30
Desain dan Optimasi Denoising Filter untuk Integrasi ECG
Analyzer
Priatna Ahmad Budiman
1, Zanu Saputra
2, Teni Tresnawati
3Jurusan Teknik Elektro, Politeknik Negeri Jakarta, Jl. Prof. Dr. G.A Siwabessy, Kampus Baru UI Depok 16424, Depok, 16424, Indonesia
E-mail: 1priatnaab@yahoo.com,2teni.tresnawati@gmail.com, 3zanusaputra@gmail.com
Abstrak
Sinyal ECG (Electro Cardiogram) adalah sinyal yang dihasilkan peralatan medis yang bernama Electrocardiograph. Bacaan dan Interpretasi record ECG secara manual, digunakan sebagai alat bantu utama paramedis dalam mendiagnosa ketidaknormalan jantung dan organ tubuh yang lain.ECG Analyzer adalah digitalisasi bacaan ECG secara elektronik. Dimana melalui pengolahan sinyal (Signal processing) dan Algoritma Expert System, nantinya akan didapat interpretasi bacaan yang akurat. Untuk analisa bacaan sinyal ECG secara elektronik (ECG Analyzer), diperlukan sinyal ECG yang bebas derau (noise). Untuk keperluan itu, diperlukan blok denoising filter yang merupakan pre-conditioning sinyal elektronik. Tujuan riset ini adalah untuk mendapatkan denoising filter berupa Transfer Function dan rangkaian elektronik teroptimasi. Yang bisa digunakan selanjutnya untuk pengintegrasian dengan ECG Analyzer. Pendekatan untuk desain denoising filter ini adalah Aproksimasi Analog (Butterworth Approximation). Sedang untuk optimasi (mendapatkan koefisien koefisien filter ideal) digunakan algoritma optimasi Particle Swarm Optimization (PSO). Digunakan Matlab untuk desain dan optimasi Denoising Filter dan Proteus untuk simulasi electronic circuitnya. Data ECG Offline diujikan sebagai sample input. Dari desain dan optimasi akhir telah didapat Transfer Function dan prototype rangkaian elektronika analog yang bebas noise dan siap untuk diintegrasikan dengan ECG Analyzer baik secara analog maupun digital nantinya.
Abstract
Electro Cardiogram (ECG) signal is a signal that is produced by medical equipment named Electrocardiograph. Reading and Interpretation of ECG Record are used manually by Paramedics as a main tool to diagnose heart abnormality and other dysfunction internal body part. ECG Analyzer is electronic digital ECG reading. When applied with signal processing and Expert System Algorithm, it will get accurate reading and interpretation. To analyze ECG signal electronically, Noise-Free ECG Signal is needed. For this purpose, Denoising Filter is strongly needed as pre conditioning signal processing. The purpose of this study is to get denoising filter in the form of transfer function and optimized electronic circuit. The Result can be integrated with ECG Analyzer in the future. Butterworth Approximation (s-domain) approach is used for denoising filter design. Particle Swarm Optimization (PSO) as optimization iteration is used to get ideal coefficient of denoising filter. Matlab is used for filter design and optimization. Proteus is applied for Electronic Circuit Simulation. ECG offline data is tested as sample input to see the response. As a result, Transfer Function and Electronic Circuit Prototype have been obtained as per ECG Free-Noise requirement.
Keywords: Electro Cardio Gram (ECG), Denoising Filter, Analog Filter, Particle Swarm Optimization
1.
Pendahuluan
Sinyal Electro Cardio Gram (ECG) adalah sinyal jantung yang diambil dari lead/probe yang ditempel di tubuh dan terhubung dengan alat electrocardiograph. Sinyal ini bisa digunakan untuk memonitor ritme, pola detak jantung. Interpretasi ritme dan pola ini adalah bacaan klinis
dalam mendiagnosa symptom / gejala disfungsi jantung (arrithmia, hiperkalemia, hippokalemia, infark, abnormality) atau disfungsi organ tubuh yang lain.
