Artefakthantering och signalkvalitet

När man mäter vill man naturligtvis ha så bra signalkvalitet som möjlgt som underlag till sina analyser. Det innefattar att man helst vill ha:

Högt “signal till brus”-förhållande; dvs. man vill att den intressanta delen i signalen med marginal dominerar över brus
En så stark signal (hög förstärkning) som möjligt för att inte digitalt kvantiseringsbrus skall vara signifikant
Så lite artefakter som möjligt (rörelse-artefakter, MRI-scannerartefakter, EMG-artefakter etc.)

Klicka på bilden för förstoring.

Hur man går tillväga för att åstadkomma detta i detalj varierar från fall till fall men här kommer några generella goda riktlinjer att hålla sig till. Underförstått är också att förebyggande åtgärder är både snabbare, enklare och ger bättre slutresultat jämfört med korrigerande åtgärder. Med det sagt så måste man ändå ibland tillgripa artefakt- och brushantering av olika slag, eftersom det ibland inte är möjligt att förebygga allting samt att det ibland i efterhand påträffas oväntat brus.

Tips vid uppstart av nya projekt

Det är av stor vikt att man analyserar hela kedjan från mätning till analys från pilottester och inte lämnar hela analysen till avslutad mätstudie då insatser är för sent. Man bör under pilotmätningen även – om möjligt – göra en ”pilotanalys” för att t.ex. försäkra sig om att signalkvalitet, samplingshastigheter och annat är adekvat för den analys man skall göra. EKG kräver till exempel högre samplingsfrekvens om man ska göra HRV-analys. I MRI där man kan ha högfrekventa artefakter brukar man ofta också föredra högre samplingshastigheter helt enkelt eftersom man måste ”mäta” även störningarna på rätt sätt för att på bästa sätt kunna ta bort dem i efterhand. Läs mer om förebyggande och korrigerande åtgärder nedan.

Förebyggande åtgärder

När man använder elektroder på huden, var noga med hudpreparering (smink, fett och gamla hudceller bör tas bort). Notera dock att för hudkonduktansmätningar skall man inte vara för aggressiv med rengöringen då det stör mätningen(6). Se: ELPAD, ELPREP
För säkerhets skull – kontrollera gärna impedansen på elektroderna för att försäkra dig om god kontakt. Idealiska värden är < 5kOhm. God kontakt är viktigt inte bara på signalelektroderna utan även på eventuella jordelektroder, då hög jordimpedans ger sämre dämpning av inducerat brus. Om man inte mäter impedansen, får man istället kontrollera signalnivån och baserat på erfarenhet/tidigare mätningar, se till att den är ”normal”. Är den under normal – kolla elektroderna. Se: ELCHECKER
Använd hög förstärkning så att du utnyttjar A/D-omvandlarens mätområde, men inte så hög att signalen bottnar. Även ovan, där man kollar att signalen är ”normal”, är den inte det, så kolla även förstärkning som ställs in via switchar på hårdvaran.
Ibland kan taktisk positionering av elektroder ha stor betydelse för att undvika artefakter från muskelrörelser. När man t.ex tar ett enkelt 3-avledarEKG så får man mindre artefakter från bröstmuskelaktivitet om man undviker att sätta elektroderna på stora bröstmuskeln. Sätt den istället på sidan på revben, bröstben/nyckelben. Det senare ger också en tydlig R-peak. Sånt kontrollerar man enkelt genom för-tester då det är mindre lyckat att ändra metodik mitt i en mätserie.
Avlasta elektroder och elektrodkablar med tape så att rörelser inte orsakar drag/tryck i elektroderna.
Låt normalt elektroder sitta på 5-10 minuter för hudens lokala ekvilibrering med gelen, annars kan man få signaldrift de första 5-10 minuterna.
Använd rätt gel till rätt mätning. Hudkonduktans-mätningar skall utföras med en med huden isotonisk salthalt. Vid övriga mätningar såsom EEG, EKG, EMG etc använd gel med högre salthalt. Observera! Fel gel ger fortfarande viss signal, men sämre sådan, vilket också gör att det ibland inte upptäcks omedelbart. Se: GEL100 vs GEL101

Korrigerande åtgärder

Korrigerande åtgärder beror helt på typen av störning, så innan man kan välja rätt metod måste man helt enkelt manuellt inspektera sina mätdata för att se hur man kan karaktärisera störningarna. För att göra detta behöver man då viss erfarenhet av hur den perfekta signalen rimligen bör se ut, samt hur ren den måste vara för den givna analysen. Vissa analyser är robusta och småstörningar påverkar inte måtten.

