⚡ electrical engineering

Heart Artifact Removal in Electrohysterography Measurements Using Algebraic Differentiators

Dit artikel presenteert een methode voor het verwijderen van hartartefacten uit elektrohysterogrammen met behulp van algebraïsche differentiatoren, die zonder referentie-ECG signalen zuiveren en de vorm van de baarmoedercontracties behouden.

Oorspronkelijke auteurs: Amine Othmane, Maria Camila Bustos Vivas, Johannes Steuer, Jana Hutter

Gepubliceerd 2026-03-20

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Amine Othmane, Maria Camila Bustos Vivas, Johannes Steuer, Jana Hutter

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert een zacht gefluister te horen in een drukke kamer. Dat gefluister is de baarmoeder die zich voorbereidt op een bevalling (of tijdens de menstruatiecyclus). De "drukte" in de kamer is het hart van de moeder, dat hard klopt en dat geluid volledig overstemt.

Deze wetenschappelijke tekst beschrijft een slimme nieuwe manier om dat hartgeluid uit de opname te filteren, zodat je het baarmoeder-geluid weer duidelijk kunt horen. Hier is hoe het werkt, vertaald naar alledaags taal:

1. Het Probleem: Een Luide Trommel in een Stille Tuin

Wanneer artsen met elektroden op de buik van een vrouw kijken naar de spanning in de baarmoeder (een techniek genaamd EHG), krijgen ze een rommelig signaal.

Het doel: De subtiele bewegingen van de baarmoeder zien.
Het probleem: Het hart van de moeder klopt veel harder en vaker. Het is alsof je probeert een kaarsvlam te fotograferen terwijl iemand elke seconde een flitslamp voor je gezicht schijnt.
De oude methoden: Eerdere methoden waren als een hamer: ze sloegen het hartgeluid eruit, maar sloegen soms ook stukjes van de baarmoeder mee weg, of ze hadden een extra sensor nodig bij het hart (wat lastig en oncomfortabel is).

2. De Oplossing: De "Wiskundige Sifter"

De auteurs gebruiken een wiskundig gereedschap dat ze algebraische differentiatoren noemen. Klinkt ingewikkeld? Denk er eerder aan als een zeef of een sift.

Stel je voor dat je een bak met verschillende objecten hebt:

Grote, zware stenen (de trage bewegingen van de ademhaling).
Kleine, snelle mieren (de snelle hartslagen).
Stof (ruis en storingen van het stopcontact).

Deze nieuwe methode is een speciale zeef die zo is ontworpen dat hij de grote stenen en het stof eruit laat vallen, maar de snelle mieren (de hartslagen) er perfect uithaalt, zodat je precies kunt zien waar ze waren.

3. Hoe werkt de "Magische Zeef"?

Het geheim zit hem in het tempo:

Hartslagen zijn als korte, scherpe tikken (een "impuls"). Ze gebeuren heel snel.
De baarmoeder beweegt langzaam en soepel, als een golvende deken.
De wiskunde: De auteurs gebruiken een formule die kijkt naar hoe snel het signaal verandert. Omdat het hart zo snel gaat, "schreeuwt" het in de wiskundige berekening. De langzame baarmoeder beweegt zo rustig dat de formule hem bijna negeert.

Dit is als het luisteren naar een geluid: als je heel snel op een trommel slaat, hoor je dat duidelijk. Als je heel langzaam over de trommel wrijft, hoor je dat nauwelijks als je alleen luistert naar de "snelheid" van het geluid.

4. Het Detecteren van het Hart: Een Groepsfoto

Soms kan de maag of darmen ook een tik geven die op een hartslag lijkt. Hoe weet je dan welk tikje van het hart is?

De slimme truc: Het hart is een groot orgaan dat door de hele buik te horen is. Als het hart klopt, hoor je dat op alle elektroden tegelijk (met een heel klein verschil in tijd, alsof een golf door het water loopt).
De darmen of beweging: Die zijn lokaal. Die hoor je misschien op één elektrode, maar niet op de andere.
De oplossing: De computer kijkt naar alle elektroden tegelijk. Als een tikje op 5 van de 8 elektroden tegelijk gebeurt, zegt de computer: "Ah, dat is het hart!" Als het maar op één elektrode gebeurt, zegt hij: "Dat is waarschijnlijk darmgas of beweging, dat houden we erin."

