Professional Documents
Culture Documents
BSS Knjiga 2018 A5 PDF
BSS Knjiga 2018 A5 PDF
BIOMEDICINSKI
SIGNALI I SISTEMI
Sarajevo, 2018.
Autori: dr Dušanka Bošković, dr Orhan Lepara
Naziv djela: Biomedicinski signali i sistemi
621.3:61
611.1/.8-073.7
BOŠKOVIĆ, Dušanka
Biomedicinski signali i sistemi / Dušanka Bošković, Orhan Lepara ;
[ilustracije Duško Bošković]. - Sarajevo : Elektrotehnički fakultet, 2018. - XII,
165 str. : ilustr. ; 25 cm
ISBN 978-9958-629-68-6
1. Lepara, Orhan
COBISS.BH-ID 26018054
Sadržaj
Predgovor ................................................................................................... vii
1. Biomedicinski inžinjering ...................................................................... 1
1.1. Oblasti biomedicinskog inžinjeringa .............................................. 1
1.1. Primjeri BMI u medicinskoj praksi................................................. 2
1.1.1. Kohlearni implant .................................................................. 3
1.1.2. Vještačko srce ........................................................................ 3
1.1.3. Biomehanika krvotoka ........................................................... 5
1.1.4. Dijagnostičke metode u radiologiji ......................................... 5
1.2. Uloge biomedicinskog inžinjera ..................................................... 8
1.3. Obrazovanje biomedicinskih inžinjera ............................................ 9
1.4. Bioinformatika ..............................................................................10
1.5. Biomedicinski signali i BMI .........................................................10
1.6. Zaključak ......................................................................................11
2. Biomedicinski sistemi...........................................................................13
2.1. Biomedicinski signali....................................................................15
2.2. Senzori .........................................................................................18
2.3. Elektrode ......................................................................................19
2.4. Pre-procesiranje signala ................................................................21
2.5. Pametni biomedicinski sistemi ......................................................23
2.6. Zaključak ......................................................................................24
3. Bioelektrične pojave .............................................................................27
3.1. Historija bioelektriciteta ................................................................27
3.2. Biopotencijal ................................................................................29
3.3. Membranski potencijal ..................................................................30
3.4. Jonski kanali .................................................................................33
3.5. Akcioni potencijal .........................................................................33
3.6. Nernstova jednačina ......................................................................34
3.7. Jednačina Goldman-Hodgkin-Katz ................................................35
3.8. Hodgkin-Huxley model akcionog potencijala ................................37
iii
3.9. SIMULINK model akcionog potencijala ...................................... 40
3.10. Neuron ......................................................................................... 43
3.11. Sinaptička transmisija .................................................................. 45
3.12. Zaključak ..................................................................................... 48
4. Srce i elektrokardiogram (EKG)........................................................... 49
4.1. Srčani ciklus ................................................................................ 50
4.2. Elektro-aktivnosti srca.................................................................. 52
4.3. Vektokardiogram ......................................................................... 52
4.4. Registracija EKG signala ............................................................. 54
4.4.1. Format EKG zapisa .............................................................. 56
4.4.2. Standardizacija EKG odvoda ................................................ 59
4.4.3. Određivanje električne ose srca............................................. 66
4.4.4. Električne i frekventne osobine EKG signala ........................ 67
4.5. Sistemi za obradu EKG signala .................................................... 69
4.6. EKG uređaj - elektrokardiograf .................................................... 71
4.6.1. Wilsonov centralni terminal - WCT ...................................... 72
4.6.2. Modul za uklanjanje šuma plivajuće osnovne linije ............... 73
4.6.3. Pogon desne noge (engl. Right Leg Drive - RLD) ................. 74
4.6.4. Načini snimanja EKG signala ............................................... 74
4.7. Analiza EKG signala .................................................................... 75
4.7.1. Baze EKG signala ................................................................ 76
4.7.2. Primjeri srčanih aritmija ....................................................... 77
4.7.3. Detekcija QRS kompleksa – Pan-Tompkins algoritam .......... 80
4.8. Analiza promjene srčanog ritma - HRV ........................................ 81
4.8.1. Metode HRV analize u vremenskom domenu ....................... 83
4.8.2. Poincare dijagram................................................................. 84
4.8.3. Frekventne metode analize HRV .......................................... 85
4.9. Zaključak ..................................................................................... 86
5. Krvni pritisak....................................................................................... 87
5.1. Historijski razvoj metoda mjerenja krvnog pritiska ....................... 88
5.2. Direktno mjerenje krvnog pritiska ................................................ 89
iv
5.3. Signal krvnog pritiska ...................................................................92
5.4. Neinvazivne metode......................................................................95
5.4.1. Manualna metoda ..................................................................95
5.4.2. Auskultatorna metoda............................................................98
5.4.3. Oscilometrijska metoda .........................................................99
5.5. Zaključak .................................................................................... 101
6. Mozak i elektroencefalogram (EEG) ................................................... 103
6.1. Mozak ........................................................................................ 104
6.2. Historija EEG ............................................................................. 105
6.3. EEG sistem ................................................................................. 106
6.4. Akvizicija EEG signala ............................................................... 107
6.5. Pojačala i filteri........................................................................... 110
6.6. Primjena analize EEG signala ..................................................... 112
6.7. Karakteristični ritmovi EEG ........................................................ 114
6.8. Tranzijentni oblici EEG .............................................................. 117
6.9. Epilepsija .................................................................................... 118
6.10. EEG i san.................................................................................... 119
6.11. Evocirani potencijali ................................................................... 121
6.12. Analiza EEG signala ................................................................... 122
6.12.1. Spektralna analiza EEG signala ........................................... 123
6.12.2. Wavelet transformacija ........................................................ 125
6.12.3. EEG segmentacija i tehnika usrednjavanja ........................... 125
6.12.4. ERP i tehnika usrednjavanja ................................................ 126
6.12.5. EEG sinhronizacija u udaljenim regijama mozga ................. 128
6.12.6. Slijepo odvajanje signala (BSS) ........................................... 128
6.12.7. Mape glave ......................................................................... 129
6.13. BCI/BMI .................................................................................... 130
6.14. Zaključak .................................................................................... 131
7. Dijaliza............................................................................................... 133
7.1. Bubrezi i njihova funkcija ........................................................... 133
7.2. Hemijski procesi u osnovi hemodijalize ...................................... 135
v
7.3. Historija hemodijalize ................................................................ 136
7.4. Vještački bubreg – aparat za hemodijalizu .................................. 136
7.5. Hemodijafiltracija ...................................................................... 140
7.6. Senzori kod dijalize .................................................................... 141
7.7. Zaključak ................................................................................... 145
Literatura: ................................................................................................. 147
Popis slika ................................................................................................. 157
Popis tabela ............................................................................................... 162
Popis skraćenica ........................................................................................ 163
vi
Predgovor
vii
Sadržaj je organizovan sa fokusom na domen primjene, tako da su poglavlja
knjige posvećena pojedinim fiziološkim signalima i njima odgovarajućim
organima: elektrokardiogram i srce, elektroencefalogram i mozak, itd., uz koje
je predstavljen zaokružen skup odgovarajućih tehnika i metoda i značaj njihove
primjene u medicinskoj praksi.
Za razliku od podučavanja tema vezanih za tradicionalne inžinjerske discipline,
kod multidisciplinarnih tema je od posebne važnosti da se studenti osposobe za
sistemski pristup. U poređenju sa uže fokusiranim problemima u monodiscipli-
narnom inžinjerstvu, student se suočava sa inherentno proturječnim problemima
kod čijeg rješavanja iskustvo ima značajnu ulogu. Stavljanje domena primjene u
prvi plan potiče aktivno učenje i učenje bazirano na problemima, što je
ilustrovano u knjizi primjerima rješenja iz dosadašnjeg rada na predmetu. Na
ovaj način se uz osnovne kognitivne kompetencije znanja i razumijevanja potiče
primjena znanja za dostizanje kompetencija višeg nivoa poput: analize, sinteze i
evaluacije.
Cilj predmeta, a samim tim i ove knjige je da studente osposobe za izbor
adekvatne metode i tehnike za procesiranje biomedicinskih signala i
implementaciju biomedicinskih sistema. To je razlog da su poglavlja
organizovana sa fokusom na područje primjene, ne na same metode, i da se
razmatraju uslovi i ograničenja u okviru kojih se izabrane metode primijenjuju.
Procesiranje biomedicinskih signala se u najvećoj mjeri poistovjećuje sa
procesiranjem elektrokardiograma (EKG) i elektroencefalograma (EEG), što je
povezano i sa značajem organa: srce i mozak, o čijem stanju ovi signali nose
informacije. Zato je ovim signalima posvećena posebna pažanja i u planu i
programu predemeta, a samim tim i u udžbeniku. Značaj ovih signala je uticao
na razvoj uređaja za njihovu obradu sa različitim namjenama i kompleksnosti.
