Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSinyal listrik jantung disimulasikan oleh phantom ECG yang dibuat dengan mengubah sinyal-sinyal inframerah yang dikirim oleh komputer lewat port komunikasi serial melalui pemancar infra merah menjadi data-data dijital 8 bit yang selanjutnya diubah menjadi tegangan analog dan dibagi-bagi ke terminal-terminal sadapan ECG. Sinyal listrik jantung yang disimulasikan oleh phantom ECG dapat diukur oleh pesawat ECG seperti sinyal listrik jantung yang dihasilkan manusia normal. Dalam tugas akhir ini penulis merancang, membuat dan menguji serta menganalisa phantom ECG berbasis komputer.

---

"

"Dalam penelitian ini, telah dibangun sebuah sistem akuisisi data elektrokardiograf (EKG) 12-lead berbasis Raspberry Pi 4 yang berbobot rendah, berdaya rendah dan terjangkau. Raspberry Pi 4 digunakan untuk mengakuisisi dan memproses sinyal elektrokardiograf (EKG) dengan performa tinggi, karena memiliki kombinasi antara fleksibilitas dan versality. Sebagai pusat dari sistem akuisisi data yang dibangun, Raspberry Pi menerima, memproses, dan menyimpan data dari Analog Front-End to Digital Converter (ADC) ADS1298RECGFE-PDK. ADS1298 memiliki beberapa kelebihan diantaranya adalah akuisisi data secara simultan, resolusi 24-bit, membutuhkan daya <0.2 mW dan noise<1μV. Komunikasi data yang digunakan dalam sistem yang dibangun adalah Serial Peripheral Interface (SPI). Sistem ini menggunakan sumber daya dari baterai Sony VTC5 18650 untuk mencegah interferensi power line. Untuk bagian pemrosesan sinyal, penulis mengimplementasikan filter low pass Butterworth dengan orde 5 dan Fast Fourier Transform (FFT) pada program Python. Bahasa pemrograman yang digunakan adalah C yang digunakan untuk komunikasi antara Raspberry Pi dengan ADS1298RECGFE-PDK dan Python yang digunakan pemrosesan sinyal. Sistem ini telah dievaluasi menggunakan ProSim 4 yang menghasilkan bentuk gelombang ECG dengan ECG rate 120 BPM, 150 BPM, dan Aritmia, serta pengambilan data partisipan. Dicari juga selisih sinyal yang diperoleh dengan CardioCare 2000 dan hubungannya menggunakan regresi linier pada 120 BPM. Didapatkan nilai error selisih, gradien, dan intercept terbesar adalah 23.615%, 0.062%, dan 9.030%. Sistem ini akan digunakan dalam studi lain untuk mendeteksi Aritmia dengan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari klasifikasi menunjukkan accuracy 100%, specificity 100%, dan sensitivity 100%.

---

In this study, a low weight, low cost, and affordable Raspberry Pi 4 based 12-lead electrocardiograph (ECG) data acquisition system has been built. Raspberry Pi is used to acquire and process electrocardiograph (ECG) signals in high performance, because it has a combination of flexibility and versality. As the center of the data acquisition system built, Raspberry Pi acquires, processes, and stores data from the ADS1298RECGFE-PDK Analog Front-End to Digital Converter (ADC). ADS1298 has several advantages including simultaneous data acquisition, 24-bit resolution, requires power <0.2 mW and noise <1μV. Data communication used in the system built is the Serial Peripheral Interface (SPI). The system uses the power source of the Sony VTC5 18650 battery to prevent power line interference. For the signal processing section, the authors implement the Butterworth low pass filter in order 5 and Fast Fourier Transform (FFT) in the Python program. The programming language used is C which is used for communication between Raspberry Pi with ADS1298RECGFE-PDK and Python which is used for signal processing. This system has been evaluated using ProSim 4 which produces ECG waveforms with ECG rates of 120 BPM, 150 BPM, and Arrhythmia, as well as participant data collection. This system is also looking for the difference in the signal obtained by CardioCare 2000 and its linear relationship using linear regression.The biggest difference, gradient, and intercept error values are 23.615%, 0.062%, and 9.030%. This system will be used in other studies to predict arrhythmias using the Convolutional Neural Network (CNN) classification method. The results of the classification show 100% accuracy, 100% specificity, 100% sensitivity."