Bacaan ini selalu dilakukan secara manual oleh tenaga paramedis yang terdidik dan terlatih. ECG Analyzer dapat membantu mengatasi keterbatasan
Karakter Noise Karakter Sinyal ECG Desain Parameter Filter Didapat Transfer Function Didapat Prototipe Active RC Circuit dan Komponennnya jumlah tenaga personal yang terdididik dan terlatih.
Alat itu terdiri dari pemrosesan sinyal (Signal Processing) yang terintegrasi dengan Kecerdasan buatan ( Expert System-Machine Learning). Tujuan riset ini adalah mendapatkan Denoising Filter, sehingga sinyal ECG mudah diproses, dibaca dan diidentifikasi morfologinya untuk keperluan interpretasi bacaan.
Dalam tahap desain akan dicari pendekatan model matematis yang bisa mengkorelasikan respons frekuensi Denoising Filter yang diinginkan dengan rangkaian listrik. Sehingga akan didapat function transfer dan prototipe rangkaian elektronik Denoising Filter dengan komponennya. Optimasi dilakukan untuk mendapatkan kurva Denoising filter ideal yaitu setelah mendapatkan hasil koefisien filter ditahap desain.
2.
Metodologi Penelitian
Tinjauan pustaka diawali dari pengenalan sinyal ECG baik karakter sinyal, karakter noise yang mengiringinya. [1] [2] [3] [4] [5] [6] [7] [8] [9]. Dari referensi tersebut didapat beberapa parameter penting baik sinyal ECG maupun noise yang selalu muncul. Selanjutnya adalah pencarian referensi untuk pendesainan filter terutama yang hubungannya dengan aplikasi denoising.
Desain Denoising Filter ini menggunakan transfer function dengan bantuan transformasi laplace. Hal itu akan memudahkan modeling dan uji responsnya. Pemilihan pendekatan Butterworth untuk desain Denoising Filter, adalah karena kestabilan dan frekuensi respons yang bagus terhadap sinyal ECG yang cenderung tidak dinamis [10] [11].
Prototipe rangkaian elektronik khusus untuk filter sebagai turunan dari Transfer Function, adalah merupakan subyek tersendiri dalam tinjauan pustaka. Yaitu proses mulai dari pemilihan type, mendapatkan besar komponen sampai jenis power supplynya. [10][11].
Optimasi untuk minimalisasi noise, overshoot, maupun ketidakstabilan dalam pendesaian memerlukan studi yang komperehensif juga. Dipilih Algoritma Particle Swamp Organization yang mempunyai kemampuan untuk diaplikasikan juga dalam expert system-machine learning nantinya. Kesamaan ini hal yang penting untuk integrasi ECG Analyzer. [12] [13] [14] [15] [16] [17] [18] [19] [20].
Setelah melalui Tinjauan Pustaka Penelitian, maka dilakukan langkah langkah Desain dan Optimasi Denoising Filter ECG ini :
1. Mengetahui Karakter/Spesifikasi Sinyal ECG 2. Mengetahui Karakter/Spesifikasi Noise Sinyal
ECG
3. Merancang Desain Denoising Filter Sinyal ECG
4. Mendapatkan Transfer Function dari Denoising Filter ECG
5. Simulasi Respon Frekuensi Transfer Function dengan Filter Design Analysis-Matlab
6. Mendapatkan Prototype Rangkaian Elektronik Denoising Filter ECG
7. Optimasi Kurva Ideal menggunakan Particle Swarm Optimization
8. Simulasi Respon Frekuensi baik transfer function maupun Rangkaian Elektronik dengan Matlab dan Proteus
9. Uji Coba Rangkain Elektronik aktual dengan ECG Generator, Noise Generator dan Osciloscope
10.Uji pembacaan hasil secara manual oleh Team Paramedis.
