A novel EMG artifact removal algorithm based on complete local convolutional sparse dictionary learning in ECG signals

मानव हृदय एक ऐसी लय के साथ धड़कता है जिस पर डॉक्टर लंबे समय से स्वास्थ्य मापने के लिए भरोसा करते आए हैं, जो कागज की एक पट्टी या डिजिटल स्क्रीन पर दर्ज एक स्थिर विद्युत स्पंदन (इलेक्ट्रिकल पल्स) है। यह रिकॉर्डिंग, जिसे इलेक्ट्रोकार्डियोग्राम या ईसीजी (ECG) कहा जाता है, समय के साथ हृदय की विद्युत गतिविधि का मानचित्र बनाती है, जो अंग के संकुचन और विश्राम के अनुरूप विशिष्ट तरंगों को प्रकट करती है। हालांकि, इस संकेत को पकड़ना शायद ही कभी एक स्वच्छ प्रक्रिया होती है। शरीर एक शोर भरा वातावरण है, और हृदय द्वारा उत्पन्न होने वाली सूक्ष्म विद्युत धाराएं कंकाल की मांसपेशियों द्वारा उत्पन्न बहुत बड़ी, अराजक विद्युत संकेतों द्वारा आसानी से दबा दी जाती हैं। जब कोई व्यक्ति हिलता-डुलता है, कांपता है, या बस अपनी मांसपेशियों को सिकोड़ता है, तो ये मांसपेशी संकेत, जिन्हें इलेक्ट्रोमयोग्राम या ईएमजी (EMG) कहा जाता है, हृदय की रिकॉर्डिंग में मिल जाते हैं। क्योंकि मांसपेशी के शोर और हृदय के संकेतों की आवृत्तियाँ (फ्रीक्वेंसी) काफी हद तक ओवरलैप होती हैं, इसलिए केवल शोर को फ़िल्टर करने से अक्सर हृदय का संकेत भी उसके साथ निकल जाता है, जिससे डॉक्टरों के पास एक विकृत चित्र बच जाता है जो जीवन के लिए खतरा पैदा करने वाली स्थितियों को छिपा सकता है या गलत अलार्म पैदा कर सकता है।

द दशकों से, शोधकर्ता हृदय की स्थिर धड़क और मांसपेशियों की यादृच्छिक (रैंडम) हलचल के बीच अंतर करने का एक तरीका खोजने का प्रयास कर रहे हैं, ताकि हृदय के आकार के सूक्ष्म विवरणों को खोए बिना। पारंपरिक तरीके अक्सर विश्लेषण करने के लिए सिग्नल को छोटे, प्रबंधनीय टुकड़ों में काटने पर निर्भर करते हैं, लेकिन इस दृष्टिकोण से अनजाने में वे विशेषताएं भी कट सकती हैं जिनकी डॉक्टरों को आवश्यकता होती है, जिससे कृत्रिम स्पाइक्स बन सकते हैं या वास्तविक स्पाइक्स गायब हो सकते हैं। शंघाई यूनिवर्सिटी ऑफ इंजीनियरिंग साइंस और यूनिवर्सिटी कॉलेज डबलिन के शोधकर्ताओं द्वारा एक नए अध्ययन ने एक अलग मार्ग प्रस्तावित किया है। उन्होंने एक ऐसी विधि विकसित की है जो सिग्नल को टुकड़ों में नहीं काटती है, बल्कि शोर भरी रिकॉर्डिंग से सीधे हृदय की धड़क के अद्वितीय आकार को सीखती है, जो प्रभावी रूप से कंप्यूटर को यह पहचानने के लिए सिखाती है कि मांसपेशी के शोर की भीड़ के बीच हृदय की आवाज़ को कैसे पहचाना जाए।

