¿Cómo puedo identificar y eliminar automáticamente una frecuencia fundamental y todos sus armónicos?

7

Tengo algunos datos de microscopía que están contaminados por un artefacto de latido que me gustaría eliminar. Los datos consisten en una gran serie temporal de imágenes capturadas a ~ 60Hz.

Aquí hay un pequeño clip de ejemplo en forma GIF:

gif

Tomé la intensidad de píxel promedio a lo largo del tiempo y calculé el periodograma usando el método de Welch:

ingrese la descripción de la imagen aquí

Como puede ver, hay un pico agudo a ~ 1.8Hz que probablemente corresponderá a la frecuencia cardíaca (~ 108 latidos / min). También hay un montón de picos armónicos en múltiplos enteros de 1.8Hz. Es probable que la frecuencia cardíaca exacta varíe de un conjunto de datos a otro, pero puedo especificar un rango biológicamente plausible como se muestra en el área sombreada en el periodograma.

Lo que me gustaría poder hacer es:

Detecta automáticamente la frecuencia fundamental correspondiente al latido del corazón y todos sus armónicos.
Filtre los datos para eliminar el fundamental y todos los armónicos.

Por el momento puedo resolver el punto 1 de manera muy cruda al encontrar el pico más grande en el periodograma, luego multiplicarlo por donde es el número estimado de picos armónicos, pero estoy seguro de que debe haber Ser un mejor método que este truco. $1, 2, ..., N$ $N$

Con respecto al punto 2, me encontré con esta pregunta que menciona el uso de un filtro de peine para eliminar un fundamental y todos sus armónicos. ¿Es este el mejor método para usar? Una consideración importante es que tendré que aplicar el filtro a cada píxel de series de tiempo en una gran matriz, por lo que un método computacionalmente eficiente sería altamente deseable.

Datos de ejemplo

He subido una serie de tiempo 1D de valores de píxeles medios de ejemplo en .csvformato aquí .
También agregué una muestra de 1000 cuadros (diezmado espacialmente 2: 1) en un .matarchivo comprimido aquí

filters frequency-spectrum

— ali_m
fuente

2

Suponiendo que estamos hablando de una secuencia de imágenes de microscopía en forma de una imagen animada, ¿hay alguna posibilidad de ver ese material? Puede haber una serie de métodos más simples y precisos basados en esa señal si hay una coherencia espacial superior a la media en los artefactos. La reducción a los valores promedio de píxeles arrojará información valiosa.

— Jazzmaniac

@Jazzmaniac He agregado un GIF que muestra un pequeño clip de un conjunto de datos de ejemplo: definitivamente hay cierta coherencia espacial local.

— ali_m

@Jazzmaniac También he subido una secuencia de fotogramas de muestra: puedo proporcionar más datos de ejemplo si fuera útil, pero las pilas en bruto son demasiado grandes para cargarlas.

— ali_m

1

Es posible que pueda utilizar un método de detección / estimación de tono (musical) para estimar la frecuencia fundamental.

— hotpaw2

1

@Jazzmaniac Es cierto que el artefacto de los latidos del corazón es sutil para el ojo humano, pero realmente no me importa mucho cómo se ven los marcos: estoy interesado en cambios locales de intensidad mucho más sutiles para los cuales el latido del corazón es un problema. La oscilación de alta frecuencia que da lugar a las bandas que ves en cuadros individuales es un problema diferente con el equipo de grabación, que planeé tratar por separado.

— Ali_m

1

Su método no es tan malo para un primer intento.

Sin embargo, el siguiente método tiende a funcionar mejor:

Buscar máximos locales
Verifique los máximos que están cerca (espacio de 2 o 3 compartimientos) y combínelos
Crea algunas hipótesis sobre la frecuencia fundamental. Actualmente supone que el pico más alto es la frecuencia fundamental, que es una hipótesis. También debe verificar la posibilidad de que el pico más alto sea el primer armónico, es decir, que haya un pico más pequeño a la mitad de la frecuencia del pico principal. También puede tener otros casos a considerar, utilizando su conocimiento del problema en cuestión (¿Interferencia? ¿Latidos irregulares?).
Suponiendo cada una de esas hipótesis, encuentre la frecuencia del suelo ajustando la parábola a cada pico armónico. Cada pico producirá una estimación ligeramente diferente debido al ruido, pero estos errores no están correlacionados y son promedio. Una de las hipótesis conducirá a ajustes mucho mejores, elija la frecuencia de suelo predicha por esta hipótesis.
Usando la frecuencia del suelo que encontró en el paso 4 como un hecho, vuelva a colocar la parábola alrededor de cada pico para estimar la altura del pico. Tenga en cuenta que los picos probablemente caen entre dos contenedores.
Ahora tiene la ubicación y la fuerza de lo fundamental y sus armónicos, pero no la fase. Probablemente sea más fácil encontrar la fase del fundamental, restar eso, encontrar la fase del primer armónico, etc.

