Models and algorithms for minimizing the effects of ectopic beats on heart rate variability determinanation

Abstract

Herzratenvariabilität (HRV) ist einer der wichtigsten Vorhersagewerte für die Beurteilung des autonomen Nervensystems und des Herz-Kreislaufsystems. Artefakte in EKG-Signalen, wie z.B. Extrasystolen, verändern HRV-Parameter und sollten vor der eigentlichen HRV-Analyse korrigiert werden. Dabei können Extrasystolen durch Entfernen, Interpolation oder modellbasierte Methoden korrigiert werden. Obwohl alle Korrekturmethoden in speziellen Fällen geeignet sind, gibt es momentan keinen Vergleich, der ein breiteres Einsatzgebiet berücksichtigt. Diese Arbeit vergleicht einige gängige und neue Korrekturmöglichkeiten für Extrasystolen. Dazu wurden verschiedene Tests generiert, in denen künstlich generierte Extrasystolen eingesetzt wurden. Die Tests berücksichtigen dabei schwach (< 2% einzelne Extrasystolen) und stark fehlerhafte RR-Intervall Zeitserien (enthalten Tachykardien, Bi- und Trigeminie, und Sequenzen von Couplets und Triplets), wie auch die Bestimmung der Robustheit gegen einzelne und aufeinander folgende Extrasystolen. Der Fokus dieses Vergleichs liegt in der Wiederherstellbarkeit der originalen HRV-Parameter, aber auch auf dem -Root mean squared deviation (RMSD), Sensitivität, positiver Vorhersagewert, mittlere Berechnungszeit und Spitzenspeicherbedarf. Ein zusätzlicher Test, der nur natürliche Extrasystolen enthält, wurde verwendet um Informationen über reale Daten zu bekommen. Im Wesentlichen zeigen alle Korrekturmethoden eine hohe Wiederherstellungsrate der HRVParameter. Die Unterschiede zwischen den Methoden hängen dabei hauptsächlich von den individuellen Tests ab. Leicht fehlerhafte Signale sind am besten mit Interpolationsmethoden oder Median-Filtern zu korrigieren. Im Gegensatz dazu sollten stark fehlerhafte Signale am besten durch Entfernen aller inkorrekten RR-Intervalle bereinigt werden. Dieses Resultat ist im Einklang mit der Literatur, da einige Studien das Löschen von ektopischen Segmenten, bzw. sogar des ganzen Signals, vorschlagen, wenn die Fehlerdichte hoch ist. Der Grund dafür dürfte die mangelnde Wiederherstellbarkeit des ursprünglichen Sinusrhythmus sein. Modelle haben einen höheren Spitzenspeicherbedarf und eine längere Berechnungszeit, ohne eine Zunahme bei der HRV-Wiederherstellungsrate zu erreichen. Die meisten Modelle sind für eine Korrektur von einzelnen Extrasystolen mit kompensatorischer Pause vorgesehen. In diesem Vergleich wurden jedoch Extrasystolen mit und ohne kompensatorischer Pause, sowie aufeinanderfolgende Extrasystolen verwendet, womit das schlechtere Abschneiden erklärt werden könnte. Allerdings ist das Ziel dieses Vergleichs die Bewertung der Korrekturmethoden in einem breiteren Bereich von Extrasystolen zu erfassen. Des Weiteren entsprechen alle künstlich erzeugten Artefakte natürlichen Krankheitsbildern. Zusätzlich durchgeführte Tests und Evaluierungen zeigten, dass die Korrektur der meisten Methoden hauptsächlich von der Art der Extrasystole abhängt. Das Hauptresultat dieser Arbeit ist, dass das Entfernen von Extrasystolen in stark fehlerbehafteten Signalen bevorzugt werden soll, während Interpolation in leicht verunreinigten Signalen besser ist. Modelle bringen keinen Vorteil in der Wiederherstellung des ursprünglichen Signales, sofern verschiedene Arten von Fehlern auftreten. Nichtsdestotrotz könnten sie für spezielle Artefakte, wie z.B. ventrikuläre Extrasystolen, besser geeignet sein. In ähnlicher Weise ist das Entfernen von Extrasystolen nicht zwangsweise die bessere Korrekturmethode in stark fehlerhaften Signalen. Solange genügend korrekte NN Intervalle zwischen Extrasystolen präsent sind, ist Interpolation oder der Einsatz von Median-Filtern vorzuziehen. Daher sollte das Entfernen von Artefakten nur im Fall von länger anhaltenden ektopischen Segmenten, wie z.B. einer Tachykardie, vorgezogen werden. Einige Autoren haben bereits vorgeschlagen, verschiedene Korrekturmöglichkeiten für spezielle HRV-Analysen und Fehler anzuwenden. Weitere Forschungsarbeit ist daher notwendig, um diese Vermutung zu belegen.

Heart rate variability (HRV) is one of the most important predictors for the assessment of the autonomic nervous system and cardiovascular health. Artifacts in ECG signals, such as ectopic beats, disrupt HRV parameters. Their correction is thus crucial before HRV analysis can be performed. Several correction approaches, such as deletion, interpolation and model based ones are available to deal with ectopic beats. Although all methods are suitable in specific cases, there is currently no comparison available that accounts for a wide field of applications. This thesis compares several common and new ectopic beat correction algorithms. Different test cases were generated by insertion of artificially generated ectopic beats. These test cases account for slightly (< 2% single ectopic beats) and heavily corrupted RR interval time series (containing tachycardia, bi- and trigeminy and sequences of couplets and triplets), as well as the determination of robustness against single and successive ectopic beats. The focus of this comparison lies on the recovery of the original HRV parameters, but also compares the root mean squared deviation (RMSD) of the RR intervals, sensitivity, positive predictive value (PPV), mean computation time and peak memory. One additional test set containing natural ectopic beats was used to get information about the performance on real data. Basically, all correction approaches show a large recovery rate of the HRV parameters. The differences between the methods highly depend on the individual test cases. Slightly corrupted RR interval time series are most reliably corrected by interpolation methods or median filtering. In contrast, highly corrupted RR interval time series are best corrected by deletion of all erroneous RR intervals. This finding is in accordance with literature, since several studies suggested the removal of ectopic segments or even the rejection of the entire record, if error density is high. The reason lies in the impossibility to recover the original sinus rhythm. Models require a larger peak memory and longer computation time, without an increase in HRV recovery rate. Most of them are designed to correct just single ectopic beats with a compensatory pause. In this comparison ectopic beats with and without compensatory pause were used, as well as successive ectopic beats, which explains the weaker performance. However, the goal of this comparison is to capture the performance of the correction approaches in a wide range of ectopic beats and all of the used artifacts are common in nature. Additional tests and evaluations have shown that the performance of most correction approaches indeed depends largely on the type of artifact. The main finding of this thesis is that removal of ectopic beats is advisable in highly erroneous signals, whereas interpolation may be preferred in slightly erroneous ones. Models do not seem to be advantageous in recovery of the original signal, if different kinds of artifacts are present. Nevertheless, they seem to be superior for specific ectopic beats, such as premature ventricular contractions (PVC). In a similar way, deletion is not always preferable in highly erroneous signals. As long as correct NN intervals are still present between ectopic beats, interpolation and adaptive median filtering seems to be superior. Hence, deletion is most likely to be only suitable to correct ectopic segments lasting for longer periods, such as a tachycardia. Some authors already suggested to use different correction approaches for specific HRV analysis and various types of errors. Further research has to be performed to verify this assumption.