शोधकर्ताओं का दृष्टिकोण इस विचार पर आधारित है कि हृदय का विद्युत संकेत दोहराव वाला और अनुमानित होता है, जबकि मांसपेशी का शोर यादृच्छिक और अराजक होता है। उन्होंने एक ऐसी प्रणाली बनाई है जो एक अत्यधिक कुशल श्रोता की तरह कार्य करती है, जो भ्रम के बीच हृदय की धड़क का विशिष्ट पैटर्न पहचान सकती है। डेटा को निश्चित, पूर्व-निर्धारित आकारों में जबरन फिट करने के बजाय, यह प्रणाली स्वयं शोर भरे सिग्नल का अध्ययन करके पैटर्न की एक कस्टम डिक्शनरी (शब्दकोश) बनाती है। यह हृदय की धड़क से बनने वाले ऊर्जा के छोटे, तीव्र विस्फोटों को देखती है, जिन्हें क्यूआरएस (QRS) कॉम्प्लेक्स कहा जाता है, और उन्हें अलग करना सीखती है। इस नई विधि को जो चीज़ विशिष्ट बनाती है वह है इसका डेटा को संभालने का तरीका। पूरी रिकॉर्डिंग को एक साथ प्रोसेस करने या इसे मनमाने से टुकड़ों में काटने के बजाय, सिस्टम केवल उन सूक्ष्म, सक्रिय क्षेत्रों पर ध्यान केंद्रित करता है जहाँ हृदय का संकेत मौजूद होता है। यह शांति या शुद्ध शोर के विशाल विस्तारों को अनदेखा कर देता है, और हृदय के पैटर्न की अपनी समझ को केवल वहीं अपडेट करता है जहाँ सिग्नल वास्तव में मौजूद होता है। यह रणनीति कंप्यूटर को बहुत तेज़ी से काम करने और बहुत कम मेमोरी का उपयोग करने की अनुमति देती है, जिससे हृदय गतिविधि की लंबी रिकॉर्डिंग को बिना अटके प्रोसेस करना संभव हो जाता है।

यह परीक्षण करने के लिए कि क्या यह विधि काम करती है, शोधकर्ताओं ने इसे हृदय की रिकॉर्डिंग के दो प्रसिद्ध संग्रहों पर लागू किया: एक जिसमें मानक हृदय लय शामिल थी और दूसरा जो गंभीर मांसपेशी हस्तक्षेप से भरा था। उन्होंने अपनी नई तकनीक की तुलना कई मौजूदा तरीकों के साथ की, जिनमें जटिल गणितीय अपघटन (डीकंपोजिशन) और आधुनिक आर्टिफिशियल इंटेलिजेंस मॉडल शामिल थे। परिणाम दर्शाते हैं कि जहाँ अन्य तरीके हृदय और शोर के बीच अंतर करने में संघर्ष करते थे, जिससे अक्सर विकृत तरंगें पीछे रह जाती थीं या नकली धड़कनें बन जाती थीं, वहीं नई विधि ने मांसपेशी के हस्तक्षेप को सफलतापूर्वक हटा दिया। इसने हृदय के संकेत को उल्लेखनीय स्पष्टता के साथ बहाल किया, जिससे वे तीखे शिखर (पीक्स) और चिकनी वक्र रेखाएं सुरक्षित रहीं जिनकी डॉक्टरों को निदान करने के लिए आवश्यकता होती है। उन परीक्षणों में जहाँ मांसपेशी का शोर इतना प्रबल था कि हृदय का संकेत लगभग अदृश्य था, नई विधि ने फिर भी धड़कन को सफलतापूर्वक पुनः प्राप्त कर लिया, जबकि अन्य दृष्टिकोण एक उपयोगी छवि बनाने में विफल रहे।