Gambar 1. Langkah Pendesainan Denoising Filter ECG
Sinyal ECG adalah sinyal elektronik dengan range 0-0.2 mV. Sinyal ini mempunyai anatomi l yang digunakan untuk interpretasi dan analisa kerja dan fungsi jantung. Anatomi ini biasa disebut PQRST Wave.
Gambar 2. Anatomi Sinyal ECG (PQRST-Wave)
Anatomi PQRST ini bila dalam domain frekuensi, akan selalu berada di area kerja :
x Range Frequency Pembacaan : 1-150 Hz
x Heart rate: 0.67 - 5 Hz (i.e. 40 - 300 bpm)
x P-wave: 0.67-5 Hz
x QRS: 10-50 Hz
Sedang identifikasi noise yang biasa mengikuti sinyal ini adalah :
x Baseline Wander Noise : Dibawah 0.15 Hz
x Power Line Interference Noise : 48 – 52 Hz
x Muscle Contraction Noise : 10000 Hz (Tidak dibahas)
x Electrosurgical Noise : 100 kHz – 1 Mhz (Tidak dibahas)
Secara aktual, noise yang paling sering muncul adalah Baseline Wander Noise (akibat pernapasan, gerakan tubuh) dan Power Line Interference Noise. Dalam penelitian ini akan didisain Denoising Filter untuk kedua jenis noise ini.
2.1 Spesifikasi Desain
Spesifikasi yang digunakan :
x Untuk Denoising Baseline Wander Noise : High Pass Filter Desain : Frekuensi cutoff : 0.15 Hz. Alasan : Diketahui noise akibat pernapasan, gerak organ halus lain ini adalah bekerja dibawah frekuensi 0.15 Hz.
x Untuk Denoising Powerline Interference Noise : Band Stop Filter Design dengan frekuensi cut off low : 48 Hz dan frekuensi cut off high 52 Hz. Alasan: Jala Listrik yang digunakan 50 Hz, toleransi 2 Hz untuk noise yang mungkin timbul.
x Kualitas Atenuasi / Peredaman Sinyal untuk Denoising filterdesign, yang diperlukan adalah 12 dB, orde Empat.
Alasan: Standar untuk High Fidelity FIlter Signal ada di kurva Attenuasi 12 db.
x Menggunakan pendekatan Butterworth.
Alasan: Pendekatan Butterworth memaksimalkan passband frequency yang flat. Pendekatan Chebyshev menajamkan transisi cut off, tetapi responsenya cenderung overshoot ketika didisain untuk orde tinggi.
Dari parameter desain filter diatas akan didapatkan Transfer Function dengan koefisien di denumeneratornya. Nilai ini yang akan digunakan untuk menentukan besar komponen prototype rangkaian elektronik di stage berikutnya.
2.2 Spesifikasi Desain Rangkaian Elektronik
Spesifikasi yang digunakan :
x Menggunakan Active RC Circuit, yaitu menggunakan komponen: Power Supply, Op-Amp, Resistor dan Capacitor.
Alasan: Lebih fleksibel dan praktis dibanding RLC Circuit.
x Menggunakan Topologi Non Inverting Sallen Key.
Alasan: Didisain sebagai topologi umum op amp untuk filter analog.
x Menggunakan topologi Cascading two-stage Sallen Key 2nd Order untuk mendapatkan kualitas atenuasi orde empat.
Alasan: Kemudahan perhitungan komponen dan realisasi nya. Orde empat juga dianggap stabil untuk realisasi dalam rangkaian elektronika analog.
x Power Supply 1-15 VDC, Gain = 1, Input Voltage : 1-2 mV. Bandwidth Max. 1 Mhz. FDA Tool (Filter Design and Analysis) dari Matlab digunakan untuk mendesain filter dan untuk mendapatkan koefisien Transfer Function Filter. Prototipe rangkaian elektronikanya bisa diuji dengan Software Proteus. Diharapkan dari dua uji ini didapatkan fungsi respons yang sama. Tentunya dengan menambahkan sinyal noise, dengan frekuensi dibawah 0.15 Hz, dan diantara 48 dan 52 Hz. Ketika disimulasikan sinyal responsenya diharapkan akan bebas dari frekuensi noise pengiringnya.