Za studente je ovo pogodna ilustracija potrebe skalabilnosti i generalizacije kod
projektivanja rješenja, a i dobar primjer za identifikaciju specifičnosti pojedinih
namjena i diskusiju o različitim zahtjevima i ograničenjima kod projektovanja
specifičnih sistema. Kao primjeri zaokruženih biomedicinskih sistema u sklopu
predmeta se izučavaju aparati za mjerenje pritiska i uređaj za hemodijalizu.
Poglavlje 1 postavlja oblast proučavanja biomedicinskih signala u kontekst
biomedicinskog inžinjeringa. Poglavlje 2 se bavi principima razvoja biomedi-
cinskih sistema kojima je primarni zadatak analiza biomedicinskih signala.
Predstavljena je opšta struktura tipičnog biomedicinskog sistema, a zatim su
posebno opisane zajedničke funkcionalne cjeline kao što su senzori biomedi-
cinskih signala, principi akvizicije i preprocesiranja signala.
Za studente elektrotehnike je neophodno da se upoznaju sa osnovama
fiziologije i sa primjerima kliničke prakse u sklopu kojih se koriste opisani
biomedicinski sistemi i signali. U poglavljima koja slijedi prvi dio je posvećen
fiziologiji i anatomiji organa koji se proučava, a zatim se prezentira kratka
historija i razvoj rješenja do uvođenja u standardnu kliničku praksu.
viii
Poglavlje 3 je posvećeno bioelektricitetu, uključujući i historiju bioelektriciteta,
kontroverzu između Galvanija i Volte, i značaj Galvanijevih otkrića za
generalna istraživanja u oblasti elektriciteta. Objašnjeni su pojmovi potencijala
ćelije: membranskog potencijala mirovanja i akcionog potencijala. Posebno se
opisuje neuron i modeli biopotencijala neurona, zatim mehanizmi prenosa
biopotencijala između ćelija: električne i hemijske sinapse.
Poglavlje 4 sadrži osnove anatomije i fiziologije srca, tu su predstavljene
osnovne karakteristike EKG signala: njegov oblik i ritam. U ovom poglavlju se
opisuju specifičnosti akvizicije EKG-a i najčešće korištene tehnike uklanjanja
šuma. U nastavku se diskutuju najznačajnije kliničke primjene analize EKG
signala i opisuju pristupi i metode kojima se ove primjene mogu ostvariti.
Posebno detaljno se predstavljaju metode za detekciju srčanog ritma, a zatim je
završni dio četvrtog poglavlja posvećen analizi promjene srčanog ritma (engl.
Heart Rate Variability – HRV). Analiza HRV dobiva poseban značaj
posljednjih godina, kako zbog sve većeg broja različitih uređaja za snimanje
HRV tokom svakodnevnih aktivnosti, a i zbog značaja HRV za prikupljanje
informacija o autonomnom nervnom sistemu (ANS) i ravnoteži i ulozi njegova
dva dijela: simpatikusa i parasimpatikusa.
Poglavlje 5 opisuje sisteme za mjernje krvnog pritiska. Razmatraju se osobine
signala krvnog pritiska, i sistemi za kontinurano praćenje krvnog pritiska na
bazi invazivnog mjerenja. Objašnjeni su principi manualnog neinvazivnog
mjerenja krvnog pritiska korištenjem sfigmamanometra, a zatim se uvode
automatski elektronski mjerači pritiska na bazi oscilatorne i zvučne
(auskultatorne) metode.
U uvodnom dijelu poglavlja 6 pregledno je predstavljena anatomija mozga kao
podloga za razumijevanje EEG signala i njegove obrade. Opisane su električne i
frekventne osobine EEG signala i specifičnosti njegove akvizicije. Zatim su
opisane fiziološke osobine EEG signala: karakteristični ritmovi i specifični
tranzijenti i istaknuta je veza ovih osobina i patoloških stanja. Posebno je
izdvojena analiza EEG kod dijagnostike i praćenja epilepsije. U nastavku
poglavlja se prezentira značaj primjene analize EEG signala za interfejs mozak-
mašina (engl. Brain-Machine Interface - BMI) kada se električna aktivnost
mozga prevodi u signale kojima se pokreću uređaji ili se utiče na dijelove tijela
i tjelesne funkcije.
Poglavlje 7 je posvećeno biomedicinskom sistemu sa funkcijom vještačkog
bubrega – aparatu za hemodijalizu. U ovom poglavlju se opisuju osnove
fiziologije nefrona – gradivnog elementa bubrega i uvode pojmovi difuzije,
filtracije i reapsorpcije. Predstavljena je historija razvoja uređaja za
hemodijalizu, zatim je opisana struktura i principi funkcionisanja ovog
terapeutskog uređaja.
Prateći obrazovne ciljeve predmeta „Biomedicinski signali i sistemi“ i knjiga
ima za cilj da studenta - čitaoca upozna sa tipičnim problemima iz
biomedicinskog domena koji se mogu uspješno riješavati primjenom
ix
inžinjerskih metoda i tehnika, prvenstveno iz oblasti obrade signala,
elektronike, zatim mašinskog učenja. Kao ni predmet, knjiga se ne bavi
predstavljanjem ovih metoda, jer su to znanja koja studenti već posjeduju, pa se
potiču da prepoznaju koje metode bi mogli primijeniti da dođu do traženih
rješenja.
Autori
x
Biomedicinski signali i sistemi
1. Biomedicinski inžinjering
1
1. Biomedicinski inžinjering
Očigledno je da BMI uključuje više raznorodnih oblasti kao što su obrada slika u
medicini, procesiranje fizioloških signala, projektovanje elektronskih, optičkih i
mehatroničkih uređaja, medicinska informatika, softverski sistemi u realnom
vremenu itd.
2
Biomedicinski signali i sistemi
3
1. Biomedicinski inžinjering
4
Biomedicinski signali i sistemi
5
1. Biomedicinski inžinjering
Slika 1.5. Radiološka dijagnostika (a) CT sken glave prikazan kao niz
sukcesivnih transverzalnih secija (b) MRI uređaj [81]
MR dijagnostika
Slikovni prikaz uz pomoć MR baziran je na principu nuklearne magnetne
rezonance (NMR) po kome materija izložena jakom magnetnom zračenju emituje
radio talase. Magnetna rezonanca se kao spektroskopska tehnika dugo vremena
koristi u naučnim pristupima otkrivanja precizne strukture tvari.
Magnetna rezonanca je standard radiološke dijagnostike centralnog nervnog
sistema, zatim u velikom broju oboljenja lokomotornog sistema, te organa male
zdjelice. U posljednje vrijeme sve se više koristi i u pregledu organa gornjeg
abdomena i srca zbog mogućnosti višefaznog postkontrastnog pregleda i bolje
karakterizacije tkiva.
Prvi MRI (engl. Magentic Resonance Imaging) skeneri nisu bili precizni, ali
razvoj računarstva i elektronike je doveo do toga da je ovaj pristup postao
napredniji od svih drugih tehnika pecizne dijagnostike slikom (engl. precise
imaging), posebno za otkrivanje tumora. Značajna prednost MRI tehnike je u
tome što se pacijenti ne izlažu radijaciji. Nedostatk MRI tehnike je neugodnost
6
Biomedicinski signali i sistemi
7
1. Biomedicinski inžinjering
8
Biomedicinski signali i sistemi
9
1. Biomedicinski inžinjering
1.4. Bioinformatika
Jedna od značajnih oblasti uključenih u biomedicinski inžinjering je
bioinformatika. To je relativno novo područje istraživanja kod kojeg se
matematske i informatičke metode primjenjuju na modeliranje i razumijevanje
fundamentalnih bioloških i biomedicinskih problema. Sagledavši sve oblasti koje
se klasificiraju pod biomedicinski inžinjering može se reći da se biomedicinski
inžinjering bavi problemima u rasponu od molekularnog do sistemskog nivoa.
Bioinformatika je fokusirana na probleme na molekularnom nivou kao što su
molekularna sekvencijalna analiza dezoksiribonukleinske kiseline (DNK),
pronalaženje gena, proračun proteinskih struktura, predikcija proteinskih
interakcija. Bionformatika se definiše kao primjena informacione tehnologije na
rješavanje problema iz oblasti molekularne biologije.
Primarni cilj bioinformatike je podizanje nivoa našeg poznavanja i razumijevanja
bioloških procesa. U početku se bionformatika bavila problemima iz domena
genetike, a onda su se istraživanja proširila i na farmakologiju i izučavanje
strukture i ponašanja proteinskih molekula.
10
Biomedicinski signali i sistemi
1.6. Zaključak
Razvoj medicinske tehnologije uticao je i na porast potrebe za adekvatno
obučenim profesionalcima - biomedicinskim inžinjerima. Od biomedicinskih
inžinjera se očekuje sposobnost definisanja medicinskih problema
terminologijom inžinjerskih disciplina, ali i znanje nalaženja rješenja koje će
zadovoljiti i inžinjerske i medicinske zahtjeve.
