ノイズをいかにして少なくするか

PowerLab という機器で実習を行うわけだ。生体から出る信号は微弱なので、飛び交っている交流電源に由来するノイズをいかにして減弱させるかが、きれいなデータを取得するために必要な操作である。学生実習の心電図では、病院等にある心電図専用機器を使うわけにはいかない。高価で実習の班の数だけ用意できない。1年に1回の実習にそんな高価な機器を使うのはコスパがよろしくない。そこで、手足からの誘導を同時ではないけれど、普通のユニバーサルなハイゲインアンプで測定するのが、大学の基礎、生理学では普通なわけだ。1チャネルだけで記録を、標準肢誘導なので3種類行うわけだ。

医学部だと、胸部単極誘導を含めた12種類の誘導を行うのだが、コメディカルでは女性教員と別室を用意しないといけないわけで、専用機器もないことだしそこまでやらないのだ。

測定環境が悪いとノイスだらけになる。シミュレーションで最適な記録方法を探ったわけだ。


この図で、記録ソースを10 kΩの抵抗で代用してシミュレーションした。
シールド・シートの上に10 kΩ 3ケとスイッチで作った回路を起き、高感度増幅器(Bio Amp)の入力を接続するのだ。このシミュレーション回路は入力がEathから浮いているか、10 KΩを介して接地しているかをスイッチで選択できるわけで、スイッチがcloseの場合が心電図の記録では右足がEarthとなるから、これにより近いことになる。

やる前からわかるのは、シールド・シートを寝ている被験者の下に敷き、シールド・シートのEarthは高感度入力アンプ(Bio Amp)のEarthに接続し、PowerLabに装備されているデジタル・フィルターを使うのが最適であろう。

PowerLab のEarth は実は、入力アンプ(Bio Amp)のEarth、DIN8PコネクタにあるAnalog入力のEarth、デジタル入出力のBNCコネクタのEarth、ケースのEarth (交流電源のアース)があって、それぞれ独立している。この内のBio AmpのEarthにシールド・シートを接続するのが最も効果的で、事実今回のシミュレーションでも、以下に示さないが、もっとも良い結果が得られる。しかし、Bio AmpのEarthにシールド・シートを接続するのは、接続端子が用意されていないので、学生実習ではやりにくい。ほかのEarthも接続できるようにすることができるが、アダプタを作成する必要があるとか面倒である。そこで、シールド・シートはPowerLabのケース(case)に接続するしかないわけだ。というわけで、前記事のようなバナナ端子が接続できるようなアダプタを作ったわけだ。

シールド・シートの有効性とデジタル・フィルタの有効生をシミュレーションでチェックしたわけだ。デジタル・フィルタというのは、生体の発する電位には高頻度の周期的な信号がないという前提で、周期的な信号を検知してこれをデジタル回路で処理して、周期的なノイスを削減するわけだ。周期的な信号を検知してから削除するので、記録開始から数秒以上経過しないと交流電源に由来するようなノイズは減弱されない。それが下図である。

記録開始時にあったノイズが数秒後には減少する様子がわかる。これを学生に説明するのは面倒なので、記録開始の「START」ボタンをクリックしたら4秒以上経過した後のデータだけを使えと言うわけだ。

シミュレーションは、シールド・シートの有無、シミュレーション回路のスイッチのON/OFF、シールド・シートの接続先がcaseか入力アンプのEarthか、デジタルフィルタのON/OFF の組み合わせで行った。全部を掲載してもしょうがないから3例を示す。縦軸の単位はμV である。
Aはシールド・シートなし、シミュレーション回路でスイッチはOFFで入力がEarthから浮いていて、デジタフィルタなしという最悪の条件。B はシールド・シートを使いcaseに接続し、シミュレーション回路でスイッチはcloseで、デジタフィルタなし、C ははシールド・シートを使いcaseに接続し、シミュレーション回路でスイッチはcloseで、デジタフィルタを使って、記録開始から4秒以上経過したとき、である。

A でわかるようにp-pが80 μVもあるノイズは C ではp-p で数 μVに減弱された。心電図の大きさはP波の標準的な値が250 μV なので十分でしょ。学生に実施にやらせると、ほかのノイスが大きいから問題にならないでしょう。

このデジタル・フィルタは結構強力だから、シールド・シートがなくてもいいかもしれないが、試行するのを忘れた。

当方の庭の紫陽花その4

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください