Automatyczna digitalizacja 12-odprowadzeniowych elektrokardiogramów (EKG) i standaryzacja bazy danych waveForm (WFDB): wnioski z wietnamskich danych klinicznych

Podsumowanie

Przedstawiamy tutaj powtarzalny protokół do konwersji 12-odprowadzeniowych obrazów EKG z rzeczywistych raportów klinicznych na skalibrowane, zgodne z WFDB sygnały cyfrowe do standaryzowanej analizy dalszej, integrując kalibrację siatki, lokalizację ołowiu opartą na YOLOv12, ekstrakcję fali (Viterbi lub ulepszona osi osi) oraz punkty kontrolne wizualnej walidacji.

Streszczenie

Wiele klinik nadal archiwizuje 12-odprowadzeniowe elektrokardiogramy (EKG) jako drukowane papierowe zapisy lub obrazy rastrowe osadzone w raportach PDF, co ogranicza interoperacyjność i dalszą analizę obliczeniową. Przedstawiamy tutaj powtarzalny protokół digitalizacji, który konwertuje obrazy raportów EKG na cyfrowe sygnały zgodne z WaveForm DataBase (WFDB) do standaryzowanego wykorzystania w dalszej fazie. Protokół składa się z (i) wykrywania siatki i kalibracji piksel-fizyka, (ii) automatycznej lokalizacji i oznaczania 12 obszarów wyprowadzenia z wykorzystaniem modelu detekcji obiektów, (iii) wstępnego przetwarzania i normalizacji sygnału oraz (iv) ekstrakcji przebiegów przy użyciu metody ścieżki ograniczonej ciągłości (Viterbi) lub ulepszonego podejścia opartego na osi osi. Workflow został zaprojektowany tak, aby obsługiwać różnorodne układy kliniczne, zmienną widoczność siatki oraz wspólne artefakty obrazowe, a także obejmuje wizualne punkty kontrolne kontroli jakości na każdym etapie. Protokół generuje wyrównane w czasie rekordy 12-wyprowadzkowe WFDB, odpowiednie do powtarzalnej analizy w procesie przetwarzania sygnałów i potokach uczenia maszynowego.

Wprowadzenie

12-odprowadzeniowy elektrokardiogram (EKG) jest fundamentem oceny kardiologii i pozostaje szeroko stosowany do badań przesiewowych, monitorowania oraz podejmowania decyzji klinicznych¹. Pomimo trwających działań digitalizacyjnych, wiele instytucji nadal przechowuje EKG jako drukowane papierowe zapisy lub rasteryzowane obrazy osadzone w raportach PDF, co ogranicza wyszukiwalność i komplikuje podłużne śledzenie². Co ważne, przechowywanie oparte na obrazach uniemożliwia bezpośrednie wykorzystanie standaryzowanych narzędzi EKG oraz potoków uczenia maszynowego, które wymagają skalibrowanych sygnałów szeregów czasowych zamiast obrazów³. Głównym celem tego protokołu jest zapewnienie powtarzalnej i standaryzowanej metody konwersji obrazów elektrokardiogramu na skalibrowane sygnały cyfrowe odpowiednie do dalszej analizy obliczeniowej.

Automatyczna digitalizacja EKG ma na celu rekonstrukcję sygnałów napięciowo-czasowych z zeskanowanych obrazów EKG⁴. Jednak rzeczywiste badania kliniczne EKG często wykazują niejednorodne układy raportów, zmienną widoczność siatki, artefakty kompresji, niejednolite oświetlenie oraz dodatkowe oznaczenia, takie jak stempli czy adnotacje⁵. Czynniki te mogą pogarszać lokalizację ołowiu i śledzenie przebiegów falowych, ograniczając powtarzalność między instytucjami i dostawcami urządzeń⁶. Dlatego praktyczny proces cyfryzacji powinien zapewniać solidną kalibrację siatki, niezawodne rozdzielanie i etykietowanie przewodów oraz standaryzowany eksport do szeroko stosowanego formatu sygnału, takiego jak WFDB⁷. Standaryzowane formaty cyfrowe poprawiają interoperacyjność między instytucjami i ułatwiają powtarzalną analizę przy użyciu ugruntowanych bibliotek przetwarzania sygnałów elektrokardiogramów.

