EKG-uppgift. Grupp SPTB2 8/
|
|
- Christer Lundgren
- för 7 år sedan
- Visningar:
Transkript
1 EKG-uppgift Grupp SPTB2 8/
2 Innehåll 1. Inledning Medicinsk bakgrund Arytmi ST-förändringar Algoritmdesign Brusfiltrering och baslinje Hitta R-toppen Hitta Q- och S-vågorna Hitta T-vågen Hitta ST-segmentet Hitta avstånd mellan R-toppar Hitta en eventuell arytmi Resultat EKG EKG EKG EKG EKG Diskussion Reflektion Böcker:... 13
3 1. Inledning Elektrokardiografi (EKG) är en metod som används för att undersöka hjärtats aktivitet. Genom att sätta elektroder på olika ställen på kroppen kan man mäta elektrisk aktivitet från hjärtmuskeln. Mätningen kan sedan illustreras som en signal och plottas som en funktion av tid i ett diagram som kallas EKG. Det är en viktig metod som används ofta inom diagnostik av hjärt- och kärlsjukdomar. I denna rapport presenteras och förklaras hur en EKG-algoritm har framställts för att tolka EKG samt resultatet för fem givna EKG av olika karaktär. Fokus i rapporten ligger på att ett enkelt och förståligt sätt förklara varje funktion av algoritmen. För mer detaljerad överblick av algoritmen hänvisas läsaren till appix A där algoritmens ursprungskod kan överblickas. 2. Medicinsk bakgrund I figur 1 visas morfologin för ett normalt EKG, vilket är en grundförutsättning att ha kunskap om för att hitta avvikelser i EKG-signalen. I ett EKG kan man bland annat se om personen i fråga har en arytmi eller ST-förändringar. Figur 1. Ett normalt EKGs morfologi (Agateller, 2007) 2.1 Arytmi Enligt hjärt- och lungfonden är arytmi ett tillstånd när hjärtat inte håller en jämn rytm, vilket innebär att hjärtat kan slå för fort, för långsamt eller oregelbundet. De analyserade EKG-signalerna innehåller två olika typer av arytmier; ventrikulära extraslag och arteriella extraslag. Enligt Davies utmärker sig ett ventrikulärt extraslag genom att de har en bredare QRS-komplex och ofta en negativ T-våg. Davies beskriver morfologin av ett arteriellt extraslag som morfologin av ett normalt slag med lite förändrad P-kurva.
4 2.2 ST-förändringar ST-segmentet är den del av EKG:t som ligger belägen mellan S-vågen och T-vågen. ST-sträckan jämförs med en baslinje som syns innan P-vågen, den kan vara antingen förhöjd eller sänkt i förhållande till baslinjen. Detta undersöks ofta vid EKG-mätning, framförallt inom hjärtinfarktdiagnostik. (Karolinska institutet, Södersjukhuset, 2012) Vid ischemi i hjärtat genererar den ischemiska delen av hjärtmuskulaturen små elektriska strömmar när kammaren egentligen är repolariserad och i vila. Om dessa strömmar rör sig mot den positiva elektroden höjs baslinjen som syns innan QRS-komplexet, då handlar det om icke-transmural ischemi. Det syns på EKG:t som att ST-segmentet verkar vara sänkt jämfört med denna baslinje, så kallad STsänkning. Om dessa strömmar istället rör sig bort från den positiva elektroden sänks baslinjen innan QRS-komplexet, då handlar det om transmural ischemi. Det syns på EKG:t som att ST-segmentet istället verkar vara höjt jämfört med denna baslinje, så kallad ST-höjning. (Klabunde, 2010) 3. Algoritmdesign Algoritmen består av ett skript som anropar mindre funktioner som behandlar EKG-signalen på olika sätt. Denna uppdelning gör det både lättare för utomståe att förstå koden då varje funktion blir koncentrerat till ett ämnesområde, samt att koden blir mer lättarbetat och lättare att felsöka. 3.1 Brusfiltrering och baslinje Först filtreras EKG-signalen med ett lågpassfilter för att minska bruset i signalen. Vid filteringen används ett butterworth-filter som filtreras med hjälp av matlabfunktionen filtfilt som filtrerar signalen framåt sedan vänder signalen och filtrerar igen. Denna funktion gör att det inte blir någon fasförskjutning. 65 hz som gräns? bakgrundsstörningar från teknisk utrustning hz? Ibland har EKG-signaler varierande baslinje, vilket är ett mätfel som beror på en ostadig amplifierare. Detta hanterar funktionen ampnorm som normaliserar signalen till en uppskattad baslinje. Den tar som inargument en EKG-signal och signalens sampelfrekvens. Algoritmen använder matlabs funktion smooth som utjämnar signalen genom att ta medelvärde av signalen för varje sekund, alltså över ett antal sampel som är lika med sampelfrekvensen. Denna utjämnade signal subtraheras sedan från signalen så att en amplitudnormerad signal erhålls och returneras av funktionen. Figur 1 och 2 visar olika EKG före och efter amplitudnormering.
5 Figur 1: EKG3 före (röd) och efter (blå) amplitudnormering med funktionen ampnorm. Figur 2. EKG2 före (röd) och efter (blå) amplitudnormering med funktionen ampnorm. 3.2 Hitta R-toppen Funktionen findrpeak använder matlabfunktionen findpeaks som hittar alla toppar i en signal och returnerar deras amplituder och position. Eftersom inte alla toppar önskas, används funktionen med minimikrav på höjd på toppar samt minimikrav på avstånd till föregåe topp. Minimikravet för höjden av de topp som erhålls är medelvärdet av det maximala värdet och minimala värdet av signalen, vilket ast R-topparna överstiger. Minimikravet på avstånd till föregåe pik infördes på grund av att det ibland finns flera småtopp i en R-topp. Då dessa ligger väldigt nära varandra och approximeras som ast en pik.
