Analysis of ECG data, for data compression

• Published in: International journal of bio-medical computing Vol. 10; no. 2; pp. 113 - 128
• Main Authors: Shridhar, M., Stevens, M.F.
• Format: Journal Article
• Language: English
• Published: Ireland Elsevier B.V 01.03.1979
• Subjects: Electrocardiography - standards; Heart Diseases - diagnosis; Humans
• ISSN: 0020-7101
• DOI: 10.1016/0020-7101(79)90021-7

A number of papers on the subject of data reduction techniques applied to ECG Data have recently been published; however, the authors found that most of these articles did not consider quantization techniques, which can be effectively applied to ECG data without any complex parameter extraction procedures. In this paper the authors have looked at the effects of quantization on ECG data and techniques of reducing the amount of data needed to represent these signals. Basically, 3 data reduction techniques, linear prediction using differential pulse code modulation, spectral analysis and slope change detection are investigated and a relative assessment of their performance is presented. This analysis revealed that a slope change detection, as applied to prefiltered data, can be used to represent ECG data at a rate of 2 bits/sample, while maintaining the mean squared error and peak error below 1% and 5% respectively. This technique therefore gives an effective 3 to 1 reduction over the original sampled data, since it was found that the original data could be quantized to 6 bits without significant loss of waveform information. On a publié récemment de nombreux articles sur les méthodes de réduction des données appliquées aux ECG. Néanmoins les auteurs ont observé que la plupart de ces articles ne s'intéressent pas aux méthodes de quantification applicables aux ECG sans intervention de procédures compliquées d'extraction de paramètres. Dans cet article les auteurs ont étudié les effets de la quantification sur les ECG et les méthodes de réduction du volume de données nécessaire pour représenter ces signaux. Fondamentalement trois méthodes de réduction des données ont été examinées: prévision linéaire par modulation différentielle, analyse spectrale et détection de changement de pente. Puis leurs performances ont été comparées. Cette analyse a révélé qu'une méthode par détection de changement de pente, appliquée à des données déjà filtrées, peut être utilisée pour représenter des données électrocardiographiques au taux de 2 bits/échantillon, tout en maintenant l'erreur moyenne quadratique et l'erreur maximale en dessous de 1% et de 5% respectivement. Par suite cette méthode permet de réduire de 3 à 1 les données initiales, compte tenu du fait que ces données peuvent être quantifiées, au niveau de 6 bits, sans perte significative d'information.