Zaproponowano kilka narzędzi do digitalizacji EKG (Tabela 1), jednak wdrożenie kliniczne pozostaje wyzwaniem, ponieważ wydajność może być wrażliwa na jakość badań i zmienność układu ^8,9,10. Najnowsze badania analizowały także automatyczne wyciąganie ołowiu z papierowych zapisów EKG za pomocą głębokiego uczenia, co dodatkowo podkreśla potrzebę solidnego parsowania przy różnych układach i artefaktach¹¹. Powiązane oprogramowanie do cyfryzacji zostało również wprowadzone w celu poprawy odporności w warunkach heterogenicznych warunków klinicznych¹². Równolegle wprowadzono otwarte zestawy narzędzi i zasoby do badań obrazów EKG, aby ułatwić rozwój metod i benchmarking¹³. W przeciwieństwie do istniejących narzędzi do digitalizacji, które mogą być wrażliwe na zmienność układu lub ograniczone do określonych formatów skanów, protokół ten integruje kalibrację siatki, automatyczną lokalizację ołowiu oraz standaryzowany eksport WFDB, aby zwiększyć odporność na różnorodne raporty kliniczne. W tej pracy koncentrujemy się na pipeline end-to-end, który celuje w rzeczywiste pliki PDF i zeskanowane rekordy EKG, kładzie nacisk na powtarzalność oraz generuje sygnały wieloleadowe zgodne z WFDB do analizy dalszej.

Proponujemy w pełni zautomatyzowany i powtarzalny protokół do konwersji obrazów raportów EKG 12-odprowadzeniowych na cyfrowe sygnały zgodne z WFDB. Protokół integruje (i) kalibrację piksel-fizyczną opartą na siatce przy użyciu standardowych ustawień EKG (25 mm·^s-1, 10 mm·^mV-1), (ii) lokalizację obu obszarów prowadzących i ikon prowadzących opartą na YOLOv12, wspierającą solidną identyfikację przebiegów w heterogenicznych układach raportów, oraz (iii) dwie alternatywne procedury ekstrakcji przebiegów, w tym ulepszoną metodę linii środkowej zaprojektowaną w celu poprawy ciągłości śladu przy zmiennej grubości linii i małych nieciągłościach. Te elementy są zgodne z wcześniejszymi badaniami nad ekstrakcji sygnałów, solidnym oprogramowaniem do cyfryzacji oraz praktycznymi strategiami cyfryzacji w heterogenicznych warunkach klinicznych¹⁴. Powstałe rekordy WFDB umożliwiają dalszą analizę przy użyciu standardowych narzędzi EKG. Protokół ten jest szczególnie odpowiedni do retrospektywnej cyfryzacji archiwalnych raportów z elektrokardiogramów przechowywanych jako zeskanowane papierowe zapisy lub rasteryzowane pliki PDF i może wymagać adaptacji, gdy linie siatki są nieobecne lub są mocno zniekształcone.

Protokół

Uzyskanie zgody Komisji Etyki (Instytucjonalnej Rady Przeglądowej) od szpitala Tam Duc (ID protokołu: 24751791) przed rozpoczęciem retrospektywnego zbierania danych. Usuń identyfikację wszystkich raportów EKG przed analizą, usuwając bezpośrednie identyfikatory (np. imię pacjenta, numer dokumentacji medycznej, datę urodzenia i datę wizyty) i zastępując je nieidentyfikującym identyfikatorem badania. Do opracowywania i oceny modelu używaj wyłącznie danych z odidentyfikowanych EKG.