6 3.3 Hitta Q- och S-vågorna Funktionen FindQS hittar vågorna Q och S som omger R-toppen. Detta görs genom att invertera signalen, vilket resulterar i att Q- och S-vågorna blir positiva. Matlabfunktionen findpeaks kan då, precis som i fallet för R-toppen, används för att hitta samtliga toppar. Varje position för Q- och S- vågorna sparas i en vektor som sedan jämförs mot R-topparnas position. Den första toppen till vänster om R-toppens position erhålls som Q-vågen och den första piken till höger erhålls som S-vågen. Efter filtrering utav icke relevanta toppar returnerar funktionen alla Q-vågor, dess positioner, samt alla S- vågor och dess positioner. 3.4 Hitta T-vågen Eftersom varje T-våg normalt sätt är den första förekommande topp till höger om R-toppen kan T- vågen approximeras på samma sätt som i fallet för Q- och S-vågorna. Amplituden och positionen för varje T-våg sparas ner i en vektor som jämförs mot R-toppens position. Den första toppen till höger om R-toppen erhålls som T-vågen. Skillnaden gentemot funktionen FindQS är att findt inte inverterar signalen, vilket innebär att den inbyggda Matlabfunktionen findpeaks kan användas direkt för att finna T-vågen. Precis som i funktionen findrpeak sätts ett minimikrav på höjden utav varje T-våg, samt ett minimikrav på avstånd och bredd mellan förekommande toppar. Dessa krav implementerades genom att analogt testa de olika kraven. Tyvärr tar denna funktion enbart hänsyn till positiva T-vågor, vilket skapar en del begränsningar för algoritmen i sig. 3.5 Hitta ST-segmentet Matlabfunktionen findst approximerar ST-segmentet för varje hjärtslag. Detta görs genom att utnyttja positionerna för varje S- och T-våg. Eftersom varje hjärtslag innefattar en S-våg och en T-våg kan dessa paras ihop för varje slag. Då många hjärtslag saknar utjämning av området mellan S- och T-våg (det som normal kallas ST-segmentet) approximerades ST-segmentet istället genom att ta medelavståndet mellan S- och T-vågorna. Addition av medelavståndet och positionen för S-vågorna för varje hjärtslag ger den approximerade positionen för ST-segmentet. Genom att upprepa denna procedur för hela signalen och använda Matlabfunktionen plot påvisas eventuella elevationer och depressioner i ST-segmentet. Denna funktion utnyttjas i de fall då T-vågorna är positiva. I de fall där T-vågorna är negativa till följd av dubbelslag indikerar programmet på att ett ST-skift är närvarande i signalen direkt. 3.6 Hitta avstånd mellan R-toppar Matlabfunktionen diff skapar en vektor med alla avstånd mellan de tidigare hittade R-topparna. Denna vektor behandlas i funktionen finddistancer som räknar om detta avstånd i sekunder och avgör om det finns någon arytmi bland slagen. Genom att pulsen kan ändras lite under mätningarna avläser funktionen skillnaden mellan två närliggande slag och ser om förändringen motsvara mer än 0.3 sekunder. Tröskelvärdet 0,3 är valt ifrån att en arytmi sägs komma från att ett slag skiljer sig ca 10 % från normalslaget (Davids, 2014 ). Platserna då dessa slag inträffar sparas och skickas vidare till funktionen KindOfArythmia.
7 3.7 Hitta en eventuell arytmi Morfologin av alla slag som klassas som arytmi undersöks av funktionen KindOfArythmia som hittar om slaget har en bred R topp eller om slaget har normal morfologi. Alla slag med extra bred R-topp är ventrikulära extraslag medan de slag som har normal morfologi är arteriella extraslag. 4. Resultat Algoritmen ger ut en tabell över resultatet för varje analyserat EKG, samt ett antal figurer som bland annat beskriver förändring utav ST-segmentet. Dessa resultat är presenterade nedan. 4.1 EKG 1 Som kan avläsas i figur 3 är EKG 1 normalt. Figur 4 visar ST-nivån och att den ast har små förändringar över tid. Figur 3: Resultattabell från EKG 1, visas normalt i command window i matlab. Figur 4: En kurva som beskriver hur ST-nivån i EKG 1 förändras.
8 4.2 EKG 2 Resultatet från algoritmen visas i figur 5, vilket tyder på ett normalt EKG. Figur 6 visar att det ast är små ST-förändringar och ingen ST-höjning eller -sänkning. Figur 5: Resultattabell från EKG 2, visas normalt i command window i matlab. 4.3 EKG 3 Figur 6: En kurva som beskriver hur ST-nivån i EKG 2 förändras. Figur 7 visar att det finns 6 stycken arteriella extraslag i EKG 3, men att det annars är normalt. Vilka tidpunkter som dessa slag inträffar visas i command window i vektorform. Som kan avläsas i figur 8 är ST-nivån normal.
9 Figur 7: Resultattabell från EKG 3, visas normalt i command window i matlab. Figur 8: En kurva som beskriver hur ST-nivån i EKG 3 förändras. Figur 9: En grafisk representation hur de arytmetiska slagen ser ut i EKG3.
10 4.4 EKG 4 EKG 4 har 139 ventrikulära extraslag enligt figur 9, vilket medför en ST-sänkning vid dessa slag. Algoritmens ST-nivåfunktion kan inte ta hänsyn till dessa negativa T-toppar, men att en ST-sänkning finns noteras som följd av de ventrikulära extraslagen. Figur 10 visar morfologin av de slag som är innan extraslaget och morfologin för extraslaget. Figur 9: Resultattabell från EKG 4, visas normalt i command window i matlab. Figur 10: En grafisk representation hur de arytmiska slagen ser ut i EKG EKG 5 En klippt version av EKG 5 ger resultatet presenterat i figur 11. Signalen är klippt då mycket störningar finns i signalen som förmodligen orsakats av lösa elektroder eller andra mätfel. Som kan ses i figur 12 har EKG 5 en tydlig ST-höjning efter ca 200 sekunder av inspelningen.
11 Figur 11: Resultattabell från EKG 5, visas normalt i command window i matlab. Figur 12: En kurva som beskriver hur ST-nivån i EKG5 förändras. 5. Diskussion Ett alternativ till ampnorm är att högpassfiltrera, vilket testades men valdes bort på grund av känsligheten att förstöra originalsignalen. Första lågpassfiltreringen har också en alternativ lösning som kallas medelvärdesbildning. Medelvärdesbildningen gjordes med en funktion kallad ensamble som lägger ihop hjärtslagen och ger en fin bild av morfologin. Eftersom inget användningsområde för medelvärdesbildningen hittades då vanlig lågpassfiltrering räckte för att ge ett läsligt resultat, togs den inte med. Algoritmen är designad att hitta de två specifika arytmierna som beskrivits och skulle någon annan liknande arytmi vara närvarande skulle den kunna kännas igen som någon av de två arytmierna som algoritmen är designad för. Känsligheten för funktionen är alltså inte hög, vilket kan ge felaktiga svar för andra EKG-signaler än de som testats. Ett annat stort problem var EKG 5 som bestod utav en förhållandevis svårtolkad signal. Detta gjorde det svårt att analysera och implementera algoritmen för EKG 5. Detta åtgärdades genom att utesluta de delar som ansågs ha sitt ursprung i mätfel eller andra faktorer så som lösa elektroder som påverkade signalen negativt. Givetvis finns det en viss risk att man råkar utesluta för stora delar ur signalen där viktig information skulle funnits att hämta.
12 En förbättring av algoritmen som hade kunnat göras är att göra den mer flexibel för abnormaliteter i signalen exempelvis genom att utgå ifrån derivator och andraderivator av signalen istället för att använda funktionen findpeaks. Lösningarna skulle dessutom inte fungera lika bra i realtid, då de är anpassade för att kunna hantera hela signaler. 6. Reflektion Resultatet av arbetet anses av gruppen ha varit bra. Dock finns det områden som kunde ha förbättrats. Det som orsakade det största problemet var en negativ T-våg i EKG 4 som till följd sätter vissa begränsningar på algoritmen. Detta hade förmodligen kunnat åtgärdas om den allokerade tiden i kursen för grupparbetet hade utökats.
