Immediate Download Computational Intelligence in Biomedical Engineering 1st Edition Rezaul Begg Ebooks 2024

Get ebook downloads in full at ebookname.
com
Computational Intelligence in Biomedical

Engineering 1st Edition Rezaul Begg
https://ebookname.com/product/computational-intelligence-in-
biomedical-engineering-1st-edition-rezaul-begg/
OR CLICK BUTTON
DOWNLOAD EBOOK
Explore and download more ebook at https://ebookname.com

Instant digital products (PDF, ePub, MOBI) available
Download now and explore formats that suit you...
Computational Imaging and Analytics in Biomedical

Engineering 1st Edition T. R. Ganesh Babu
https://ebookname.com/product/computational-imaging-and-
analytics-in-biomedical-engineering-1st-edition-t-r-ganesh-babu/
Advances in Computational Intelligence Fei
https://ebookname.com/product/advances-in-computational-
intelligence-fei/
intelligent engineering systems through artificial

neural networks volume 19 Computational Intelligence in
Architecting Engineering Systems 1st Edition Cihan H.
Dagli
https://ebookname.com/product/intelligent-engineering-systems-
through-artificial-neural-networks-volume-19-computational-
intelligence-in-architecting-engineering-systems-1st-edition-
cihan-h-dagli/
Pinch of Nom 100 Slimming Home style Recipes Kay

Featherstone
https://ebookname.com/product/pinch-of-nom-100-slimming-home-
style-recipes-kay-featherstone/
Teddy Bear Teddy Bear 1st Edition Alice Schertle
https://ebookname.com/product/teddy-bear-teddy-bear-1st-edition-
alice-schertle/
Everywhere Taksim Sowing the Seeds for a New Turkey at

Gezi 1st Edition Isabel David
https://ebookname.com/product/everywhere-taksim-sowing-the-seeds-
for-a-new-turkey-at-gezi-1st-edition-isabel-david/
Feldenkrais The Busy Person s Guide to Easier Movement

3rd Edition Frank Wildman
https://ebookname.com/product/feldenkrais-the-busy-person-s-
guide-to-easier-movement-3rd-edition-frank-wildman/
Odin s Ways A Guide to the Pagan God in Medieval

Literature 1st Edition Annette Lassen
https://ebookname.com/product/odin-s-ways-a-guide-to-the-pagan-
god-in-medieval-literature-1st-edition-annette-lassen/
An Outline of the History of Economic Thought 2nd

Edition Ernesto Screpanti
https://ebookname.com/product/an-outline-of-the-history-of-
economic-thought-2nd-edition-ernesto-screpanti/
Nutritional Anthropology Biocultural Perspectives on
Food and Nutrition 2nd Edition Darna L. Dufour
https://ebookname.com/product/nutritional-anthropology-
biocultural-perspectives-on-food-and-nutrition-2nd-edition-darna-
l-dufour/
CRC-4080–fm.tex 2/11/2007 10: 18 Page i
Computational
Intelligence in
Biomedical
Engineering
CRC-4080–fm.tex 2/11/2007 10: 18 Page ii
CRC-4080–fm.tex 2/11/2007 10: 18 Page iii
Computational
Intelligence in
Biomedical
Engineering
Rezaul Begg
Daniel T. H. Lai
Marimuthu Palaniswami
Boca Raton London New York
CRC Press is an imprint of the

Taylor & Francis Group, an informa business
CRC-4080–fm.tex 2/11/2007 10: 18 Page iv
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
© 2008 by Taylor & Francis Group, LLC
CRC Press is an imprint of Taylor & Francis Group, an Informa business
No claim to original U.S. Government works

Printed in the United States of America on acid-free paper
10 9 8 7 6 5 4 3 2 1
International Standard Book Number-13: 978-0-8493-4080-2 (Hardcover)
This book contains information obtained from authentic and highly regarded sources. Reprinted
material is quoted with permission, and sources are indicated. A wide variety of references are
listed. Reasonable efforts have been made to publish reliable data and information, but the author
and the publisher cannot assume responsibility for the validity of all materials or for the conse-
quences of their use.
No part of this book may be reprinted, reproduced, transmitted, or utilized in any form by any
electronic, mechanical, or other means, now known or hereafter invented, including photocopying,
microfilming, and recording, or in any information storage or retrieval system, without written
permission from the publishers.
For permission to photocopy or use material electronically from this work, please access www.
copyright.com (http://www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC)
222 Rosewood Drive, Danvers, MA 01923, 978-750-8400. CCC is a not-for-profit organization that
provides licenses and registration for a variety of users. For organizations that have been granted a
photocopy license by the CCC, a separate system of payment has been arranged.
Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and
are used only for identification and explanation without intent to infringe.
Library of Congress Cataloging-in-Publication Data
Begg, Rezaul.
Computational intelligence in biomedical engineering / Rezaul Begg, Daniel
T.H. Lai, and Marimuthu Palaniswami.
p. ; cm.
“A CRC title.”
Includes bibliographical references and index.
ISBN 978-0-8493-4080-2 (hardcover : alk. paper) 1. Artificial
intelligence--Medical applications. 2. Biomedical engineering--Computer
simulation. I. Lai, Daniel T. H. II. Palaniswami, Marimuthu. III. Title.
[DNLM: 1. Artificial Intelligence. 2. Biomedical Engineering. 3. Medical
Informatics Applications. W 26.55.A7 B416c 2008]
R859.7.A78B44 2008
610.285’63--dc22 2007032849
Visit the Taylor & Francis Web site at

http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com
CRC-4080–fm.tex 2/11/2007 10: 18 Page v
Dedication
This book is dedicated to,

My caring wife Dola, son Rashad and my parents
Rezaul K. Begg
My lovely wife Carennie, my parents and family

Daniel T. H. Lai
My supportive family and the healthcare workers of the world

CRC-4080–fm.tex 2/11/2007 10: 18 Page vi
CRC-4080–fm.tex 2/11/2007 10: 18 Page vii
Contents
Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Abbreviations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
Authors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xix
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Biomedical Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Medical Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Medical Instrumentation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3
1.1.3 Medical Systems. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3
1.2 Bioelectric Signals and Electrode Theory . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Signal Processing and Feature Extraction . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Computational Intelligence Techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.1 Supervised Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.2 Fuzzy Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9
1.4.3 Evolutionary Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Chapter Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Book Usage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Biomedical Signal Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Signals and Signal Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Linear Shift Invariant Systems. . . . . . . . . . . . . . . . . . . . . . . . . . . .16
2.2.2 Sampling and Analog Reconstruction . . . . . . . . . . . . . . . . . . . . . 19
2.2.3 Causality and Stability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.4 Noise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .21
2.3 Signal Transforms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 The Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.2 Fast Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.3 The Wavelet Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.4 The z-Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.5 Discrete Cosine Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.6 The Discrete Walsh Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.7 The Hadamard Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.4 Spectral Analysis and Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.4.1 Autocorrelation and Power Density Spectrum . . . . . . . . . . . . 33
vii
CRC-4080–fm.tex 2/11/2007 10: 18 Page viii
viii Contents
2.4.2
Nonparametric Estimation Models. . . . . . . . . . . . . . . . . . . . . . . .36
2.4.3
Parametric Estimation Models . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.3.1 Autoregressive Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4.3.2 Moving Average Model . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.3.3 Autoregressive Moving Average Model . . . . . . . . . . . 40
2.5 Analog Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5.1 Basic Analog Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5.1.1 RC Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5.1.2 RL Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5.2 Butterworth Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.3 Chebyshev Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6 Digital Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.6.1 Infinite Impulse Response Filters . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.6.1.1 Direct IIR Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.6.1.2 Canonical IIR Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6.1.3 Cascaded IIR Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.6.2 Design of IIR Digital Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.6.2.1 Impulse-Invariant Transformation . . . . . . . . . . . . . . . . 53
2.6.2.2 Bilinear Transformation . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.6.3 Finite Impulse Response Filters . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.6.3.1 Direct FIR Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6.3.2 Cascaded FIR Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6.4 Design of FIR Digital Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6.4.1 The Window Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.6.4.2 Frequency Sampling Method . . . . . . . . . . . . . . . . . . . . . 59
2.6.5 Integer Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.6.5.1 Design of Integer Filters . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.7 Adaptive Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.7.1 General Adaptive Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.7.2 The LMS Algorithm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .64
2.7.3 The RLS Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.8 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3 Computational Intelligence Techniques . . . . . . . . . . . . . . . . . . . . . . 73

3.1 Computational Intelligence: A Fusion of Paradigms . . . . . . . . . . . . . 73
3.1.1 The Need for Computational Intelligence
in Biomedical Engineering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.1.2 Problem and Application Domains . . . . . . . . . . . . . . . . . . . . . . . 76
3.2 Artificial Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.2.1 The Perceptron: An Artificial Neuron . . . . . . . . . . . . . . . . . . . . 80
3.2.2 Multilayer Perceptrons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.2.3 The Back-Propagation Algorithm . . . . . . . . . . . . . . . . . . . . . . . . 84
3.2.4 Recurrent or Feedback Neural Networks . . . . . . . . . . . . . . . . . . 88
3.2.5 Kohonen’s Self-Organizing Map . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.2.6 Hopfield Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
CRC-4080–fm.tex 2/11/2007 10: 18 Page ix
Contents ix
3.3 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

3.3.1 Support Vector Classifiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.3.2 Support Vector Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.3.3 Training the Support Vector Machine . . . . . . . . . . . . . . . . . . . 102
3.4 Hidden Markov Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.4.1 The Markov Chain. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .109
3.4.2 The Hidden State . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.4.3 Types of Hidden Markov Models . . . . . . . . . . . . . . . . . . . . . . . . 111
3.5 Fuzzy Sets and Fuzzy Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.5.1 Fuzzy Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.5.2 Fuzzy Membership Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.5.3 Fuzzy Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.5.4 Fuzzy Systems: An Application of Fuzzy Logic . . . . . . . . . . 121
3.6 Hybrid Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.6.1 Fuzzy Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.6.2 Fuzzy Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.7 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4 Computational Intelligence in Cardiology

and Heart Disease Diagnosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.2 The Human Heart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
4.2.1 History of Cardiology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
4.2.2 Structure of the Heart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.2.3 Early Stages of Heart Development . . . . . . . . . . . . . . . . . . . . . 148
4.2.4 The Heart Conduction System . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.2.5 The Cardiac Cycle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
4.3 The ECG Waveform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
4.3.1 P Wave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.3.2 QRS Complex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.3.3 T Wave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.3.4 QRS Segment Intervals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
4.4 The Electrocardiogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
4.4.1 ECG Signal Acquisition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
4.4.2 ECG Electrodes and Leads . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
4.4.3 Electrocardiogram Signal Preprocessing . . . . . . . . . . . . . . . . . 163
4.4.4 Electrocardiogram Signal-Monitoring
and Recording Instrumentation . . . . . . . . . . . . . . . . . . . . . . . . . 164
4.5 Cardiovascular Diseases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
4.5.1 Arrhythmia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
4.5.2 Myocardial Infarction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
4.5.3 Myocardial Ischemia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.5.4 Blood Vessel and Valve Diseases . . . . . . . . . . . . . . . . . . . . . . . . 174
4.5.5 Congenital Heart Diseases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
4.5.6 Other Diseases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
CRC-4080–fm.tex 2/11/2007 10: 18 Page x
x Contents
4.6 ECG Feature Extraction Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

4.6.1 QRS Detection Algorithms. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .177
4.6.1.1 Amplitude and Derivative Algorithms . . . . . . . . . . 177
4.6.1.2 Digital Filter Algorithms . . . . . . . . . . . . . . . . . . . . . . . 178
4.6.1.3 Transform and Classification Algorithms . . . . . . . 180
4.6.2 Morphological Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
4.6.3 Statistical Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
4.6.4 Transform Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
4.6.5 Feature Selection Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
4.7 Computational Intelligence for Diagnosis
of Cardiovascular Diseases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
4.7.1 Artificial Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
4.7.2 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
4.7.3 Hidden Markov Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
4.7.4 Fuzzy Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
4.7.5 Expert Systems: A Combined Hybrid System . . . . . . . . . . . 198
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
5 Computational Intelligence in Analysis

of Electromyography Signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
5.2 The Human Muscle Physiology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
5.2.1 Anatomy of the Muscle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
5.2.2 Muscle Contraction: Sliding Cross-Bridge Action . . . . . . . . 214
5.2.3 The Motor Unit Action Potential . . . . . . . . . . . . . . . . . . . . . . . 218
5.3 Neuromuscular Disorders . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
5.3.1 Neuropathy Disorders: Mononeuropathies
and Polyneuropathies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
5.3.2 Motor Neuron Disease . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
5.3.3 Radiculopathy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
5.3.4 Myopathy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
5.3.5 Neuromuscular Junction Disorders . . . . . . . . . . . . . . . . . . . . . . 230
5.4 The Electromyograph . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
5.4.1 The Electromyograph and Instrumentation . . . . . . . . . . . . . . 231
5.4.2 EMG Electrodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
5.4.3 Signal Acquisition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
5.4.4 Signal Amplification and Filtering . . . . . . . . . . . . . . . . . . . . . . 237
5.4.5 Signal Digitization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
5.4.6 Factors Influencing Electromyograph Readings . . . . . . . . . 238
5.5 Electromyograph Signal-Processing Methods . . . . . . . . . . . . . . . . . . . 239
5.5.1 Preprocessing: Segmentation of Motor Unit
Action Potentials . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
5.5.2 Intermediate Processing: Decomposition
and Identification of Motor Unit Action
Potential Trains . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
CRC-4080–fm.tex 2/11/2007 10: 18 Page xi
Contents xi
5.5.3 Postprocessing: Feature-Extraction Methods . . . . . . . . . . . . 244