1. Przygotowanie materiałów, oprogramowania i danych wejściowych

1. Sklonuj repozytorium projektu i weryfikuj strukturę katalogów, w tym bazy/, core_binary/, dane/, ewaluację/, wyjścia/, public/, results/, weight/ oraz wrapper/, wraz z README.md i requirements.txt (patrz Dostępność danych).
   1. Utwórz (lub zweryfikowaj) podfoldery w czasie działania w kategoriach data/ i outputs/, w tym data/raw_pdf/, data/raw_scans/, outputs/images/, outputs/preprocessed/, outputs/kalibred/, outputs/yolo_boxes/, outputs/lead_crops/, outputs/masks/, outputs/traces/, outputs/signals_csv/, oraz outputs/wfdb/.
2. Zainstaluj wymagane zależności oprogramowania (Python, OpenCV, NumPy/SciPy, PyTorch, Ultralytics (framework treningowy/wnioskujący YOLOv12) /YOLO i WFDB) oraz wersje dokumentów z listy materiałów (patrz Tabela materiałów).
3. Umieść dane EKG w danych/raw_pdf/ (raporty PDF) lub danych/raw_scans/ (skany papierowe).
4. Skanuj EKG na papierze w skali szarości przy 300 dpi i utrzymuj stronę płasko, aby uniknąć zniekształceń perspektywy (patrz Tabela materiałów).
   UWAGA: Używaj prędkości i wzmocnienia papieru podanych na wydruku EKG, gdy są dostępne (np. 25 mm·s⁻¹, 10 mm·mV⁻¹), zgodnie z etapem kalibracji w całym procesie pracy (patrz Rysunek 1).

2. Konwertowanie plików PDF EKG na obrazy

1. Konwertuj każdą stronę PDF EKG na obraz w skali szarości przy 300 dpi.
2. Zapisz każdą stronę jako .png (preferowane) lub .tiff używając minimalnej kompresji, aby zachować linie siatki i szczegóły przebiegu.
3. Przechowuj wyeksportowane obrazy w outputach/images/ i utrzymuj spójność nazw plików na wszystkich etapach pipeline'u (patrz Rysunek 2 dla reprezentatywnego układu wejścia).

3. Obrazy EKG wstępnie (kontrast i szum)

1. Stosuj CLAHE, aby poprawić słabe linie siatki i kontrast fali.
2. Zastosuj lekkie rozmycie Gaussa, aby zmniejszyć szum wysokich częstotliwości, zachowując krawędzie fali.
3. Przytnij duże czarne marginegi, zachowując pełną zawartość EKG.
4. Obróć obraz do pozycji pionowej, jeśli skan/eksport jest obrócony.
5. Zapisz wstępnie przetworzone wyjścia na wyjścia/wstępnie przetworzone/.
6. Wizualnie obejrzyj podzbiór wyjść i potwierdzi, że linie siatki i ślady pozostają czytelne (patrz Rysunek 2).
   UWAGA: Unikaj agresywnego wygładzania, które łamie cienkie segmenty fali.

4. Wykrywanie odstępów między siatkami i kalibracja skali (piksel → mm)

1. Wykrywanie odstępów między siatką za pomocą detekcji linii Hougha dla linii pionowych/poziomych.
2. Oszacuj średnią odległość między sąsiadującymi liniami siatki (pikselami) i zapisz wartość odstępów między siatką.
3. Jeśli wykrywanie linii Hougha nie zadziała, oszacuj odstępy za pomocą analizy Fouriera rzutów wierszowych/kolumnowych.
4. Jeśli analiza Fouriera nie zadziała dla siatek kropkowanych, oszacuj odstępy za pomocą detekcji okręgów Hougha (lub okresowości kropkowej).
5. Jeśli wszystkie detektory siatki zawiodą, ustaw wartość awaryjnej odstępu (np. 59 pikseli) i oznacz rekord do przeglądu.
6. Oblicz konwersję piksel na mm przy użyciu wykrytego odstępu i standardu papieru EKG (np. 25 mm·s⁻¹ i 10 mm·mV⁻¹; patrz Rysunek 1).
7. Przeskaluj obraz za pomocą interpolacji bikubowej, aby normalizować skalę między rekordami.
8. Zapisz skalibrowane obrazy na wyjścia/skalibrowane/ i przechowuj dzienniki kalibracyjne na każdy rekord.
   UWAGA: Należy odnieść się do Pliku Uzupełniającego 1 (Algorytm 1) dotyczącego pseudokodu zorientowanego na implementację wykrywania odstępów między siatką i kalibracji piksel-fizyka.