अध्ययन ने यह भी जांचा कि यह नई तकनीक विभिन्न स्थितियों में कैसा प्रदर्शन करती है, जैसे कि डेटा सेगमेंट की लंबाई बदलना या शोर की मात्रा बदलना। पुराने तरीकों के विपरीत, जिन्हें सही ढंग से काम करने के लिए डेटा को विशिष्ट लंबाई में काटने की आवश्यकता होती थी, नया दृष्टिकोण लचीला साबित हुआ, जो डेटा को चाहे जैसा भी व्यवस्थित किया गया हो, सटीक परिणाम देता है। डेटा फॉर्मेटिंग से इसकी स्वतंत्रता वास्तविक दुनिया के अनुप्रयोगों के लिए एक महत्वपूर्ण लाभ है, जहाँ हृदय के संकेत गति और अवधि में बहुत भिन्न हो सकते हैं। इसके अलावा, शोधकर्ताओं ने प्रदर्शित किया कि यह विधि मोबाइल उपकरणों पर चलाने के लिए पर्याप्त कुशल है, जो पहनने योग्य स्वास्थ्य तकनीक (वियरेबल हेल्थ टेक्नोलॉजी) के भविष्य के लिए एक महत्वपूर्ण कदम है। सिग्नल को स्थानीय रूप से और तेज़ी से प्रोसेस करके, यह भविष्य में स्मार्टवॉच या पोर्टेबल मॉनिटर को वास्तविक समय में हृदय डेटा को साफ करने की अनुमति दे सकता है, जिससे उपयोगकर्ताओं और डॉक्टरों दोनों को तत्काल और सटीक फीडबैक मिल सके।

सिर्फ सिग्नल को साफ करने के अलावा, शोधकर्ताओं ने सत्यापित किया कि बहाल किए गए हृदय की धड़कें चिकित्सकीय रूप से उपयोगी थीं। उन्होंने हृदय के विद्युत चक्र की विशिष्ट विशेषताओं का विश्लेषण किया, जैसे कि धड़कनों के बीच का समय और वे तरंगें जो हृदय की मांसपेशियों के स्वास्थ्य का संकेत देती हैं। हृदय की विशिष्ट स्थितियों, जैसे कि हृदय के विद्युत मार्गों में रुकावट या हार्ट अटैक के मामलों में, इस विधि ने उन सूक्ष्म विवरणों को सफलतापूर्वक संरक्षित किया जो इन समस्याओं की पहचान करने के लिए आवश्यक हैं। साफ किए गए संकेतों ने हृदय के विद्युत अंतराल के सटीक माप की अनुमति दी, जो अतालता (अरिदमिया) और अन्य कार्डिएक समस्याओं के निदान के लिए महत्वपूर्ण हैं। अध्ययन बताता है कि मांसपेशी के शोर को हृदय के प्राकृतिक आकार को विकृत किए बिना हटाकर, यह विधि रिमोट स्वास्थ्य निगरानी की विश्वसनीयता में सुधार कर सकती है, यह सुनिश्चित करती है कि रोगी के घर से डॉक्टर के कार्यालय भेजे गए डेटा की स्पष्टता और सटीकता अस्पताल में ली गई रिकॉर्डिंग जितनी ही हो।

यह कार्य मिश्रित संकेतों को अलग करने के बारे में हमारे सोचने के तरीके में एक बदलाव का प्रतिनिधित्व करता है। डेटा को एक ऐसे बॉक्स में डालने के बजाय जो एक पूर्व-मौजूद सिद्धांत में फिट बैठता हो, यह नई विधि डेटा को यह सिखाने देती है कि क्या देखना है। केवल सिग्नल के सक्रिय भागों पर ध्यान केंद्रित करके और शोर के बीच से सीधे हृदय के पैटर्न को सीखकर, यह उस स्तर की स्पष्टता प्राप्त करती है जिसे पिछली तकनीकें नहीं छू सकीं। निष्कर्ष बताते हैं कि यह दृष्टिकोण हृदय संकेतों को प्रोसेस करने के लिए एक मानक उपकरण बन सकता है, विशेष रूप से उन वातावरणों में जहाँ गति और शोर अपरिहार्य हैं। जैसे-जैसे पहनने योग्य उपकरण अधिक सामान्य होते जा रहे हैं और निरंतर स्वास्थ्य निगरानी की मांग बढ़ रही है, शोर भरे, गतिशील शरीर से एक साफ, नैदानिक-गुणवत्ता वाले हृदय संकेत को निकालने की क्षमता अत्यंत महत्वपूर्ण हो जाएगी। यह नई विधि यह सुनिश्चित करने का एक तरीका प्रदान करती है कि हृदय की सच्ची कहानी सुनी जा सके, भले ही उसके आसपास का शरीर बहुत शोर कर रहा हो।