2.3. Desain dan Pembuatan Prototipe
x Step Satu : Menggunakan Filter Design and Analyst Tool dari Matlab untuk mendapatkan koefisien filter Butterworth, High Pass, Orde empat. Koefisien ini menjadi nilai penghitungan komponen active RC. Didapatkan hasil berupa Transfer Function untuk denoising Filter Baseline Wander Noise.
High Pass Filter (Base Wanderer Noise), Fc : 0.15 Hz, Butterworth, Orde-4
Gambar 3. Desain Denoising High-Pass Filter
x Step dua: Menggunakan Filter Design and AnalystTool dari matlab untuk mendapatkan koefisien filter Butterworth, Band Stop, Orde empat. Koefisien ini menjadi nilai penghitungankomponen active RC. Didapatkan hasil berupa Transfer Function untuk denoising Filter Powerline Interference Noise.
High Pass Filter (Base Wanderer Noise), Fc : 0.15 Hz, Butterworth, Orde-4
x Step Tiga: Memasukan koefisien yang didapat ke Transfer Function dari filter (Gain A0 = 1).
ሺሻ ൌ ܣ
ሺͳ ܽଵݏ ܾଵݏଶሻሺͳ ܽଶݏ ܾଶݏଶሻ ǥ ሺͳ ܽݏ ܾݏଶሻሺͳሻ
ൌ బ ஈሺଵା௦ା௦మሻ
Dimana A0 adalah passband gain DC dan ai dan bi adalah koefisien filter.
x Step Empat: Memasukan koefisien yang didapat ke topografi Sallen-Key High Pass Filter maupun Band Stop filter. Dengan nilai R,C bisa dicari dari persamaan Transfer Function yang didapat. Alternatif IC Op-Amp yang digunakan bisa 741, LM 324 TL 084. Pembahasan disini menggunakan Op-Amp-Universal Active Filter UAF42 dari Texas Instrument. Hasil ini merupakan Rangkaian Elektronik Aktual Denoising Filter untuk Baseline Wander Noise dan Powerline Interference Noise. Dan dapat digunakan dan diuji secara terpisah
Gambar 5. Op Amp UAF42
x Step Lima: Nilai komponen R. C bisa didapatkan dari Koefisien hasil Filter Design Analysis Matlab dengan topology Sallen Key-High Pass Orde Dua yang Diseri. Hasil ini merupakan Prototype Rangkaian Elektronik Denoising Filter untuk Baseline Wander Noise.
Gambar 6. Sallen Key High Pass Filter Orde Dua
x Step Enam: Nilai komponen R. C bisa didapatkan dari Koefisien hasil Filter Design Analysis Matlab dengan topology Sallen Key-Twin T-Band stop Orde Dua yang Diseri (G = 1). Hasil ini merupakan Prototype Rangkaian Elektronik Denoising Filter untuk Powerline Interference Noise.
Gambar 7. Sallen Key Twin-T Band-Stop
x Step Tujuh: Prototipe rangkaian ini bisa disimulasikan dengan Proteus. Yaitu untuk memenuhi syarat respons Denoising Filter yang diinginkan. Cara lain adalah menjadikan prototipe rangkaian listrik aktual / sebenarnya di step 4 untuk diuji cobakan menggunakan osiloskop.
2.4 Optimasi
Untuk keperluan digitalisasi, optimasi diperlukan juga ketika akan mendesain Denoising Digital Filter. Baik untuk Digital FilterFIR terutama Digital Filter IIR. Algoritma proses iterasi optimasi dipilih adalah Particle Swarm Optimization (PSO) dengan result/output yang diharapkan adalah koefisien filter yang mendekati kurva filter ideal. Hasil Transfer Function Denoising Filter domain-s yang didapat dari phase desain, bisa lansung dirubah ke bentuk z dengan bilinear transformation atau Impulse Invariant transformation. Koefisien filter digital ini yang dioptimasi dengan iterasi algoritma Particle Swarm Optimization. Optimasi ini juga bisa dilakukan langsung terhadap koefisen Denoising Filter Analog.