5. Lokalizuj regiony 12-leadowe za pomocą YOLOv12

1. Załaduj wytrenowany model YOLOv12 do wykrywania obszarów leadów (patrz Tabela 2 dla parametrów treningowych).
   1. Wykorzystaj implementację frameworka treningowego/wnioskowania YOLOv12 bez modyfikacji architektonicznych, aby wykryć i rozdzielić 12 obszarów prowadzących w każdym obrazie EKG w celu dalszej cyfryzacji (patrz Rysunek 1).
2. Wykonaj wnioskowanie na każdym skalibrowanym obrazie, korzystając z skonfigurowanego rozmiaru wnioskowania (np. imgsz = 1024).
3. Zastosuj tłumienie niemaksymalne i zachowaj najwyższy poziom pewności w ramce ograniczającej dla każdej klasy prowadzącej.
4. Eksportuj ramki ograniczające do wyjść/yolo_boxes/ w formatie powtarzalnym (TXT/CSV/JSON).
5. Zapisz obrazy nakładek pokazujące przewidywane pola i etykiety regionu leadów do weryfikacji (patrz Rysunek 3 i Rysunek 4).
6. Oznaczyć rekordy z brakującymi leadami, zduplikowanymi leadami lub niespójnym układem i wykluczyć je z automatycznego eksportu, jeśli jest to konieczne.
   UWAGA: Zapoznaj się z Plikiem Uzupełniającym 1 (Algorytm 2) dotyczącym pseudokodu ekstrakcji olowu opartego na YOLOv12 oraz obróbki w pudełkach.

6. Lokalizacja ikon prowadzących za pomocą YOLOv12

1. Załaduj wytrenowany model YOLOv12 do wykrywania ikon leadów (patrz Tabela 2 dla parametrów treningowych).
   1. Użyj tej samej implementacji frameworka treningowego/wnioskowania YOLOv12 bez modyfikacji architektonicznych, aby wykrywać ikony leadów i zapewnić solidną identyfikację leadów w heterogenicznych układach (patrz Rysunek 1).
2. Wykonaj wnioskowanie na każdym skalibrowanym obrazie, korzystając z skonfigurowanego rozmiaru wnioskowania i progów podanych w głównym tekście.
3. Zastosuj tłumienie nie-maksymalnego i zachowaj najwyższy poziom pewności ramek ograniczających dla każdej klasy ikony prowadzącej.
4. Eksportuj pola ograniczające ikony leadów do outputs/yolo_boxes/ w formacie powtarzalnym (TXT/CSV/JSON).
5. Zapisz obrazy nakładek pokazujące przewidywane pola ikon leadów oraz etykiety klas do weryfikacji (patrz Rysunek 5 i Rysunek 6).
6. Oceń wydajność wykrywania ikon lead-a oraz raportuj wyniki ilościowe i definicje metryk (patrz Tabela 5 i Tabela 6).
7. Porównaj wykrywanie obszarów leadów i wykrywanie ikon leadów według tego samego protokołu oceny i konwencji raportowania w czasie działania.

7. Uciń każdy region ołowiu i standaryzuj uprawy

1. Przytnij każdy obszar prowadzący z skalibrowanego obrazu, używając przewidywanych współrzędnych ramek ograniczających.
2. Uprawiaj rośliny do jednolitego rozmiaru, gdy obszary ołowiu różnią się między układami.
3. Zapisz przycięte obrazy na output/lead_crops/ używając schematu nazewnictwa: recordID_leadName.png.
4. Potwierdź, że wszystkie 12 przewodów jest obecnych dla każdego rekordu przed ekstrakcją przebiegu (patrz Tabela 3 i Tabela 4).

