The assessment of the interference caused by high-altitude activity in the extraction of respiratory rate from electrocardiogram (ECG) is a crucial step to attest to the scientific and physiological reliability of the parameters under study. This thesis aims to generate a workflow that enables the automatic analysis of ECG signals acquired from three subjects during a trekking activity carried out at multiple altitude levels, reaching a maximum height of 4556 meters above sea level. In particular, the focus is on identifying the presence of artifacts in the signal and consequently evaluating the quality of the signal itself, which constrains the ability to study physiological parameters of interest such as respiratory rate. Through an automated process, after pre-processing the ECG signals using a band-pass Butterworth filter and removing noisy peaks, it was possible to detect and correct the R-peaks using the Pan-Tompkins algorithm. Simultaneously, the respiratory signal was extracted using the Segmented Beat Modulation Method (SBMM), from which the respiratory rate of the subjects at various altitudes was calculated. The results showed that the filtering technique used is not fully suitable for the high noise level present in the recordings: in the majority of the analyzed signals, the missed or incorrect detection of the R-peaks negatively affected the quality of the derived respiratory signal and, consequently, the calculation of the respiratory rate. Specifically, it was found that for subjects 1 and 2, whose signals are highly noisy, the R-peak detection is not optimal; the heart rate of the subjects, in fact, exhibited standard deviation values that are physiologically unacceptable. The worst case is seen in the data from subject 2 at the highest altitude, where the standard deviation of the heart rate, calculated in beats per minute, reaches 627 bpm, a value indicating the low quality of the signal and poor R-peak detection. Only in the case of the third subject, whose recordings were less affected by artifacts due to high-altitude activity, were physiologically credible values obtained, and it was possible to find a correlation between the increase in altitude and the increase in respiratory rate, demonstrating that the subject's body implemented the expected cardiorespiratory adaptations. Specifically, heart and respiratory rates increased with altitude: the heart rate rose from an average of 107 bpm to 124 bpm, while the respiratory rate reached 37.22 breaths per minute (bpm) from 31.54 bpm at the first altitude. In conclusion, the described workflow is useful for analyzing electrocardiographic signals and extracting respiratory parameters, provided the noise level is limited. The application of a technique based on Ensemble Empirical Mode Decomposition (EEMD) might be more suitable for analyzing signals affected by such a high amount of noise, making R-peak identification more precise and reliable, and consequently, the extraction of the respiratory signal more efficient and robust.
La valutazione dell'interferenza dovuta all'attività ad alta quota nell'estrazione della frequenza respiratoria da elettrocardiogramma è un passaggio fondamentale per l'attestazione dell'attendibilità scientifica e fisiologica dei parametri che sono oggetto di studio. Questa tesi si prepone l'obiettivo di generare un flusso di lavoro che permetta di analizzare automaticamente i segnali elettrocardiografici acquisiti su tre soggetti durante un'attività di trekking eseguita su più livelli di altitudine fino ad una quota massima di 4556 metri sul livello del mare. traduci in inglese senza cambiare la struttura In particolare, l'attenzione è posta sull'individuazione della presenza di artefatti nel segnale e sulla conseguente valutazione della qualità del segnale stesso che vincola la possibilità di studiare parametri fisiologici d'interesse come la frequenza respiratoria. Attraverso un processo automatizzato, dopo una pre-elaborazione dei segnali ECG mediante filtro Butterworth passa-banda e rimozione di picchi rumorosi, è stato possibile individuare e correggere i picchi R per mezzo della funzione Pan-Tompkins. Contestualmente, è stato estratto il segnale di respirazione mediante la tecnica del metodo della modulazione del battito segmentato (SBMM), da cui è stata calcolata la frequenza respiratoria dei soggetti alle varie altitudini. Dai risultati è emerso che la tecnica di filtraggio utilizzata non è pienamente adatta all'elevato tasso di rumore presente nelle acquisizioni: nella maggioranza dei segnali analizzati, infatti, la mancata o errata rilevazione dei picchi R ha inficiato negativamente sulla qualità del segnale respiratorio derivato e, di conseguenza, anche sul calcolo della frequenza respiratoria. In particolare è emerso che nei soggetti 1 e 2, i cui segnali sono molto rumorosi, la rilevazione dei picchi R non è ottimale; la frequenza cardiaca dei soggetti, infatti, è caratterizzata da valori di