3. Analisa Penelitian
Dari langkah langkah riset yang telah dilakukan, dapat dilihat hasil simulasi dari desain, optimasi dan prototype rangkaian listrik Denoising-Filter.
Gambar 8. Frekuensi Response dari High Pass dan Band-Stop Denoising Filter
Butterworth, Highpass, Orde 4, Frekuensi Cutt off : 3 Hz
Butterworth, Bandstop, Orde 4, Frekuensi Cutt off Low: 48 Hz Frekuensi Cut off High : 52 Hz
Gambar 9. Time Response dari High Pass dan Band-Stop Denoising Filter
Sinyal ECG yang input awalnya mengandung Baseline Wander Noise dan Power Line Interference Noise, menjadi sinyal ECG yang bebas noise ketika diberikan Blok Transfer Function dan Rangkaian Listrik Denoising Filter ECG.
Hasil desain, optimasi dan prototype menunjukan hasil seperti yang diinginkan. Uji sample pembacaan/analisa manual oleh sejumlah paramedis menunjukan tingkat kecepatan dan akurasi yang meningkat secara signifikan.
Data offline diambil dari Physionet, Diambil 5 sample data pasien Arrythmia, 5 sample pasien sehat di satu lead. Durasi Offline data adalah 60d etik. Uji dilakukan oleh dua orang paramedis, dengan kecepatan pembacaan sample di dua hari yang berbeda, menunjukan kenaikan kecepatan rata rata 37.125 detik dibanding tanpa menggunakan Denoising Filter.
Uji integrasi online dengan ECG Analyzer tidak dilakukan, karena kelanjutan dari penelitian ini adalah pembuatan ECG Analyzer yaitu Integrasi Signal Processing (FFT, Wavelet Transform) dan Expert System dari sinyal ECG yang sudah bebas noise ini.
4.
Kesimpulan
Desain, Optimasi sampai Prototype Denoising Filter ECG menunjukan langkah langkah yang tepat untuk mendapatkan sinyal ECG yang akurat dan mudah terbaca terutama oleh tenaga paramedis. Desain, Optimasi dan Prototype ini juga menunjukan korelasi kuat bentuk matematis dan bentuk prototype analog turunannya. Bentuk matematis ini juga bisa digunakan untuk membuat digital filter atau pemrosesan digital lainnya. Penelitian bisa dilanjutkan kepada desain Denoising Filter ECG secara digital. Bisa juga dilanjutkan ke tahap integrasi dengan ECG
Analyzer, terutama untuk membaca dan bisa menginterpretasi sinyal ECG berdasar pola, ritme dan morfologi sinyalnya. Denoising Filter ECG sangat penting digunakan untuk ECG Analyzer yang terintegrasi, dimana sequence berikutnya (Signal Processing dan Expert System) memerlukan sinyal elektronik yang bebas noise.
Daftar Acuan
[1] Jiapu Pan and Willis J. Tompkins, “A Real-Time QRS Detection Algorithm”, IEEE Transactional on Biomedical
Engineering, Vol. BME-32, NO. 3, March 1985
[2] Apurva Kulkarni, Snehal Lale, Pranali Ingole, Sayali Gengaje, “Analysis of ECG Signals”, SSRG International Journal of Electronics and Communication Engineering
(SSRG-IJECE) – Volume 3 Issue 4–April 2016.