5.6 Classification of Neuromuscular Disease . . . . . . . . . . . . . . . . . . . . . . . . 248
5.6.2 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
5.6.3 Fuzzy and Knowledge-Based Systems . . . . . . . . . . . . . . . . . . . 251
5.7 Prostheses and Orthotics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
5.7.1 Kinematics and Kinetic Studies . . . . . . . . . . . . . . . . . . . . . . . . . 253
5.7.2 Limb Motion in Prosthetics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
5.7.3 Robotic Exoskeletons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
6 Computational Intelligence in
Electroencephalogram Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6.1.1 The Brain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6.1.2 Electroencephalography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
6.1.3 Uses of EEG Signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
6.2 Computational Intelligence in EEG Analysis . . . . . . . . . . . . . . . . . . . 279
6.2.1 Computational Intelligence in the Diagnosis
of Neurological Disorders . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
6.2.1.1 Epilepsy Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
6.2.1.2 Huntington’s Disease . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
6.2.1.3 Alzheimer’s Disease . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
6.2.2 Evoked Potentials. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .284
6.3 Brain–Computer Interfaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
7 Computational Intelligence in Gait

and Movement Pattern Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
7.1.1 Biomechanics, Gait, and Movement Analysis . . . . . . . . . . . . 291
7.1.2 The Gait Cycle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
7.2 Gait Measurement and Analysis Techniques . . . . . . . . . . . . . . . . . . . . 295
7.2.1 Temporospatial Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
7.2.2 Kinematics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
7.2.3 Kinetics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
7.2.4 Electromyography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
7.2.5 Combined Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
7.3 Gait in Various Populations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .306
7.3.1 Normal Adult Gait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
7.3.2 Gait in Children . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
7.3.3 Gait in Older Adults . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
7.3.4 Pathological Gait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
CRC-4080–fm.tex 2/11/2007 10: 18 Page xii
xii Contents
7.4 CI Techniques in Gait Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310

7.4.1.1 Neural Networks in the Recognition
of Simulated Gait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
7.4.1.2 Neural Networks in the Recognition
of Pathological Gait . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
7.4.1.3 Neural Networks in the Recognition of Ageing
and Falls-Risk Gait . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
7.4.2 Fuzzy Logic. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .314
7.4.3 Genetic Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
7.4.4 Support Vector Machine in Gait Analysis . . . . . . . . . . . . . . . 317
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
8 Summary and Future Trends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

8.1 Overview of Progress . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .325
8.2 Future Challenges and Research Areas . . . . . . . . . . . . . . . . . . . . . . . . 328
8.3 Emerging and Future Technologies in Healthcare . . . . . . . . . . . . . . 331
8.3.1 Wireless Healthcare Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
8.3.1.1 Wireless Standards and Protocols . . . . . . . . . . . . . . 332
8.3.1.2 Research in Wireless Healthcare . . . . . . . . . . . . . . . . 334
8.3.1.3 Telerehabilitation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
CRC-4080–fm.tex 2/11/2007 10: 18 Page xiii
Preface
In recent years, there has been an explosion of interest in computational intel-

ligence (CI) as evidenced by the numerous applications in health, biomedicine,
and biomedical engineering. This book presents innovative developments in
the emerging field of applied CI and biomedical engineering. We describe state-
of-the-art applications that have benefited from the application of CI, includ-
ing cardiology, electromyography, electroencephalography, movement science,
and biomechanics.
Biomedical engineering is the application of engineering concepts and tech-
niques to problems in medicine and healthcare. It is a relatively new domain of
research and development consisting of subdisciplines such as bioinstrumen-
tation, bioinformatics, biomechanics, biosensors, signal processing, medical
imaging, and computing. Typical applications include design and develop-
ment in prosthetics and medical instruments, diagnostic software, imaging
equipment, and health-monitoring and drug delivery systems.
CI techniques are computing algorithms and learning machines, including
artificial neural networks, fuzzy logic, genetic algorithms, and support vec-
tor machines. Most CI techniques involve establishing a nonlinear mapping
between the inputs and outputs of a model representing the operation of a
real-world biomedical system. Although CI concepts were introduced a few
decades ago, impressive new developments have only recently taken place
about theoretical advances. New theory has, however, led to a mushroom-
ing in applications, in which input–output relations are too complex to be
expressed using explicit mathematical formulations.
This book consists of eight chapters each with a specific focus. Follow-
ing an overview of signal processing and machine-learning approaches, four
application-specific chapters are presented illustrating CI’s importance in med-
ical diagnosis and healthcare. Chapter 1 is an overview of biomedical signals
and systems; it discusses the origin of biomedical signals within the human
body, the key elements of a biomedical system, and the sources of noise in
recorded signals. The second chapter continues with an extensive overview of
signal-processing techniques commonly employed in the analysis of biomedi-
cal signals and for improving the signal-to-noise ratio. Chapter 3 presents an
overview of the major CI techniques.
Electrical potentials generated by the heart are recorded on the body’s sur-
face and represented using an electrocardiogram (ECG). The ECG can be used
to detect many cardiac abnormalities. Chapter 4 concerns recent CI techniques
that have been applied to the postprocessing of ECG signals for the diagno-
sis of cardiovascular diseases. This field is already well advanced and almost
xiii
CRC-4080–fm.tex 2/11/2007 10: 18 Page xiv
xiv Preface
every new CI technique has been tested on processed ECG data. Chapter 5
focuses on CI applications in electromyography (EMG), pattern recognition,
and the diagnosis of neuromuscular pathologies that affect EMG-related sig-
nal characteristics. More recently, CI has also been applied to the control of
myoelectric prostheses and exoskeletons. Of interest here is the combination of
signal-processing and classifier systems to detect the user’s intention to move
the prosthesis. In Chapter 6, CI applications to bioelectric potentials rep-
resenting brain activity are outlined based on electroencephalogram (EEG)
recordings. CI approaches play a major role in EEG signal processing because
of their effectiveness as pattern classifiers. Here we concentrated on several
applications including the identification of abnormal EEG activity in patients
with neurological diseases (e.g., epilepsy) and in the control of external devices
using EEG waveforms, known as brain–computer interfaces (BCI). The BCI
has many potential applications in rehabilitation, such as assisting individuals
with disabilities to independently operate appliances. Chapter 7 provides an
overview of CI applications for the detection and classification of gait types
from their kinematic, kinetic, and EMG features. Gait analysis is routinely
used for detecting abnormality in lower-limb function and also for evaluating
the progress of treatment. Various studies in this area are discussed with a
particular focus on CI’s potential as a tool for gait diagnostics. Finally, Chap-
ter 8 discusses progress in biomedical engineering, biomedicine, and human
health areas with suggestions for future applications.
This book should be of considerable help to a broad readership, including
researchers, professionals, academics, and graduate students from a wide range
of disciplines who are beginning to look for applications in health care. The
text provides a comprehensive account of recent research in this emerging
field and we anticipate that the concepts presented here will generate further
research in this multidisciplinary field.
Rezaul K. Begg
Daniel T. H. Lai
CRC-4080–fm.tex 2/11/2007 10: 18 Page xv
Abbreviations
Acronym Definition
AD Alzheimer’s disease
AEP Auditory evoked potential
AIC Akaike’s information criterion
ADALINE Adaptive linear networks
AMI Acute myocardial infarctions
ANN Artificial neural networks
ANFIS Adaptive neurofuzzy system
A/P Anterior–posterior
AR Autoregressive model
ARMA Autoregressive model with moving average
ART Adaptive resonance theory
BCI Brain–computer interface
BP Backpropagation
CI Computational intelligence
CP Cerebral palsy
CV Cross-validation
CVD Cardiovascular disease
CHF Congestive heart failure
CNV Cognitive negative variation
CSSD Common spatial subspace decomposition
ECG Electrocardiogram
EMG Electromyogram
EVP Evoked potentials
FA Fuzzy ARTMAP
FDA Food and Drug Administration
FIR Finite impulse response
FFT Fast fourier transform
FPE Final prediction error
FLD Fisher’s linear discriminant
GA Genetic algorithm
GRF Ground reaction forces
HD Huntington’s disease
HMM Hidden Markov model
HOS Higher-order statistics
IIR Infinite impulse response
ICD Implantable cardioverter–defibrillators
i.i.d Independent and identically distributed
IIP Intelligent information processing
KKT Karush–Kuhn–Tucker optimality conditions
LS Least squares
LDA Linear discriminant analysis
xv
CRC-4080–fm.tex 2/11/2007 10: 18 Page xvi
xvi Abbreviations
LMS Least mean squares

LS-SVM Least squares support vector machines
LRM Likelihood ratio method
LVQ Learning vector quantization
MI Myocardial infarction
ML Maximum likelihood
M/L Medio-lateral
MDL Minimum description length
MOE Mixture of experts
MRI Magnetic resonance imaging
MTC Minimum toe clearance
MUAP Motor unit action potentials
MUAPT Motor unit action potential train
NCS Nerve conduction studies
NSR Normal sinus rhythm
PSD Power spectral density
PVC Premature ventricular contraction
PSVM Proximal support vector machines
QP Quadratic programming or quadratic program
RLS Recursive least squares
RBF Radial basis function
ROC Receiver operating characteristics
ROM Range of motion
RNN Recurrent neural networks
SA Sinoatrial node
SEP Somatosensory evoked potential
SMO Sequential minimal optimization
SRM Structural risk minimization
SVM Support vector machines
SVR Support vector regressor
VT Ventricular tachycardia
VPB Ventricular premature beats
VEB Ventricular ectopic beats
VEP Visual evoked potential
CRC-4080–fm.tex 2/11/2007 10: 18 Page xvii
Acknowledgments
We gratefully acknowledge support from the ARC Research Network on Intel-

ligent Sensors, Sensor Networks and Information Processing (ISSNIP) for this
project and also to Victoria University and the University of Melbourne for
providing logistic support to undertake this project. ISSNIP has been instru-
mental in bringing together advancements from many fields including biol-
ogy, biomedical engineering, computational intelligence, and sensor networks
under a single umbrella. The authors would like to thank Dr. Tony Sparrow
for taking the time to proofread the manuscript as well as providing helpful
comments. We also thank Dr. Ahsan Khandoker and Dr. Alistair Shilton for
their comments, especially on two chapters of the book.
The authors would also like to thank the publishing team at the Taylor &
Francis Group LLC (CRC Press), who provided continuous help, encourage-
ment, and professional support from the initial proposal stage to the final
publication, with special thanks to T. Michael Slaughter, Jill Jurgensen, and
Liz Spangenberger. We also thank Darren Lai for assisting in the preparation
of the figures of this book.
Finally, we thank our families for their love and support throughout the
writing of this book.
xvii
CRC-4080–fm.tex 2/11/2007 10: 18 Page xviii
CRC-4080–fm.tex 2/11/2007 10: 18 Page xix
Authors
Rezaul K. Begg received his BEng and MScEng

degrees in electrical and electronic engineering from
Bangladesh University of Engineering and Technol-
ogy (BUET), Dhaka, Bangladesh, and his PhD
degree in biomedical engineering from the University
of Aberdeen, United Kingdom. Currently, he is an
associate professor within the Biomechanics Unit at
Victoria University, Melbourne, Australia. Previous-
ly, he worked with Deakin University and BUET.
He researches in biomedical engineering, bio-
mechanics, and machine-learning areas, and has pub-
lished over 120 research papers in these areas. He is a regular reviewer for
several international journals, and has been actively involved in organizing
a number of major international conferences. He has received several awards
for academic excellence, including the ICISIP2005 Best Paper Award, VC’s
Citation Award for excellence in research at Victoria University, the BUET
Gold Medal, and the Chancellor Prize. He is a senior member of the IEEE.
Daniel T.H. Lai received his BE (Hons) degree in

electrical and computer systems from Monash Uni-
versity, Melbourne, Australia, in 2002, and his PhD
from Monash University in 2006. He is currently a
research fellow in the University of Melbourne. His
research interests include decomposition techniques
for support vector machines, application of signal
processing, computational intelligence techniques,
and wireless sensor networks to biomedical engineer-
ing applications. He has over 20 peer-reviewed pub-
lications and is a current reviewer for the IEEE
Transactions of Information Technology and Biomedicine and the Interna-
tional Journal of Computational Intelligence and Applications. He has been
actively involved in the organization of several conferences and workshops
including ISSNIP 2005 and ISSNIP 2007.
xix
CRC-4080–fm.tex 2/11/2007 10: 18 Page xx
xx Authors
Marimuthu Palaniswami received his BE

(Hons) from the University of Madras; ME from
the Indian Institute of Science, India; MScEng from
the University of Melbourne; and PhD from the
University of Newcastle, Australia, before rejoining
the University of Melbourne. He has been serving
the University of Melbourne for over 16 years. He
has published more than 180 refereed papers. His
research interests include support vector machines,
sensors and sensor networks, machine learning, neural network, pattern recog-
nition, and signal processing and control. He was given a Foreign Specialist
Award by the Ministry of Education, Japan, in recognition of his contri-
butions to the field of machine learning. He served as associate editor for
journals/transactions including IEEE Transactions on Neural Networks and
Computational Intelligence for Finance. He is also the subject editor for the
International Journal on Distributed Sensor Networks.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 1
1
Introduction
With the advent of the twenty-first century, the focus on global health and
personal well-being has increased. In 2006, the population of the Earth was
estimated to be 6.5 billion,∗ which is expected to rise steadily in the coming
years. Health has become more important with recent advances in genetic
research, development of new and improved drugs, diagnosis of disease, and
the design of more advanced systems for patient monitoring. Health now ranks
as one of the most important needs in modern society as evidenced by increas-
ing government funding around the globe.
In this opening chapter we examine the fundamental components of a
biomedical system, ranging from the medical data to the instrumentation
that can be used to diagnose a disorder. The vast amount of data collected
has resulted in increasingly extensive databases, which cannot always be effi-
ciently interpreted by clinicians or doctors, resulting in excessive waiting times
for a patient to be diagnosed. The problem is exacerbated by the shortage of
qualified medical staff causing unnecessary delays, which can be exceptionally
fatal to patients with serious disorders. Consequently, recent research issues
have focused on new and improved diagnostic methods to alleviate the risk of
life loss due to inadequate diagnostic capacity.
A new paradigm in the field of medicine is computational intelligence (CI) for
diagnostic systems. Computational intelligence is a combination of advances
in artificial learning and computers, which was introduced more than five
decades ago. These techniques are extremely valuable for interpreting large
volumes of data and have been successfully applied to pattern recognition
and function estimation problems. In short, CI techniques provide a possible
solution to the growing need for automated diagnostic systems. In the fol-
lowing chapters, we will examine the fundamentals of automated biomedical
diagnostic systems and highlight the areas in which CI techniques have been
successfully employed.
∗ http://geography.about.com/od/obtainpopulationdata/a/worldpopulation.htm
1
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 2
2 Computational Intelligence in Biomedical Engineering
1.1 Biomedical Systems