Kao savremena grana inžinjerske profesije doživljava stalnu ekspanziju u
oblastima kao: medicinska elektronika, biomaterijali, personalizirana dijagnostika
itd. Biomedicinski inžinjer primjenjuje znanja iz elektrotehnike, hemije, optike,
mehanike i dr., sa ciljem da bi: razumio, mijenjao i kontrolisao biološke sisteme.
11
Biomedicinski signali i sistemi
2. Biomedicinski sistemi
13
2. Biomedicinski sistemi
14
Biomedicinski signali i sistemi
15
2. Biomedicinski sistemi
16
Biomedicinski signali i sistemi
17
2. Biomedicinski sistemi
2.2. Senzori
Senzor je pretvarač koji omogućava pretvaranje fizičke veličine u električni
signal koji nosi informaciju o fizičkoj veličini. Važno je uočiti da nije svaki
mjerni uređaj ujedno i senzor. Tako, na primjer živin ili alkoholni termometar
nije senzor, ali digitalni termometar je mjerni uređaj koji sadrži senzor: termalnu
traku, koja temperaturu pretvara u električni signal i predaje ga ostatku sistema
na dalju obradu, tj. prikaz. Od ideanog senzora se očekuje da ne utiče na
fizikalnu energiju koju mjeri. Na ovaj način je jednostavno razlikovati hemijske
senzore od instrumenata za hemijsku analizu.
Klasifikacija senzora prema veličini koju mjere je data u tabeli 2.1.
Prema principu rada senzori se mogu klasificirati na: rezistivne, induktivne,
kapacitivne, ultrazvučne, elektrohemijske. Kada su u pitanju fizikalni senzori,
mogu se mjeriti veličine vezane uz geometrijske, mehaničke, termičke ili
hidrauličke fizikalne veličine. U biomedicinskim aplikacijama, ovo može
podrazumijevati mišićnu dislokaciju, nepravilan položaj kostiju, krvni pritisak,
temperaturu tijela, rast kostiju.
Mehanički senzori zahtijevaju različite i često skupe i kompleksne pretvarače.
Specifčnost mehaničkih veličina je što se moraju mjeriti direktno na mjestu
nastanka jer ne propagiraju kao električne veličine.
Senzori koji se koriste za mjerenje električnih veličina su elektrode koje
detektuju električnu ili elektromagnetnu aktivnost biološkog sistema i detaljnije
su opisane u nastavku poglavlja. Hemijski senzori imaju namjenu da detektuju
prisutnost neke hemijske komponente, da mjere koncentraciju neke hemijske
komponente, ili za nadzor hemijske aktivnost u organizmu sa ciljem dijagnostike
ili tretmana.
Savremeni razvoj tehnologije, visok stepen integracije i prelazak elektronike i
mehanike iz mikro u nano područja, omogućio je minijaturizaciju senzorskih
elemenata i njihovu fizičku integraciju u uređaje različitih funkcionalnosti.
Razvoj tehnologije je doveo do pametnih senzora, koji u svoju strukturu
uključuju i mikroprocesore i memorije, i koriste se za različitih namjene kao što
su: filtriranje i pojačanje signala, kompenzacija statičke greške, samostalna
kalibracija i testiranje, automatska regulacija opsega mjerenja, čuvanje mjerenih
vrijednosti, računanje srednjih i ekstremnih vrijednosti, itd.
18
Biomedicinski signali i sistemi
2.3. Elektrode
Detekcija i mjerenje biopotencijala zahtijeva interakciju sa jonskim nosiocima
elektriciteta i njihovu transformaciju u struju elektrona, tj. elektronski signal koji
se može prenositi žičanim provodnicima i uvoditi u elektronske instrumente sa
ciljem dalje obrade. Ovu transformaciju vrše specijalne elektrode za mjerenje
biopotencijala. Elektrode se razlikuju po načinu mjerenja: neinvazivne – mjerenje
na površini kože i invazivne – mikroelektrode i elektrode igle.
Tipično je za mjerenje biopotencijala da se koriste elektrode sačinjene od inertnih
metala. Za mjerenje EKG signala se najčešće koriste srebro-srebro hlorid (Ag-
AgCl) ili nehrđajući čelik, zbog biokompatibilnosti i hemijske stabilnosti.
Električne pojave na dodirnoj površini metalne elektrode i kože se mogu
uporediti sa procesima kod galvanske ćelije.
Uranjanjem metala u elektrolitski (jonizirani) rastvor na dodirnoj površini se
javlja lokalizirana raspodjela naboja prikazna na slici 2.5, tj. javlja se razlika
električnog potencijala na dodirnoj površini. Razlika električnog potencijala se
naziva potencijal polu-ćelije ili standardni potencijal elektrode i različit je za
različite materijale.
Standardni potencijal elektroda napravljenih od istog materijala je jednak i u
idelanim uslovima kontakt elektroda koža bi isto trebao biti identičan.
19
2. Biomedicinski sistemi
(a)
(b) (c)
Slika 2.6. EKG elektrode za više upotreba (a) štipaljke i (b) vakumske; i
jednokratna samoljepljiva elektroda sa nanesenim elektroprovodnim gelom (c)
20
Biomedicinski signali i sistemi
21
2. Biomedicinski sistemi
Slika 2.7. (a) EKG signal zagađen šumom - signal 11806, (b) šum talasanja
osnovne linije – signal bw, (c) šum mišićne aktivnosti - signal ma, (d) šum lošeg
kontakta elektroda-koža - signal em [74]
22
Biomedicinski signali i sistemi
23
2. Biomedicinski sistemi
2.6. Zaključak
Današnju medicinksu praksu je teško zamisliti bez dijagnostičkih uređaja koji
uključuju procesiranje biomedicinskih signala, posebno kada su u pitanju
oboljenja vezana za srce, krvni pritisak, mozak, mišiće. Informacije koje se
dobiju obradom signala poput EKG, EEG i EMG su osnov gradnje terapeutskih
biomedicinskih sistema za kardio, neurološke i neuro-muskularne primjene.
24
Biomedicinski signali i sistemi
25
Biomedicinski signali i sistemi
3. Bioelektrične pojave
27
3. Bioelektrične pojave
28
Biomedicinski signali i sistemi
3.2. Biopotencijal
Historijski naučna saznanja o bioelektricitetu su se razvijala zajedno sa
spoznajama iz oblasti elektromagnetizma. Spor Galvanija i Volte oko porijekla
elektriciteta koji je uzrokovao mišićne kontrakcije kod žabe: bioelektircitet ili
posljedica kontakta različitih metala, inspirisao je Voltu da napravi voltin stub.
Galvanijev stav o postojanju bioelektricitet se potvrdio tek dva vijeka kasnije
kroz savremenu teoriju ekscitabilnih tkiva. Važno je uočiti razliku u nosiocima
elektriciteta: kod ekscitabilnih tkiva to nisu elektroni, već joni, većinom natrijum
(Na+), kalij (K+), hlor (Cl-) i kalcij (Ca++). Struje jona, za razliku od struja
elektrona, uključuju stvarni transport materije, tako da su joni kreću brzinama
reda metara u sekundi, a ne brzinom svjetlosti.
Koža i ekscitabilna tkiva imaju osobine elektrolita. Prilikom projektovanja i
proizvodnje elektroda za mjerenje biopotencijala primjenjuju se znanja o
elektrohemijskim ćelijama, posebno Galvanskoj ćeliji.
29
3. Bioelektrične pojave
30
Biomedicinski signali i sistemi
31
3. Bioelektrične pojave
32
Biomedicinski signali i sistemi
33
3. Bioelektrične pojave
34
Biomedicinski signali i sistemi
= (3.2.)
gdje su:
- n koncentracija posmatranog jona van (nOUT) i unutar ćelije (nIN),
- Z je valentnost jona,
- T je apsolutna temperatura u Kelvinima,
- R je univerzalna gasna konstanta, a
- F Faradejeva konstanta.
R = 8,3144 ,
F = 96485 ,
ZCl = -1 i ZK = ZNa = 1
, = 61 ; = −61 (3.3.)
[ ] + [ ] + [ ]
= (3.4.)
[ ] + [ ] + [ ]
35
3. Bioelektrične pojave
U jednačini 3.4. koncentracije pojedinih jona su navedene kao oznake tih jona u
uglastim zagradama sa indeksima koji označavaju prostor van (OUT) i unutar
ćelije (IN), T je apsolutna temperatura u Kelvinima, R je gasna konstanta, a F
Faradejeva konstanta. P označava relativnu propusnost (permeabilnost) za svaki
tip jona, a za vrijednost jedinične propusnosti se uzima propusnost kalija PK u
mirovanju. Jednačina (3.4.) sadrži i vrijednost valentnosti pojedinih jona koje su
već uvrštene, valentnost Na+ i K+ je jednaka 1, a za Cl- je jednaka -1, može se
uočiti da su koncentracije za Cl- u nazivniku i imeniku zamijenile mjesta u
odnosu na koncentracije za Na+ i K+. Ako se u jednačinu 3.4. uvrste nulte
koncentracije za dva jona, jednačina se svodi na Nernstovu jednačinu napona
ekvilibrija za preostali treći jon.
