การบีบอัดสัญญาณคลื่นไฟฟ้าหัวใจแบบไม่มีการสูญเสียโดยใช้การทำนายเชิงเส้นแบบปรับตัวได้ด้วยค่าความผิดพลาดการทำนาย

Lossless electrocardiogram compression using prediction error-based adaptive linear prediction

Name: กฤตพัฒน์ บรรณจักร์

ThaSH: การบันทึกคลื่นไฟฟ้าหัวใจ

ThaSH: หัวใจ -- โรค -- การวินิจฉัย

ThaSH: หัวใจ -- สมบัติทางไฟฟ้า

Abstract: โรคระบบหัวใจและหลอดเลือด เป็นหนึ่งในสาเหตุหลักของการเสียชีวิตในกลุ่มโรคไม่ติดต่อ ในช่วงหลายปีที่ผ่านมา สัญญาณคลื่นไฟฟ้าหัวใจเป็นสัญญาณทางชีวการแพทย์ ที่แสดงถึงสภาวะการทำงานของหัวใจ การเฝ้าสังเกตและบันทึกสัญญาคลื่นไฟฟ้าหัวใจเป็นวิธีการหลักที่ใช้ในการวินิจฉัยโรคดังกล่าว งานวิจัยฉบับนี้ได้ศึกษาเกี่ยวกับการบีบอัดสัญญาณคลื่นไฟฟ้าหัวใจแบบไม่มีการสูญเสีย โดยใช้การทำนายเชิงเส้นแบบปรับตัวได้ด้วยค่าความผิดพลาดการทำนาย ซึ่งเป็นกระบวนการที่ถูกนำมาใช้เพื่อแปลงค่าระดับสัญญาณคลื่นไฟฟ้าหัวใจให้อยู่ในรูปของค่าความผิดพลาดการทำนายต่ำสุด ซึ่งทำให้สามารถลดความยาวบิตที่ใช้ในการเก็บข้อมูลดิจิทัลของแต่ละแซมปลิงลง รวมถึงได้นำการเข้ารหัสข้อมูลสัญญาณแบบ Modified Golomb-Rice Coding เพื่อเข้ารหัสข้อมูลค่าความผิดพลาดการทำนายให้อยู่ในรูปแบบไบนารี และเพิ่มประสิทธิภาพการบีบอัดข้อมูล นอกจากนี้ สัญญาณดั้งเดิมถูกเข้ารหัสข้อมูลโดยมีความยาวบิตคงที่ (Fixed-length Coding) เมื่อผ่านการบีบอัดสัญญาณด้วยวิธีการข้างต้น ซึ่งเป็นการเข้ารหัสโดยความยาวบิตแปรผัน (Variable-length Coding) ความยาวบิตที่ใช้ในการเก็บค่าของข้อมูลจะขึ้นอยู่กับแนวโน้มค่าความผิดพลาดการทำนายในช่วงแซมเปิลก่อนหน้า งานวิจัยฉบับนี้ได้ทำการทดสอบวิธีการบีบอัดสัญญาณคลื่นไฟฟ้าหัวใจด้วยชุดตัวอย่างข้อมูลสัญญาณคลื่นไฟฟ้าหัวใจได้แก่ MIT-BIH Arrhythmia Database (MITDB), PTB Diagnostic ECG Database (PTBDB) และ European ST-T Database (EDB) โดยวัดประสิทธิภาพการบีบอัดสัญญาณด้วยอัตราส่วนการบีบอัด (Compression Ratio) ซึ่งเป็นอัตราส่วนระหว่างขนาดของข้อมูลสัญญาณดั้งเดิมต่อขนาดของข้อมูลสัญญาณที่ถูกบีบอัดแล้ว โดยได้ผลลัพธ์อัตราส่วนการบีบอัดเฉลี่ยรวมสำหรับตัวอย่างข้อมูลสัญญาณ MIT-BIH Arrhythmia Database อยู่ที่ 3.533 สำหรับ PTB Diagnostic ECG Database อยู่ที่ 3.396 และสำหรับ European ST-T Database อยู่ที่ 3.761 ซึ่งสามารถลดขนาดและพื้นที่ที่จำเป็นในการจัดเก็บข้อมูลสัญญาณคลื่นไฟฟ้าหัวใจลงได้โดยที่ไม่มีการสูญเสียหรือความแตกต่างจากสัญญาณดั้งเดิม รวมทั้งยังมีประสิทธิภาพในการบีบอัดสัญญาณที่มีการตั้งค่าการบันทึกสัญญาณที่แตกต่างกัน ทั้งความยาวบิตที่ใช้จัดเก็บข้อมูลแต่ละแซมเปิล ความละเอียดของสัญญาณ (Resolution) ความถี่สุ่ม (Sampling Rate) ที่ใช้บันทึกข้อมูล และระยะเวลาการจัดเก็บสัญญาณที่แตกต่างกัน ซึ่งสามารถนำไปประโยชน์ในการจัดเก็บบันทึกหรือตรวจวัดสัญญาณคลื่นไฟฟ้าหัวใจ การวินิจฉัยเกี่ยวกับโรคระบบหลอดเลือดและหัวใจ หรือประยุกต์ใช้กับระบบการแพทย์ทางไกล (Telemedicine) ให้มีประสิทธิภาพมากขึ้น

Abstract: For several years, cardiovascular disease (CVD) has become the major cause of death of non-communicable diseases (NCDs). An electrocardiogram (ECG) is a biomedical signal representing the activity of the heart. ECG monitoring and recording are mainly used for CVD diagnosis. In this research, the lossless ECG compression method is proposed using prediction error-based adaptive linear prediction, which minimizes the ECG signal level to the prediction error value and reduces the code length used for storing digitized data for each sample, and using modified Golomb-Rice coding to encode these prediction error values in binary format and enhance the compression efficiency. In addition, the original signal data is encoded by fixed-length coding. When the signal data is compressed by the proposed method, which is the variable-length coding, the bit length required to store the compressed data varies following the trends of recent samples of the prediction error. For this research, the ECG compression method is tested with the ECG datasets including MIT-BIH Arrhythmia Database (MITDB), PTB Diagnostic ECG Database (PTBDB), and European ST-T Database (EDB). The compression efficiency is indicated by using the compression ratio, which is the ratio of the size of the original signal data to the compressed signal data. The total average compression ratios achieved are 3.533, 3.396, and 3.761 for three datasets respectively. The compression method reduces the space required to store the signal data with no loss or difference from the original signal data. Also, this method efficiently compresses the signal data with different signal acquisition setups including the bit-length determined for each sample, signal resolution, sampling frequency, and duration of acquisition. These features can be implemented for the monitoring and recording of the ECG signal, the diagnostic of CVD, or applied to telemedicine with better performance.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: นิพนธ์ ธีรอำพน

Role: อาจารย์ที่ปรึกษา

Created: 2567

Modified: 2567-08-18

Issued: 2567-08-18

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640631022.pdf	2.1 MB

ใช้เวลา

0.034726 วินาที