13 Referenser Elektroniska källor: Hjärtflimmer och andra hjärtrytmrubbningar. Hjärt- och Lungfonden AA2A# (hämtad ) Prehospital EKG-tolkning. Karolinska institutet, Södersjukhuset (hämtad ) Klabunde, Richard E Electrophysiological Changes During Cardiac Ischemia. Cardiovascular Physiology Concepts. (hämtad ) Böcker: Davids, Alan Starting to read ECG- A comprehensive guide to Theory and Practice, Springer Bildkällor: (Agateller) Atkielski, Anthony. De olika vågorna på en normal EKG-kurva.Wikipedia. (hämtad )
14 Appix I: ReadECG function [Resultat] = ReadECG(EKG, fs) load ECG.mat EKG_length_seconds = length(ekg)/fs; axel=(1:length(ekg)); antal_samp_tot = length(ekg); tids_axel = linspace(0,ekg_length_seconds,antal_samp_tot); figure(1) plot(tids_axel, EKG) title('starting EKG-signal') %% En alternativ lösnng till Lågpass + baslinje förflyttning (alt 1) % Filtrerar signalen för att få den på en baslinje och för att få bort % högfrekvent brus. De försök som gjordes förändrade vissa delar av EKG4 % och EKG5, vilket gjorde att vi uteslöt denna metod. % EKG_rak = alternative_hi_lo_filtering(ekg,fs,1.3,65); %% Filtrerar signalen med ett butter filter (alt 2) % firstfiltering lågpassfiltrerar signalen. % ampnorm får hela kurvan på en baslinje % genom att ta ut kurvans variation med hjälp av % smoothing för att sedan dra bort den från den filtrerade signalen. EKG_filt = firstfiltering(ekg, fs, 65); EKG_rak = ampnorm(ekg_filt, fs); %% EKG5- klippa bort delar av signalen % Gäller bara EKG5 och de delar där en elektrod lossnat/sitter löst och % förstör signalen. % Tar bort sek sek if (length(ekg) == length(ekg5)) EKG_rak((480*fs):(580*fs)) = []; EKG_rak((120200):( )) = []; % Sätter om axlar till nya längden axel=(1:length(ekg_rak)); EKG_length_seconds = length(ekg_rak)/fs; antal_samp_tot = antal_samp_tot-(580*fs-480*fs)-251; tids_axel = linspace(0,ekg_length_seconds,antal_samp_tot); figure(8) plot(ekg_rak) title('borttaget ur siganl') EKG_smooth = EKG_rak; %% Hitta R-toppen % EKG högpassfiltreras och findpeaks hittar R-topparna.
15 [amplitude_r, location_r, antal_r_toppar] =... findrpeaks(ekg_smooth, axel, 20, fs); Puls = (antal_r_toppar/ekg_length_seconds)*60; %% Hitta S och Q % ECG inverteras och findpeaks hittar Q och S topparna. Utgår från R- % toppens position. S_dalar=[]; S_dallocation=[]; Q_dalar=[]; Q_dallocation=[]; [S_dalar, S_dallocation, Q_dalar, Q_dallocation] =... findqsvalleys(ekg_smooth, location_r, axel); %% Hitta Skillnaden mellan R toppar & typ av arytmi % FindDistanceR skapar en vektor med skillnaden i sampel mellan alla % R-toppar och om dessa motsvarar en ändring på 0.3 sekunder klassas slaget % som ett arytmetiskt slag. Om det sker anropas funktionen KindOfArythmia % vilket avgör vilken typ av arytmi genom att titta på morfologin av % slaget. [platser_arytmi, procent_arytmi] = finddistancer(location_r, fs); procent_arytmi; Antal_ventrik = 0; Antal_art = 0; if (procent_arytmi > 0) [Antal_ventrik, Antal_art,tid_ventr,tid_art] = KindOfArythmia(antal_R_toppar,platser_arytmi, EKG_smooth, location_r,fs,tids_axel); figure(200) plot(tids_axel,ekg_rak) title('time instances where arythmicbeats occure') hold on; plot(tid_ventr) hold off; Antal_art %% Hitta T-toppen % Hittar T-toppen utgåe från R-toppen. T_dallocation = []; T_dalar = []; [T_dallocation, T_dalar] = findt(ekg_smooth, location_r, axel,fs); %% S-T sänkning/höjning % Skapar en funktion som hittar ST-nivån, genom att hitta det sampel som % ligger mellan S och T. DifVect = [];
16 ST_h = 'nej'; [DifVect,tid_ST, ST_h] = findst( location_r, T_dallocation, S_dallocation,... EKG_smooth, fs); figure(20) subplot(2,1,1) plot(tids_axel,ekg_rak) title('ecg over time') subplot(2,1,2) plot(tid_st,difvect) title('st amplitude change over time') %% Medelvärdesbildning % Tittade på om en medelvärdesfunktin skulle underlätta undersökningarna av % morfologin, men vi beslutade att inte använda denna funktion. % [ensemble] = ensemble_ecg(antal_r_toppar,platser_arytmi, EKG_smooth, location_r,fs); %% Resultat ST_s = 'Nej'; if(antal_ventrik > 0) ST_s = 'Ja'; variabler = {'Puls' Puls; 'Antal ventrikulära arytmetiska slag' Antal_ventrik;'Antal arteriella arytmetiska slag' Antal_art;'ST-sänkning' ST_s;'ST-höjning' ST_h}; Resultat = cell2table(variabler, 'VariableNames',{'EKG3' 'Resultat'}); Appix II: ampnorm function EKG_rak = ampnorm( EKG_filt, fs ) %AMPNORM Normaliserar EKG signalen genom att estimera en baselinje med % smoothing. Smoothes filtererade EKG med faktor fs och subtraherar resulterade signalen % från filtrerade EKG signalen, vilket resulterar i en % amplitud-normaliserad EKG signal. EKG_length_seconds = length(ekg_filt)/fs; antal_samp_tot = length(ekg_filt); tids_axel = linspace(0,ekg_length_seconds,antal_samp_tot); EKG_smoothmax = smooth(ekg_filt,fs); EKG_rak = EKG_filt-EKG_smoothmax; figure(2)
17 plot(tids_axel,ekg_rak) hold on; plot(tids_axel,ekg_filt) hold off; title('the signal before and after the movement of the baseline') Appix III: firstfiltering function [ EKG_filt ] = firstfiltering( EKG, fs, filteredfreq ) %Filtrerar EkG signalen en första gång för att ta bort %frekvenskomponenter som är över tröskelgränsekn filteredfreq Hz EKG_length_seconds = length(ekg)/fs; antal_samp_tot = length(ekg); tids_axel = linspace(0,ekg_length_seconds,antal_samp_tot); [b, a] = butter(4,filteredfreq/(fs/2)); EKG_filt = filtfilt(b, a, EKG); figure(22) plot(tids_axel, EKG_filt) hold on; plot(tids_axel, EKG) hold off; title('the signal before and after the lowpassfilter') Appix IV: findrpeak function [ amplitude_r, location_r, antal_r_toppar ] = findrpeak( EKG_smooth, axel, peakdist, fs ) % I funktionen findrpeaks filtreras signalen först för att göra det %lättare att hitta R-topparna. Alla R-toppar i ECG-signalen som %ligger ovanför medelamplituden sparas i en vektor med R-toppens %amplitud och position. [b, a] = butter(4, 3/(fs/2),'high'); EKG_filt = filtfilt(b, a, EKG_smooth); % figure(5) % plot(ekg_smooth) % title('skillnad i signalen efter högpassfiltrering för R-topp') % hold on; % plot(ekg_filt) % hold off; hog = max(ekg_smooth); lag = min(ekg_smooth); med = (hog+lag)/2;