U većini ćelija joni K+, Na+, i Cl- u najvećoj mjeri utiču na uspostavljanje
membranskog potencijala mirovanja. Može se primijetiti da je izračunati
doprinos jona K+, Na+, i Cl- membranskom potencijalu mirovanja -70 mV, što
nije jednako Nernstovom potencijalu ekvilibrija za ove jone. Selektivni jonski
kanali u ćelijskoj membrani dopuštaju jonima K+, Na+, i Cl- da se kreću niz
elektrohemijski gradijent. Kretanje pojedinih jona niz elektrohemijski gradijent
doprinosi promjeni membranskog potencijala u smjeru Nernstovog potencijala
tog jona, i tako transmembransko kretanje sva tri jona zajedno doprinosi
membranskom potencijalu.
36
Biomedicinski signali i sistemi
37
3. Bioelektrične pojave
+ ( , ) = ( )
(3.7.)
+ ( − )+ ( − )+ ( − )
= ( )
gdje su:
- - kapacitet ćelijske membrane
- - potencijal ćelijske membrane
- - suma vremenski i naponski zavisnih struja kroz odgovarajuće
jonske kanale
- – elektromotorna sila usljed Nernstovog potencijala kalija
- – elektromotorna sila usljed Nernstovog potencijala natrija
- – elektromotorna sila usljed Nernstovog potencijala preostalih jona
(većinom hlora)
- , – nelinerane provodnosti natrija i kalija
- – provodnost pasivnih jonskih kanala
- ( ) – ukupna transmembranska struja
38
Biomedicinski signali i sistemi
39
3. Bioelektrične pojave
40
Biomedicinski signali i sistemi
41
3. Bioelektrične pojave
42
Biomedicinski signali i sistemi
3.10. Neuron
Tok informacija kroz nervni sistem se može opisati počevši od senzorskih ćelija
koje su locirane periferno na tijelu i izložene su uticajima vanjske sredine.
Senzorske ćelije proizvode signale koji se provode prema mozgu i daju čulna
opažanja poput vida, sluha, pritiska, ravnoteže itd.
Senzorske ćelije reaguju na podražaj (stimulus) generišući akcioni potencijal koji
prenosi kodirane informacije o okolini prema mozgu putem niza neurona do
određenog centra u mozgu. Različite ćelije u mozgu procesiraju ove signale i
upravljaju akcijama mišića i drugih organa kao odgovor na informacije primljene
s vana.
43
3. Bioelektrične pojave
44
Biomedicinski signali i sistemi
Presinaptički završetci imaju izgled čvorića, zbog čega se zovu i završni čvorići
ili sinaptički čvorići, a u njima se nalaze brojni mjehurići koji sadrže
neurotransmiter. Nervni impuls koji nastaje na aksonskom bržuljku tog nerva u
45
3. Bioelektrične pojave
vidu akcionog potencijala se prenosi duž tog istog nerva. Kada nervni signal
stigne do kraja presinaptičkog završetka, on otvara voltažno-ovisne kanale za
kalcijum. Otvaranje kanala za kalcijum omougućava ulazak jona kalcija u
presinaptički završetak. Ovaj korak u transmisiji je esencijalan, jer kalcijevi joni
privlače mjehuriće sa transmiterom i pomiču ih prema membrani presinaptičkog
završetka. Mjehurići se stope sa membranom presinaptičkog završetka, te
procesom egzocitoze prazne neurotransmiter u sinaptičku pukotinu.
46
Biomedicinski signali i sistemi
47
3. Bioelektrične pojave
3.12. Zaključak
Istraživanje funkcije mozga, a samim tim i razumijevanje neurona kao njegovog
gradivnog elementa ima poseban značaj u današnjoj nauci. Razumijevanje kako
neuron pohranjuje i prenosi informacije je značajno i u medicinskom domenu, ali
i u inžinjerskom, pošto se neuron koristi model za gradnju inteligentnih
računarskih rješenja sposobnih da uče.
Za razumijevanje funkcije neurona neophodno je upoznavanje sa fenomenom
bioelektriciteta, porijeklom i osobinama membranskog potencijala mirovanja i
akcionog potencijala, koji su objašnjeni u ovom poglavlju. Ovi koncepti su
ilustrovani SIMULINK implementacijom klasičnog Hodgkin-Huxley modela
membranskog potencijala neurona u mirovanju i u slučaju eksitacije.
48
Biomedicinski signali i sistemi
49
4. Srce i elektrokradiogram (EKG)
50
Biomedicinski signali i sistemi
51
4. Srce i elektrokradiogram (EKG)
4.3. Vektokardiogram
Srčani ciklus je vremenski period između dvije uzastopne kontraakcije i sastoji se
od razdoblja kada se srce puni krvlju (dijastola) i razdoblja kada se srce
kontrahuje i ispumpama krv (sistola). U pretači kontrakcije leže električna
zbivanja, odnosno akcioni potencijal karakterističan za srčani mišić. Električne
struje vezane za depolarizaciju i repolarizaciju srca su dovoljno jake da se mogu
registrovati elektrodama pozicioniranim na površini tijela.
52
Biomedicinski signali i sistemi
53
4. Srce i elektrokradiogram (EKG)
54
Biomedicinski signali i sistemi
55
4. Srce i elektrokradiogram (EKG)
56
Biomedicinski signali i sistemi
57
4. Srce i elektrokradiogram (EKG)
58
Biomedicinski signali i sistemi
59
4. Srce i elektrokradiogram (EKG)
60
Biomedicinski signali i sistemi
(a) (b)
Slika 4.12. (a) Veza bipolarnih odvoda ekstremiteta
(b) Veza unipolarnih i bipolarnih odvoda ekstremiteta
61
4. Srce i elektrokradiogram (EKG)
62
Biomedicinski signali i sistemi
( −
) − ( − ) −
= = (4.4.)
2 2
Veze mjerenja unipolarnih i bipolarnih odvoda ekstremiteta su ilustrovane na
slici 4.14. i sumarno su opisane u tabeli 4.1.
Tabela 4.1. Veza unipolarnih i bipolarnih odvoda ekstremiteta
Odvod Potencijal elektroda
I L–R
II F–R
III F–L
aVR R - (F + L) / 2
aVL L - (F + R) / 2
aVF F - (L + R) / 2
63
4. Srce i elektrokradiogram (EKG)
64
Biomedicinski signali i sistemi
65
4. Srce i elektrokradiogram (EKG)
66
Biomedicinski signali i sistemi
(a) (b)
67
4. Srce i elektrokradiogram (EKG)
68
Biomedicinski signali i sistemi
EMG signal otežava pravilno tumačenje detalja korisnog EKG signala. Postoje
slučajevi kada se iz EKG signala ne želi ukloniti respiratorni signal (0.03Hz) jer
predstavlja korsnu informaciju za dijagnostiku, pa tada treba voditi računa pri
projektovanju ovog niskofrekventnog filtra ili se respiratorni signal u ovoj fazi
može izdvojiti kao zaseban signal koji se pohranjuje za dalju analizu. Signal
interference napojne mreže (50Hz ili 60Hz) je neophodno ukloniti, pri čemu
treba voditi računa da se ne izgube korisni podaci EKG signala, pošto ova
smetnja pada u frekventni opseg korisnog signala.
Idealna učestalost uzorkovanje signala bi bila 500Hz; ali u praksi se pokazalo da
uspješne rezultate daje i uzorkovanje frekvencijom od 250Hz. Većina
komercijalnih proizvoda se zadovoljava akvizicijom signala frekvencijom od
120Hz.
Pošto se EKG signal procesira u različite kliničke svrhe neophodne je
identificirati i različite korisne frekventne opsege i pristupiti adekvatnom izboru
obrade signala u zavisnosti od njegove namjene:
- Klasični 12-odovodni klinički EKG radi sa signalom opsega 0.05-100Hz.
- Monitoring srca u intenzivnoj njezi korisni opseg signala redukuje na 0.5 -
50Hz. Prvenstvena namjena monitoringa je identifikacija poremećaja ritma u
radu srca – tj. identifikacija aritmije. Sužavanjem opsega se eliminišu
visokofrekventni šum EMG signala i niskofrekventni šum pomicanja
elektroda i tako se povećava efikasnost i preciznost praćenja promjena
srčanog ritma.
- Kardiotahometar je uređaj za mjerenje srčanog ritma i baziran je na
propusnom filteru centriranom na 17Hz i selektivnosti u vrijednosti 3 do 4.
Ovaj filter propušta QRS kompleks dok prigušuje šum i preostale oblike
EKG signala, uključujući i P i T talase. Ovakvim filtriranjem se maksimizira
odnos signal-šum za potrebe detektovanja QRS kompleksa.
- Kod procjene mogućeg rizika aritmije mjere se zakašnjeli potencijali koji
slijede QRS kompleks pri čemu se koristi propusni filter do 500Hz
frekvencija.