La razón principal por la que esto funciona mejor es el paso 4. Cualquier hipótesis incorrecta para una frecuencia de tierra fallará horriblemente cuando intente ajustar los picos alrededor de la ubicación de los armónicos predichos. Digamos que tienes un pico a 2 Hz. Esta podría ser la frecuencia del suelo o un primer armónico. Cuando prueba la "primera hipótesis armónica", es decir, si la frecuencia de tierra es realmente 1 Hz, ajusta la parábola a los datos alrededor de 1,2,3,4,5 ... Hz. Si esa hipótesis es incorrecta, obtienes basura alrededor de 1,3,5 Hz. Si es correcto, puede encontrar picos cerca de 1.1 Hz, 2.2, 3.3, 4.4 y 5.6, lo que sugiere que la frecuencia de tierra real es 1.12 Hz.

— MSalters
fuente

0

Estás buscando sustracción espectral iterativa . Aquí hay información general de un libro de Análisis de contenido de Alexander Lerch.

— ruoho ruotsi
fuente

Gracias por las referencias. Mi primera impresión es que los métodos de mejora del habla probablemente sean excesivos dado que el artefacto que estoy tratando de eliminar es periódico y tiene una frecuencia fundamental única. Creo que quiero mirar más en la línea de detección de tono.

— ali_m

0

Recomendaría una autocorrelación en su periodograma. Puede construir filtros de muesca o pico negativo basados en múltiplos de la frecuencia fundamental que produce la correlación.

Este código me ayudó a crear una buena gráfica de autocorrelación (cepstrum es otro buen método cuando los armónicos tienen más poder que el fundamental) http://note.sonots.com/SciSoftware/Pitch.html

— panthyon
fuente

-1

1. Automatically detect the fundamental frequency corresponding to the heartbeat, and all of its harmonics

Puede tomar un promedio local en el DFT para encontrar los latidos del corazón. Si cierto punto en este grupo es mayor thresholdy el mayor valor en algún rango a su alrededor, entonces es un latido o un armónico.

2. Filter the data so as to remove the fundamental and all harmonics.

Podrías usar los índices de latidos ubicados previamente y unirlos linealmente. Si eso no es demasiado crudo para ti.

¿Cuál es el propósito de esta parte de la operación? ¿Es este un análisis médico que requiere la ausencia del latido del corazón para buscar otros (tal vez) datos ocultos? ¿O es esto solo por estética?

Me imagino que un filtro de peine será algo incontrolable. Se requerirá un ajuste cuidadoso del parámetro de retroalimentación. Podría ser viable.

EDITAR: ¿Requiere un algoritmo de detección de tono? Escribí uno de estos hace unos años ignorando los términos (cercanos a) DC y encontrando el primer máximo local. Luego, usando los contenedores a ambos lados, podría usar una interpolación cuadrática y encontrar la ubicación de la frecuencia máxima con mayor precisión que la resolución permitida por las frecuencias de los contenedores.

¿Sería más preciso utilizar armónicos? Probablemente solo agregaría una oportunidad para errores. Aunque puede intentar obtener un valor para lo fundamental con este método y encontrar el máximo en doble, triple, etc. y luego usar un método similar al anterior:

encuentre el máximo local 2. interpolado cuadrático para encontrar el valor inter-bin para la frecuencia.

Si vetas el paso cuadrático y solo tomas el máximo local, no obtendrás una frecuencia precisa y subir los armónicos ayudaría.

— Andrew Gallasch
fuente

La primera parte suena más o menos como el enfoque que sugerí en mi pregunta, excepto que su método propuesto no tomaría en cuenta el hecho de que las frecuencias armónicas deberían estar espaciadas regularmente. Realmente no entiendo lo que quieres decir con "usar los índices de latidos ubicados previamente y coserlos linealmente" . ¿Podrías dar más detalles? El paso de filtrado es necesario para analizar cambios locales sutiles en intensidad a lo largo del tiempo, en lugar de con fines estéticos. He subido un poco más pequeño .gif("pequeño" es un término relativo aquí).

— Ali_m

1. Los filtros de peine son, por definición, regularmente espaciados. 2. El problema es que filtrar adaptativamente los latidos del corazón con un filtro de peine del freq fundamental será ondulado a mano y el resultado será ondulado a mano. Así que no creo que realmente puedas confiar demasiado en los datos en estos puntos. 3. ¿Puedes usar diferentes partes de la imagen y restarlas para cancelar destructivamente el latido del corazón, pero mantener los datos de interés?

— Andrew Gallasch

1. Mi punto era que las posiciones de los picos armónicos deberían contener información que podría usarse para identificar con mayor precisión la frecuencia fundamental. 2. ¿Qué quieres decir exactamente con "ondulado a mano"? 3. Eso es algo que no había considerado. No se me ocurre nada obvio, pero pensaré un poco más sobre si esto sería posible.

— ali_m

1. Ver Editar. 2. vaga y no es una solución robusta o particularmente útil. 3. Más información sobre sus necesidades podría ayudar. Lo sentimos, tu pregunta fue un poco de 2 partes y creo que estaba asumiendo que la única parte con la que tenías problemas era la parte final. eliminando los latidos del corazón.

— Andrew Gallasch