[3] Rajni, Inderbir Kaur, “Electrocardiogram Signal Analysis - An Overview”, International Journal of Computer
Applications (0975 – 8887) Volume 84 – No 7, December
2013
[4] Elaheh Sayari, Mahdi Yaghoobi,” A model presented for classification ECG signals base on Case-Based Reasoning”, Journal of Soft Computing and Applications 2013 (2013) 1-9
[5] Chia-Wen CHU, Tzu-Fu CHIU, Jiunn-Lin WU,” A Hybrid Case-Based Reasoning Approach for the Electrocardiogram Diagnosis” ,Thesis Published On National Chung Hsing University, 2013
[6] Gari D. Clifford, “Signal Processing Methods for Heart Rate Variability” Research Published On Engineering Science Institute,Oxford University
[7] Mr. Hrishikesh Limaye, Mrs. V.V. Deshmukh, “ECG Noise Sources and Various Noise Removal Techniques: A Survey”, International Journal of Application or Innovation in Engineering & Management (IJAIEM)Volume 5, Issue 2, February 2016
[8] Taigang He, Gari Clifford and Lionel Tarassenko, “Application of ICA in Removing Artefacts from the ECG”, Research Published On Engineering Science
Institute, Oxford University.
[9] Suranai Poungponsri, Xiao-Hua Yu, “Electrocardiogram (ECG) Signal Modeling and Noise Reduction Using Wavelet Neural Networks”, Proceedings of the IEEE International Conference on Automation and Logistics Shenyang, China August 2009
[10] Ranjit Kaur, Manjeet Singh Patterh, J. S. Dhillon, Damanpreet Singh, “Heuristic Search Method for Digital IIR Filter Design” WSEAS transactions on signal processing, Issue 3, Volume 8, July 2012
[11] Yaduvir Singh. Sweta Tripathi, Manoj Pandey, “Analysis of Digital IIR Filter with LabVIEW”,
[12] International Journal of Computer Applications (0975 – 8887) Volume 10– No.6, November 2010
[13] A.Praneeth, Prashant K.Shah, “Design of FIR Filter Using Particle Swarm Optimization”
[14] International Advanced Research Journal in Science, Engineering and Technology
Vol. 3, Issue 5, May 2016
[15] Neha, Ajay Pal Singh, “Design of Linear Phase Low Pass FIR Filter using Particle Swarm Optimization Algorithm”
International Journal of Computer Applications (0975 –
8887 Volume 98– No.3, July 2014
[16] Sangeeta MANDAL, Sakti Prasad GHOSHAL, Rajib KAR, Durbadal MANDAL, “Optimal Linear Phase FIR Low Pass Filter Design Using Craziness Based Particle Swarm Optimization Algorithm”, Journal of Electrical
Engineering
[17] Neha Aggarwal, Sheenu Thapar and Parminder Kaur“A Low Pass FIR Filter Design Using Particle Swarm Optimization Based Artificial Neural
Network”,International Journal of Emerging Trends & Technology in Computer Science (IJETTCS), Volume 1,
Issue 4, November – December 2012
[18] Prabhjyot Kaur, Darshan Singh Sidhu, Amandeep Kaur,“Design of Digital Low Pass FIR Filter Using Hybrid Particle Swarm Optimization”Volume 5, Issue 7, July 2015 ISSN: 2277 128X International Journal of Advanced Research in Computer Science and Software Engineering
[19] Bipul Luitel, “Differential Evolution Particle Swarm Optimization for Digital Filter Design”, 2008 IEEE Congress on Evolutionary Computation (CEC 2008)
[20] Bipul Luitel and Ganesh K. Venayagamoorthy,“Particle Swarm Optimization with Quantum Infusion for the
Design of Digital Filters” 2008 IEEE Swarm Intelligence Symposium St. Louis MO USA, September 21-23, 2008
[21] Vasundhara, Durbadal Mandal, Sakti Prasad Ghoshal, Rajib Kar,“Digital FIR Filter Design Using Hybrid Random Particle Swarm Optimization with Differential Evolution”International Journal of Computational Intelligence Systems, Vol. 6, No. 5 (September, 2013), 911-927
[22] Shivani Sharma and Amit Thakur, “Optimization of a Digital FIR Filter Using Particle Swarm Optimization”, International Journal of New Trends in Electronics and Communication (IJNTEC), Vol.1, Issue. 2, Aug. 2013
