S'abonner

An Improved SSA-Based Technique for EMG Removal from ECG - 28/01/19

Doi : 10.1016/j.irbm.2018.11.004 
M. Mortezaee a , Z. Mortezaie b , V. Abolghasemi c,
a Faculty of Mathematics, Shahrood University of Technology, Shahrood, Iran 
b Faculty of Computer Engineering, Shahrood University of Technology, Shahrood, Iran 
c Faculty of Electrical Engineering, Shahrood University of Technology, Shahrood, Iran 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 7
Iconographies 6
Vidéos 0
Autres 0

Abstract

Background

The electrocardiogram (ECG) signals provide important information about the heart electrical activities in medical and diagnostic applications. This signal may be contaminated by different types of noises. One of the noise types which has a considerable overlap with the ECG signals in frequency domain is electromyogram (EMG). Among the exciting approaches for de-noising the ECG signals, those based on singular spectrum analysis (SSA) are popular.

Methods

In this paper, we propose a method based on SSA to separate the ECG signals from EMG noises. In general, SSA contains four steps as: embedding, singular value decomposition, grouping, and diagonal averaging. Among these steps, grouping step contains parameter (indices) which can be adjusted to achieve the desirable results. Indeed, grouping is one of the important steps of SSA as the ECG and EMG signals are separated in this step. Hence, in the proposed method, a new criterion is presented to select the indices in grouping step to separate the ECG from EMG signal with higher accuracy.

Results

Performance of the proposed method is investigated using several experiments. Two sub-sets from Physionet MIT-BIH arrhythmia database are used for this purpose.

Conclusion

The experimental results demonstrate effectiveness of the proposed method in comparison with other SSA-based techniques.

Le texte complet de cet article est disponible en PDF.

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

EMG removal from contaminated ECG signals is addressed.
Singular spectrum analysis (SSA) is employed as a powerful tool for this purpose.
A new criterion is proposed in grouping step of SSA.
The proposed method outperforms existing techniques.

Le texte complet de cet article est disponible en PDF.

Keywords : De-noising, Electrocardiogram, Electromyogram, Singular spectrum analysis


Plan


© 2018  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 40 - N° 1

P. 62-68 - février 2019 Retour au numéro
Article précédent Article précédent
  • Effect of the Photodynamic Therapy Applications with Potent Microalgae Constituents on Several Types of Tumor
  • A. Jabeen, B. Reeder, D. Svistunenko, S. Hisaindee, S. Ashraf, S. Al-Zuhair, S. Battah

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.