- Mjerenje respiratornog signala iz EKG signala se vrši propuštanjem
niskofrekventnih komponentni opsega 0.01-0.05Hz.
69
4. Srce i elektrokradiogram (EKG)
70
Biomedicinski signali i sistemi
Slika 4.22. Komercijalni EKG uređaj pri mjerenju – ruke i lijeva noga uronjeni u
fiziološkoj otopini (1911 - Cambridge Scientific Instrument Company)
71
4. Srce i elektrokradiogram (EKG)
Slika 4.23. Blok struktura EKG analognog front-enda (TI ADS1298 AFE)
Uređaji imaju mogućnost pohranjivanje historije mjerenja, putem nekog vida
komunikacije, Ethernet ili serijska. RS-232 je još uvijek najzastupljeniji standard
za povezivanje medicinskih uređaja.
Za ilustraciju izvedbe savremenih EKG uređaja je izabran razvojni sistem Texas
Instruments ADS1298R ECG AFE (engl. Analog Front End) koji sadrži sve
dijelove komercijalnih uređaja, a dostupan je studentima za praktičan rad. Blok
struktura modula ADS1298R ECG AFE je prikazana na slici 4.23.
Za što uspješniju akviziciju EKG signala akvizicioni blok ADS1298R koristi
sljedeće funkcionalnosti: WCT (Wilsonov centralni terminal), pogon desne noge
(engl. Right Leg Drive - RLD), kao i modul za uklanjanje plivanja bazne linije -
šuma izazvanog disanjem ispitanika.
72
Biomedicinski signali i sistemi
73
4. Srce i elektrokradiogram (EKG)
74
Biomedicinski signali i sistemi
75
4. Srce i elektrokradiogram (EKG)
76
Biomedicinski signali i sistemi
Svaki EKG signal iz ove baze uz fajl sa binarnim vrijednostima ima dodatna dva
fajla: zaglavlje signala i fajl sa anotacijama. Tako da za signal pod brojem 100:
fajl “100.dat” sadrži binarno zapakovane vrijednosti za dva EKG kanala snimana
u trajanju od 30 minuta, “100.hea” je zaglavlje (engl. header) signala i sadrži
osnovne informacije o signalu, a “100.atr” datoteka sadrži binarno kodirane
anotacije (engl. annotation), korisne za dijagnostiku i obuku.
Sve datoteke se mogu preuzeti i koristiti za dalju obradu i analizu signala. Osim u
izvornom (binarnom) obliku signal se može preuzeti u tekstualnom obliku, ili
mat formatu koji odgovara programu MATLAB.
Primjer sadržaja zaglavlja je dat na slici 4.27.
Slika 4.28. Tekstualni format signala 100 iz MIT-BIH EKG baze aritmija
77
4. Srce i elektrokradiogram (EKG)
Slika 4.29. Primjer PVC iz MIT-BIH Arrhythmia Database baze signala [73]
Prijevremena atrijska kontrakcija (engl. PAC – Premature Atrial Contraction)
nastaje kada se neki dio pretkomora depolarizira prije sinusnog čvora što
uzrokuje prijevremeni otkucaj, a česta su pojava kod zdravih ljudi, posebno
sportaša. I ovaj poremećaj se manifestuje kao preskočeni otkucaj ili osjećaj
palpatacije u grudima. Na EKG signalu ova aritmija se očituje kroz P talas
nepravilnog oblika, što može uzrokovati i nešto uži QRS kompleks, a samim tim
i duže trajanje RR intervala. Primjer EKG signala s otkucajima koji označavaju
prijevremenu atrijsku kontrakciju prikazan je na Slici 4.30.
Slika 4.30. Primjer PAC iz MIT-BIH Arrhythmia Database baze signala [73]
Prijevremeni spojni (čvorni) kompleks - PJC (engl. Premature Junctional
Complex) predstavlja treću vrstu prijevremenih kontrakcija. U ovom slučaju
dolazi do prijevremenog impulsa koji nastane u atrioventrikularnom čvoru. Na
EKG signalu se uočava uzak QRS kompleks kojem uopšte ne prethodi P-talas ili
je P-talas nepravilnog oblika, na odvodu II obično i invertovan, s PR intervalom
78
Biomedicinski signali i sistemi
Slika 4.31. Primjer PJC iz MIT-BIH Arrhythmia Database baze signala [73]
Blok lijeve grane (engl. Left Bundle Branch Block) nastaje pri zakašnjeloj
aktivaciji lijevog ventrikula što uzrokuje da se lijevi ventrikul kontrahuje kasnije
u odnosu na desni. Na EKG signalu uočava se širok QRS kompleks, sa
rascjepljenim i čvorastim R zubcem. Uz to postoji još i depresija ST segmentau
u I, te u V4-V6, kao i elevacija ST segmenta u u V1-V3 odvodima (Slika 4.32.)
79
4. Srce i elektrokradiogram (EKG)
Slika 4.34. Koraci realizacije QRS detektora: z(n) je izlazni signal, y(n)
je pojasno filtriran, x(n) je diferenciran EKG signal.
Postignuta uspješnost detekcije QRS kompleksa je 99.3%. I Pan-Tompkins
algoritam je provjeren na primjeru signala uzetih iz MIT-BIH baze EKG aritmija.
U fazi predprocesiranja, EKG signal se propušta kroz niskopropusni (NF filter), a
potom i kroz visokopropusni (VF) filter, nakon čega slijede koraci diferenciranja,
kvadriranja i prozorske integracije.
Slika 4.35. Originalni Pan-Tompkins rad: rezultati QRS detektora: (a) nefiltritani
EKG, (b) nakon pojasnog filtriranja, (c) diferenciranje, (d) kvadriranje, (e)
prozorska integracija signala, (f) originalni EKG sa kašnjenjem, (g) niz impusla
sa pozicijom detektovanih QRS [83]
80
Biomedicinski signali i sistemi
81
4. Srce i elektrokradiogram (EKG)
= − (4.5.)
82
Biomedicinski signali i sistemi
1
= (4.6.)
60
= (4.7.)
1
= ( − ) (4.8.)
−1
83
4. Srce i elektrokradiogram (EKG)
1
= ( − ) (4.9.)
−1
1
= (4.10.)
∆ = − (4.11.)
1
= ( − ) (4.12.)
−1
84
Biomedicinski signali i sistemi
85
4. Srce i elektrokradiogram (EKG)
Kod primjene frekventne analize na HRV signal, važno je voditi računa da je niz
RR vrijednosti vremenski niz sa nejednakim vremenskim intervalima između
uzoraka. Ako se frekventni spektar odredi na osnovu neravnomjerno
raspoređenih uzoraka, u rezultujućem frekventnom spektru će se pojaviti i
dodatne harmonijske komponente kojih zapravo nema u originalnom signalu.
Rješenje je da se biomedicinski vremenski niz RR vrijednosti prije spektralne
analize interpolira, pa da se nakon interpolacije dobio ravnomjerno uzorkovan
signal.
4.9. Zaključak
U uvodnom dijelu poglavlja je predstavljeno srce i elektrofiziologija srca: srčani
ciklus, elektro-aktivnosti srca i vektokardiogram. Time su date postavke
neophodne za razumijevanje porijekla i osobina elektrokardiograma – EKG
signala.
Kako EKG signal spada među prve fiziološke signale koji se koriste u
dijagnostici, registracija EKG signala je standardizovana, tehnike i principi
analize su razvijeni i postoji obimno znanje na osnovu decenijskog iskustva
tumačenja EKG signala.
Poznavanje osobina EKG signala, kako morfoloških tako i frekventnih, važno je
za implementaciju instrumenata za njegovu registraciju i analizu. Savremeni
elektrokardiograf je računarski baziran uređaj za registraciju EKG signala, sa
standardnim dijelovima namijenjenim za otklanjanje šuma, pojačanje signala i
čak izdvajanje osnovnih informacija iz signala kao pomoć ljekaru pri
dijagnostici.
Prepoznavanje QRS kompleksa i određivanje vremena između dva R vrha EKG
signala omogućava analizu srčanog ritma i njegovih varijacija. Opisan je Pan-
Tompkins algoritam kao primjer algoritma za detekciju R vrhova, a zatim se
detaljnije opisuju pristupi u analizi promjene srčanog ritma. Analiza promjena
srčanog ritma je interesantna i kliničarima i inžinjerima, posebno sa
mogućnostima njegovog jednostavnog i neinvazivnog dugotrajnog praćenja.