8. Generuj binarną maskę sygnałową dla każdego urodzenia ołowiu

1. Normalizuj intensywność każdego utoczenia do 8-bitowego zakresu intensywności.
2. Zastosuj progowanie adaptacyjne (lub Otsu), aby oddzielić ślad przebiegu od linii tła/siatki.
3. Zastosowanie morfologicznego oczyszczenia (np. otwieranie/zamykanie) w celu zwalczania pozostałych artefaktów siatki.
4. Zniweluj niewielkie szczeliny w ścieżce, używając interpolacji lub wypełniania opartego na łączności.
5. Zapisz ostateczną maskę binarną na wyjścia/maski/ i weryfikuj jakość maski na reprezentatywnych próbkach (patrz Rysunek 7).
   UWAGA: Szczegóły generowania masek w regionie leadów przy użyciu maskowania sterowanego skrzynką ograniczającą należy do pliku Supplementary File 1 (Algorytm 3).

9. Ekstrakcja śladów przebiegu (wybierz ekstrakcję ścieżek opartą na Viterbi lub ulepszoną ekstrakcję linii środkowej).

1. Ekstrakcja śladów przebiegu falowego za pomocą ekstrakcji ścieżek opartej na Viterbi
   1. Oblicz mapę kosztów na masce binarnej, która karze nieciągłości i faworyzuje piksele przypominające ślady.
   2. Uruchom dekodowanie Viterbi, aby uzyskać ścieżkę o ograniczeniu ciągłości przez uprawę ołowiową.
   3. Wygładz wyodrębnioną ścieżkę i interpoluj brakujące segmenty, gdy jest to konieczne.
   4. Zapisuj współrzędne ścieżek na wyjścia/ślady i zapisuj wykresy nakładek do weryfikacji (patrz Rysunek 8).
      UWAGA: Zapoznaj się z Plikiem Uzupełniającym 2 (Algorytm 4) dotyczącym pseudokodu ekstrakcji przebiegów i wizualizacji opartego na Viterbi.
2. Ekstrakcja śladu przebiegu fali za pomocą ulepszonej ekstrakcji linii środkowej
   1. Szkieletonizuj maskę binarną, aby uzyskać kandydata na osi środkowej.
   2. Usuń fałszywe gałęzie i izolowane elementy spowodowane szumem siatki.
   3. Wygładz linię środkową i wymusz ciągłość od lewej do prawej.
   4. Interpoluj krótkie brakujące segmenty, aby zachować ciągłość przebiegu.
   5. Dostrojenie parametrów specyficznych dla zbioru danych (np. progi binarizacji, morfologiczne rozmiary jąder, długość przycinania, wytrzymałość wygładzania oraz granice interpolacji szczeliny), aby zoptymalizować ciągłość linii środkowej w warunkach obrazowania w badanym zbiorze.
   6. Zapisuj współrzędne osi na wyjścia/ślady/ i zapisuj wykresy nakładek do walidacji (patrz Rysunek 9).
      UWAGA: Stosuj standardową zasadę osi osi opartą na szkieletyzacji i zwiększaj odporność poprzez dostrajanie parametrów specyficznych dla zbioru danych i postprocessing; odwołuj się do Pliku Uzupełniającego 2 (Algorytm 5) dotyczącego wyodrębniania linii środkowej, wygładzania/interpolacji, ustawień parametrów oraz pseudokodu pamięci.

10. Przekształc ślady pikseli na skalibrowane sygnały (mV vs czas)

1. Przelicz współrzędne y piksela na napięcie za pomocą skalibrowanej skali siatki (10 mm·mV⁻¹) oraz mapowania piksel na mm.
2. Przelicz współrzędne x piksela na czas za pomocą skalibrowanej skali siatki (25 mm·s⁻¹) oraz mapowania piksel-do-mm.
3. Każdy lead ponownie próbkuje do stałej częstotliwości próbkowania (np. 100 Hz) i wyrównuje wszystkie 12 leadów w czasie.
4. Zapisz sygnały 12-leadowe jako pliki CSV w output/signals_csv/ z spójnymi nazwami kolumn i jednostkami.

11. Eksport rekordów WFDB i walidacja wyników

1. Przekonwertuj każdy 12-wyprowadzowy CSV na rekord WFDB za pomocą biblioteki WFDB.
2. Zapisz plik nagłówka .hea zawierający nazwę rekordu, częstotliwość próbkowania, wzmocnienia sygnału, linie bazowe oraz nazwy leadów.
3. Zapisz plik sygnału .dat używając spójnego typu numerycznego (np. 16-bitowy) i konwencji jednostek (np. μV).
4. Przeładuj każdy rekord WFDB i wyrysuj wszystkie 12 leadów, aby potwierdzić kolejność leadów, nazewnictwo i wyrównanie czasu (patrz Rysunek 10).
5. Zapisz końcowe wyjścia WFDB na wyjścia/wfdb/ i zapisz wykresy walidacyjne.
   UWAGA: Szczegóły konwersji CSV do WFDB oraz opcjonalne zapisywanie adnotacji, gdy metadane są dostępne, należy zapoznać się z Plikiem Uzupełniającym 3 (Algorytm 7).

12. Punkty kontrolne i rozwiązywanie problemów

1. Odrzuć lub oznaczyć każdy rekord z zawodną kalibracją siatki, brakującymi przewodami lub poważnymi zasłonami.
2. Ponowne wykonanie wstępnego przetwarzania i kalibracji z dostosowanymi parametrami dla oznaczonych rekordów.
3. Ponowne uruchamianie wykrywania z aktualizowanymi progami pewności/IoU, gdy leady zostaną przeoczone.
4. Podsumuj tryby awarii i kryteria wykluczenia w tabeli wyników.

Wyniki

Przygotowanie wejściowe
Raporty EKG zostały pomyślnie przekształcone z plików PDF lub skanów w standaryzowane, osiowo wyrównane obrazy odpowiednie do dalszej obróbki. W przypadku papierowych EKG skany były pobierane w 300 dpi w skali szarości i zapisywane jako PNG/TIFF, aby zmniejszyć artefakty kompresji. Najczęstsze problemy z wejściem to (i) nadmierna kompresja z eksportu PDF, (ii) częściowe przycięcie usuwające obszary ołowiane lub etykiety oraz (iii) zniekształcenia perspektywy w fotografiach ze s...

Dyskusja

Niniejsze badanie przedstawia zautomatyzowany pipeline end-to-end, który konwertuje 12-odprowadzeniowe obrazy EKG z plików PDF lub zeskanowanych papierowych rekordów na cyfrowe sygnały zgodne z WFDB poprzez kalibrację siatki, lokalizację przełów opartą na YOLOv12 oraz ekstrakcję przebiegów za pomocą wyszukiwania ścieżek Viterbiego lub ulepszonej metody linii^{środkowej 1}. Protokół zawiera punkty kontrolne walidacyjne (nakładki ramek ograniczających, nakładki śledzenia oraz wykresy WFDB reload), wspi...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
GPU (testy w czasie uruchomienia)	NVIDIA	GeForce RTX 3060 12 GB	NVIDIA GeForce RTX 3060 12 GB używany do testów w czasie rzeczywistym
NumPy	NumPy	1.26.4	Przetwarzanie numeryczne
OpenCV	OpenCV	4.10.0.84	Wstępne przetwarzanie obrazu (deskew, filtrowanie)
System operacyjny (testy w czasie rzeczywistym)	Microsoft	Windows 11	Windows 11 używany do testów w czasie działania
Konwerter PDF na obraz	Ten protokół	V1	rasteryzacja PDF przy 300 DPI; podaj adres URL repozytorium w Dostępności danych
Python	Python Software Foundation	3.12.5	Środowisko wykonawcze
PyTorch	PyTorch	0.5.0	Backend dla YOLOv12
Skaner	Kanon	DR-C240	300 DPI, odcienie szarości, PNG/TIFF zalecane
scikit-image	scikit-image	0.25.0	Szkieletyzacja i morfologia (linia środkowa)
Ultralityki	Ultralityki	8.3.155	Framework szkoleniowy/wnioskowania YOLOv12
wfdb (pakiet Python)	PhysioNet	4.1.2	Eksport WFDB (.hea/.dat)