1.1.1 Medical Data
Many types of medical data such as seen in Figure 1.1 are collected, inter-
preted, and archived at a hospital. Alphanumeric data are usually stored
in the hospital databases and consist of details such as the patient’s bio-
data, laboratory test results, doctors’ notes, and medical histories. Image data
include copies of x-rays, magnetic resonance imaging (MRI) scans, comput-
erized tomography (CT) scans, and ultrasound images. Physiological data
are also kept, such as recordings of the electrocardiogram (ECG), electroen-
cephalogram (EEG), electromyogram (EMG), and blood pressure readings.
Medical data can be stored in several forms such as binary data, which con-
sist of simple yes/no, male/female type answers and categorical data (Hudson
and Cohen, 1999), which contain answers from many options; for example,
regarding a cardiac drug, the categories could be calcium channel blocker,
beta blocker, or arrhythmic agent. Integer data may involve blood pressure
readings whereas continuous data consists of real value measurements. Fuzzy
data are collected from instruments that have error in their measurements,
for example, 4.2 mm3 ± 0.1. Extensive types of data include temporal data
from patient histories, time series data from instrumentation recordings, and
digitized image data such as ultrasound scans. Image data are composed of
pixels that can be easily stored as TIFF, JPEG, or BMP file types for future
analysis and diagnosis.
Medical records have increased in size as databases of quantitative data
continually grow. Computer databases for medical records have been around
for the last 40 years, beginning with the first database COSTAR (computer
based medical record system) (Barnett et al., 1979). Since then, other large
databases followed such as PROMIS (problem oriented medical system) in
the University of Vermont during 1970s. The arthritis, rheumatism and
Medical data
Physiological Alphanumeric
Image data signal data data
FIGURE 1.1
Categories of medical data that can be collected.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 3
Introduction 3
aging medical information systems (ARAMIS) system developed at Stanford

University in 1972 was also based on the PROMIS structure but was designed
to collect time oriented data to record a patient’s recovery progress. Continued
developments in technology since then have now allowed medical records to be
made accessible online and to be carried around in personal digital assistants
(PDAs) or smart cards.
1.1.2 Medical Instrumentation

There are several categories of medical instruments ranging from those used
in surgery to the ECG for monitoring the cardiovascular system. In this book,
we will be mostly concerned with medical instruments that record physio-
logical signals including the ECG, EMG, and EEG that measure the voltage
potentials on the skin. These measurements are done by placing electrodes
on specific locations of the body. Nonevasive electrodes are surface electrodes,
which can be placed on the skin whereas needle electrodes are evasive in the
sense that they must pierce the area to obtain measurements. Besides elec-
trodes, other sensors are also available to transduce quantities such as body
temperature and blood pressure.
Detected electrical signals can be processed using a computer or simply a
digital signal processor (DSP) board. The processor receives the measurement
signals and then performs specific tasks such as administering intravenous
drips or alerting the doctor. Other instruments such as the heart pacemaker
are surgically implanted. Modern pacemakers have wireless communication
capabilities, which enable them to display operating parameters or vital signs
on nearby monitors. The device parameters such as amplitude of heart stim-
ulation may also be adjusted in a similar fashion.
A major source of noise in medical instruments is due to the polarizable elec-
trodes. When these electrodes are in direct contact with the skin, a two-layer
charge develops between the electrode and the gel surface. Movement of the
electrode against the electrolyte results in a change of the half-cell potential
and causes distortions to the recordings made between two moving electrodes.
This is known as a motion artifact, which is the result of a superimposed
biosignal and is a serious measurement noise source. Some researchers have
shown that the outer skin layer, stratum corneum, possesses dielectric or piezo-
electric properties that increases the probability of motion artifacts (Togawa
et al., 1997). Unfortunately, removal of this skin layer is not advisable due to
risk of infection.
1.1.3 Medical Systems

Biomedical systems are designed to collect, process, and interpret medical
data. In the early 1980s, computer programs were designed to model physical
systems of the body such as the cardiovascular system and biological pro-
cesses such as respiration. Unfortunately, more complex models such as the
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 4
central nervous system proved extremely difficult due to the lack of under-
standing in the individual workings of the subsystems. It was realized that
newer techniques, such as classifiers in pattern recognition, could contribute
greatly toward understanding these subsystems and research began in inte-
grating CI into systems modelling.
Traditional modelling approaches had a number of weaknesses; for exam-
ple, strict algorithms were inadequate in modelling biological systems since
they required precise knowledge, which was unavailable then. Lack of under-
standing resulted in a shortage of deterministic models, and other approaches
such as knowledge-based modelling were also inefficient. This type of method
required opinions of a small number of experts to make a diagnosis. Serious
problems arose when these experts disagreed on the diagnosis. Further, it
was discovered that generalization to other cases were inadequate since they
depended on data instances and patient physiological characteristics tended
to vary from person to person.
Nevertheless, biomedical systems have been created using several other
approaches. The symbolic approach constructs a knowledge-based system
using a group of experts. The numerical approach relies on computational
techniques such as neural networks for pattern recognition whereas hybrid
systems are birthed from two or more techniques combined to solve a single
problem. A biomedical system incorporating these intelligent techniques is
depicted in Figure 1.2.
Sensors and Signal

Patient
Physiological electrodes Electrical processing
signals signals
Feedback
control
Controller
Interpretation
Diagnosis
with CI
FIGURE 1.2
Flowchart diagram detailing the fundamental components in a biomedical
monitoring system.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 5
Introduction 5
1.2 Bioelectric Signals and Electrode Theory

Many quantities of the human body can be used to infer the state of health.
These include pressure either of the direct or indirect type, flow and velocity,
motion and force, temperature and evaporation, and bioelectric and bio-
magnetic measurements. The early chapters of this book are devoted to the
processing and interpretation of bioelectric signals from the major organs in
the body such as the heart, muscle, and brain. Recording and interpretation
of these kind of signals require signal processing and recently developed CI
methods.
The majority of bioelectric events in the human body have amplitudes less
than 1 V, for example, the resting membrane potential of a cell can be as high
as 0.05–0.1 V, whereas the voltages due to muscle activity are in the order of
microvolts (Togawa et al., 1997). Table 1.1 depicts the voltage and frequency
ranges of several commonly measured bioelectric signals. In contrast, biomag-
netic signals recorded from organs are extremely weak, reaching a maximum
of approximately 10−10 Tesla (T).
The bioelectric signal is generally measured by electrodes, which are made
of various materials, for example, silver, platinum alloys. The type of electrode
used varies according to the biosignal being measured as described in later
chapters. For now, we will examine the electrical processes in obtaining the
bioelectric signal.
The primary source of electrical signals in the body is the movement of ions,
which are positively or negatively charged particles. The amount of ions in
a unit solution is measured by its concentration. If two solutions of different
concentration are separated by a barrier, say a semipermeable membrane,
a concentration gradient forms, which forces ions to move from the higher
concentration to lower concentration solution. Flow of ions across a membrane
along the concentration gradient is referred to as diffusion. If diffusion is
allowed to occur uninterrupted, the concentration gradient in both solutions
TABLE 1.1
Bioelectric Measurement Techniques and the Respective Voltage and Fre-
quency Ranges
Frequency
Bioelectric Measurements Signal Range (mV) Range (Hz)
Electrocardiography (ECG) 0.5–4 0.01–250

Electromyography (EMG) Variable d.c.–10,000
Electroencephalography (EEG) 0.001–0.1 d.c.–150
Nerve potential 0.01–3 d.c.–10,000
Electrooculography (EOG) 0.005–0.2 d.c.–50
Source: Adapted from Togawa, T., Tamura, T., and Oberg, P.A. in Biomedical Transducers
and Instruments. CRC Press, Boca Raton, FL, 1997.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 6
finally acquires the same concentration and is said to be in equilibrium. Ion

flow against the concentration gradient can be achieved by an active pump,
which requires energy, a process known as active transport. Ions being charged
particles are also influenced by electric potentials, that is, positive potentials
attract negative ions and vice versa. The resultant ion concentration (M + ) is
therefore a function of both charge and concentration gradient and can be
described by the Nernst potential:
RT
EM = ln(M + ) + E0 (1.1)
nF
where R is the universal gas constant, T the absolute temperature, n the ion
valence, F the Faraday constant, and E0 some constant. An ionic solution is
sometimes referred to as an electrolyte because it is used to conduct charges
between two electrodes.
Ions in the human body can be divided into majority and minority carriers.
Majority carriers are responsible for carrying most of the electrical charge
and include ions such as sodium (Na+ ), chloride (Cl− ), and potassium (K+ )
(usually at higher frequencies, such as in the muscle). These ions are present
in high concentrations in the human body. Minority carriers are other ions
present in lower concentration and do not contribute significantly to carrying
charges. Ions can form interfaces between metal electrodes, between electrodes
and electrolytes, and between electrolytes and membranes. The electrode con-
ducts charges from the ionic solution to a metal and can then be recorded and
stored.
When a metal is placed in an electrolyte, double layers are formed near the
electrode surface, a net current results, which passes from the electrode to
the electrolyte. The current consists of electrons and negative ions (anions)
moving in opposite direction to the current as well as positive ions (cations)
moving in the same direction of the current. These can be written as the
following chemical equations:
C Cn+ + ne−
A Am− − me−
where n is the valence of C and m the valence of A. Assuming that the

electrode is made of the same material as the cations in the electrolyte, the
metal atoms at the surface of the electrode will give off electrons and form
cations. The anions in the interface will acquire these electrons to form neu-
tral atoms. The process occurs even if no current is present albeit at a lower
rate and is reversible if external current is applied. The local concentration of
the cations in the interface now changes affecting the anion concentrations.
This difference in concentrations results in the electrode possessing a differ-
ent electrical potential from the rest of the solution. The potential difference
between the metal and the solution is then known as the half-cell potential.
It is not possible to measure the potential of a single electrode with respect
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 7
Introduction 7
to the solution. Potential difference measurements are generally made with

respect to the standard hydrogen electrode comprising a platinum black elec-
trode in contact with a solution of hydrogen ions in dissolved hydrogen gas.
Most electrodes for measuring bioelectric signals are designed based on this
principle.
1.3 Signal Processing and Feature Extraction

Biosignals form the raw data that are collected from medical instrumentation
such as ECG, EEG, and EMG. These analog signals are often converted into
digital signals for storage. In cases where the signals are small in amplitude,
some form of amplification is performed using differential amplifiers. Filtering
is then applied to retrieve a particular signal frequency band and to reduce
noise. Currently, fundamental signal preprocessing and digitization of these
analog signals are automatically performed by the measuring instruments.
Digitization is also a step toward transforming the information in the signal
to a form, which can be manipulated by the computer.
The next phase in interpretation of the recorded biosignal is feature extrac-
tion, which is used to identify important and special characteristics in the
digital signal. These “features” are associated with a particular pathology,
motion, or state of the body. However, note that it is very common to have a
feature shared by two or more disease types. A natural question, which arises
then, is how to select the best features, the answer to which is as yet not defini-
tive. Research in all fields of medicine currently seeks better feature extraction
methods with the goal of obtaining better data representations of the subject
of interest. As a result, we now possess a plethora of feature extraction meth-
ods, which have emerged from various efforts in the signal-processing field. In
this book, we will try to highlight the common feature extraction methods and
compare them to illustrate the importance of selecting the correct features for
detection and diagnosis of human diseases.
Feature extraction methods focus on different properties of the signal in
time and frequency domain. The signal waveform can be easily described
and graphed using any plotting software, for example, Matlab. The shape or
“morphology” of the waveform is the first step in finding clues of the pathol-
ogy involved. If the waveform is periodic and of constant morphology, that
is, approximately the same shape and repetitive, one may decide to measure
morphological details such as waveform spike height, period, number of spikes
and troughs, and distance between spikes. Signal-processing techniques such
as Fourier series decomposition and power spectra analysis are more advanced
techniques to extract information that cannot be otherwise measured directly.
Comparison of these properties between healthy people and patients is some-
times adequate to determine the type of disease if not at least the presence of
it. More complex signals with varying frequencies can be investigated using
the popular wavelet decomposition technique.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 8
1.4 Computational Intelligence Techniques