18 [amplitude_r, location_r] = findpeaks(ekg_filt,axel,'minpeakheight',med,'minpeakdistance', peakdist); antal_r_toppar = length(amplitude_r); Appix V: findqs function [ S_dalar, S_dallocation, Q_dalar, Q_dallocation ]... = findqs( EKG_smooth, location_r, axel ) %FINDQS hittar amplituden och platsen för Q och S vågor. % Den använder platsen för R topparna. Först inverterar den EKG signalen % och hittar dalarna (som nu är toppar) med findpeaks funktionen. EKG_smoothInverse = -1*EKG_smooth; [Minima, Minlocs] = findpeaks(ekg_smoothinverse,axel,'minpeakdistance',10); k=1; f=1; for i = 1:length(location_R) while (Minlocs(f) < location_r(i)) if(minlocs(f+1)>location_r(i)) S_dallocation(i) = Minlocs(f+1); S_dalar(i) = Minima(f+1); Q_dallocation(i)=Minlocs(f); Q_dalar(i)=Minima(f); f=f+1; Appix VI: finddistancer function [ platser_arytmi, procent_arytmi ] = finddistancer( location_r, fs ) % Funktionen hittar långa avstånd mellan två R-toppar. % Först skapas en vektor med alla avstånd och avstånden räknas om i % skeunder ist för sampel. Vektorn med avstånden i skunder loopas igenom % och om två slag skiljer sig från varandra med o.3 skunder eller mer lagras de i en arytmi % vektor. diff_r_toppar = diff(location_r); hi = max(diff_r_toppar); diff_r_toppar_sek = diff_r_toppar./fs ; hi_sek = max(diff_r_toppar_sek); mean(diff_r_toppar_sek); platser_arytmi=zeros(1, length(location_r)); % figure(7)
19 % plot(diff_r_toppar_sek) arytmi_slag = 0; for f = 2:length(diff_R_toppar_sek)-1 if(diff_r_toppar_sek(f)-diff_r_toppar_sek(f-1) > 0.30) arytmi_slag = arytmi_slag +1; platser_arytmi(f-1)=1; platser_arytmi(f)=1; f=f+1; procent_arytmi = (arytmi_slag/length(location_r))*100; disp('antal arytmi slag:') disp(arytmi_slag) Appix VII: KindOfArythmia function [ Antal_ventrik, Antal_art,tid_ventr,tid_art] = KindOfArythmia(antal_R_toppar,platser_arytmi, EKG_smooth, location_r,fs, tids_axel) %Hittar arytmierna i EKG % Letar efter extra tjocka peakar, vilket tyder på ventrikulära arytmi % slag. Om inte ett ventrikulärt extra slg är det ett arteriellt slag. Vi % delar totala antalet på 2 då vi har lagt in alla arytmislag med dess % normala närmsta slag. Vilken_arytmi = zeros(1, fs+1); counter = 0; ampli_medel = max(ekg_smooth)/2; Antal_ventrik = 0; f=1; m=1; tid_ventr = []; tid_art = []; for i=2:(antal_r_toppar-1) if (platser_arytmi(i)~=0) Slag = EKG_smooth((location_R(i)-fs/2):(location_R(i)+fs/2)); [pks, locs] = findpeaks(slag,'minpeakheight',ampli_medel, 'MinPeakWidth',12); figure(15) plot(slag) title('all arythmic beats + all normal beats just before') hold on; if(length(pks)>0) Antal_ventrik = Antal_ventrik + 1; tid_ventr(f) = location_r(i)/fs; f = f+1; else tid_art(m) = location_r(i)/fs; m=m+1;
20 counter = counter + 1; hold off; Antal_art = ceil(counter/2)-antal_ventrik; disp('antal arytmiska slag:') disp(ceil(counter/2)) disp('antal ventrikulära arytmiska slag:') disp(antal_ventrik) disp('antal arteriella arytmiska slag:' ) disp(antal_art) if(antal_art > 0) disp('slagen uppkommer sekunder:') disp(tid_art) else disp('slagen uppkommer sekunder:') disp(tid_ventr) disp('arytmin medför en ST-sänkning') Appix VIII: findt function [ T_dallocation, T_dalar ] = findt(ekg_smooth, location_r, axel,fs) %fintt börjar med att sätta krav på toppar som måste uppfyllas för att det %ska kunna vara en T-top. Dessa sparas ner i en vektor. Denna vektor loppas %igenom och hittar den första toppen närmast R-toppen, vilket då sätts som %T-toppen för varje hjärtlsag. maxhojd = max(ekg_smooth); [Maxima, Maxlocs] = findpeaks(ekg_smooth,axel,'minpeakdistance',20,... 'MinPeakHeight',maxhojd/30,'MinPeakWidth',10); findpeaks(ekg_smooth,axel,'minpeakdistance',20,... 'MinPeakHeight',maxhojd/30,'MinPeakWidth',10) T_dallocation = []; T_dalar = []; f=1; a=length(maxlocs); for i = 1:length(location_R) while ((a >= f+1) && (Maxlocs(f) <= location_r(i))) if(maxlocs(f+1) > location_r(i)) T_dallocation(i) = Maxlocs(f+1); T_dalar(i) = Maxima(f+1); f=f+1; f=1;
21 Appix IX: findst function [ DifVect,tid_ST, ST_h ] = findst( location_r, T_dallocation, S_dallocation,... EKG_smooth, fs) %findst loopar igenom signalen och den totala längden av alla R-toppars %position. Minus ett är ett nödvändigt krav vilket förhindrar loppen från %att loppa igenom positioner som inte finns. Genom att ta varje T-position %och S-position för varje hjärtlsag får man ett medelsträckan mellan S- och %T-vågen. Genom att addera medelsträckan till S-vågens position kan en %approximerad ST-segment. Detta sparas ner i en vektor. tid_st = []; for i = 1 : length(location_r)-1 tempdif = (T_dallocation(i) - S_dallocation(i))/2; tempx = S_dallocation(i)+tempDif; tempy = EKG_smooth(ceil(tempX)); DifVect(i) = tempy; tid_st(i) = tempx/fs; % Endast för att skriva ut resultatet snyggt i tabellform Max_ST = max(difvect); Min_ST = min(difvect); Medel = mean(difvect); ST_h = 'Nej'; if (Medel > 20) ST_h='Ja';
TDDC74: EKG-projekt. Christoph Heilmair. Korrekturläst av: Emma Soffronow, leg. sjuksköterska. Mars 2015
TDDC74: EKG-projekt Christoph Heilmair Korrekturläst av: Emma Soffronow, leg. sjuksköterska Mars 2015 1 Om det här dokumentet Tanken med det här dokumentet är inte att ge er utförliga krav på hur projektet
Läs merSPT1 TBMT01, HT2, DECEMBER Maja Ilestrand, Johanna Karlsson, Oliver Keelan
SPT1 TBMT01, HT2, DECEMBER 2015 Maja Ilestrand, Johanna Karlsson, Oliver Keelan Innehållsförteckning 1 Inledning 1 2. Teori 1 2.1 Utseendet hos ett EKG 1 2.2 Abnormal hjärtrytm 2 2.2.1 Dubbelslag 3 3 Metod
Läs merEKG-klassificering. Andreas Bergkvist, Michael Sörnell,
EKG-klassificering Projektrapport i Signaler och system Uppsala Universitet Inst. för signaler och system 2002-2-0 För: Mattias Johansson Av: Andreas Bergkvist, andreasbergkvist@hotmail.com Michael Sörnell,
Läs merHemuppgift för E2 SF1635, HT 2007
Utjämnare Hemuppgift för E2 SF635, HT 2007 Introduktion Ett vanligt problem när man överför data är att en fördröjd och amplitudskalad version av signalen adderas till ursprungssignalen. Inom telefoni
Läs merElektrokardiografi (EKG)
Elektrokardiografi (EKG) Relaterade sidor i Teknik i praktisk sjukvård, tredje upplagan: s 118-123 Den viktigaste metod vi idag har för att ställa diagnosen hjärtsjukdom är elektrokardiogrammet (EKG).