86
Biomedicinski signali i sistemi
5. Krvni pritisak
87
5. Krvni pritisak
88
Biomedicinski signali i sistemi
89
5. Krvni pritisak
(a) (b)
Slika 5.4. Analogni membranski pretvarači pritiska Statham P23XL (a) i
Harvard Aparatus APT300 (b)
90
Biomedicinski signali i sistemi
91
5. Krvni pritisak
92
Biomedicinski signali i sistemi
93
5. Krvni pritisak
94
Biomedicinski signali i sistemi
95
5. Krvni pritisak
Prvi šum koji se čuje i koji se očita na skali manometra koji je spojen sa
manžetnom, predstavlja vrijednost sistolnog krvnog pritiska. Ako se i dalje
smanjuje pritisak u manžetni, Korotkovljevi šumovi će se promijeniti, na način
da će postati sve prigušeniji, a na kraju i nestati. U momentu kada šumovi
postanu prigušeni, izmjereni pritisak je jednak vrijednosti dijastolnog krvnog
pritiska.
Da bi se izmjerio sistolni i dijastolni krvni pritisak potrebno je odrediti trenutke
t1 i t2, kako je označeno na slici 5.12. i u tim trenucima izmjeriti pritisak
manžetne, koji odgovara sistolnom (t1) i dijastolnom (t2) pritisku.
Da bi se izbjegla greška pri mjerenju ne smije se prebrzo ispuštati zrak iz
jastučića, manžetne. Američka asosijacija za srce izdala je preporuke da se
pritisak ne smije smanjivati brzinom većom od 3 mmHg/otkucaju. Veličina
manžetne i jastučića takođe utiču na tačnost mjerenja, a propisane dimenzije u
zavisnosti od veličine ruke pacijenta su date u Tabeli 5.3.
96
Biomedicinski signali i sistemi
97
5. Krvni pritisak
98
Biomedicinski signali i sistemi
99
5. Krvni pritisak
100
Biomedicinski signali i sistemi
5.5. Zaključak
Krvni pritisak je vitalni biomedicinski signal koji se mijenja u vremenu zbog
ciklične prirode rada srca. Klinički se krvni pritisak predstavlja u formi sličnoj
razlomku kod koje prva veličina predstavlja sistolni pritisak, a druga veličina
predstavlja dijastolni pritisak. Sistolni pritisak je maksimalna vrijednost krvnog
pritiska tokom jednog perioda signala i odgovara pritisku nakon ventrikularne
kontrakcije. Minimalna vrijednost signala krvnog pritiska tokom jednog perioda
odgovara trenutku neposredno prije ventrikularne kontrakcije i naziva se
dijastolni pritisak.
101
5. Krvni pritisak
102
Biomedicinski signali i sistemi
103
6. Mozak i EEG
6.1. Mozak
Elektroencefalogram registruje kontinuiranu ritmičku aktivnost ćelija mozga
(neurona). Mozak je dio centralnog nervnog sistema (CNS), smešten je u lobanji
čime je obezbijeđena zaštita ovog osjetljivog i najkompleksnijeg dijela
organizma. Mozak se sastoji iz dvije hemisfere: desne i lijeve, a svaka od
hemisfera je odgovorna za senzorno-motornu kontrolu suprotne strane tijela.
Osnovne cjeline cerebralnog korteksa su prikazane na slici 6.1., a to su: frontalni
ili prednji režanj, temporalni ili sljepoočni režanj, paretalni i occipitalni ili
potiljačni režanj.
Mapiranje nekih od funkcija na pojedine dijelove mozga je prikazano na slici 6.2.
104
Biomedicinski signali i sistemi
105
6. Mozak i EEG
106
Biomedicinski signali i sistemi
107
6. Mozak i EEG
Mjerenje može biti unipolarno (na slici 6.6.A) ili bipolarno (na slici 6.6.B). Kod
unipolarnog mjerenja potencijal svake elektrode se mjeri u odnosu na referentnu
elektrodu ili u odnosu na usrednjenu vrijednost svih elektroda. Ovo mjerenje se
zato naziva i referencijalno mjerenje. Kod bipolarnog načina mjeri se razlika
potencijala između para elektroda, pa se mjerenje naziva i diferencijalno.
Bipolarni signali se mogu dobiti i računanjem na osnovu unipolarnih.
Kod mjerenja EEG za postavljanje elektroda najčešće se koristi standard koji se
naziva 10-20. Ovim standardom su definisani položaj i oznake elektroda.
Standard 10-20 predviđa korištenje 21 elektrode. Položaj elektroda je određen
tako da se glava podijeli na proporcijalne udaljenosti u odnosu na linije uho-uho i
nos-potiljak, tako da se dobije ravnomjerna pokrivenost svih dijelova mozga.
Oznaka 10-20 označava maksimalnu udaljenost između dvije elektrode izraženu
kao procenat linija uho-uho i nos-potiljak.
108
Biomedicinski signali i sistemi
Neke metode koriste za referencu srednju vrijednost svih elektroda. Kod izbora
referentne elektrode se treba voditi računa da li je dovoljno izolovana od
električne aktivnosti mozga koja se snima.
109
6. Mozak i EEG
110
Biomedicinski signali i sistemi
(a) www.easycap.de
(b)
(c)
(d)
Slika 6.9. Oprema za mjerenje EEG (a); elektrode (b) i (c);
mikroelektrode (d)
111
6. Mozak i EEG
112
Biomedicinski signali i sistemi
(a)
(b)
113
6. Mozak i EEG
114
Biomedicinski signali i sistemi
Theta (θ) ritam ima frekvenciju od 4-7 Hz, a amplitudu do 15 µV. Theta talasi
se mogu naći u temporalnom i okcipitalnom režnju. Javljaju se kod
novorođenčadi, dok u odrasloj populaciji za vrijeme spavanja. Također, ovi talasi
mogu se pojavljivati kod moždanih poremećaja, poput degenrativnih oboljenja.
Kod djece su u parijetalnom i temporalnom području korteksa, a javljaju se kod
emocionalnih stresova kod nekih odraslih, posebno u periodima frustracije i
razočarenja.
Delta (δ) ritam ima frekvenciju 0,1 do 4 Hz, a amplidutu oko 50 µV. Pojavljuju
se u dubom snu kod odraslih, a njihovo pojavljivanje u budnom stanju kod istih
sugeriše na određena moždana oštećenja. Međutim kod djece ovi talasi se mogu
pojavljivati i u budnom stanju.
115
6. Mozak i EEG
116
Biomedicinski signali i sistemi
117
6. Mozak i EEG
(a)
(b)
Slika 6.14. Tranzijentni oblici EEG signala: (a) snimak epileptičkog napada
(b) Vretena spavanja (lijevo) i K kompleksi (desno) u toku spavanja [94]
6.9. Epilepsija
Epilepsija je termin kojim se objedinjeno nazivaju neurološki poremećaji kod
kojih se javljaju epileptički napadi. Epileptički napad odlikuje isprekidano
abnormalno pražnjenje neurona u mozgu što dovodi do spontanih napada koji se
118
Biomedicinski signali i sistemi
119
6. Mozak i EEG
Slika 6.15. Hipnogram: W – budno stanje, REM faza i stadiji spavanja 1-4
120
Biomedicinski signali i sistemi
Razlike u izgledu EEG signala tokom različitih stadija sna su prikazane na slici
6.16.
REM faza sna se obično povezuje sa snovima. Tokom REM faze oči se brzo
kreću, srčani ritam i disanje se ubrzaju i neregularnog su ritma. Buđenje tokom
REM faze je lakše.
Nakon nekog vremena dubokog spavanja, ponavlja se REM spavanje, povezano
sa snovima. Neprekinuto, spavanje se odvija ciklično, prelazeći iz stadija
NREM1 u NREM2, pa NREM3 i NREM4, a zatim nazad, od NREM4, preko
NREM3 i NREM2, sve do NREM1, kada se NREM spavanje zanjenjuje REM
spavanjem. Obično se tokom noći prođe kroz 4 ili 5 ovakvih ciklusa, od kojih
svaki traje oko 90 ili 100 minuta.
121
6. Mozak i EEG
122
Biomedicinski signali i sistemi
123
6. Mozak i EEG
Može se uočiti da je EEG signal stohastičan, ali iako se to može reći za izmjereni
signal, bitno je naglasiti da je to tačno sa matematskog aspekta, ali fiziološki
procesi koji ga određuju nisu obavezno stohastični, ali zbog svoje visoke
kompleksnosti da bi se modelirali neophodno je primijeniti statističke metode.
124
Biomedicinski signali i sistemi
125
6. Mozak i EEG
126
Biomedicinski signali i sistemi
127
6. Mozak i EEG
128
Biomedicinski signali i sistemi
129
6. Mozak i EEG
6.13. BCI/BMI
Interfejs mozak računar, (engl. brain-computer interface/brain-machine
interface BCI/BMI), je direktna komunikacijska veza između čovjekovog ili
životinjskog mozga i vanjskog uređaja. Za komande se koriste karakteristični
ritmovi - najčešće ritam koji se poklapa sa alfa frekvencijama, a vezan je za
planiranje pokreta. Ovaj karakteristični ritma se naziva μ-ritam, što se na
engleskom čita mu ritam. I ERP signali se koriste za prepoznavanje komandi.
Slika 6.5. prikazuje tipičan BCI sistem. Ispitaniku (1) se pomoću montiranih
elektroda (2) snima EEG signal, koji se prije digitalizacije (4) obradi tako da se
uklanjaju artefakti, smetnje i pojačava (3). Signal se arhivira (5) i procesira (6) sa
ciljem prepoznavanja i klasificiranja jednostavnih naredbi koje se izvršavaju.
Povratna veza daje mogućnost ispitaniku da vidi rezultat svoje naredbe i nastavi
interakciju.BCI se razvija za medicinske potrebe za pomoć kod fizički
onesposobljenih osoba.
130
Biomedicinski signali i sistemi
6.14. Zaključak
Elektroencefalogram (EEG) predstavlja grafički prikaz bioelektrične aktivnosti
mozga. Ova definicija odgovara tradicionalnom snimanju i prikazu EEG signala
na papiru – pri čemu je dijagnostika rađena vizualnim uvidom u ispis signala.
Elektroencefalogram se može definisati i kao signal električne aktivnosti mozga
snimljene na površini lobanje korištenjem skalp elektroda.
Analiza EEG signala uz dijagnostički značaj, važna je za upoznavanje i analizu
funkcija mozga. Analiza EEG signala se uključuje u istraživanja vezana za
kognitivne i emotivne procese, tako da se podacima ekstrahovanim iz EEG
signala komplementiraju rezultati dobijeni samoprocjenom i podaci drugih
fiziološka mjerenja u oblastima evaluacije edukativnih alata, igara, marketinških
poruka.
131
Biomedicinski signali i sistemi
7. Dijaliza
133
7. Dijaliza
Slika 7.1. Nefron [81]: (1) krv ulazi unutar nefrona, (2) protok filtrirane krvi,
(3) Bowmanova čahura i glomerula: krv se filtrira kroz pore u kapilare,
(4) eliminacija nepoželjnih supstanci, (5)Hanleova petlja: voda i soli su se
reapsorbirali, tako da je koncentracija u filtratu izmijenjena, (6) filtrirana krv,
većina vode i hranjivih tvari vraćena natrag u krvi, (7) Sabirna cijev, urin teče u
bubrežne karlice, (8) Filtrirana krv izlazi nefrona
134
Biomedicinski signali i sistemi
135
7. Dijaliza
Osmoza:
Osmoza je pasivan transport koji se definiše kao kretanje rastvarača (voda) iz
prostora manje u prostor veće koncentracije rastvorene supstance kroz
poluprospusnu membranu. Proces osmoze se odvija sve dok se ne izjednače
koncentracije s obje strane membrane.
Ultrafiltracija:
Molekule vode su veoma male i mogu proći kroz sve vrste polupropustljivih
membrana. Proces se zove ultrafiltracija, a pokretački mehanizam su hidrostatski
i osmotski pritisak - mijenjanjem hidrostatskog pritiska u krvnom prostoru ili
prostoru s dijalizatom uređaja za dijalizu može se mijenjati veličina ultrafiltracije.
Konvekcija:
Proces ultrafiltracije kroz vrlo propustljive membrane s relativno velikim porama,
može pospješiti odstranjivanje malih do srednje velikih molekula iz krvi
bolesnika na dijalizi što se naziva konvekcija.
136
Biomedicinski signali i sistemi
137
7. Dijaliza
138
Biomedicinski signali i sistemi
(a) (b)
Slika 7.6. Aparat za hemodijalizu (Fresenius 2008 K) (a) i
dijalizator FX CorDiay (b)
139
7. Dijaliza
7.5. Hemodijafiltracija
Pri kontinuiranoj hemofiltraciji konvekcijom se preko propusne membrane
filtriraju otopljene supstance molekula protokom 2-3 litra/sat; filtrat se baca, a
bolesnik prima infuziju fiziološki uravnotežene vode i elektrolita.
Hemodijafiltracija kombinuje principe hemodijalize i hemofiltracije, odnosno
difuzijske i konvektivne transportne mehanizme, kako bi se omogućilo bolje
uklanjanje molekula srednje i velike molekulske težine i bolja iskoristivost
karakteristika visokoprotočnih membrana, a time i bolji terapijski efekat. Na slici
7.7. dat je šematski prikaz rada uređaja za hemodijafiltraciju (HDF).
Difuzija je omogućena razlikom u koncentraciji toksina s obje strane
polupropusne membrane i na ovaj način se odstranjuju isključivo uremijski
toksini koji imaju malu molekularnu masu. Primjena HDF je omogućena
korištenjem posebnih visokopropusnih membrana u dijalizatorima.
140
Biomedicinski signali i sistemi
141
7. Dijaliza
Slika 7.8. Fresenius 4008S HDF uređaj: (a) monitor krvnog pritiska -
Blood Pressure Monitor (BPM) i (b) Online klirens monitor - Online
Clearance Monitor (OCM®)
142
Biomedicinski signali i sistemi
143
7. Dijaliza
144
Biomedicinski signali i sistemi
7.7. Zaključak
Aparat za dijalizu ima ulogu vještačkog bubrega i vrši vantjelesno pročišćavanje
krvi sa ciljem uklanjanja viška vode, detoksikacije krvi i balansa hemijskog
sastava krvi.
Glavni dijelovi uređaja za hemodijalizu su: (1) sistem vantjelesne cirkulacije:
arterijska i venska krvna linija, (2) sistem cirkulacije dijalizata i (3) dijalizator, u
kojem se vrši pročišćavanje krvi.
Uz standardne uređje za hemodijalizu (HD) koriste se i uređaji za hemofiltraciju
(HF) i hemodijafiltraciju (HDF). Hemofiltracija radi na principu konvekcije; tako
145
7. Dijaliza
146
Biomedicinski signali i sistemi
Literatura:
147
Biomedicinski signal i sistemi
148
Biomedicinski signali i sistemi
149
Biomedicinski signal i sistemi
[39] T. Graham, The Bakerian lecture: Osmotic force Philos Trans R Soc
London 144, 177-228, 1854.
[40] T. Graham, Liquid diffusion applied to analysis, Philos Trans R Soc
London 151, 183-224, 1861.
[41] S.L. Grimes, Clinical notes [opportunities and challenges in clinical
engineering], Engineering in Medicine and Biology Magazine, IEEE
Volume: 23 , Issue: 2, 2004, pp:94 – 95
[42] A.C. Guyton i J.E. Hall, Textbook of Medical Physiology (11. izd.)
Philadelphia: Elsevier Saunder, 2006.
[43] R.M. Hakim, Clinical implications of hemodialysis membrane
biocompatibility, Kidney international 44, no. 3, pp: 484-494, 1993.
[44] A.T. Hansen, Presure Measurement in the Human Organism, Teknisk
Forlag, Copenhagen, 1949.
[45] G. Harsanyi, Sensors in biomedical applications- Funfamentals,
technology and applications, CRC Press 2000.
[46] H. Hellman, Great Feuds in Medicine: Ten of the Liveliest Disputes
Ever, New York, John Wiley & Sons, 2001.
[47] B. Hille, Ionic channels in excitable membranes. Current problems and
biophysical approaches. Biophysical Journal, 22(2):283-294, 1978.
[48] Honeywell, Sensors in Hemodialysis Machines, An Application Note,
2016, online; https://sensing.honeywell.com/honeywell-sensing-sensors-
hemodialysis-machines-application-note-008156-8-en.pdf , pristupljeno:
12.05.2017.
[49] IEEE EMB - Engineering in Medicine & Biology, Designing A Career In
Biomedical Engineering, EMB Career Guide, online
http://www.embs.org/wp-content/uploads/2016/01/EMB-
CareerGuide.pdf 2015.
[50] T.S. Ing, M.A. Rahman, C.M. Kjellstrand, Dialysis: history, development
and promise. World Scientific, Singapore, 2012.
[51] M. Janković, D. Popović, M. Popović, Biomedicinska merenja i
instrumentacija, Akademska misao, Beograd, Srbija, 2009.
[52] A. Jones, O. Partt, Physical principles of intra-arterial blood pressure
measurement, ATOTW - Anaesthesia tutorial of the week 137,
Anaesthesia UK, 2009. http://www.anaesthesiauk.com/Documents/137
Physical principles of intra-arterial blood pressure measurement.pdf
150
Biomedicinski signali i sistemi
151
Biomedicinski signal i sistemi
[66] G.W. Mauck, C.R. Smith, L.A. Geddes, J.D. Bourland, The meaning of
the point of maximum oscillations in cuff pressure in the indirect
measurement of blood pressure – part ii, J Biomech Eng 1980, 102: 28–
33, 1980.
[67] J.T. McCarthy, Prognosis of patients with acute renal failure in the
intensive-care unit: a tale of two eras, u Mayo Clinic Proceedings, vol.
71, no. 2, pp. 117-126. Elsevier, 1996.