In practical applications, the extracted features of the problem are rarely able
to fully describe the pathology. This problem arises particularly from using
a suboptimal or redundant set of features to describe the problem. Instead
of looking for better features, we assume that the extracted features are non-
linearly related to the inputs and outputs of a biomedical system. For exam-
ple, automatic diagnostic systems for detecting heartbeat irregularities using
ECG waveforms use the processed ECG data as inputs. The aim is to learn
the relationship between this information and the corresponding pathology,
so that when new data are available, the system would recognize the correct
pathology. Such tasks can be accomplished by using CI techniques.
There are three disciplines, which form the core of today’s applied CI tech-
nology, although many other interesting CI concepts such as unsupervised
learning, reinforcement learning, symbolic learning, and cognition sciences
(Shavlik and Dietterich, 1990) are still being researched on. Figure 1.3 depicts
the relationship between the three core disciplines, which emerged around
the same era; supervised learning beginning with the perceptron (Rosenblatt,
1958), fuzzy logic (Zadeh, 1965, 1973; Zadeh et al., 2002), and genetic algo-
rithms (Barricelli, 1954; Fraser, 1957).
Core
60 years.
Hybrid
Very well Supervised 10 years.
known, almost
Still ongoing.
saturated,
Includes
difficult to
concepts such
develop
as fuzzy
something
Evolutionary classifiers,
novel
fuzzy
evolutionary
Fuzzy algorithms, and
evolutionary
supervised
algorithms
Tri-breed (new)
Not much evidence, attempts made,
deals with online data in real time world, e.g.,
evolvable neural networks with fuzzification
FIGURE 1.3
The main computational intelligence paradigms and the state of current
research.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 9
Introduction 9
1.4.1 Supervised Learning

The most common CI technique in use is supervised learning, which involves
constructing a classifier or regressor from a set of data. This construction
process is commonly known as training and the data set is known as the
training set. In supervised learning, a supervisor designates class labels for the
data and presents it to the machine to train it. For example, in the diagnosis of
myocardial infarctions (heart attacks), the supervisor would be a cardiologist
who examined ECG readings and labeled them as healthy or belonging to
someone suffering from possible myocardial infarction. This form of learning
is commonly used in pattern recognition applications and is the most widely
researched and understood area, examples being neural networks and support
vector machines.
1.4.2 Fuzzy Logic

In standard mathematics, values in a set have fixed and defined numbers. For
example, a set A = {x, y, z} in the normal sense contains three elements x, y,
and z, which take specific values such as x = 1, y = 2, and z = 8. In fuzzy set
theory, the concept of defined values for a set is changed to accommodate
elements with uncertainties. Quantities such as x, y, z could belong to two
or more sets with their degree of belongingness defined by a membership
function. An element x will then have different membership values indicating
the closeness of the element to a particular set and is referred to as a fuzzy
element. In fuzzy logic, variables need not be distinct values but can take on
abstract measurements described in linguistic terms. For example, rather than
stating the patient’s heart beat is 60 beats/min, we can assign terms such as
the heart beat is fast, moderate, or slow. The heart beat is now treated as a
linguistic variable described in these linguistic terms. Fuzzy logic is thus an
extension of hard rules, which use thresholding, where rather than the familiar
“If x = 5, then y = 10,” we use rules such as “If heart beat is fast, then disorder
is ventricular tachycardia.”
1.4.3 Evolutionary Algorithms

Evolutionary algorithms refer primarily to optimization algorithms that are
based on the evolution of biological systems and include algorithms such as
genetic algorithms, particle swarm optimization, and ant colony optimization
algorithms. Genetic algorithms perform optimization based on genetic evo-
lution. The idea here is to divide the main problem into smaller problems
and solve them individually. The subproblems or subsolutions are treated as
genes and the iterative step toward the main objective is made by retaining
only the good genes while discarding the suboptimal solutions. These genes
are either combined according to a certain fitness function or randomly to
simulate evolution. Other evolutionary elements such as “mutation” are intro-
duced to avoid the algorithm terminating at local optimum points. Particle
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 10
swarm and ant swarm optimization are similar in concept; they use obser-
vations on how swarms work collectively to achieve a global objective. In
these techniques, a global fitness function or objective is defined along with
several local objectives. These local objectives depict members of a swarm
and are continuously updated according to certain criteria so that the swarm
eventually discovers the optimal solution. One must define the fitness func-
tion, local objectives, local update rules, and elements of the swarm. The
main drawback, however, is algorithm stability and convergence, which is
difficult to guarantee at times. In Chapter 3, we describe several CI tech-
niques in detail but have not included the topic of evolutionary algorithms
because there are very few biomedical applications that have applied them.
There is nevertheless scope for their application, and the interested reader
is referred instead to some of the more authoritative references (Fogel, 1995;
Sarker et al., 2002) for applying this CI technology to problems in biomedical
engineering.
1.5 Chapter Overview

Chapter 2. This chapter provides an introductory background and begins with
the definition of signals before going on to review the theory of underlying
signal-processing techniques. Of particular importance are digital signals now
commonly used in CI because they are obtained from analog biosignals via
sampling. Incorrect sampling can lead to the introduction of noise and alias-
ing errors. Noise is undesirable because it corrupts the signal and results
in information loss whereas aliasing errors result in erroneous digital rep-
resentations of the original signal. Noise can be removed by filters, which
enhance the signal and attenuate the noise amplitudes. Aliasing errors can
be circumvented by using appropriate sampling rates following the Nyquist
sampling theorem. Standard analog filters use passive components such as
resistors whereas digital filters can be implemented using computer algo-
rithms. If noise exists in the same frequency band as the desired signal,
adaptive filter technology can be employed to filter the noise. Signal infor-
mation can also be extracted using signal transforms, which fundamentally
represent the signal as a sum or a series of basis functions. Some of the pop-
ular transforms, we look at include the Fourier transform, wavelet transform,
and discrete cosine transform. These transforms are important in providing
characteristic information of a signal and can also be employed as compres-
sion methods allowing for a more concise signal representation and signal
reconstruction.
Chapter 3. In this chapter, we review the CI techniques used in several biomed-
ical applications. These techniques include neural network models such as the
multilayered perceptron and self-organizing map, support vector machines
(SVM), hidden Markov models (HMM), and fuzzy theory. CI techniques are
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 11
Introduction 11
primarily employed for solving problems such as function estimation where no

direct mathematical model can be built to mimic the observed data. Recent
biomedical problems usually use classifiers to assist in diagnosis of a partic-
ular disease or disorder. Classifiers generally require training data, which are
composed of labeled examples from which a separating or decision surface
is constructed to classify unseen data. In addition, we examine the theory
behind a selection of techniques, which have been chosen for the diversity of
their application. Along the way, we will mention the various issues that are
pertinent to the successful implementation of these techniques, the algorithms
that can be used to train them, and references to software implementations
of these techniques.
Chapter 4. One of the major organs of the human body is the heart, which
preserves us by pumping oxygen carrying blood to the organs. The heart
forms the core of the cardiovascular system that can be monitored using the
ECG. ECGs measure the net action potentials generated from the mechanical
pumping action of the heart during every cardiac cycle. Clinicians have used
this close relationship between ECG and cardiac action to monitor the heart’s
health. Cardiovascular disorders such as arrhythmias (abnormal heart beats)
and myocardial infarctions (heart attacks) have been detected by cardiologists
from ECG readings. A contemporary research is devising methods to auto-
matically detect heart diseases from ECG inputs using CI techniques. We will
show how the ECG is recorded, preprocessed, and used in conjunction with
CI techniques such as neural networks to diagnose certain cardiovascular dis-
orders. Of special interest is the accuracy in correctly identifying the disorder
and proper feature selection for improved classification. An inherent problem
is the considerable amount of ECG variation observed between patient age
groups in waveform characteristics such as amplitude and period. This is not
surprising, given that children have generally faster heart beats of smaller
amplitude whereas the elderly have slower heart rates. This means that bet-
ter processing methods for feature extraction are required to obtain more
independent and robust features in the design of an automated diagnostic
system.
Chapter 5. Our ability to move is largely due to the neuromuscular system,
which is primarily responsible for providing control nerve signals and actua-
tion. Disorders in this system range from motor neuron diseases to diseases of
the neuromuscular junction and diseases within the muscle fibers. The motor
unit action potential (MUAP) is generated by muscle fibers during contrac-
tion and can be measured by an EMG. One serious complication is that each
muscle group contains potentially thousands of muscle fibers each generat-
ing action potentials. Depending on the type of EMG collected (needle, wire,
or surface), the final waveform will be a superposition of MUAPs with some
suffering dispersion effects as they propagate through fat or tissue although
others are affected by electrode movements that cause motion artifacts. Auto-
mated diagnostic systems face an enormous task of first decomposing the
EMG into individual MUAP waveforms or simpler waveforms. This process
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 12
requires considerable filtering and signal processing to acquire waveforms char-

acteristic of the disorder. Of late, another approach has been adopted where
signal processing is minimally done and classifiers used to classify the com-
posite waveform itself. This direction poses several intricate challenges, the
primary one being that the superimposed MUAP waveforms are not unique
to the disorder, and using them as such will lead to erroneous diagnoses. This
chapter will examine how the composite MUAPs are decomposed into sim-
pler waveforms, how feature extraction and information processing is done,
and also how classification is undertaken. In addition, CI application in the
development of prostheses and exoskeletons are also examined. Here, EMG
signals are used as primary input signals to a classifier to detect the intention
of a particular user to move.
Chapter 6. The brain is the main control centre of our central nervous sys-
tem where generated control signals are used to execute bodily functions. The
electrical activity relating to the brain’s function can be picked up by placing
electrodes on the scalp, which is commonly known as EEG. EEG signals vary
according to changes in brain functions, for example, due to neurological con-
ditions. CI techniques play a major role in the processing and analysis of EEG
signals and in Chapter 6, we focus on EEG signal acquisition and analysis,
and in particular CI-assisted major applications involving the detection and
classification of abnormalities in EEG signals. Furthermore, we provide an
overview of EEG-based communication, widely known as BCI or the brain–
computer interface, which holds many potential applications such as helping
the disabled to restore functional activities.
Chapter 7. It focuses on gait- and movement-related signals, commonly used
biomechanical and motion analysis approaches, and the key features that are
extracted from movement patterns for characterizing gait. We briefly discuss
some of the significant application areas that have benefited as a result of the
usage of CI methods, such as the detection of tripping falls in the elderly.
Analysis of gait or human movement offers interesting insights into the types
of information that can help the diagnosis and treatment of ambulatory disor-
ders. In analyzing gait, both statistical and machine-learning techniques are
used by researchers to assess movement patterns. The applications related to
motion analysis are extensive: ranging from clinical, rehabilitation and health
improvements to sports performance.
Chapter 8. In the final chapter, we review briefly the major areas in biomedi-
cal engineering, which have benefited from CI applications and the significant
developments to date. Much of the research in CI for biomedical engineer-
ing has focused on classifying disorders based on pathological characteristics.
CI techniques are gradually becoming more and more effective in solving a
variety of problems, in particular those in which human intervention might be
replaced by a machine-based automated response. However, to bring CI to the
forefront of healthcare technology, several fundamental challenges remain to
be addressed. Some of these challenges would require contributions from the
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 13
Introduction 13
machine-learning community as these are regarded as the core technologies

that drive these techniques. Finally, we discuss the future developments in
biomedical engineering and how CI could play a role in them. Some examples
include the development of wireless healthcare systems and the use of sensor
networks and intelligent information techniques.
1.6 Book Usage

This book can be used in a variety of ways. Chapters 2 and 3 contain back-
ground material that would be useful for comprehending the following chap-
ters. Selected topics in these chapters may be used together with material
from one or more other chapters for undergraduate and postgraduate courses
in biomedical engineering. For biomedical researchers, we hope that this book
provides a review of the advances and remaining challenges in the application
of CI to problems in the biomedical field. We have tried to present the mate-
rial such that each chapter can be independently read and we hope that the
readers will find it useful and enjoy the material to read as much as we have
enjoyed presenting it.
References
Barnett, G., N. Justice, M. Somand, J. Adams, B. Waxman, P. Beaman,
M. Parent, F. Vandeusen, and J. Greenlie (1979). COSTAR—a computer-
based medical information system for ambulatory care. Proceedings of the
IEEE 67(9), 1226–1237.
Barricelli, N. A. (1954). Esempi numerici di processi di evoluzione. Methodos,
45–68.
Fogel, D. (1995). Evolutionary Computation: Toward a New Philosophy of
Machine Intelligence. New York: IEEE Press.
Fraser, A. (1957). Simulation of genetic systems by automatic digital comput-
ers I. Introduction. Australian Journal of Biological Sciences 10, 484–491.
Hudson, D. L. and M. E. Cohen (1999). Neural Networks and Artificial Intel-
ligence for Biomedical Engineering. IEEE Press Series in Biomedical Engi-
neering. New York: Institute of Electrical and Electronics Engineers.
Rosenblatt, F. (1958). The perceptron: a probabilistic model for information
storage and organization in the brain. Psychological Review 65, 386–408.
Sarker, R., M. Mohammadian, and X. Yao (Eds) (2002). Evolutionary Opti-
mization. Boston, MA: Kluwer Academic.
Shavlik, J. and T. Dietterich (1990). Readings in Machine Learning. The
Morgan Kaufmann series in machine learning. San Mateo, CA: Morgan
Kaufmann Publishers.
CRC-4080–ch001.tex 10/10/2007 15: 4 Page 14
Togawa, T., T. Tamura, and P. A. Oberg (1997). Biomedical Transducers and