5. Het Resultaat: Schoon Geluid

Zodra de computer weet waar en hoe sterk de hartslagen waren, haalt hij die specifieke stukjes uit de opname.

Hij vervangt het hartgeluid niet door stilte (wat vreemd zou klinken), maar reconstructeert de ruimte eromheen zodat de baarmoeder-signalen er natuurlijk uitzien.
Het resultaat is een schone lijn die laat zien wat de baarmoeder doet, zonder dat het hart erin springt.

Waarom is dit belangrijk?

Geen extra apparatuur: Je hoeft geen extra elektrodes op het hart van de moeder te plakken. Alles gebeurt met de bestaande buik-sensoren.
Echt tijd: De berekening is zo snel dat het bijna in real-time werkt (zoals een live filter).
Beter inzicht: Artsen kunnen nu beter zien of de baarmoeder zich normaal gedraagt, wat helpt bij het voorspellen van vroeggeboorte of het begrijpen van pijnlijke menstruaties.

Kortom: Deze methode is als een slimme geluidstechnicus die in een live concert de stem van de zanger (de baarmoeder) perfect laat horen, terwijl hij de luidruchtige achtergrondmuziek (het hart) eruit filtert, zonder dat hij de zanger zelf hoeft aan te raken.

Titel: Hartartefactverwijdering in Electrohysterografie-metingen met behulp van algebraïsche differentiatoren

1. Probleemstelling

Electrohysterografie (EHG) is een niet-invasieve methode om de elektrische activiteit van de baarmoeder te registreren, wat essentieel is voor het monitoren van zwangerschappen, het opsporen van vroeggeboorte en het analyseren van baarmoederperistaltiek tijdens de menstruatiecyclus.
Het hoofdprobleem is dat oppervlakte-opnames van deze elektrische activiteit zwaar vervuild worden door fysiologische bronnen, met name het elektrocardiogram (ECG) (hartactiviteit). Hartsignalen hebben vaak een hoge amplitude en verstoren het zwakkere baarmoedersignaal.

Bestaande methoden voor ECG-verwijdering hebben aanzienlijke beperkingen:

QRS-interpolatie: Risico op vervorming van de onderliggende neurale signaaldynamiek.
Adaptieve filtering: Vereist vaak extra ECG-referentiekanaal (wat niet altijd beschikbaar is).
Template-subtractie: Gaat uit van een stationaire ECG-morfologie; faalt bij variaties in het golfpatroon en laat residuen achter.
Wavelet-methoden: Vereisen veel rekenkracht of verwijderen nuttige lage frequentiecomponenten.
Machine Learning: Vereist grote trainingsdatasets en mist interpretability.

Het doel is dus een methode te ontwikkelen die hartartefacten verwijdert zonder een extern ECG-referentiekanaal, terwijl de integriteit van het baarmoedersignaal behouden blijft en de rekentijd laag is voor real-time verwerking.

2. Methodologie

De auteurs stellen een nieuwe aanpak voor gebaseerd op algebraïsche differentiatoren, een gereedschap uit de regeltechniek voor modelvrije schatting van afgeleiden. De methode bestaat uit de volgende stappen:

A. Signaalmodel
Het waargenomen signaal wordt gemodelleerd als een superpositie van:

Impulsieve fysiologische gebeurtenissen (hartslagen, darmbewegingen, baarmoedercontracties).
Een langzaam veranderende basislijn (respiratie, posturale drift).
Deterministische netstroominterferentie (50 Hz en harmonischen).
Meetruis.
De impulsieve gebeurtenissen (zoals de R-top van het hart) worden gemodelleerd als Dirac-delta distributies, terwijl de basislijn als glad wordt verondersteld.

B. Algebraïsche Differentiatie
In plaats van het signaal direct te filteren, wordt de $n$ -de orde tijdsafgeleide van het signaal geschat met behulp van een causale FIR-filter (Finite Impulse Response). Dit filter is gebaseerd op Jacobi-polynomen.

Werking: Door differentiatie worden de impulsieve hartsignalen (die kort zijn) versterkt ten opzichte van de langzame basislijn en de netstroominterferentie.
Parameterontwerp: De parameters van de differentiator (orde $n$ $n$ , orde van de polynoom $\alpha$ $α$ , en vensterlengte $T$ $T$ ) worden zo gekozen dat:
- De netstroominterferentie (50 Hz) wordt geannuleerd (de filter heeft nulpunten op de netfrequentie).
- De ruisversterking wordt geminimaliseerd.
- De impulsdetectie wordt gemaximaliseerd.