deviazioni standard fisiologicamente non accettabili. Il dato peggiore si ha per l'acquisizione del soggetto 2 eseguita nella quota più elevata dove la deviazione standard della frequenza cardiaca, calcolata in battiti per minuto, tocca i 627 bpm, valore indice della bassa qualità del segnale e della pessima rilevazione dei picchi R. Solo nel caso del terzo soggetto, le cui acquisizioni sono state meno affette da artefatti dovute all'attività in alta quota, si sono ottenuti valori fisiologicamente credibili ed è stato possibile trovare una correlazione tra l'aumento dell'altitudine e quello della frequenza respiratoria, a testimonianza del fatto che l'organismo del soggetto ha messo in atto gli adattamenti cardiorespiratori attesi. In particolare i valori di frequenza cardiaca e respiratoria hanno subito un aumento al crescere della quota: la frequenza cardiaca è passata da una media di 107 bpm ad una di 124 bpm, mentre quella respiratoria ha toccato i 37.22 respiri al minuto (bpm) a partire dai 31.54 bpm della prima quota. In conclusione, il flusso di lavoro descritto è utile per l'analisi di segnali elettrocardiografici e l'estrazione di parametri respiratori, purché il tasso di rumorosità sia limitato. L'applicazione di una tecnica basata sull'EEMD "ensemble empirical mode decomposition", potrebbe risultare più adatta per l'analisi di segnali affetti da un quantitativo di rumore così elevato, rendendo l’identificazione dei picchi R più puntuale e affidabile e, di conseguenza, l'estrazione del segnale di respirazione più efficiente e solida.
Valutazione dell'interferenza dovuta all'attività ad alta quota nell'estrazione della frequenza respiratoria da elettrocardiogramma
DI CARLO, MARCO
2023/2024
Abstract
The assessment of the interference caused by high-altitude activity in the extraction of respiratory rate from electrocardiogram (ECG) is a crucial step to attest to the scientific and physiological reliability of the parameters under study. This thesis aims to generate a workflow that enables the automatic analysis of ECG signals acquired from three subjects during a trekking activity carried out at multiple altitude levels, reaching a maximum height of 4556 meters above sea level. In particular, the focus is on identifying the presence of artifacts in the signal and consequently evaluating the quality of the signal itself, which constrains the ability to study physiological parameters of interest such as respiratory rate. Through an automated process, after pre-processing the ECG signals using a band-pass Butterworth filter and removing noisy peaks, it was possible to detect and correct the R-peaks using the Pan-Tompkins algorithm. Simultaneously, the respiratory signal was extracted using the Segmented Beat Modulation Method (SBMM), from which the respiratory rate of the subjects at various altitudes was calculated. The results showed that the filtering technique used is not fully suitable for the high noise level present in the recordings: in the majority of the analyzed signals, the missed or incorrect detection of the R-peaks negatively affected the quality of the derived respiratory signal and, consequently, the calculation of the respiratory rate. Specifically, it was found that for subjects 1 and 2, whose signals are highly noisy, the R-peak detection is not optimal; the heart rate of the subjects, in fact, exhibited standard deviation values that are physiologically unacceptable. The worst case is seen in the data from subject 2 at the highest altitude, where the standard deviation of the heart rate, calculated in beats per minute, reaches 627 bpm, a value indicating the low quality of the signal and poor R-peak detection. Only in the case of the third subject, whose recordings were less affected by artifacts due to high-altitude activity, were physiologically credible values obtained, and it was possible to find a correlation between the increase in altitude and the increase in respiratory rate, demonstrating that the subject's body implemented the expected cardiorespiratory adaptations. Specifically, heart and respiratory rates increased with altitude: the heart rate rose from an average of 107 bpm to 124 bpm, while the respiratory rate reached 37.22 breaths per minute (bpm) from 31.54 bpm at the first altitude. In conclusion, the described workflow is useful for analyzing electrocardiographic signals and extracting respiratory parameters, provided the noise level is limited. The application of a technique based on Ensemble Empirical Mode Decomposition (EEMD) might be more suitable for analyzing signals affected by such a high amount of noise, making R-peak identification more precise and reliable, and consequently, the extraction of the respiratory signal more efficient and robust.| File | Dimensione | Formato | |
|---|---|---|---|
|
TESI_LAUREA_DEFINITIVA1.pdf
embargo fino al 30/10/2027
Dimensione
1.49 MB
Formato
Adobe PDF
|
1.49 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/19431