Instruments. Boca Raton, FL: CRC Press.
Zadeh, L. (1965). Fuzzy sets. Information and Control 8, 338–353.
Zadeh, L. (1973). Outline of a new approach to the analysis of complex sys-
tems and decision processes. IEEE Transactions on Systems, Man, and
Cybernetics 8, 28–44.
Zadeh, L., T. Lin, and Y. Yao (2002). Data Mining, Rough Sets, and Granular
Computing. Studies in Fuzziness and Soft Computing, vol. 95. Heidelberg:
Physica-Verlag.
Other documents randomly have
different content
III
— Alors, chère enfant, c’est bien décidé : vous ne

m’accompagnez pas à Paris, ce tantôt ?
— Mais, petite mère, mon après-midi est engagée. Je ne voudrais
pas manquer ce cours de puériculture qui, vous le savez, m’intéresse
tellement !
— Je le sais ! C’est pourquoi je n’insiste pas davantage ! Ah ! si
Antoinette de Gatrey ne m’avait téléphoné, ce matin ! Mais elle
désire mon avis pour l’agencement de son nouvel appartement. Elle
est si peu pratique, la pauvre ! Et puis, il y a le bottier, le fourreur et
mille corvées !
Mme Davier inscrivait des indications sur son agenda, qu’elle
renfermait dans un sac de broderie de perles au fermoir d’or.
— Peut-être dînerai-je avec Antoinette. Ne vous inquiétez donc
pas si je rentre un peu tard.
— Bien, petite mère. Restez tranquillement à vos affaires. C’est si
fatigant de courir Paris ! Je surveillerai les devoirs de Loys quand il
rentrera du lycée.
— Merci, Évelyne !
Et Mme Davier ajouta, avec l’envie irraisonnée d’être agréable en
quelque chose à la jeune fille :
— Si j’en trouve le temps, j’irai jusqu’à la rue de Tournon, pour le
mardi de cette bonne Mme Clozel.
— Elle sera certainement heureuse de vous voir ! répondit
Évelyne avec simplicité.
C’était jour de consultation. La sonnette ne cessait de retentir.
Sans revoir son mari, Mme Davier monta dans l’auto qui la transporta
à la gare.
Tandis que le train l’emmenait vers la capitale, un sourd malaise
tourmentait ses esprits. Tous les motifs allégués pour ce
déplacement n’étaient que mensonges. Et les yeux purs et sincères
d’Évelyne émouvaient en elle un sentiment d’humiliation, presque un
regret.
En définitive, qu’allait-elle faire à Paris ? Tout bonnement,
retrouver son frère, qui l’introduirait dans un dancing réputé. Son
manteau de fourrure cachait la tunique constellée d’acier qui la
moulait.
Le proposition chuchotée par Stany avait réveillé chez la jeune
femme un avide désir de s’échapper du logis trop bourgeois, de
replonger dans l’atmosphère capiteuse, de goûter au plaisir violent
qui anesthésie à force d’ivresse, comme un soporifique.
Depuis quelque temps, Fulvie était obligée de constater un
phénomène effarant. Entre l’époux qui se dépensait à des tâches
austères et la jeune fille, gracieuse et bonne, qui montrait dans les
moindres choses, sans y prétendre, la passion du dévouement, la
conscience déprimante d’une infériorité morale s’imposait trop
souvent à l’orgueilleuse femme. Une lente transformation s’opérait
en elle, atténuant ses virulences, sapant l’égoïsme impérieux et
exigeant de son caractère. Mais elle regimbait, résistait à l’évolution,
accusait l’assoupissement de la vie familiale, qui rouillait ses
ressorts, diminuait en elle l’énergie, peut-être la jeunesse.
Et elle voulait retenir son véritable soi, cette personnalité mentale
à laquelle on est habitué comme à l’image physique reflétée par la
psyché. Elle cherchait à retrouver la Fulvie audacieuse et impériale,
cueillant à la ronde l’admiration et le désir des regards, la Fulvie
devant laquelle tombaient en moissons les hommages, comme les
fleurs venues de la foule pleuvent devant la ballerine ou le torero.
Quelques heures d’amusement, de vertige, la rendraient à elle-
même, retrempée, revivifiée, ayant rejeté toutes impressions
maussades et grises.
A la sortie du train, Fulvie s’engouffra dans le métro. Devant elle
s’assit un officier bleu horizon. Elle vit le chiffre brodé sur le képi.
Ses mains gantées se tordirent nerveusement dans le large
manchon. Son cœur s’enveloppa de deuil.
Ce chiffre, c’était le numéro de son régiment ! Cet homme avait
peut-être connu celui qui gisait dans un coin ignoré de la
Champagne, celui qui, jadis, marivaudait avec tant d’esprit et de
hardiesse dans le cercle du Parterre de Latone ! Jours enfuis, joies
évaporées, préférence secrète dont les preuves n’étaient plus que
cendres !
Elle sortit du souterrain, vibrante encore de ces réminiscences.
Comme il semblait l’aimer ! Et comme elle l’eût aimé !
Devant la glace d’un étalage, Fulvie s’arrêta pour rectifier sa
coiffure. Elle s’étudia d’un regard clairvoyant. Trente-cinq ans ! Oui,
la limite dangereuse de la maturité. Et l’âge se dénonçait à de
sournois indices : plissement des paupières, empâtement du
menton, un je ne sais quoi de plus massif et de plus lourd dans
l’ensemble.
— La lutte finale ! pensa-t-elle avec amertume. En avant, tout
l’arsenal défensif préconisé par Lina Cavalieri dans Femina,
autrefois ! Aurai-je la patience de me vouer à ce travail de bagne ?
Ses emplettes effectuées, Mme Davier se trouva, boulevard
Haussmann, tout près du siège administratif de l’importante maison
d’automobiles dans laquelle son frère était employé depuis peu. Elle
avait projeté d’y entrer pour obtenir de Stany un lieu et une heure
de rendez-vous plus précis — la friture du téléphone, le matin, ayant
empêché la communication.
— Je suis la sœur de M. de Lancreau, attaché à l’usine de
Levallois-Perret, dit Fulvie à l’huissier superbement galonné d’or.
Pouvez-vous lui demander à quel endroit je dois l’attendre ?
Pendant que l’homme, obligeamment, opérait, Mme Davier
examinait la pièce, meublée avec une savante sobriété, et décorée
de dessins et de photographies des dernières créations sorties des
ateliers. Une impression de confiance la réconforta. Ce Stany, à
travers ses innombrables avatars, possédait le talent acrobatique de
retomber toujours d’aplomb. C’était une chance qu’il eût trouvé,
dans cet établissement puissant et prospère, une « situation
d’avenir ».
Ah ! mon Dieu ! ces situations dites d’avenir, le pauvre garçon, en
avait-il essayé ! Et d’ordinaire ce fameux avenir n’allait pas plus loin
que cinq ou six mois ! Tantôt la mirifique entreprise quittait Stany, en
s’écroulant ; tantôt c’était Stany qui laissait l’entreprise, pour des
causes insaisissables et indéfinissables.
Il était temps, pour cet éternel gamin, d’arriver à la stabilité
permettant un mariage sérieux, qui achèverait de l’assagir.
L’huissier, le récepteur à l’oreille, écoutait les explications qui lui
étaient données. Puis, se tournant, placide, vers Mme Davier, il
prononça :
— M. de Lancreau, madame, depuis ce matin n’appartient plus à
la maison.
Mille bluettes dansèrent devant les yeux de Fulvie. Elle sortit,
sans rien demander de plus, possédée par une rage froide.
Tous ses griefs légitimes contre son frère lui remontaient en
mémoire. Que de choses, cachées à son mari, et dont elle avait fait
violemment reproche à cet incorrigible fou ! La conduite de Stany,
durant la guerre, avait blessé sa fierté. Homme, elle eût autrement
soutenu le vieux nom patronymique et ne se fût pas contentée d’un
office de gratte-papier dans un bureau de l’arrière.
Fulvie s’étonnait que le docteur n’eût émis aucune observation à
ce propos. Elle interprétait cette abstention comme une preuve de
complet dédain. Davier, évidemment, voyait en son beau-frère une
parfaite non-valeur.
— Je ne suis pas loin de cette opinion aujourd’hui ! s’avoua-t-elle
en serrant les dents. Que s’est-il encore passé ? Quel mobile à ce
renvoi ?
Elle se rendit rue Lafayette, à l’hôtel meublé où habitait Stany.
Là, nouvel échec : la gérante, avec un sourire pincé, l’avertit que M.
de Lancreau n’était plus son locataire. Et elle ignorait son adresse
actuelle.
Mme Davier, sidérée, courba la tête sous une honte. Sans aucun
doute, Stany était parti de là, congédié, endetté. La sœur s’en alla
précipitamment, à la fois démontée, inquiète et exaspérée.
— Encore et toujours des fugues ! Ah ! c’en est trop ! Il abuse de
mon indulgence !… J’en ai assez de ses jérémiades, de ses repentirs,
aboutissant toujours à des demandes d’argent ! Il faut qu’il se
range ! Ma patience est à bout.
La jeune femme marchait frénétiquement, pour soulager la
surexcitation de ses nerfs. Soudain elle sentit la fatigue. Le jour de
novembre pâlissait. Elle distingua, près de Notre-Dame-de-Lorette,
un autobus qui desservait la rive gauche et passait devant la rue de
Tournon. Eh bien ! puisque tout le plan d’escapade craquait, par la
faute de cet idiot de Stany, du moins acquitterait-elle une partie du
programme annoncé, en faisant visite à Mme Clozel.
Mme Davier monta donc dans l’autobus. Quelques instants plus
tard, elle gravissait le large escalier de l’aristocratique logis dont la
famille d’éditeurs occupait le vaste premier étage depuis plus d’un
demi-siècle.
IV
Malgré les deuils de ces dernières années, Mme Clozel gardait sa

porte ouverte à ses amies, chaque mardi, de quatre à sept. A ces
réceptions très simples se retrouvaient à peu près régulièrement les
mêmes personnes, imprégnées de l’esprit de charité et dévouées,
pour la plupart, à des œuvres d’aide sociale.
La mère de Valentin s’avança, avec une urbanité empressée, vers
la rarissime visiteuse. La haute dignité de cette femme, dont le
chagrin avait givré la chevelure châtain et creusé les tempes, mais
qui conservait tant de lumière dans son large regard et dans son
beau sourire, intimida l’altière Fulvie. Son ton s’adoucit, prenant le
diapason de la voix accueillante.
Cependant Mme Clozel, laissant ses intimes poursuivre à leur
guise l’entretien en cours, installait Mme Davier à un guéridon, lui
versait elle-même une tasse de thé, l’entourait de petits soins
hospitaliers, et s’asseyait à ses côtés pour déguster une infusion de
camomille.
— Le docteur est toujours extrêmement occupé ?
— Il se surmène ! A peine aborde-t-il la maison ! Sans cesse on
l’accable de missions nouvelles ! Je lui reproche d’excéder ses forces !
— Je le conçois ! Mais ce sont de nobles excès ! fit Mme Clozel. Et
vous devez manquer de conviction en les lui reprochant !
Tout en buvant à petits coups le breuvage aromatique, la mère
de Valentin demandait d’un air très calme, mais avec une
imperceptible hésitation :
— Votre mari n’a-t-il pas été le tuteur d’une jeune fille, Mlle
Airvault ?
Les oreilles de Fulvie tintèrent à l’assourdir. Les nerfs ratatinés, la
jeune femme parvint à garder une apparente indifférence :
— Ah ! mon Dieu, oui ! Mlle Airvault représente encore une de ces
corvées… scabreuses… que mon pauvre docteur n’a pas la force
morale de refuser… Une situation… particulièrement délicate… des
circonstances… difficiles… Il se laissa toucher… Enfin !…
En achevant ces petites phrases rompues et sournoisement
ambiguës, Fulvie jeta un coup d’œil vers Mme Clozel qui, les yeux
baissés, surveillait la fusion du sucre dans sa tasse. Et affectant
l’intérêt, très naturellement, Mme Davier demanda :
— Vous avez entendu parler de cette jeune fille ? Désire-t-on des
renseignements sur elle ?
Mme Clozel fit un effort qui, visiblement, lui coûtait.
— Oui,… je… on… quelqu’un désire s’enquérir près du docteur
Davier… Et puisque je vous voyais… je supposais…
— Il s’agit peut-être d’un changement de position… pour cette
personne… Un poste plus avantageux, probablement ?
— Probablement, oui… Je crois que oui ! acquiesça
précipitamment la bonne mère de Valentin.
— Ah ! tant mieux ! laissa tomber Fulvie, car cette pauvre enfant
ne possède aucune fortune !… Mais, toutefois, si cette petite enquête
était déterminée par… une intention… de mariage, engagez vos amis
à se renseigner… s’il se peut… au Parquet de Versailles… sur le père.
Les lèvres de Mme Clozel blanchirent, et ses yeux gris foncé, si
semblables aux yeux de son fils, se dilatèrent.
— Le père ?…
— Oui, le père fut mis en prison pour une accusation de vol, qui
ne fut jamais bien tirée au clair ! acheva Mme Davier, se levant et
fermant son écharpe de zibeline. Quand je vous disais que le docteur
avait accepté là un rôle scabreux !
Ayant déposé cet obus, elle ne songea plus qu’à précipiter sa
sortie. Décidément, cette après-midi à Paris ne lui réservait, jusqu’au
bout, que déboires et mécomptes ! Elle ne s’étonnerait pas d’un
déraillement pour couronner le tout !
Au fond d’elle-même, Fulvie, en s’analysant, eût trouvé une
honte de sa rosserie. Maintenant elle se rendait compte de la
perfidie de ses insinuations. Mais une fureur de déchirer quelqu’un à
coups d’ongles l’avait saisie en entendant nommer Raymonde par
cette moutonnière Mme Clozel. Plus un doute à garder : ce bêta de
Valentin s’était féru de la gitane !
Quelque chose de plus qu’une antipathie fouettait le courroux de
Mme Davier. Le caprice de ce jeune homme allait faire avorter un
projet matrimonial, arrangé dans la cervelle de Fulvie, et qui,
pensait-elle, eût satisfait tout le monde.
Évelyne, à force de tact, de mesure, de bonté, était parvenue à
se faire estimer de sa belle-mère. Si personnelle que fût la jeune
femme, elle rendait justice à la sœur de Loys et souhaitait pour
celle-ci un établissement heureux.
La combinaison Valentin Clozel représentait exactement le genre
de mariage s’harmonisant aux goûts et au caractère de la fille du
docteur Davier. Fortunes solides, familles considérées, toutes les
conditions extérieures s’assortissaient merveilleusement. Et — Fulvie
croyait le deviner — le chaste cœur d’Évelyne inclinerait sans
contrainte vers cette union.
Et voici que l’irruption de la bohémienne aux yeux dévorants,
dans ce champ réservé, bouleversait les plans, rompait les calculs les
mieux établis ! Mme Davier vouait de grand cœur la funeste créature
aux gémonies, et croyait s’animer de colère généreuse alors qu’elle
concentrait, sur la seule tête de Raymonde, les mécontentements
accumulés dans ce néfaste jour.
V
Le docteur n’était pas encore rentré, quoique l’heure du dîner fût