Störningar som utmärker sig i form av avvikande frekvenser (tex 50Hz brus) kan ofta enkelt filtreras bort såvida inte brusfrekvensen överlappar med de frekvenser man är intresserad av. Det finns lågpassfilter, högpassfilter samt bandpass, bandstop. Det man måste vara medveten om är att vid frekvensfiltrering kan man få fasförskjutningar och vågformsstörningar. Det man då får överväga är huruvida detta är relevant eller inte. Det finns IIR-och FIR-filter(1). IIR-filter är snabba och kan utföras som kalkylerade live-kanaler i AcqKnowledge, men kan ge fasförskjutningar. FIR-filter kräver mer datorkraft och kan endast göras i efterhand, ej som kalkylerade kanaler. Fördelen med FIR är att man minimerar fasförskjutningar – viktigt att tänka på när man räknar ut responstider, tidsskillnader mellan olika kanaler etc.
För spikar, dvs störningar som endast är en eller ett fåtal sample breda störningar är glidande medianfilter väldigt effektiva. Medianfilter ger inga fasförskjutningar. Till skillnad från aritmetiskt medelvärde tillåter den inte heller små mängder avvikande mätpunkter att påverkar medelvärdet, vilket annars kan vara ett stort problem om man har spikar med höga amplituder.
För helt slumpmässigt normalfördelat högfrekvent brus kan artimetiskt glidande medelvärdesfilter också användas i samband med översampling.
För slumpmässiga störningar som överlappar och t.o.m är i samma storleksordning som den signal man är ute efter, så måste man tillgripa ensemble averaging. Typexempel på detta är vid fNIR-mätningar, MRI, hjärnstams-respons(2) etc. Ensemble averaging kan göras antingen live direkt vid mätning(2), eller i efterhand baserade på olika markörer eller events(3).
Mer avancerad komplex flerstegshantering kan man också göra, genom att i olika steg först kanske via treshold-funktioner skapa villkorad artefakthantering, beroende på typ av störning. AcqKnowledge har bra stöd för sådana processer, både manuellt och med script(4).
Ibland kan kan MÄTA upp en signal, som korrelerar i hög grad med störningen på en annan kanal, och då på ett avancerat sätt direkt subtrahera störningen från originalsignalen. Ett exempel på detta är EOG-artefakter i EEG-mätningar(5).

Det finns även vissa typer av extremt känsliga analyser, där man mer eller mindre behöver en perfekt signal för att få ut rätt mått. Ett exempel på detta är t.ex heart rate variability. Det måttet avser att mäta variationen på sk. ”normal-normal”-intervallet, och förekomst av olika typer av prematura slag – som normalt förekommer i mindre mängder även hos friska personer. Detta måste då hanteras innan själva HRV-beräkningen startar annars får man missvisande HRV-värden. Notera dock att prematurslag rent tekniskt inte är ett mätfel utan helt korrekta faktiska slag, men det är likväl ej-normala slag vilket fortfarande måste hanteras innan analys görs. Det gör att man ibland måste göra viss form av efterbehandling och artefakthantering även om man rent elektriskt har en bra signal.

Referenser

(1) IIR vs. FIR filters

(2) AUDITORY BRAINSTEM RESPONSE (ABR) TESTING

(3) YouTube. AcqKnowledge Ensemble Average Feature

(4) Script 054 – Ensemble Average Segments

(5) YouTube. EEG – EOG Artifact Removal

(6) EDA (GSR) subject preparation

Behöver du hjälp?

Välkommen att kontakta oss! Vi guidar dig framåt i din beslutsprocess och är måna om att hitta en optimal teknisk lösning för just din applikation. Använd gärna vårt webb-formulär för vägledning.

Missa inte BIOPAC webinars!

Anmäl dig till live-sessioner eller titta på inspelat material när du vill.

Om BIOPAC Systems, Inc.

Vill du veta mer om vår leverantör kan du besöka deras hemsida.