Läs merProjekt 1 (P1) Problembeskrivning och uppdragsspecifikation
Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation Etapp 1 Problem med mätsignalen m.a.p. sampling, vikning och spektraltäthet Problembeskrivning Uppdragsgivaren överväger att skaffa nya A/D-omvandlare
Läs merLaboration: Grunderna i MATLAB
Laboration: Grunderna i MATLAB 25 augusti 2005 Grunderna i MATLAB Vad är MATLAB? MATLAB är ett interaktivt program för vetenskapliga beräkningar. Som användare ger du enkla kommandon och MATLAB levererar
Läs merProjekt 6. Fourieroptik Av Eva Danielsson och Carl-Martin Sikström
Projekt 6. Fourieroptik Av Eva Danielsson och Carl-Martin Sikström Introduktion I detta experiment ska vi titta på en verklig avbildning av fouriertransformen. Detta ska ske med hjälp av en bild som projiceras
Läs merTentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 9p av totalt 20p Hjälpmedel: MATLAB
MAI/Linköpings universitet Fredrik Berntsson Tentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 9p av totalt 20p Hjälpmedel: MATLAB Redovisning Lös först uppgifterna i Matlab. Då du har en
Läs merTentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering
KTH Matematik Tentamen del 2 SF1511, 2018-03-16, kl 8.00-11.00, Numeriska metoder och grundläggande programmering Del 2, Max 50p + bonuspoäng (max 4p). Rättas ast om del 1 är godkänd. Betygsgränser inkl
Läs merEKG introduktion -Vänster skänkelblock
EKG introduktion -Vänster skänkelblock Innehållsförteckning 1. Introduktion till EKG 3 2. Extremitetsavledningar 3 3. Bröstavledningar 4 4. Delar i ett EKG 5 4.1 Rytm 5 4.2 P-våg 6 4.3 PQ intervall 6 4.4
Läs merBilaga 4, Skapa grafiskt användargränssnitt med guide
Bilaga 4 Bil 4:1 Bilaga 4, Skapa grafiskt användargränssnitt med guide Enklast till en början är att vid MATLABS kommandoprompt skriva guide vilket ger dels ett figurfönster och det som kallas Guide Control
Läs merLogik och Jämförelser. Styrsatser: Villkorssatsen if och repetitonssatsen for. Scriptfiler. Kommentarer. Tillämpningar: Ett enkelt filter.
TAIU07 Föreläsning 3 Logik och Jämförelser. Styrsatser: Villkorssatsen if och repetitonssatsen for. Scriptfiler. Kommentarer. Tillämpningar: Ett enkelt filter. 27 januari 2016 Sida 1 / 21 Logiska variabler
Läs merLaboration i Fourieroptik
Laboration i Fourieroptik David Winge Uppdaterad 30 januari 2015 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras
Läs merSignalbehandling Röstigenkänning
L A B O R A T I O N S R A P P O R T Kurs: Klass: Datum: I ämnet Signalbehandling ISI019 Enk3 011211 Signalbehandling Röstigenkänning Jonas Lindström Martin Bergström INSTITUTIONEN I SKELLEFTEÅ Sida: 1
Läs merTEM Projekt Transformmetoder
TEM Projekt Transformmetoder Utförs av: Mikael Bodin 19940414 4314 William Sjöström 19940404 6956 Sammanfattning I denna laboration undersöks hur Fouriertransformering kan användas vid behandling och analysering
Läs merOptimal Signalbehandling Datorövning 1 och 2
Institutionen för Elektro- och Informationsteknik Lunds Universitet Lunds Tekniska Högskola Optimal Signalbehandling Datorövning 1 och 2 Leif Sörnmo Martin Stridh 2011 Department of Electrical and Information
Läs merTentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 8p av totalt 20p Tid: 21:a April klockan
MAI/Linköpings universitet Fredrik Berntsson Tentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 8p av totalt 20p Tid: 21:a April klockan 8.00-12.00 Redovisning Lös först uppgifterna i Matlab.
Läs merMätning av biopotentialer
1. Inledning Inom dagens sjukvård är tekniken en självklar och viktig faktor. De allra flesta diagnoser, analyser och behandlingar grundar sig på information från ett flertal tekniska utrustningar och
Läs merMR-laboration: design av pulssekvenser
MR-laboration: design av pulssekvenser TSBB3 Medicinska Bilder Ansvarig lärare: Anders Eklund anders.eklund@liu.se Innehåll Uppgift Initialisering av k-space Koordinater i k-space Navigering i k-space
Läs merÖvervakningssystem. -skillnader i bilder. Uppsala Universitet Signaler och System ht Lärare: Mathias Johansson
Uppsala Universitet Signaler och System ht 02 2002-12-07 Övervakningssystem -skillnader i bilder Lärare: Mathias Johansson Gruppen: Jakob Brundin Gustav Björcke Henrik Nilsson 1 Sammanfattning Syftet med
Läs merFaltningsreverb i realtidsimplementering
Faltningsreverb i realtidsimplementering SMS45 Lp1 26 DSP-system i praktiken Jörgen Anderton - jorand-3@student.ltu.se Henrik Wikner - henwik-1@student.ltu.se Introduktion Digitala reverb kan delas upp
Läs mer5B1146 med Matlab. Laborationsr. Laborationsgrupp: Sebastian Johnson Erik Lundberg, Ann-Sofi Åhn ( endst tal1-3
1 Revision 4 2006-12-16 2. SIDFÖRTECKNING 5B1146 med Matlab Laborationsr Laborationsgrupp: Sebastian Johnson, Ann-Sofi Åhn ( endst tal1-3 Titel Sida 1. Uppgift 1.8.1....3 2. Uppgift 1.8.2....6 3. Uppgift
Läs merNumerisk lösning till den tidsberoende Schrödingerekvationen.