dépassée. Fulvie eut le temps de quitter la tunique pailletée pour
enfiler une robe d’intérieur moins clinquante, avant que son mari
parût, animé, exultant.
Dès que la famille fut réunie autour de la table, Davier laissa
déborder son allégresse.
— Je suis en retard ! Mais vous m’en excuserez sûrement. La
grande affaire que nous travaillions à mettre sur pied, Desroches et
moi, va enfin devenir viable. Nous avions déjà obtenu des donations
d’immeubles. De Terroy a recruté des philanthropes qui nous
assurent, par leurs libéralités, les fonds de roulement. Les grands
industriels, employant la main-d’œuvre féminine, nous soutiendront.
Bref, dès le printemps prochain, trois asiles s’ouvriront, aux alentours
de Versailles, pour les jeunes filles qui, trop souvent, sont obligées
de passer immédiatement de l’hôpital à l’atelier.
Évelyne se leva pour aller déposer un baiser sur le front de son
père, et revint silencieusement à sa place.
— Oui, reprit le docteur, redoublant d’entrain, les arrangements
pratiques sont enfin conclus. Les ouvrages d’appropriation vont
commencer. En avril au plus tard, les convalescentes, les anémiées
trouveront trois maisons de repos en pleine campagne — modestes
mais tranquilles — avec des distractions variées, intelligentes et
saines.
— Je vais donner mes quilles et mon jeu de tonneau ! s’écria Loys
enthousiaste. Et aussi mon croquet !
— Très bien, mon petit homme !… Elles auront aussi une
bibliothèque choisie…
— J’offre mes livres de jeunesse, dit Évelyne.
— Parfaitement, ma vieille demoiselle. Vous pourrez y joindre des
études et récréations musicales élémentaires, car à Marly nos
hospitalisées jouiront d’un piano, Mme Forestier donnant les meubles
avec le logis. Enfin, M. de Terroy fera don de boutures et de greffes,
afin que nos « Jennys ouvrières » apprennent la culture en chambre.
Elles recevront encore chez nous des notions d’enseignement
ménager… et de bons conseils.
— Idéal ! murmura Évelyne, les yeux humides et brillants. Oh !
papa, que tout cela est beau et bien !…
Mme Davier branla un front soucieux.
— Soit ! mais combien de tracas et de désillusions j’entrevois pour
vous, à travers cet éblouissant programme ! D’abord, trouverez-vous
un personnel capable de l’exécuter ?
— Le personnel sera très restreint. Les pensionnaires
collaboreront au service de la table, de la cuisine, des dortoirs, du
jardin.
— Mais où vous procurer des directrices assez fermes et
clairvoyantes pour maintenir, en bon ordre, ce petit monde
turbulent ?
— Desroches connaît quelqu’un pour la maison de Viroflay. Quant
à celle de Marly, Mme Forestier avait elle-même fixé son choix.
Évelyne, rayonnante, levait vers son père un regard d’entente
affectueuse que Fulvie saisit au passage. Un soupçon naquit.
— Et quelle est la personne désignée par Mme Forestier ?
demanda-t-elle, regardant son mari en face.
A cette question catégorique, le docteur répondit du ton le plus
naturel :
— Mme Airvault. Elle est radicalement guérie, et je crois qu’elle
conviendra très bien à ces fonctions délicates… si elle veut bien les
accepter.
Mme Davier resta imperturbable, mais le verre de cristal dont elle
étreignait la tige se brisa. L’eau se répandit sur la nappe.
— Admettons que ce soit un bon présage ! dit-elle avec un rire
forcé, en passant la première dans le petit salon.
Loys, suppliant, tirait la manche de sa grande sœur.
— Lynette, montons, dis ! Je ne viendrai pas à bout de mes
problèmes sans ton aide !
La jeune fille prit l’enfant par la main.
— Allons, vite, chéri ! Et comme j’ai un peu mal à la tête, je
demande permission aux autorités de me coucher ensuite sans
redescendre.
— Couchez-vous tout de suite si vous souffrez, fit Mme Davier.
Loys abuse de votre obligeance !
— Du tout ! Sa confiance m’honore et me réjouit ! répliqua
Évelyne, avec son aimable enjouement.
Fulvie suivit d’un œil troublé les deux jeunes silhouettes. Ses
colères, refoulées à grand’peine, se manifestèrent sous forme de
juste et violente indignation.
— Ah ! je n’en puis plus de voir cette pauvre petite, si candide, si
aveugle, si dupe, sur le point d’être victime de votre crédulité ! Oui,
vous, son père, avec une confiance obstinée, vous prêtez la main à
ceux qui trahissent votre enfant et lui préparent une douleur peut-
être irrémédiable !
— Qu’est-ce à dire ? interrogea Davier, blêmissant.
— Soyez franc avec vous-même. N’eussiez-vous pas accepté
facilement Valentin Clozel pour gendre ?
— Je… je ne me suis pas posé la question… dit le médecin en
hésitant. Mais où voulez-vous en venir ?
— Eh bien ! je suis certaine qu’Évelyne ne considérait pas ce
garçon avec des yeux indifférents. Je puis vous annoncer, sans me
vanter du don de seconde vue, une prochaine visite de M. Clozel
père, pour une proposition de mariage… qui ne concernera pas
Évelyne. Son fils s’est toqué de la transcendante Raymonde. Je m’en
aperçus à Vevey. C’est pour cela que je précipitai le départ de cette
ville. Je vous avais toujours prédit que votre complaisance pour ces
aventurières vous serait préjudiciable un jour ou l’autre. Ce jour
arrive. Vous avez couvé une vipère pour mordre le cœur de votre
fille !
— Vous allez trop loin ! murmura Davier, en qui se redressait le
sens de la justice, au milieu d’un chaos de douloureuses anxiétés.
Vous allez trop loin ! répéta-t-il, la gorge étranglée, le visage altéré,
mais reprenant la maîtrise de sa pensée et de ses sentiments.
Admettons que Valentin se soit épris de Raymonde, que celle-ci
réponde à cette inclination. Il ne s’ensuit nullement qu’elle ait
comploté de trahir son amie : l’amour souffle où il veut. Et il n’est
pas certain non plus que le cœur d’Évelyne ait parlé, comme vous le
présumez.
Ces représentations sensées tombèrent dans l’âme agitée de la
femme comme de l’eau projetée sur des charbons ardents et en
activèrent follement l’effervescence. Fulvie, presque tragique, bondit
de son fauteuil, droite devant son mari.
— Vous le prenez vraiment avec un calme… qui me laisse fort à
penser. Toujours des excuses pour les torts et les fautes de ces
gens ! Et voici que vous rapprochez d’ici… cette femme !… Que dois-
je en conclure ?…
— Seulement ce qui est la vérité. Cette femme a subi de rares
tortures. Ceux qui le savent ont cherché à améliorer son destin en la
réunissant à sa fille. N’en cherchez pas davantage.
Et soutenant sans faiblir, de ses yeux noyés de tristesse, le défi
des noires prunelles brûlantes, Davier proféra :
— Ce que vous devez penser surtout, Fulvie, c’est que votre mari
vous aima avec une tendresse dont vous ne connaissez pas la
profondeur et qu’il préféra toujours sacrifier son repos au vôtre.
Elle sentit, dans ces mots, une sincérité et une force qui lui
imposèrent, en même temps qu’une amertume dont elle n’osa pas
demander explication. Sans savoir pourquoi, elle prit peur, baissa les
paupières et resta muette.
La femme de chambre, à cet instant, entrait dans le petit salon.
— Madame ! J’ai omis de dire à madame que, peu après son
départ, M. de Lancreau a téléphoné pour dire à madame que,
envoyé aujourd’hui en mission, il ne pourrait retrouver madame
comme il était convenu. Il viendra ici demain ou après-demain.
Madame m’excusera de mon oubli ?
— Oh ! très bien ! répondit Fulvie distraitement.
VI
Le train emportait Raymonde Airvault, ce jeudi, de Saint-Germain

à Versailles. Philo, très malade, réclamait une visite de la jeune fille.
Et celle-ci, avec la permission de Mlle Duluc, accourait au chevet de
la pauvre vieille qui la désirait comme une dernière joie.
D’autres nouvelles, reçues au même courrier le matin, ajoutaient
à l’émoi que lui causait cette démarche suprême près de l’humble
amie mêlée au passé. La jeune fille, dans l’isolement du wagon, lisait
et relisait ses lettres avec un trouble croissant.
La première, datée de Menton, provenait de sa mère. Plusieurs
feuillets de papier pelure : un véritable journal.
Dimanche 16 novembre.
« Le soleil brille sur les montagnes et sur la mer. Mais la vraie

lumière, pour ta pauvre maman, c’est le sourire de ta photo,
posée près de mon encrier. Quel bonheur si je pouvais jouir
réellement de ta présence, comme le cher et excellent docteur
me le fait espérer !
« Cette solution arriverait à point pour me permettre de
quitter miss Marwell sans la froisser ni l’affliger. Une de ses
parentes se trouve appauvrie par de grandes pertes. Daisy ne
peut guère lui venir en aide qu’en l’appelant à me remplacer.
Mais jamais elle ne s’y décidera dans la crainte de me peiner.
Elle est si délicate et si bonne ! Ainsi mon départ, motivé par
cette nomination, satisferait tout le monde, sans blesser
personne.
« Dieu nous prendrait-il en pitié ? Le printemps dernier,
j’avais fait connaissance, ici même, d’une famille italienne
d’honorables commerçants. Un des frères du patron est établi
directeur de banque dans la partie sud du Chili. Ce banquier vint
lui-même en France pour deux mois, afin de revoir sa mère. Mis
au courant de mon histoire, il me promit de faire des
recherches, qui seraient d’autant plus efficaces qu’il possède des
relations dans toutes les classes.
« Ce brave homme, de retour au Chili, n’a pas oublié sa
promesse. Dans sa dernière lettre à son frère, il dit avoir
retrouvé trois rescapés de l’horrible incendie de Chillan. Ceux-ci,
la veille de la catastrophe, dînèrent avec un architecte français,
qui leur parla des plans de l’hôtel futur et qui, fatigué, les quitta
pour aller se mettre au lit. Dispersés après le sinistre, ils
n’eurent pas connaissance de l’annonce publiée par les soins de
M. Vielh, ou négligèrent de se déranger. Quoi qu’il en soit, tous
trois, pris séparément, ont répété les mêmes détails et les
mêmes affirmations. Leurs dépositions, dûment légalisées, vont
être adressées à la Compagnie d’assurances, qui ne saurait plus
alors différer l’exécution de son contrat sans mauvaise volonté
notoire.
« Ainsi, ô ma chérie, ton pauvre bien-aimé père, mort d’une
façon si cruelle, ne sera plus insulté par des suppositions
calomnieuses !
Mardi.
« Chérie, M. Valentin Clozel nous a visitées hier, et m’a

demandé une entrevue ce matin. Ensemble nous sommes sortis
pour une promenade au Cap-Martin, et longuement il me parla
de toi.
« Oh ! ma petite, je l’aime de te distinguer, de t’apprécier,
d’exprimer avec une si belle ardeur son désir de te donner sa
vie. Il serait bien le compagnon loyal, aimant, intelligent et
énergique que je souhaite pour ma chère fille.
« Mais quelles inquiétudes m’assaillent ! Je me mets à la
place de sa mère, et je conçois trop bien l’alarme qu’elle doit
éprouver. Tant de jeunes gens se laissent entraîner par la
violence de leur passion vers des filles indignes ! Elle ne te
connaît pas, et tout ce qu’elle peut apprendre l’engagera à la
méfiance. Penses-y bien. Ne te prépare ni des regrets ni des
remords qui gâteraient votre avenir à tous deux, car
l’emportement de son amour le ferait passer par-dessus toutes
les oppositions. Mais, la griserie dissipée, ne t’en voudrait-il
pas ?
« Je lui ai raconté notre grande épreuve, l’accusation qui
atteignit ton père et nous désespéra. Je dois t’avouer qu’il me
parut fortement secoué par cette révélation inattendue.
« Sois forte et calme. Quoi qu’il arrive, songe au refuge que
t’offre le cœur maternel. Je t’embrasse de toute mon âme.
« Madeleine Airvault. »
Une larme avait maculé ces dernières lignes, que Raymonde frôla
pieusement des lèvres.
Il lui suffit d’ouvrir la troisième enveloppe pour qu’un fluide
brûlant parcourût ses veines. C’était seulement un petit carton,
griffonné de quelques lignes.
« Vous me défendez de vous écrire, très méchamment.