C. Detectie en Clustering

Drempelwaarde: In het gedifferentieerde signaal worden pieken gedetecteerd die boven een bepaald percentiel liggen.
Kruiskanaal Clustering: Omdat hartsignalen zich door het weefsel voortplanten, worden ze gelijktijdig (met een kleine vertraging) op alle kanalen gedetecteerd. Lokale artefacten (zoals darmbewegingen) treffen slechts enkele kanalen.
- De auteurs groeperen gedetecteerde impulsen over alle kanalen binnen een klein tijdsvenster (20-50 ms).
- Alleen groepen die op een significant aantal kanalen voorkomen (spatial coherence), worden geclassificeerd als hartslagen.
Reconstructie en Substitutie: De amplitude van de hartimpulsen wordt geschat via kleinste-kwadratenmethode. Vervolgens wordt alleen dit gereconstrueerde hartcomponent afgetrokken van het oorspronkelijke signaal.

3. Belangrijkste Bijdragen

Distributief signaalmodel: Een formeel model dat impulsieve fysiologische gebeurtenissen en hun voortplanting door weefsel beschrijft.
Systematische verwijderingsmethode: Een methode gebaseerd op algebraïsche differentiatoren met expliciete parameterontwerp voor gelijktijdige onderdrukking van netstroominterferentie en basislijn-drift, inclusief theoretische analyse van ruisafwijzing.
Zelfstandige detectie: Een kruiskanaal clustering-algoritme dat hartpulsen onderscheidt van lokale artefacten op basis van ruimtelijke coherentie, zonder een extern ECG-referentiekanaal.
Validatie: Experimentele validatie op multikanaals EHG-opnames van zowel vrouwelijke als mannelijke proefpersonen, met vergelijking met de bestaande template-subtractiemethode.

4. Experimentele Resultaten

De methode is getest op data van twee vrijwilligers (een niet-zwangere vrouw en een man) met 8 bipolarlektroden.

Mannelijk subject: De methode slaagde erin hartartefacten effectief te verwijderen terwijl de onderliggende signaalstructuur behouden bleef. De Signal-to-Noise Ratio (SNR) verbeterde met 5,14 dB tot 7,42 dB vergeleken met de ruwe data. De resultaten waren superieur aan de template-subtractiemethode.
Vrouwelijk subject (ver van de baarmoeder): Goede resultaten, vergelijkbaar met de mannelijke proefpersoon.
Vrouwelijk subject (dicht bij de baarmoeder): De prestaties waren minder goed (SNR -2,15 dB). Dit komt omdat langzame baarmoederactiviteit (uterine peristaltiek) de aanname schendt dat de basislijn-gladheid (afgeleide $\approx$ 0) geldt. De differentiator interpreteert deze langzame veranderingen ten onrechte als impulsieve artefacten.
Ruimtelijke coherentie: De geschatte vertragingen tussen kanalen (ongeveer 15 ms spreiding) kwamen overeen met de verwachte voortplantingssnelheid van hartsignalen door weefsel, wat de validiteit van het clustering-algoritme bevestigt.

5. Betekenis en Toekomstperspectief

Voordelen: De methode is causaal (geschikt voor real-time), vereist geen trainingsdata (geen machine learning), werkt zonder extra ECG-kanaal, en heeft een lage rekencomplexiteit (FIR-filter).
Beperkingen: De huidige aanpak gaat ervan uit dat de afgeleide van de basislijn verwaarloosbaar is. Dit werkt goed voor elektroden ver van de baarmoeder, maar faalt bij elektroden direct boven de baarmoeder waar de baarmoederactiviteit zelf "impulsief" of snel veranderend kan zijn in het gedifferentieerde domein.
Toekomst: Verdere ontwikkeling richt zich op het uitbreiden van het signaalmodel om niet-nul basislijn-afgeleiden te accommoderen (bijv. via systeemidentificatie), kwantitatieve benchmarking op grotere patiëntgroepen en parametergevoeligheidsanalyse.

Conclusie: Dit onderzoek biedt een robuuste, theoretisch onderbouwde oplossing voor het verwijderen van hartartefacten in EHG, wat de bruikbaarheid van EHG voor klinisch monitoring en onderzoek aanzienlijk verbetert, mits de elektrodeplaatsing zorgvuldig wordt gekozen of het model wordt aangepast voor directe baarmoedernabijheid.