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

Il cuore umano batte con un ritmo su cui i medici fanno affidamento da tempo per valutare la salute, un impulso elettrico costante catturato su una striscia di carta o su uno schermo digitale. Questa registrazione, nota come elettrocardiogramma, o ECG, mappa l'attività elettrica del cuore nel tempo, rivelando onde distinte che corrispondono alla contrazione e al rilassamento dell'organo. Tuttavia, catturare questo segnale è raramente un processo pulito. Il corpo è un ambiente rumoroso, e le minuscole correnti elettriche generate dal cuore sono facilmente sommerse dai segnali elettrici molto più grandi e caotici prodotti dai muscoli scheletrici. Quando una persona si muove, sussulta o semplicemente contrae i muscoli, questi segnali muscolari, chiamati eletromiogrammi, o EMG, filtrano nella registrazione del cuore. Poiché le frequenze del rumore muscolare e dei segnali cardiaci si sovrappongono significativamente, il semplice filtraggio del rumore spesso rimuove insieme ad esso anche il segnale del cuore, lasciando ai medici un quadro distorto che può nascondere condizioni potenzialmente letali o creare falsi allarmi.

Per decenni, i ricercatori hanno cercato un modo per separare il battito costante del cuore dal chiacchiericcio casuale dei muscoli senza perdere i dettagli delicati della forma del cuore. I metodi tradizionali spesso si affidano al taglio del segnale in pezzi piccoli e gestibili per analizzarli, ma questo approccio può accidentalmente frammentare proprio le caratteristiche che i medici hanno bisogno di vedere, creando picchi artificiali o perdendo quelli reali. Un nuovo studio condotto da ricercatori della Shanghai University of Engineering Science e della University College Dublin propone una strada diversa. Hanno sviluppato un metodo che non taglia il segnale in pezzi, ma impara la forma unica del battito cardiaco direttamente dalla registrazione rumorosa, insegnando efficacementamente a un computer a riconoscere la voce del cuore anche quando sta gridando sopra una folla di rumore muscolare.

L'approccio dei ricercatori si basa sull'idea che il segnale elettrico del cuore sia ripetitivo e prevedibile, mentre il rumore muscolare sia casuale e caotico. Hanno creato un sistema che agisce come un ascoltatore altamente esperto, capace di identificare il pattern specifico di un battito cardiaco in mezzo alla confusione. Invece di forzare i dati in forme fisse e predefinite, il sistema costruisce un dizionario personalizzato di pattern studiando il segnale rumoroso stesso. Cerca i brevi e acuti impulsi di energia che compongono il battito cardiaco, noti come complessi QRS, e impara a isolarli. Ciò che rende distinto questo nuovo metodo è il modo in cui gestisce i dati. Invece di elaborare l'intera registrazione in una volta o di dividerla in segmenti arbitrari, il sistema si concentra solo sulle minuscole regioni attive in cui esiste il segnale cardiaco. Ignora le vaste estensioni di silenzio o di puro rumore, aggiornando la propria comprensione del pattern del battito cardiaco solo dove il segnale è effettivamente presente. Questa strategia permette al computer di lavorare molto più velocemente e con molta meno memoria, rendendo possibile l'elaborazione di lunghe registrazioni dell'attività cardiaca senza che si blocchi.

Per testare se questo metodo funzionasse, i ricercatori lo hanno applicato a due collezioni ben note di registrazioni cardiache: una contenente ritmi cardiaci standard e un'altra piena di gravi interferenze muscolari. Hanno confrontato la loro nuova tecnica con diversi metodi esistenti, inclusi complessi scomposizioni matematiche e moderni modelli di intelligenza artificiale. I risultati hanno mostrato che, mentre gli altri metodi faticavano a distinguere il cuore dal rumore, lasciando spesso onde distorte o creando battiti cardiaci falsi, il nuovo metodo ha rimosso con successo l'interferenza muscolare. Ha ripristinato il segnale cardiaco con una chiarezza straordinaria, preservando i picchi acuti e le curve morbide di cui i medici hanno bisogno per una diagnosi. In test in cui il rumore muscolare era così forte da rendere il segnale cardiaco quasi invisibile, il nuovo metodo è comunque riuscito a recuperare il battito, mentre gli altri approcci non sono stati in grado di produrre un'immagine utilizzabile.

Lo studio ha anche esaminato come questa nuova tecnica si comporti in diverse condizioni, come la variazione della lunghezza dei segmenti di dati o il cambiamento della quantità di rumore. A differenza dei vecchi metodi che richiedevano che i dati fossero tagliati in lunghezze specifiche per funzionare correttamente, il nuovo approccio si è dimostrato flessibile, fornendo risultati accurati indipendentemente da come i dati fossero disposti. Questa indipendenza da formati di dati rigidi è un vantaggio significativo per le applicazioni nel mondo reale, dove i segnali cardiaci possono variare enormemente in velocità e durata. Inoltre, i ricercatori hanno dimostrato che il metodo è abbastanza efficiente da poter girare su dispositivi mobili, un passo cruciale per il futuro della tecnologia sanitaria indossabile. Elaborando il segnale localmente e rapidamente, potrebbe un giorno consentire a smartwatch o monitor portatili di pulire i dati cardiaci in tempo reale, fornendo feedback immediati e accurati agli utenti e ai medici.

Oltre a migliorare la pulizia del segnale, i ricercatori hanno verificato che i battiti cardiaci ripristinati fossero medicalmente utili. Hanno analizzato caratteristiche specifiche del ciclo elettrico del cuore, come la temporizzazione tra i battiti e la forma delle onde che indicano la salute del muscolo cardiaco. In casi che coinvolgono specifiche condizioni cardiache, come un blocco nelle vie elettriche del cuore o un infarto, il metodo ha preservato con successo i dettagli sottili necessari per identificare questi problemi. I segnali puliti hanno permesso misurazioni precise degli intervalli elettrici del cuore, che sono critici per diagnosticare aritmie e altri problemi cardiaci. Lo studio suggerisce che, rimuovendo il rumore muscolare senza distorcere la forma naturale del cuore, questo metodo potrebbe migliorare l'affidabilità del monitoraggio sanitario remoto, garantendo che i dati inviati dalla casa di un paziente all'ufficio di un medico siano chiari e accurati come una registrazione effettuata in un ospedale.

Il lavoro rappresenta un cambiamento nel modo in cui pensiamo alla separazione dei segnali misti. Invece di cercare di forzare i dati in una scatola che si adatti a una teoria preesistente, il nuovo metodo lascia che i dati insegnino al computer cosa cercare. Concentrandosi solo sulle parti attive del segnale e imparando il pattern del battito cardiaco direttamente dal rumore, esso raggiunge un livello di chiarezza che le tecniche precedenti non potevano eguagliare. Le scoperte suggeriscono che questo approccio potrebbe diventare uno strumento standard per l'elaborazione dei segnali cardiaci, particolarmente in ambienti in cui il movimento e il rumore sono inevitabili. Man mano che i dispositivi indossabili diventano più comuni e cresce la domanda di monitoraggio continuo della salute, la capacità di estrarre un segnale cardiaco pulito e di qualità diagnostica da un corpo in movimento e rumoroso diventerà sempre più vitale. Questo nuovo metodo offre un modo per garantire che la vera storia del cuore venga ascoltata, anche quando il corpo circostante sta facendo molto rumore.