Aujourd’hui, j’enfreins l’ordre. Je suis à Menton, j’ai causé avec
votre délicieuse mère.
« Les chagrins qui vous frappèrent l’une et l’autre et
disjoignirent vos existences excitent plus ardemment mon désir
de vous apporter bonheur et sécurité à toutes deux.
« J’ai écrit à mes parents dans ce sens. Déjà ma mère — si
bonne, de compréhension si haute, elle aussi — avait reçu ma
confidence. Elle sait que j’aime comme on ne peut aimer qu’une
fois.
« Je lui affirme de nouveau que votre pensée, plus que
jamais, remplit ma vie. J’épouse votre passé, et je veux la
direction de votre avenir.
« Je vous aime. Je ne saurais trop le redire. Et — je me le
jure à moi-même — j’acquerrai le droit de vous donner le baiser
dont j’ose à peine écrire le souhait ici !
« Vôtre à jamais.
« Valentin. »
L’arrêt en gare de Versailles obligea Raymonde à redescendre du

rêve dans le monde actif. En suivant la foule, elle réfléchit qu’à cette
heure il lui restait quelque chance de rencontrer encore le docteur
Davier et qu’ensuite elle se trouverait libre de donner l’après-midi à
la malade.
Quelques pourparlers furent nécessaires, rue de Satory, pour
faire fléchir la consigne, le médecin interdisant sa porte les jeudis.
Cependant, dès que sa carte eut été transmise au docteur, Mlle
Airvault fut introduite dans le cabinet de consultations. M. Davier se
leva pour la saluer et abrégea, d’un geste, les excuses.
— Non, Raymonde ! Vous ne me dérangez jamais, parce que je
sais que vous ne venez pas ici sans raison sérieuse. Qu’est-ce qui
vous amène aujourd’hui à Versailles ?
— Un billet, écrit sous la dictée de Philomène Pradin, qui, étant
au plus mal (ces mots sont soulignés), demande instamment à me
parler.
La face pâlie et amaigrie du docteur parut s’amenuiser encore ;
ses yeux se voilèrent.
— Ce n’est pas moi qui l’ai soignée, murmura-t-il. J’ignorais
qu’elle fût à cette extrémité.
— J’ai reçu aussi une lettre de maman, contenant des nouvelles
importantes qu’elle me prie de vous transmettre. Le mystère dont
s’enveloppait le décès de mon père est en passe de s’éclaircir.
Brièvement, la jeune fille relata l’histoire, en lui donnant pour
conclusion la pensée exprimée par Madeleine.
— Dieu merci ! mon pauvre père ne sera plus insulté, dans sa
tombe, par des conjectures mensongères. S’il en était ainsi de toutes
les erreurs dont il fut victime ! Mais la justice d’En-Haut prend heure,
tôt ou tard !
Davier baissa les paupières et ne répondit rien. Raymonde, avec
rapidité, pour éviter à son tuteur une perte de temps, transmettait
les remerciements de Mme Airvault, la joyeuse espérance inspirée par
le projet de Marly…
— Comme elle sera contente, en recevant ma lettre, qui se croise
avec la sienne et qui lui apprendra l’heureuse solution ! Ah ! que de
gratitude s’ajoute à tout ce que nous vous devons.
Le médecin inclina la tête. Intimidée et refroidie par cet étrange
silence, Raymonde balbutia :
— J’aurai l’ennui de ne pas voir Évelyne tantôt, puisqu’elle devait
visiter Mme Forestier. Elle vient à Saint-Germain tandis que je suis à
Versailles !
— Elle est à Versailles et ne peut vous recevoir. Grippée et alitée
depuis deux jours !
— Ah ! mon Dieu ! j’observais bien en vous quelque chose
d’anormal. Mais rien ne vous inquiète, n’est-ce pas ?
— Jusqu’ici non ! Mais la grippe débute souvent d’une façon
insidieuse. Par mesure de prudence, je prescris l’isolement, et je
compte appeler une infirmière.
Raymonde, atterrée, pressa la main du père.
— Oh ! que je vais souffrir d’ignorer… Mais vous téléphonerez à
Mlle Duluc ?…
— Oui, mon enfant, oui !
— Vous direz à Évelyne que je pense à elle, que je vais entrer à
Notre-Dame exprès pour elle, dans l’église où nous nous sommes
connues ! Oh ! j’oubliais cette triste chose… oui, qui rend encore plus
triste ma visite à Philo. Elle est soignée chez sa sœur… qui habite
toujours près de la grille de l’ancien hôtel de Terroy !
— Ah !
Il avait tressailli, frappé, lui aussi, de la coïncidence pénible qui
ramenait la jeune fille au lieu du drame ancien.
Ce fut avec la terreur du but à atteindre que Raymonde s’élança
vers l’avenue de Saint-Cloud.
VII
Elle se retrouva bientôt devant la grille franchie par son père,

sept ans auparavant, un soir de juin.
Comme en ce temps-là, le portail restait béant, laissant libre
l’accès de l’allée pavée qui menait au perron du petit hôtel.
Sans oser jeter un regard de ce côté, Raymonde frappa à la porte
de la première maisonnette basse, à la haute toiture percée de
lucarnes en saillie.
Des savates traînèrent sur le carrelage. Et dans l’entre-bâillement
parut une figure, usée plus que vieille, paupières sans cils, teint
cireux, cheveux jaunâtres roulés en un minuscule chignon.
— Ah ! Mademoiselle Airvault, que vous êtes gentille d’être
venue ! Elle ne cesse de vous demander. C’est son idée fixe.
— Si j’avais su, je serais venue plus tôt.
— Cela a été subit. Et tout de suite le cœur a flanché… Elle est
très bas, très bas…
Tout en susurrant, la vieille femme traversait la cuisine pour
ouvrir la porte d’une seconde pièce où deux lits, bout à bout, se
rangeaient au long de la muraille. Sur la couche la plus éloignée,
Raymonde aperçut Philomène, soutenue par une pile d’oreillers, les
mains errantes sur les draps. Des mèches grises, échappées au
bonnet, retombaient sur le visage cachectique, où luisaient des yeux
de fièvre.
C’était la première fois que la jeune fille entrevoyait les transes
des ultimes combats. Maîtrisant son effroi et sa pitié, elle s’approcha
de la moribonde et posa un baiser sur la tempe flétrie.
— Rara ! ma jolie petite Rara si bonne ! Enfin !
— Je ne vous savais pas malade, chère Philo ! Vous m’auriez vue
déjà. Où souffrez-vous ?
— Partout ! Mais bientôt je ne souffrirai plus… Te parler va me
soulager. Après je m’en irai sans crainte vers le bon Dieu… Adèle,
laisse-nous.
La voix saccadée avait pris une force soudaine. Adèle sortit,
obéissante.
— Je me tiendrai à côté, mademoiselle. Si vous aviez besoin de
moi…
Philo surveilla la porte, qui se referma strictement. Alors les
prunelles de braise plongèrent un âpre regard dans les beaux yeux,
jeunes et brillants.
— Tu es jolie, Rara, de plus en plus !… Et voici l’âge du mariage !
Je m’en tourmente !
— Pauvre bonne amie !
— Non… pas si bonne ! J’aurais dû parler déjà depuis deux ans…
J’ai retenu cela, par affection pour Évelyne, pour son père… C’est
Ernest, mon neveu, le fils d’Adèle, mort durant la guerre dans un
hôpital de Paris, qui s’en inquiétait aussi, dans sa conscience. Adèle
ne sait rien. La tête pas assez solide et puis trop de chagrin !… Mais,
en repassant ses fautes, Ernest retrouvait celle-là. Il m’a révélé à
moi seule, et à son confesseur, comme il se reprochait de n’avoir pas
dit à propos… ce qu’il savait. Il faut toujours dire la vérité. A l’âge
d’homme, il voyait combien il avait été coupable. Mais alors c’était
un gamin, et il avait une peur affreuse des magistrats… Ah !
j’étouffe ! Pourvu que j’aille jusqu’au bout ! Ouvre la croisée.
Raymonde, épeurée, entr’ouvrit le battant. La malade aspira l’air
froid qui parut la ranimer, et reprit en rassemblant toute son
énergie :
— C’était par cette fenêtre que le pauvre petit devait guetter… ce
soir-là, pour fermer la grille. Il vit entrer et sortir tout le monde. Mais
quelqu’un vint sur le tard, juste avant que ton père ne s’en
retournât. Ernest attendit longtemps sans voir repasser l’homme, si
longtemps que l’enfant s’endormit. Voilà ce qu’il n’osa avouer à sa
mère, qui était dure et sévère, et de peur d’être traduit en justice et
accusé, lui aussi. Il se faisait des chimères… qui se calmèrent quand
ton papa fut relâché.
— Oh ! mon Dieu ! pourquoi tout cela n’a-t-il pas été élucidé à
temps ! s’écria désespérément la jeune fille.
— Oui ! c’est la grande faute… la mienne comme la sienne !… car
moi, Philo, oui, Philomène Pradin ! répéta la mourante, passant ses
doigts décharnés dans ses cheveux, j’ai su la négligence d’Ernest. Il
était plus libre avec moi. C’est à cause du père d’Évelyne que j’ai
retenu ce que je pensais. J’ai essayé de lui insinuer mon soupçon. Il
n’a pas compris… Et voilà pourquoi j’avais tant pitié de vous tous ! Je
cherchais à vous obliger… pour réparer un peu… Mais, maintenant, il
y a un autre tribunal à craindre… et je te dis ces choses, parce qu’il
faut que ton père soit mieux innocenté…
La voix, sortie en violent éclat, sombra subitement. Il sembla
aussi que la raison, surexcitée par l’effort, déviât et faiblît au bout de
la tâche. Philomène, retombée sur ses oreillers, ne murmurait plus
que des lambeaux de prières, coupés de mots sans suite, où passait
sans cesse le nom du docteur Davier.
Raymonde, prostrée au chevet sur une chaise de paille, les mains
à ses tempes douloureuses, essayait de démêler les aveux confus
qui venaient de l’étourdir. Mais quelque chose échappait à son
examen. L’énigme restait sans solution. Une poignante impatience
l’envahit et la remit debout, près de la mourante.
— Philo, complétez, je vous en adjure, vos révélations. Votre
neveu connaissait-il l’homme entré le dernier ?… Écoutez-moi !
Entendez-moi ! Il faut que je sache tout !… Quel était cet homme ?
La lueur vacillante des yeux troubles se raviva quelques
secondes.
— Oui… tu dois savoir… Il ressemblait… nous avons cru… Un
vaurien… le frère de Mme Davier…
Raymonde se rejeta en arrière, accablée et déçue. Elle regretta
d’avoir prêté l’oreille à des divagations de délire, où subsistait une
aversion tenace.
Elle avait ouï dire que l’âme, dans la détresse des derniers
débats, exhale souvent le secret de ses sentiments dominants.
Ernest avait pu se reprocher, lui, sa déposition incomplète, devant
les magistrats. Mais la tante, dans sa rancune contre la seconde
épouse du docteur, sous prétexte d’une vague ressemblance, ne
trouvait rien de mieux que d’identifier le coupable supposé avec le
frère de celle qui l’avait expulsée !
Quelle créance apporter à ces dangereuses imaginations de
monomane ? La jeune fille s’interdit d’en écouter davantage.
— Vous devez être fatiguée, dit-elle. Je vais appeler votre sœur.
Avec la divination suraiguë que donne l’approche de l’heure, Philo
sembla percevoir les réflexions de la jeune fille. La main squelettique
saisit le poignet mince.
— Adieu ! Va-t’en ! Pardonne comme dans le Pater Noster ! Mais
va, oh ! va prévenir le docteur Davier, sans faute ! Je veux le voir !
Promets d’y aller.
Une seconde d’hésitation, puis Raymonde balbutia :
— J’irai… Et je vous pardonne, au nom de mon père comme au
mien !
… Une terreur superstitieuse la précipita hors de la maison
maudite. Elle s’enfuit par la vaste avenue et le dédale des rues
voisines, guidée par l’instinct qui oriente l’oiseau sur le chemin du
retour.
Dans l’obscurité naissante, Notre-Dame érigea son vaste
vaisseau. La jeune fille se jeta dans l’église et, agenouillée,
enveloppée de la douce pénombre de la nef, essaya de se recueillir,
de se ressaisir, de coordonner ses idées emmêlées.
Elle pria, de toute sa ferveur, pour celui qui avait été persécuté
au delà de la tombe, et sa pitié s’étendit à la malheureuse dont la
conscience s’agitait au bord de la mort.
« Requiescat in pace ! Pauvre femme ignorante !… Pourtant ? »
De nouveau, le doute obsédant, implacable, s’implantait,
envahissait la pensée. Pourtant ?… Oui, pourtant, il y avait un
coupable ! Quelqu’un avait commis l’acte répréhensible.
« Quelqu’un autre que mon père ! Quelqu’un qui pouvait entrer, à
front découvert, dans ce salon hospitalier ! Quelqu’un qui ne sortit
pas par la voie habituelle et se déroba ! Si le petit Ernest avait dit
vrai ! »
Elle se courba sur le prie-Dieu et, en dehors de sa volonté, les
déductions continuaient de s’enchaîner d’elles-mêmes, avec logique
et vraisemblance. Stanislas de Lancreau était un vaniteux, un
médiocre, un incapable ! Tout le monde le savait, et l’on supposait
bien que le docteur Davier ne pouvait estimer ce déplorable beau-
frère… Mais le docteur adorait sa femme, choisie par amour.
Raymonde se débattit avec angoisse contre la suggestion.
— Qu’il ait soupçonné la vérité sans la dévoiler ! Non, non, je ne
consentirai jamais à l’admettre !… Et si c’était là, néanmoins, le
secret de sa générosité inlassable envers nous ? Ce serait à n’avoir
plus foi en personne !
Elle se revit, enfant enthousiaste, élevant son protecteur au
niveau des plus grands, l’assimilant aux nobles modèles des vertus
civiques ou guerrières, épris d’idéal, de désintéressement, de
dévouement ! Militaire, à son sens, il eût été l’émule de Hoche, ce
Hoche à qui elle eût voulu offrir une fleur, chaque fois qu’elle passait
devant sa statue. Dans la vie politique, il se fût montré l’égal de ce
ferme et austère Bailly, dont elle étudiait avec amour les effigies
sculptées et peintes, dans la salle du Jeu de Paume et au Musée, en
leur attribuant une ressemblance avec la physionomie mélancolique
et fine du médecin.
Devait-elle renier cette longue admiration et ce respect ? Ah ! ce
serait le pire des supplices ! Un écroulement intérieur !
— Mon Dieu ! cria-t-elle en son cœur, délivrez-moi de ces
insinuations perverses, de ces présomptions, irrévérencieuses et
iniques ! Surtout, que cette torture je la subisse seule ! Et que ces
perplexités déchirantes soient épargnées à ma pauvre mère !
Brisée, mais un peu apaisée, Raymonde quitta l’église et se
dirigea vers la rue de Satory, afin de remplir la promesse faite à la
mourante.
Mais le docteur, parti pour Paris où il dînerait, ne devait rentrer
que tard. La jeune fille ne put songer à confier verbalement au
domestique ni à expliquer sur une carte à découvert, la requête
d’une femme détestée de Mme Davier. Elle reprit le chemin de la gare
où l’appelait l’heure.
Là elle acheta une carte-lettre, et sous la lampe de la salle
d’attente, griffonna ces lignes, qu’elle jeta ensuite dans la boîte de la
station.
« Philo vous réclame instamment pour vous dire… les mêmes