[68] Medgadget, Patient Aortas Printed in 3D to Test How Replacement
Valves Will Work, (online), Medgadget LLC, El Granada (SAD),
dostupno na: https://www.medgadget.com/2018/03/patient-aortas-
printed-3d-test-replacement-valves-will-work.html
[69] J. Memić, Klasifikacija EKG signala na bazi segmentacije osnovnog
EKG talasa, Završni rad II ciklusa studija Odsjeka Automatika i
elektronika, Elektrotehnički fakultet Univerziteta u Sarajevu, 2016.
[70] I. M. Devčić, I. Bubić, S. Rački, Online hemodijafiltracija – novi
standard u liječenju hemodijalizom?, medicina fluminensis 2010, Vol.
46, No. 4, p. 489-497, 2010.
[71] M. Midžić, Alat za analizu podataka o varijabilnosti srčanog ritma
(HRV), Završni rad II ciklusa studija Odsjeka Automatika i elektronika,
Elektrotehnički fakultet Univerziteta u Sarajevu, 2017.
[72] J. Mirat, EKG u kliničkoj praksi – uvod u elektrokardiografiju.
Sveučilište Josipa Jurja Strossmayera u Osijeku, 2014.
[73] G.B. Moody, R.G. Mark, The impact of the MIT-BIH Arrhythmia
Database. IEEE Eng in Med and Biol 20(3):45-50 (May-June) 2001.
[74] G.B. Moody, W.E. Muldrow, R.G. Mark, A noise stress test for
arrhythmia detectors. Computers in Cardiology 1984; 11:381-384, 1984.
[75] A. Monaco, What it takes to be a bioengineer, The Institute, IEEE, Issue:
December, 2012.
[76] G. Muller, M. Bonnema, Teaching Systems Engineering to
Undergraduates; Experiences and Considerations, 23rd Annual INCOSE
International Symposium, Philadelphia, 24-27 June 2013, [online]
http://purl.utwente.nl/publications/87015
[77] H. Muhedinovic, D. Boskovic, Design of IoT Solution for Velostat
Footprint Pressure Sensor System. Internet of Things Technologies for
HealthCare. Third International Conference, HealthyIoT 2016, Västerås,
Sweden, October, 2016.
152
Biomedicinski signali i sistemi
153
Biomedicinski signal i sistemi
154
Biomedicinski signali i sistemi
[105] M.K. Sharma, F.P. Wieringa, A.J.H. Frijns, J.P. Kooman, On-line
monitoring of electrolytes in hemodialysis: on the road towards
individualizing treatment. Expert Rev Med Devices 13(10):933-943,
2016.
[106] L. Sherwood, The Fundamentals of Physiology: A Human Perspective.
McGraw Hill, treće izdanje, 2004.
[107] L. Sörnmo, P. Laguna, Bioelectrical signal processing in cardiac and
neurological applications. Vol. 8. Academic Press, 2005.
[108] L. Sörnmo, (urednik), Atrial Fibrillation from an Engineering
Perspective, Springer, 2018.
[109] H. Sorvoja, Noninvasive blood pressure pulse detection and blood
pressure determination, Department of Electrical and Information
Engineering, Infotech Oulu, University of Oulu, Finland, doktorska
disertacija, 2006.
dostupno online na http://herkules.oulu.fi/isbn9514282728/
[110] A. Šantić, Biomedicinska elektronika, Školska knjiga, Zagreb, Hrvatska,
1995.
[111] N. Šošić, Primjeri bioelektričnih modela neuroloških fenomena, Završni
rad I ciklusa studija Odsjeka Automatika i elektronika, Elektrotehnički
fakultet Univerziteta u Sarajevu, 2017.
[112] R. Štern-Padovan, V. Šunjara, Radiološke pretrage: podsjetnik za
naručivanje, MEDIX, 94/95:113-116, 2011.
[113] A. Šurlan, Medicinska elektronski instrumenti, Svjetlost, Sarajevo, 1982.
[114] Texas Instruments, ADS1298RECG-FE ECG Front-End Performance
Demonstration Kit, User's Guide, (online), mart 2011., revidirano januar
2016. pristupljeno februar 2018.
http://www.ti.com/lit/ug/sbau181b/sbau181b.pdf
[115] Texas Instruments, Peter Chung, ECG Implementation on the
TMS320C5515 DSP Medical Development Kit (MDK) with the
ADS1298 ECG-FE , Application Report, (online) januar 2011.,
pristupljeno februar 2018. http://www.ti.com/lit/an/sprabj1/sprabj1.pdf
[116] D. Trogrlić, Implementacija EKG bloka za telekardiološki sistem,
Završni rad II ciklusa studija Odsjeka Automatika i elektronika,
Elektrotehnički fakultet Univerziteta u Sarajevu, 2016.
[117] W.J. Tompkins (urednik) Biomedical Digital Signal Processing, C-
Language Examples and Laboratory Experiments for the IBM® PC,
University of Wisconsin-Madison, 2000.
155
Biomedicinski signal i sistemi
156
Biomedicinski signali i sistemi
Popis slika
157
Biomedicinski signal i sistemi
158
Biomedicinski signali i sistemi
159
Biomedicinski signal i sistemi
160
Biomedicinski signali i sistemi
161
Biomedicinski signal i sistemi
Popis tabela
162
Biomedicinski signali i sistemi
Popis skraćenica
AD analogno-digitalno
ADC analogno-digitalna konverzija
ADH antidiuretik hormon – vazopresin
AEP auditivni evocirani potencijali
AFE analgni ulazni dio (engl. Analog Front End)
AP akcioni potencijal
AV atrioventrikularni čvor
aVF pojačani vektor noge (engl. augmented Vector Foot)
aVL pojačani vektor lijeve (ruke) (engl. augmented Vector Left)
aVR pojačani vektor desne (ruke) (engl. augmented Vector Right)
BCI Interfejs mozak-računar (engl. brain computer interface)
BM biomedicinski
BMI interfejs mozak-mašina (engl. Brain-Machine Interface)
BMI biomedicinski inžinjering
BMP otkucaji u minuti (engl. Beat per Minute)
BMS biomedicinski sistem(i)
BSS slijepo razdvajanje izvora engl. Blind Sources Separation
CAT kompjuterizirani aksijalni tomografski (engl. computerized
axial tomography)
CFD kompjutaciona dinamika fluida (engl. computational fluid
dynamics)
CMR potiskivanje zajedničkog napona (engl. Common Mode
Rejection)
CMRR faktor potiskivanja zajedničkog napona (engl. Common
Mode Rejection Ratio)
CNS centralni nervni sistem
CT kompjuterizovana tomografija (engl. Computed
Tomography - CT)
DNK dezoksiribonukleinska kiselina
ECoG elektrokortikogram
EEG elektroencefalogram (signal)
EEG elektroencefalograf (uređaj)
EKG elektrokardiogram (signal)
EKG elektrokardiograf (uređaj)
EMBS Engineering in Medicine and Biology Society (Udruženje
inžinjera u medicini i biologiji)
EMG elektromiogram
EP evocirani potencijali
EPSP eksitacioni postsinaptički potencijal
163
Biomedicinski signal i sistemi
ERG elektroretinogram
ERP potencijali vezani za događaje (engl. event related
potentials)
FFT Furijeova transformacija
FFT brza Furijeova transformacija (engl. Fast Fourier Transform)
HD hemodijaliza
HDF hemodijafiltracija
HF hemofiltracija
HR srčani ritam (engl. Heart Rate)
HRV promjena srčanog ritma (engl. Heart Rate Variability)
ICA metoda neovisnih komponenti (engl. Independent
Component Analysis)
IEEE Institute of Electrical and Electronics Engineers (Institut
inžinjera elektrotehnike i elektronike)
ISE jon-selektivna elektroda (engl. Ion Selective Electrode)
ISPS inhiborni postsinaptički potencijal
KVS kardiovaskularnog sistema
LBBB blok lijeve grane (engl. Left Bundle Branch Block)
MAP srednji arterijski pritisak (engl. Mean arterial pressure)
MIMIC Medical Information Mart for Intensive Care
MIT-BIH Massachusetts Institute of Technology Beth Israel Hospital
MR magnetna rezonanca
NMR nuklearna magnetna rezonanca
NN normalni sinusni RR intervali
OLHDF online HDF
PAC prijevremena atrijska kontrakcija (engl. Premature Atrial
Contraction)
PCA metoda glavnih komponenti (engl. Principal Component
Analysis)
PET tomografija emisijom pozitrona (engl. Positron Emission
Tomography)
PJC prijevremeni spojni (čvorni) kompleks (engl. Premature
Junctional Complex)
P-QRS-T-U karakteristični dijelovi EKG signala
PSP postsinaptički potencijal
PVC prijevremena ventrikularna kontrakcija (engl. Premature
Ventricular Contraction)
RBBB blok desne grane (engl. Right Bundle Branch Block)
REM (engl. rapid eye movement)
RLD pogon desne noge (engl. Right Leg Drive)
RMSSD kvadratni korijen iz SDSD
RR interval između dva R zubca EKG signala
SA sinus-atrijalni
SD standardna devijacija
164
Biomedicinski signali i sistemi
165