Numerisk lösning till den tidsberoende Schrödingerekvationen. Det är enbart i de enklaste fallen t ex när potentialen är sträckvis konstant som vi kan lösa Schrödingerekvationen analytiskt. I andra fall
Läs merTillämpning av komplext kommunikationssystem i MATLAB
(Eller: Vilken koppling har Henrik Larsson och Carl Bildt?) 1(5) - Joel Nilsson joelni at kth.se Martin Axelsson maxels at kth.se Sammanfattning Kommunikationssystem används för att överföra information,
Läs merTentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 8-12, 19:e Mars, 2019 Provkod: TEN1 Hjälpmedel:
Läs merTentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 8-12, 20 Mars, 2015 Provkod: TEN1 Hjälpmedel:
Läs merBildbehandling i frekvensdomänen
Uppsala Tekniska Högskola Signaler och system Handledare: Mathias Johansson Uppsala 2002-11-27 Bildbehandling i frekvensdomänen Erika Lundberg 800417-1602 Johan Peterson 790807-1611 Terese Persson 800613-0267
Läs merLaboration 3 Sampling, samplingsteoremet och frekvensanalys
Laboration 3 Sampling, samplingsteoremet och frekvensanalys 1 1 Introduktion Syftet med laborationen är att ge kunskaper i att tolka de effekter (speglingar, svävningar) som uppkommer vid sampling av en
Läs merTANA17 Matematiska beräkningar med Matlab
TANA17 Matematiska beräkningar med Matlab Laboration 3. Funktioner Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna laboration skall vi träna på att
Läs merAnsiktsigenkänning med MATLAB
Ansiktsigenkänning med MATLAB Avancerad bildbehandling Christoffer Dahl, Johannes Dahlgren, Semone Kallin Clarke, Michaela Ulvhammar 12/2/2012 Sammanfattning Uppgiften som gavs var att skapa ett system
Läs merEtt enkelt OCR-system
P r o j e k t i B i l d a n a l y s Ett enkelt OCR-system av Anders Fredriksson F98 Fredrik Rosqvist F98 Handledare: Magnus Oskarsson Lunds Tekniska Högskola 2001-11-29 - Sida 1 - 1.Inledning Många människor
Läs merMagnetiska fält laboration 1FA514 Elektimagnetism I
Magnetiska fält laboration 1FA514 Elektimagnetism I Utförs av: William Sjöström 19940404 6956 Oskar Keskitalo 19941021 4895 Uppsala 2015 05 09 Sammanfattning När man leder ström genom en spole så bildas
Läs merTentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 8-12, 11 Juni, 2015 Provkod: TEN1 Hjälpmedel:
Läs merHjärtkärlsjukdomar. Fysioterapeutprogramet Termin 2. Anton Gard, ST-läkare Kardiologi
Hjärtkärlsjukdomar Fysioterapeutprogramet Termin 2 Anton Gard, ST-läkare Kardiologi Vad ska vi lära oss? Förmaksflimmer Pacemaker Hjärtstopp Perifer kärlsjukdom Arytmier Hjärtats anatomi Hjärtats elektriska
Läs merFÖRSÄTTSBLAD TILL TENTAMEN. ELLER (fyll bara i om du saknar tentamenskod): Datum: 16 januari Bordsnummer:
FÖRSÄTTSBLAD TILL TENTAMEN Din tentamenskod (6 siffror): ELLER (fyll bara i om du saknar tentamenskod): Personnummer: - Datum: 16 januari 2013 Kursens namn (inkl. grupp): Beräkningsvetenskap I (1TD393)
Läs merDN1240, numo08 Stefan Knutas, Fredrik Båberg, B.10: Nalle-Maja gungar
DN140, numo08 Stefan Knutas, 8811-0056 Fredrik Båberg, 88031-0511 3B.10: Nalle-Maja gungar Sammanfattning Detta arbete är skrivet som en del av Numeriska Metoder, Grundkurs. Uppgiften vi valde gick ut
Läs merMATLAB Laboration problem med lokala extremvärden
MATLAB Laboration problem med lokala extremvärden Sonja Hiltunen, sohnya@gmail.com Sanna Eskelinen, eskelinen.sanna@gmail.com Handledare: Karim Daho Flervariabelanalys 5B1148 Innehållsförteckning Problem
Läs merTSBB16 Datorövning A Samplade signaler Faltning
Name: ID number: Passed: LiU-ID: Date: TSBB16 Datorövning A Samplade signaler Faltning Utvecklad av Klas Nordberg Computer Vision Laboratory, Linköping University, Sweden 24 augusti 2015 Introduktion Denna
Läs merAnmälningskod: Lägg uppgifterna i ordning. Skriv uppgiftsnummer (gäller B-delen) och din kod överst i högra hörnet på alla papper
Tentamen Programmeringsteknik II 2018-10-19 Skrivtid: 8:00 13:00 Tänk på följande Skriv läsligt. Använd inte rödpenna. Skriv bara på framsidan av varje papper. Lägg uppgifterna i ordning. Skriv uppgiftsnummer
Läs merIntroduktion till MATLAB
29 augusti 2017 Introduktion till MATLAB 1 Inledning MATLAB är ett interaktivt program för numeriska beräkningar med matriser. Med enkla kommandon kan man till exempel utföra matrismultiplikation, beräkna
Läs merTentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 14-18, 13:e Mars, 2018 Provkod: TEN1 Hjälpmedel:
Läs mer% Föreläsning 4 22/2. clear hold off. % Vi repeterar en liten del av förra föreläsningen:
% Föreläsning 4 22/2 clear hold off % Vi repeterar en liten del av förra föreläsningen: % Vi kan definiera en egen funktion på följande sätt: f = @(x) 2*exp(-x/4) + x.^2-7*sin(x) f(2) % Detta ger nu funktionsvärdet
Läs merTentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 14-18, 14:e Mars, 2017 Provkod: TEN1 Hjälpmedel:
Läs merTANA17 Matematiska beräkningar med Matlab
TANA17 Matematiska beräkningar med Matlab Projekt 3. Beskrivning av geometri med Beziérkurvor 1 Introduktion Inom design har man behov av effektiva sätt att beskriva kurvor och ytor med matematiska funktioner
Läs merDigital Signalbehandling i Audio/Video
Digital Signalbehandling i Audio/Video Institutionen för Elektrovetenskap Laboration 1 (del 2) Stefan Dinges Lund 25 2 Kapitel 1 Digitala audioeffekter Den här delen av laborationen handlar om olika digitala
Läs merSpektrala Transformer
Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)
Läs merAnvändarmöte. Arbetsprov och lungfunktion 14 nov Fall 1 Arbetsprovets användning vid utredning av preexcitation.
Användarmöte Arbetsprov och lungfunktion 14 nov 2017 Fall 1 Arbetsprovets användning vid utredning av preexcitation Anette Rickenlund Tisdag den 14 november 2017 Användarmöte Arbetsprov och lungfunktion
Läs merProjekt i programmering 1 (ver 2)... 2 Projektidé... 2 Planering... 2 Genomförande... 2 Testning och buggar... 3 Utvärdering... 3 Planering...
