockage. La seconde objection est plus grave, ainsi dans les années passées, certains algorithmes de compression ont été utilisés uniquement pour des objectifs de diagnostic strictement limité, comme dans les moniteurs de Holter.
Notre objectif a été de développer un algorithme de compression de haute fidélité qui ne nuise pas aux diagnostics ultérieurs du praticien. Pour atteindre ce but, nous avons décidé que nous voulions compenser les plus hauts niveaux de performance en termes de taux de compression. Nous avons tout d’abord considéré la mesure classique de fidélité...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Automatique et ingénierie système
(141 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Compression des données d’ECG
BIBLIOGRAPHIE
-
(1) - DAUBECHIES (I.), SWELDENS (W.) - Factoring Wavelet Transforms into Lifting Steps. - Preprint, Bell Laboratories, Lucent Technologies (1996).
-
(2) - RAMAKRISHNAN (A.), SAHA (S.) - ECG Coding by Wavelet-Based Linear Prediction. - IEEE Trans. Biomed. Eng., 44, p. 1253-1261 (1997).
-
(3) - HILTON (M.) - Wavelet and Wavelet Packet Compression of Electrocardiograms. - IEEE Trans. Biomed. Eng., 44, p. 394-402 (1997).
-
(4) - DJOHAN (A.), NGUYEN (G.), TOMPKINS (W.) - ECG Compression Using Discrete Symmetric Wavelet Transform. - Presented at the 17th Int. Conf. IEEE Medicine and Biology (1995).
-
(5) - LU (Z.), KIM (D.Y.), PEARLMAN (W.A.) - Wavelet Compression of ECG Signals by the Set Partitioning in Hierarchical Trees (SPIHT) Algorithm. - IEEE Transactions on Biomedical Engineering, vol. 47, p. 849-856 (July 2000).
-
(6) - CÁRDENAS-BARRERA (J.), LORENZO- GINORI (J.) - Mean-Shape...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Automatique et ingénierie système
(141 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
