Makalah ini mengusulkan sistem deteksi aritmia jantung berbasis FPGA. Sistem ini melakukan preprocessing sinyal EKG dengan menghilangkan noise menggunakan dekomposisi mode empiris, kemudian mengekstrak fitur utama seperti kompleks QRS dengan mendeteksi puncak R menggunakan metode operasi perbedaan. Sistem ini mampu mendeteksi tiga jenis aritmia dengan keakuratan 94,76% berdasarkan uji coba menggunak

1. Ringkasan Artikel
Deteksi aritmia Berbasis FPGA
Rohmat Nurba’i*1,Yoga Dwi Santosa2,Reza Pahlavi³
Fakultas Teknologi Industri,Universitas Ahmad Dahlan
S.H. Janturan, Kota Yogyakarta, Daerah Istimewa Yogyakarta 55164, Ph/Fax : (0274) 563515
e-mail: rezapahlavi@gmail.com*³ ,
Abstrak
Makalah ini mengusulkan sistem Analisis EKG berbasis Programmable Gate Array (FPGA) yang
sederhana dan andal. Elektrokardiogram (ECG) adalah sinyal biomedis yang penting, yang menunjukkan
aktivitas listrik jantung. Bentuk gelombang ECG memberikan informasi berharga untuk mendeteksi
penyakit jantung yang tidak normal. Untuk analisis yang akurat, sinyal ECG harus diproses untuk
menghilangkan sinyal noise. Juga, berbagai fitur EKG harus diekstraksi untuk diagnosis gangguan jantung.
Dengan demikian, pemrosesan sinyal ECG mencakup dua tahap: Preprocessing dan Ekstraksi Fitur.
Tahap preprocessing menghilangkan noise dari sinyal ECG mentah dan tahap ekstraksi fiturmengekstraksi
informasi diagnostik dari sinyal ECG. Tujuan utama dari pekerjaan ini adalah (i) peningkatan sinyal ECG
menggunakan metode empiris dekomposisi mode (EMD). (ii) Deteksi puncak R yang merupakan langkah
pertama menuju deteksi otomatis aritmia jantung pada sinyal EKG. Sistem yang diusulkan dapat
mendeteksi tiga aritmia yang berbeda. Keakuratan 94,76% dari metode yang diusulkan dicapai dalam
mendeteksi Aritmia jantung yang berbeda dengan benar dengan menggunakan subset dari catatan data
dari database MIT-BIH. Sistem ini diimplementasikan menggunakan Verilog HDL dan Xilinx Spartan 3E
FPGA.
2.1 Dekomposisi mode empiris (EMD)
Metode EMD yang merupakan teknik non-linear baru telah dikembangkan oleh N.E Huang
et al. [8] untuk mewakili sinyal non stasioner seperti ECG. Prinsip dasar EMD adalah untuk
menguraikan sinyal menjadi sejumlah terbatas IMF [17] [18]. IMF yang diekstraksi memenuhi
persyaratan berikut:
(a) Perbedaan maksimum antara jumlah extrema dan jumlah zero crossing harus satu di seluruh
kumpulan data.
(b) Pada titik tertentu, nilai rata-rata amplop yang ditentukan oleh maksimum lokal dan minimum
lokal adalah nol.
Cara sistematis untuk mengambil IMF disebut Proses Pengayakan dan algoritmanya diberikan di
bawah ini
2.2 Algoritma Deteksi QRS
Kompleks QRS adalah salah satu fitur yang paling berbeda dalam bentuk gelombang ECG.
Amplitudo, lebar dan morfologinya memainkan peran yang sangat penting dalam diagnosis
berbagai penyakit jantung. Banyak pendekatan baru bervariasi dari penggunaan Hilbert Transform
[16], transformasi wavelet [15], yang sebagian besar didasarkan pada transformasi non-linear [10].
Komponen frekuensi kompleks QRS dari bentuk gelombang ECG adalah 10 hingga 25 Hz. Oleh
karena itu low pass filter diperlukan untuk menekan noise dan atenuasi gelombang P dan T. Sinyal
yang difilter kemudian digunakan untuk mengekstraksi R Peak dengan membandingkannya
dengan nilai threshold.
3. Metodologi
3.1 Teknik Peningkatan Menggunakan EMD
Dalam Teknik EMD, Peningkatan sinyal EKG dilakukan dengan mengekspresikan sinyal
ECG yang berisik sebagai jumlah dari serangkaian IMF. Komponen-komponen yang berisik
kebanyakan ditemukan di IMF awal [I3] di antara set terbatas IMF yang dihasilkan. Penting untuk
menentukan apakah kebisingan ada di IMF tertentu atau tidak. Untuk menentukan ini, pengukuran
Spectral Flatness (SF) digunakan di sini. Metode denoising yang diusulkan menggunakan EMD
ditunjukkan pada Gambar 2 dan langkah-langkah yang berbeda untuk diikuti dijelaskan di bawah
ini.

2. Langkah 1: Sinyal ECG diambil dari basis data aritmia MIT-BIH [14] .Pertimbangkan x (t) sebagai
sinyal asli
dan n (t) sebagai sinyal berisik. Sinyal ECG yang berisik s (t) diperoleh sebagai s (t) = x (t) + n (t).
Langkah 2: Sekarang algoritma EMD diterapkan pada sinyal ECG yang berisik untuk mengurai
sinyal menjadi set terbatas IMF.
Langkah 3: Jumlah IMF yang bising, n, dapat diperoleh dengan menghitung ukuran Spectral
Flatness (SF) untuk setiap IMF. Dan bandingkan dengan nilai ambang T. The Spectral Flatness
diberikan sebagai
Langkah 4: Menggunakan pass band Butterworth filter order 10 dengan pass band 40 -60Hz [12],
IMF pertama disaring karena bagian penting dari kandungan frekuensi tinggi ECG berada dalam
kisaran ini. Sisa IMF yang bising disaring menggunakan low pass mentega senilai filter dengan
urutan yang sama dengan frekuensi cut off 60Hz untuk mengekstraksi komponen-komponen sinyal
yang signifikan.
Langkah 5: Sinyal EKG asli diperoleh dengan menambahkan IMF yang telah difilter dan sinyal
IMF yang tersisa.
3.2 R Deteksi puncak Menggunakan Metode Operasi Perbedaan
Salah satu pendekatan berdasarkan penyaringan yang disarankan oleh Yun-Chi Yeh [11]
diimplementasikan dalam perangkat keras dengan beberapa modifikasi. Metode Operasi
Perbedaan [11] adalah salah satu metode sederhana dan cepat dalam mendeteksi kompleks QRS.
Prinsip dasar dari metode ini adalah untuk menemukan puncak R dengan menerapkan operasi
perbedaan ke sinyal ECG. Perhitungan matematis kompleks seperti korelasi silang, transformasi
Fourier, dll. Tidak terlibat dalam metode ini. Ini terutama melibatkan mencari sinyal perbedaan
atau turunan. Oleh karena itu kalkulus dasar digunakan untuk mencari titik puncak. Algoritma
untuk metode operasi perbedaan dijelaskan di bawah ini: Operasi perbedaan pertama kali
diimplementasikan sesuai dengan langkah-langkah berikut:
Langkah 1) Ambil sinyal ECG asli sebagai x (t) dan sinyal derivatif sebagai d (t). Step2) perbedaan
atau sinyal derivatif dari x (t) diberikan sebagai
D (t) = x (t) -x (t-1).
Step3) Kemudian sinyal perbedaan dilewatkan melalui low pass filter untuk mendapatkan xdf (t).
Step4) Logika ambang diterapkan untuk menemukan titik puncak.