Projekt i programmering 1 (ver 2)... 2 Projektidé... 2 Planering... 2 Genomförande... 2 Testning och buggar... 3 Utvärdering... 3 Planering... 4 Bussen (projektförslag)... 5 Bakgrund... 5 Klassen Buss
Läs merNadia Soheily Magnus Engström
ECG analysis and presentation EKG-analys och presentation Nadia Soheily Magnus Engström Examensarbete inom Elektroteknik, Grundnivå, 15 hp Handledare på KTH: Ibrahim Orhan Examinator: Thomas Lindh TRITA-STH
Läs merUppgift 1 ( Betyg 3 uppgift )
2008-03-25.kl.14-19 Uppgift 1 ( Betyg 3 uppgift ) Du skall skriva ett program (en funktion), my_plot_figure, som läser in ett antal sekvenser av koordinater från tangentbordet och ritar ut dessa till en
Läs merStyr- och Reglerteknik för U3/EI2
Högskolan i Halmstad Sektionen för Informationsvetenskap, Dator- och Elektroteknik 071118/ Thomas Munther LABORATION 4 i Styr- och Reglerteknik för U3/EI2 Målsättning: Använda tumregler för att ställa
Läs merLAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod
TANA21+22/ 30 september 2016 LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER 1 Inledning Vi skall studera begynnelsevärdesproblem, både med avseende på stabilitet och noggrannhetens beroende av steglängden. Vi
Läs merBildbehandling, del 1
Bildbehandling, del Andreas Fhager Kapitelhänvisningar till: Image Processing, Analysis and Machine Vision, 3rd ed. by Sonka, Hlavac and Boyle Representation av en bild Så här kan vi plotta en bild tex
Läs merIntroduktion till algoritmer - Lektion 1 Matematikgymnasiet, Läsåret 2014-2015. Lektion 1
Kattis Lektion 1 I kursen används onlinedomaren Kattis (från http://kattis.com) för att automatiskt rätta programmeringsproblem. För att få ett konto på Kattis anmäler du dig på Programmeringsolympiadens
Läs merEnvariabelanalys 5B1147 MATLAB-laboration Derivator
Envariabelanalys 5B1147 MATLAB-laboration Derivator Sanna Eskelinen eskelinen.sanna@gmail.com Sonja Hiltunen sonya@gmail.com Handledare: Karim Dao Uppgift 15 Problem: Beräkna numeriskt derivatan till arctan
Läs merDT1130 Spektrala transformer Tentamen
DT Spektrala transformer Tentamen 72 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:
Läs merFlerdimensionella signaler och system
Luleå tekniska universitet Avd för signalbehandling Magnus Sandell (reviderad av Frank Sjöberg) Flerdimensionell signalbehandling SMS033 Laboration 1 Flerdimensionella signaler och system Syfte: Den här
Läs merBildförbättring i spatial domänen (kap. 3) Bildförbättring (enhancement) Spatial domän. Operatorer. Tröskling (threshold) Gråskale-transformationer
Bildförbättring i spatial domänen (kap. 3) Punktoperationer Gråskaletransformationer Logiska & aritmetiska operationer Filtrering Faltning Lågpassfilter Högpassfilter Bildförbättring (enhancement) Förbättra
Läs merMatematisk Modellering
Matematisk Modellering Föreläsning 1 Anders Heyden Matematikcentrum Lunds Universitet Matematisk Modellering p.1/37 Denna föreläsning (läsvecka 1) Vad handlar kursen om, mål, kurskrav, ide. Matematisk
Läs merEKG-tolkning. EKG som vi vanligen tänker VT 2014. Frontalplan. Depolarisationens spridning... Vad ser de olika avledningarna?
EKG som vi vanligen tänker EKG-tolkning T3 Spänning mv R T VT 2014 P Q S Bild: Klinisk Fysiologi, B. Jonson TID Sekund (s) eller ms Depolarisationens spridning... Frontalplan 4 elektroder, varav en är
Läs merSignaler och System Höstterminen -02 IT3 Rasha Alshammari Andreas Nissemark Zakai kass-saliba Pavel Carballo
Finn Fem Fel - ett försök att hitta skillander i bilder Signaler och System Höstterminen -02 IT3 Rasha Alshammari Andreas Nissemark Zakai kass-saliba Pavel Carballo Innehållsförteckning Introduktion 3
Läs merTentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 14-18, 22 Mars, 2016 Provkod: TEN1 Hjälpmedel:
Läs merGemensamt projekt: Matematik, Beräkningsvetenskap, Elektromagnetism. Inledning. Fysikalisk bakgrund
Gemensamt projekt: Matematik, Beräkningsvetenskap, Elektromagnetism En civilingenjör ska kunna idealisera ett givet verkligt problem, göra en adekvat fysikalisk modell och behandla modellen med matematiska
Läs merTSKS08 Introduktionskurs i Matlab Föreläsning 2
TSKS08 Introduktionskurs i Matlab Föreläsning 2 Nyttiga tips inför de fortsatta laborationsuppgifterna samt allmän demonstration/förevisning om Matlab. Spara allt man skriver i kommandofönstret till en
Läs merAD-DA-omvandlare. Mätteknik. Ville Jalkanen. ville.jalkanen@tfe.umu.se 1
AD-DA-omvandlare Mätteknik Ville Jalkanen ville.jalkanen@tfe.umu.se Inledning Analog-digital (AD)-omvandling Digital-analog (DA)-omvandling Varför AD-omvandling? analog, tidskontinuerlig signal Givare/
Läs merLaboration i tidsdiskreta system
Laboration i tidsdiskreta system A. Tips Användbara MATLAB-funktioner: conv Faltning square Skapa en fyrkantvåg wavread Läs in en ljudfil soundsc Spela upp ett ljud ones Skapa en vektor med godtyckligt
Läs merBildbehandling i frekvensdomänen. Erik Vidholm
Bildbehandling i frekvensdomänen Erik Vidholm erik@cb.uu.se 9 december 2002 Sammanfattning Detta arbete beskriver hur en bild kan tolkas som en tvådimensionell digital signal, hur denna signal Fouriertransformeras
Läs merTentamen, Programmeringsteknik för BME, F och N
LUNDS TEKNISKA HÖGSKOLA 1(6) Institutionen för datavetenskap Tentamen, Programmeringsteknik för BME, F och N 2015 06 03, 14.00 19.00 Anvisningar: Preliminärt ger uppgifterna 7 + 11 + 16 + 11 = 45 poäng.
Läs merStyr- och Reglerteknik för U3/EI2
Högskolan i Halmstad Sektionen för Informationsvetenskap, Dator- och Elektroteknik 071111/ Thomas Munther LABORATION 3 i Styr- och Reglerteknik för U3/EI2 Målsättning: Bekanta sig med olika processer.
Läs merResttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19
Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19 Tillåtna hjälpmedel: Valfri miniräknare (utan möjlighet till trådlös kommunkation). Valfri litteratur, inkl. kursböcker, formelsamlingar.