choses qui m’ont bouleversée ! Mon père serait innocent du délit
dont il fut accusé à la légère !
« Je n’en ai jamais douté. Mais eût-on pu fournir la preuve,
en temps voulu, pour le décharger de ce poids honteux ? Voilà la
question qui m’affole !
« A vous, à Évelyne, mes constantes pensées.
« Raymonde. »
VIII
A l’heure même où Raymonde Airvault, fiévreuse et accablée,

s’embarquait pour Saint-Germain-en-Laye, son nom remplissait un
grave colloque dans le cabinet de l’éditeur Clozel.
Entre les affaires urgentes qui, cette fin de jour, appelaient le
docteur Davier à Paris, il n’en était point de plus importante ni
d’aussi épineuse que cette entrevue avec le père de Valentin.
M. Clozel lui ayant demandé la faveur d’un entretien particulier, le
médecin, aisément, devina l’objet de la conversation désirée. Mais
préférant que le conciliabule eût lieu ailleurs que chez lui, il répondit
que, devant se rendre dans la capitale pour différentes démarches, il
irait lui-même trouver l’éditeur, boulevard Saint-Michel, avant la
fermeture des bureaux.
M. Clozel, quand le visiteur honoré se présenta, se répandit
naturellement en effusions reconnaissantes. Il était extrêmement
confus de ce que le docteur se fût dérangé pour lui rendre service.
Mais M. Davier excuserait deux pauvres parents, mortellement
inquiets, qui voyaient leur dernier fils, empoigné par la passion,
décidé à tout braver, à tout risquer…
— Représentez-vous notre angoisse. Nous ne connaissons pas
cette jeune fille. Elle mérite peut-être les éloges exaltés que lui
décerne Valentin. Mais l’amour rend aveugle ! Peut-être aussi n’est-
elle qu’une créature habile, flirteuse, artificieuse et intrigante…
adroite à dresser ses pièges ?
— Non ! non ! tranquillisez-vous à cet égard. Raymonde est trop
spontanée, trop franche et trop fière pour s’abaisser à de pareilles
ruses.
— C’est ce que nous a déjà affirmé Mme Forestier. Mais vous la
suivez depuis plus longtemps. Mieux que quiconque, vous êtes au
courant des antécédents — non seulement de la jeune personne —
mais de la famille. Ah ! docteur, docteur, voilà le point scabreux ! Ni
ma femme ni moi ne sommes gouvernés par l’intérêt. Nous avons dû
subir des sacrifices trop douloureux pour ne pas sentir l’inanité,
l’impuissance de l’argent. Le manque de fortune ne serait donc
nullement un grief valable contre la jeune fille choisie par Valentin.
Mais quelque chose prime tout à nos yeux : l’honneur ! Notre nom
modeste est sans tache. Il nous en coûterait terriblement, à l’un et à
l’autre, de voir notre enfant s’allier à des gens… tarés, indignes
d’estime, ayant une flétrissure dans leur passé…
Le médecin serra son pardessus, comme dans le frisson d’un
froid subit.
— Les Airvault ne sont ni tarés ni indignes, prononça-t-il avec
lenteur. Ils furent malheureux, simplement.
Clozel considéra son interlocuteur d’un œil perplexe. Comment
les assertions du mari contredisaient-elles si complètement les
imputations de la femme ? Que signifiait cette divergence ? La
matière importait trop pour que l’éditeur ne se décidât pas à sonder
le mystère. Il dit, hésitant :
— Mme Clozel a su, par Mme Davier elle-même, que le père de
cette jeune fille fut emprisonné quelque temps.
Fulvie !… Ah ! dérision ! Un rictus releva les lèvres rasées du
docteur.
— Airvault, oui ! fut victime de la détention préventive, inculpé
d’un vol qu’il n’avait pas commis. L’accusation tomba d’elle-même.
La seule faute du pauvre homme avait été de tenter la chance du
jeu. Mais ceux qui le connaissaient, le sachant incapable d’un larcin
aussi stupide qu’odieux, tinrent à cœur de lui servir, en quelque
sorte, de caution morale.
En termes laconiques et précis, M. Davier narra le fait-divers, la
mort subite de M. de Terroy, la disparition du coffret d’argent, la
découverte du camée-pendentif dans un tiroir du dessinateur, toutes
les circonstances futiles et fatales qui projetaient l’idée de culpabilité
dans le cerveau d’un magistrat à la fois blasé, sceptique et timoré.
M. Clozel écouta ce récit avec une attention soutenue. Mais, en
dépit de sa volonté de bienveillance, sa physionomie et son attitude
trahissaient la gêne, l’anxiété, le découragement.
— Tout cela est certainement pitoyable ! déclara-t-il quand le
docteur eut achevé. Et je ne m’étonne pas que ces réminiscences
vous émeuvent ! Vous avez suivi, jour après jour, les vicissitudes de
cette famille. Vous pouvez prendre parti en connaissance de cause.
Nos positions respectives, pour juger des choses, sont bien
différentes, car moi, j’ignorais ces gens jusqu’à l’heure où mon fils
me déclara qu’il passerait par-dessus tous les obstacles, comme son
tank, afin d’épouser Mlle Airvault.
La voix plus basse, M. Clozel formulait l’objection capitale :
— Dans l’histoire fâcheuse, il reste cette grave lacune : le
coupable n’a pas été découvert.
Le docteur fut repris de ce frisson qui, tout à l’heure, le secouait
de la tête aux pieds. Il ferma le col de sa pelisse et lança un coup
d’œil vers la grande horloge comtoise, qui égayait, de son cadran de
faïence et de son balancier de cuivre, les sombres cartonniers verts
et les étagères de livres.
— Excusez-moi de vous quitter ! dit-il, en se levant. Je suis loin
d’avoir achevé mes courses ! Et j’ai un dîner de confrères.
M. Clozel, la tête penchée sur l’épaule, le front labouré de plis, se
mit en devoir de reconduire son visiteur. Celui-ci, la main sur le
bouton, se retournait :
— Mon cher ami, remettez-vous. Tout ce que je vous ai dit est
exact. Mais j’ai tout lieu de croire que la vérité absolue se dévoilera…
Je l’espère. Prenez patience. Temporisez avec votre fils. La jeune fille
qu’il a en vue se montrera digne de votre confiance. Patience encore
une fois !
Il ajouta, après une légère pause, entre haut et bas, presque
bégayant :
— Peut-être vous appellerai-je… un de ces jours. Laissez tout
alors et venez sans tergiverser ! Au revoir !
Le docteur traversa les bureaux, la tête haute et le pas ferme.
Mais, en tournant la rue Saint-André-des-Arts, il fut obligé de
s’appuyer à la muraille, chancelant, une main crispée sur la poitrine.
Le spasme réprimé par un effort immense, il reprit sa marche, sans
égard pour son malaise et traînant ses membres courbaturés.
Minuit sonnait quand le médecin rentra chez lui. Parmi les
diverses communications qui l’attendaient, se trouvait le billet de
Raymonde, apporté à la dernière distribution.
Louis Davier, cette nuit-là, ne connut pas le sommeil. Dès sept
heures, il commandait l’auto pour se rendre avenue de Saint-Cloud.
Mais sa visite, si matinale qu’elle fût, avait été devancée :
Philomène Pradin était entrée dans le grand repos.
IX
La funèbre vision de la couche mortuaire s’ajouta au cortège

d’idées noires qui pressaient Davier.
Au devant de ces multiples tristesses, planait une crainte,
menace harcelante, qui reléguait dans la pénombre toutes les autres
appréhensions, si poignantes qu’elles fussent.
Depuis les confidences de M. Clozel, confirmant les suppositions
de Fulvie sur l’amour qui portait Valentin vers Raymonde, Davier ne
cessait de creuser cette énigme : sa femme aurait-elle deviné aussi
juste en ce qui concernait Évelyne ? L’enfant, au cœur si tendre,
avait-elle conçu une espérance condamnée à se flétrir ?
Ah ! s’il n’en était rien ? Si ces conjectures tombaient à faux ? De
quel soulagement serait pour le père cette certitude qui lui donnerait
plus de liberté d’action !
Aussitôt revenu à sa maison, le docteur monta à la chambre de la
petite malade. Évelyne, couchée, paraissait idéalement enfantine
avec le serpent doré de sa longue natte, ondulant sur la chemise
finement brodée d’où se dégageait le col mince et laiteux.
La jeune fille, souriante, présenta son front poli au baiser
paternel.
— Mon méchant docteur va-t-il enfin me permettre de me lever
aujourd’hui ? fit-elle, espiègle. J’en ai assez d’être clouée au lit ! Et je
ne veux pas d’infirmière ! Je ne me sens plus du tout malade !
— Non ! mademoiselle, charitablement, a passé son rhume à son
petit frère ! Le voilà en observation !
— Oh ! que je regrette ! Pauvre chéri ! Mais tu le guériras vite,
papa !

Immediate Download Computational Intelligence in Biomedical Engineering 1st Edition Rezaul Begg Ebooks 2024

Uploaded by

Copyright:

Available Formats

Immediate Download Computational Intelligence in Biomedical Engineering 1st Edition Rezaul Begg Ebooks 2024

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Immediate Download Computational Intelligence in Biomedical Engineering 1st Edition Rezaul Begg Ebooks 2024

Uploaded by

Copyright:

Available Formats

Get ebook downloads in full at ebookname.

Computational Intelligence in Biomedical

Explore and download more ebook at https://ebookname.com

Computational Imaging and Analytics in Biomedical

Advances in Computational Intelligence Fei

intelligent engineering systems through artificial

Pinch of Nom 100 Slimming Home style Recipes Kay

Everywhere Taksim Sowing the Seeds for a New Turkey at

Feldenkrais The Busy Person s Guide to Easier Movement

Odin s Ways A Guide to the Pagan God in Medieval

An Outline of the History of Economic Thought 2nd

Boca Raton London New York

CRC Press is an imprint of the

No claim to original U.S. Government works

International Standard Book Number-13: 978-0-8493-4080-2 (Hardcover)

Library of Congress Cataloging-in-Publication Data

Visit the Taylor & Francis Web site at

This book is dedicated to,

My lovely wife Carennie, my parents and family

My supportive family and the healthcare workers of the world

2 Biomedical Signal Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3 Computational Intelligence Techniques . . . . . . . . . . . . . . . . . . . . . . 73

3.3 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

4 Computational Intelligence in Cardiology

4.6 ECG Feature Extraction Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

5 Computational Intelligence in Analysis

5.5.3 Postprocessing: Feature-Extraction Methods . . . . . . . . . . . . 244

7 Computational Intelligence in Gait

7.4 CI Techniques in Gait Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310

8 Summary and Future Trends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

In recent years, there has been an explosion of interest in computational intel-

LMS Least mean squares

We gratefully acknowledge support from the ARC Research Network on Intel-

Rezaul K. Begg received his BEng and MScEng

Daniel T.H. Lai received his BE (Hons) degree in

Marimuthu Palaniswami received his BE

2 Computational Intelligence in Biomedical Engineering

1.1 Biomedical Systems

aging medical information systems (ARAMIS) system developed at Stanford

1.1.2 Medical Instrumentation

1.1.3 Medical Systems

4 Computational Intelligence in Biomedical Engineering

Sensors and Signal

1.2 Bioelectric Signals and Electrode Theory

Electrocardiography (ECG) 0.5–4 0.01–250

6 Computational Intelligence in Biomedical Engineering

ﬁnally acquires the same concentration and is said to be in equilibrium. Ion

where n is the valence of C and m the valence of A. Assuming that the

to the solution. Potential diﬀerence measurements are generally made with

1.3 Signal Processing and Feature Extraction

8 Computational Intelligence in Biomedical Engineering

1.4 Computational Intelligence Techniques

1.4.1 Supervised Learning

1.4.2 Fuzzy Logic

1.4.3 Evolutionary Algorithms

10 Computational Intelligence in Biomedical Engineering

1.5 Chapter Overview

primarily employed for solving problems such as function estimation where no

12 Computational Intelligence in Biomedical Engineering