"High mortality in Indonesia, caused by acute coronary syndrome, has reached 26 %. In 10 years, National housing health survey or Survei Kesehatan Rumah Tangga Nasional ( SKRTN), under health departement of Republic of Indonesia, stated mortality which is caused by acute coronary syndrome has increased enourmously. It can be avoided by doing early acute coronary syndrome detection like ECG recording. Anyway, some those patients rarely do ECG recording because of expenses and time. By using Blutooth feature on PDA (Personal Digital Assistant) or a Bluetooth dongle on computer, a Telecardiology can be done anywhere and anytime so that coronary syndrome can be detected earlier by medics. Telecardiology research used a microcontroler, a computer and a PDA to record ECG signals. ECG recording is taken in real-time then stored in computer or PDA data base. To detec QRS waves in ECG signals, PanTompkins were used."

"Telah dibuat sistem pemantauan aktivitas jantung dan fisik manusia dengan menggunakan elektrokardiograf tiga lead dan sebuah sensor akselerometer 3-sumbu MMA7260Q yang diaplikasikan sebagai sistem perhitungan konsumsi energi dan pemantau kecepatan gerak. Dengan menggunakan sensor elektrode penulis merekam biopotensial yang dihasilkan oleh otot-otot jantung kemudian mengakuisisi data ini dengan menggunakan rangkaian elektrokardiograf dimana didalamnya terdapat penguat bertahap sebesar 4 kali, 101 kali, dan 5 kali. Untuk menghilangkan noise dirancang pula filter 0,5-100 Hz. Pada keluaran sinyal dari akselerometer dilakukan filter high-pass 0,5 Hz, sehingga elektrokardiograf mampu membaca aktivitas jantung kemudian data analog aktivitas jantung didigitasi menggunakan ADC mikrokontroler 128l, demikian juga data percepatan tubuh manusia mengalami proses digitasi menggunakan ADC mikrokontroler. Kedua data ini disimpan ke dalam sebuah kartu memori. Data aktivitas jantung dan percepatan tubuh manusia kemudian diolah secara digital menggunakan program LabVIEW8.5. Penganalisaan data elektrokardiograf dilakukan dengan tujuan mendapatkan pola perbandingan tetap antara luasan, amplitudo, dan periode sinyal P Q R S dan T. Sedangkan pengolahan data percepatan langkah tubuh digunakan untuk menghitung konsumsi energi dan kecepatan gerak tubuh manusia. Perubahan pola sinyal elektrokardiograf dibandingkan dengan perhitungan konsumsi energi dan kecepatan aktivitas tubuh manusia. Sehingga didapatkan sebuah hubungan antara sinyal P Q R S dan T dengan konsumsi energi dan kecepatan aktivitas tubuh manusia.

---

Monitoring system of heart activity and human physical have made using electrocardiograph three leads and an accelerometer censor 3-axis MMA7260Q which is applied as calculation system of energy consumption and monitoring moving acceleration. Using electrode censor, the writer recorded biopotential which resulted from heart muscle and then process data using electrocardiograph series which have stronger in stage 4x, 101x, and 5x. To reduce the noise, filter 0,5-100 Hz was designed. In output signal from accelerometer, filter high-pass 0,5 Hz installed that electrocardiograph be able reading heart activity and then the data analog of heart activity digitized using ADC microcontroller 128l, and so did the data acceleration of human body. Both of these data saved in a memory card. The data of heart activity and human body acceleration processed digitally using LabVIEW8.5 program. Analyzing electrocardiograph data was done in goal to find a ratio for area, amplitude, and signal period of P Q R S and T. Processing data of body step acceleration used for counting energy consumption and moving velocity of human body. Alteration of electrocardiograph signal was compared with result of calculation from energy consumption and velocity of human activity. So, writer got a correlation in P Q R S and T signal with energy consumption and velocity of human activity."