Läs mer4.4. Mera om grafiken i MATLAB
4.4. Mera om grafiken i MATLAB Larry Smarr, ledare för NCSA (National Center for Supercomputing Applications i University of Illinois, brukar i sina föredrag betona betydelsen av visualisering inom den
Läs merDIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)
DIGITALA FILTER TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 Frekvensfunktioner x(n)= Asin(Ωn) y(n) H(z) TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 2 FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM
Läs merKundts rör - ljudhastigheten i luft
Kundts rör - ljudhastigheten i luft Laboration 4, FyL VT00 Sten Hellman FyL 3 00-03-1 Laborationen utförd 00-03-0 i par med Sune Svensson Assisten: Jörgen Sjölin 1. Inledning Syftet med försöket är att
Läs merDagens föreläsning (F15)
Dagens föreläsning (F15) Problemlösning med datorer Carl-Mikael Zetterling bellman@kth.se KP2+EKM http://www.ict.kth.se/courses/2b1116/ 1 Innehåll Programmering i Matlab kap 5 EKM Mer om labben bla Deluppgift
Läs merRemoteBud. Inlämnas: Patrik Johnsson, e01pjo Viktor Karlsson, e01vk
RemoteBud Inlämnas: 2005-02-01 Patrik Johnsson, e01pjo Viktor Karlsson, e01vk Abstract Skulle du också vilja styra dina lampor och rulla ner dina persienner med hjälp av din TV-fjärrkontroll? Remotebud
Läs merTentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 8p av totalt 20p Hjälpmedel: MATLAB
MAI/Linköpings universitet Fredrik Berntsson Tentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 8p av totalt 20p Hjälpmedel: MATLAB Redovisning Lös först uppgifterna i Matlab. Då du har en
Läs merTSBB14 Laboration: Intro till Matlab 1D
TSBB14 Laboration: Intro till Matlab 1D Utvecklad av Maria Magnusson med mycket hjälp av Lasse Alfredssons material i kursen Introduktionskurs i Matlab, TSKS08 Avdelningen för Datorseende, Institutionen
Läs merProgrammeringsuppgift Game of Life
CTH/GU STUDIO TMV06a - 0/0 Matematiska vetenskaper Programmeringsuppgift Game of Life Analys och Linär Algebra, del A, K/Kf/Bt Inledning En cellulär automat är en dynamisk metod som beskriver hur komplicerade
Läs merBeräkningsverktyg HT07
Beräkningsverktyg HT07 Föreläsning 1, Kapitel 1 6 1.Introduktion till MATLAB 2.Tal och matematiska funktioner 3.Datatyper och variabler 4.Vektorer och matriser 5.Grafik och plottar 6.Programmering Introduktion
Läs merMätningar med avancerade metoder
Svante Granqvist 2008-11-12 13:41 Laboration i DT2420/DT242V Högtalarkonstruktion Mätningar på högtalare med avancerade metoder Med datorerna och signalprocessningens intåg har det utvecklats nya effektivare
Läs merDagens program. Programmeringsteknik och Matlab. Administrativt. Viktiga datum. Kort introduktion till matlab. Övningsgrupp 2 (Sal Q22/E32)
Programmeringsteknik och Matlab Övning Dagens program Övningsgrupp 2 (Sal Q22/E2) Johannes Hjorth hjorth@nada.kth.se Rum 458 på plan 5 i D-huset 08-790 69 02 Kurshemsida: http://www.nada.kth.se/kurser/kth/2d2
Läs merManual. Kyoritsu 2432 Läckströmstång EAN: R
Manual Kyoritsu 2432 Läckströmstång EAN: 5706445250141 2432 5706445250271 2433R Kyoritsu 2432 2433R Läckströmstång 1 Bruksanvisning 1. Säkerhetsföreskrifter Detta instrument har designats och testat i
Läs merPublicerat för enhet: Kardiologiklinik Version: 4. Innehållsansvarig: Maria Åkerlind, Sjuksköterska, Avdelning 43 (marko19) Giltig från:
Publicerat för enhet: Kardiologiklinik Version: 4 Innehållsansvarig: Maria Åkerlind, Sjuksköterska, Avdelning 43 (marko19) Giltig från: 2017-08-15 Godkänt av: Anne Devall Granelli, Verksamhetschef, Område
Läs merTekniska Högskolan i Linköping Institutionen för Datavetenskap (IDA) Torbjörn Jonsson Plot och rekursion
Tekniska Högskolan i Linköping Institutionen för Datavetenskap (IDA) Torbjörn Jonsson 2010-11-19 Plot och rekursion I denna laboration skall du lära dig lite om hur plot i MatLab fungerar samt använda
Läs merInstruktion för laboration 1
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för matematisk statistik MD, ANL, TB (rev. JM, OE) SANNOLIKHETSTEORI I Instruktion för laboration 1 De skriftliga laborationsrapporterna skall vara
Läs merMedicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 25 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs merBestäm uttrycken för följande spänningar/strömmar i kretsen, i termer av ( ) in a) Utspänningen vut b) Den totala strömmen i ( ) c) Strömmen () 2
7 Elektriska kretsar Av: Lasse Alfredsson och Klas Nordberg 7- Nedan finns en krets med resistanser. Då kretsen ansluts till en annan elektrisk krets uppkommer spänningen vin ( t ) och strömmen ( ) Bestäm
Läs merInledning. Kapitel 1. 1.1 Bakgrund. 1.2 Syfte
Sammanfattning Vi har i kursen Modelleringsprojekt TNM085 valt att simulera ett geléobjekt i form av en kub. Denna består av masspunkter som är sammankopplade med tre olika typer av fjädrar med olika parametrar.
Läs merMMA132: Laboration 2 Matriser i MATLAB
MMA132: Laboration 2 Matriser i MATLAB Introduktion I den här labben skall vi lära oss hur man använder matriser och vektorer i MATLAB. Det är rekommerad att du ser till att ha laborationshandledningen
Läs merElektronik. Viktor Öwall, Digital ASIC Group, Dept. of Electroscience, Lund University, Sweden-
Analogt och Digital Bertil Larsson Viktor Öwall Analoga och Digitala Signaler Analogt Digitalt 001100101010100000111110000100101010001011100010001000100 t Analogt kontra Digitalt Analogt få komponenter
Läs merMATLAB. Python. Det finns flera andra program som liknar MATLAB. Sage, Octave, Maple och...
Allt du behöver veta om MATLAB: Industristandard för numeriska beräkningar och simulationer. Används som ett steg i utvecklingen (rapid prototyping) Har ett syntax Ett teleskopord för «matrix laboratory»
Läs merTentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 8p av totalt 20p Tid: 14:e januari klockan
MAI/Linköpings universitet Fredrik Berntsson Tentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 8p av totalt 20p Tid: 14:e januari klockan 8.00-12.00 Redovisning Lös först uppgifterna i Matlab.
Läs merif (n==null) { return null; } else { return new Node(n.data, copy(n.next));
Inledning I bilagor finns ett antal mer eller mindre ofullständiga klasser. Klassen List innehåller några grundläggande komponenter för att skapa och hantera enkellänkade listor av heltal. Listorna hålls
Läs merA/D- och D/A- omvandlare
A/D- och D/A- omvandlare Jan Carlsson 1 Inledning Om vi tänker oss att vi skall reglera en process så ställer vi in ett börvärde, det är det värde som man vill processen skall åstadkomma. Sedan har vi
Läs merCédric Cano Uppsala 25-11-99 701005-0693 Mätsystem F4Sys. Pulsmätare med IR-sensor
édric ano Uppsala 51199 010050693 Mätsystem F4Sys Pulsmätare med Isensor Sammanfattning Jag har valt att konstruera en pulsmätare som arbetar genom att utnyttja Iteknik. Då ett finger placeras på Isensorn
Läs merMATLAB the Matrix Laboratory. Introduktion till MATLAB. Martin Nilsson. Enkel användning: Variabler i MATLAB. utvecklat av MathWorks, Inc.
Introduktion till MATLAB Martin Nilsson Avdelningen för teknisk databehandling Institutionen för informationsteknologi Uppsala universitet MATLAB the Matrix Laboratory utvecklat av MathWorks, Inc. Matematisk
Läs merApplikationsexempel rumskompensering
Applikationsexempel rumskompensering Document title Applikationsexempel rumskompensering Document Identity 4655-010-01 Valid for IMSE WebMaster Pro Firmare version 1.07 Date 2005-04-22 Webpages version
Läs mer