1

Molicaci on Discreta y Filtrado de Senales Electrocardiogr acas

Carlos Daniel Acosta M, C esar Germ an Castellanos D, Juan Diego Pulgar n G
Universidad Nacional de Colombia. Grupo de Control y Procesamiento Digital de Se nales Campus La Nubia, Manizales, Colombia

ResumenSe presenta el empleo de Molicaci on Discreta como ltro en la eliminaci on de perturbaciones en senales electrocardio con un kernel. gr acas (ECG), basado en la convoluci on de la senal Los tipos de perturbaci on analizados son ruido electromiogr aco (EMG), ruido de respiraci on, ruido de 60 Hz de l nea de potencia, ruido electroquirurgico, artefactos de movimiento y desconexi on de electrodos. En este trabajo se comprueba si la t ecnica basada electrocaren molicaci on mejora las caracter sticas de la senal diogr aca. Se presentan resultados de clasicaci on de patolog as de senales molicadas contra senales ltradas con otras t ecnicas.

(a) Ondas Componentes de la Se nal ECG

(b) Se nal ECG Normal

Fig. 1

I. I NTRODUCCI ON ltimos a El trabajo en se nales biom edicas, en los u nos ha sido enfocado a la clasicaci on de se nales normales y se nales patol ogicas. Ahora, debido a que dicho proceso utilizando se nales ruidosas sin preproceso conduce a resultados defectuosos, las herramientas de clasicaci on se han visto forzadas a incluir en su estructura interna procedimientos regularizantes que estabilicen la sensibilidad al ruido [4], [7], [8], [14], [5]. De otra parte, la molicaci on discretaes un proceso de ltrado que se ha implementado exitosamente en la regularizaci on de problemas como: recuperaci on de supercies y gradientes [18], problemas de identicaci on de coecientes en conducci on de calor [2], problemas de diferenciaci on num erica [1], [11] y soluci on del problema inverso de conducci on de calor [10], entre otros. En este trabajo se implementa la molicaci on discreta como preproceso externo a la herramienta de clasicaci on para se nales ECG, consigui endose estabilizar el proceso de clasicaci on a un en presencia de se nales fuertemente perturbadas. II. P ERTURBACIONES EN S E NALES ECG A. Ondas componentes del ECG Durante la despolarizaci on y repolarizaci on mioc ardica, aparecen las ondas del ECG. Las distancias entre deexiones u ondas se denominan segmentos o intervalos. Un periodo del ECG perteneciente a un individuo sano, consiste en una onda P, el complejo QRS, la onda T y la onda U, tal como se muestra en la Fig. 1 a. Las porciones del electrocardiograma entre las deexiones se denominan segmentos, y las distancias entre ondas se denominan intervalos [3]. Desde el punto de vista del procesamiento de se nales, se debe tener en cuenta el contenido en frecuencia del ECG. El ancho de banda del ECG es aproximadamente de unos 125 Hz, con la distribuci on mostrada en la Fig. 2. Se puede observar c omo los B. Artefactos de Ruido en ECG Las se nales electrocardiogr acas (ECG) pueden estar contaminadas por varias clases de ruido producidos por actividad no card aca. Los m as comunes son: 1) Interferencia de la l nea de potencia: La interferencia de la l nea de potencia consiste de una se nal de 60 Hz y sus arm onicos, los cuales pueden ser modelados como sinusoides y combinaci on de sinusoides, y son adicionadas a la se nal ECG (Fig 3 a). En la Fig 3 b se puede observar la componente espectral adicionada por este tipo de ruido.

componentes por encima de los 35 Hz no son muy signicativos.

Fig. 2
E SPECTRO DE LA SE NAL ECG

(a) ECG contaminado (a) ECG contaminado

(b) Espectro ECG contaminado

Fig. 3
I NTERFERENCIA L I NEA
DE POTENCIA

(b) Espectro ECG contaminado

Fig. 4
RUIDO POR C ONTACTO DE E LECTRODOS

2) Ruido por Contacto de Electrodos: El ruido por contacto de electrodos es un ruido transitorio causado por la p erdida de contacto entre el electrodo y la piel, la cual efectivamente desconecta el sistema de medici on del sujeto (Fig 4 a)[17]. La p erdida de contacto puede ser permanente, o puede ser intermitente, as como puede ocurrir el caso donde un electrodo suelto hace contacto una y otra vez con la piel como resultado del movimiento y vibraci on. El ruido por contacto de electrodos ocurre como una r apida transici on de l nea base de ocurrencia aleatoria (escal on), la cual decae exponencialmente al valor de la l nea base. Esta transici on puede ocurrir una vez o varias veces. Debido a su acci on de r apida conmutaci on, se pude considerar un ruido de alta frecuencia, pero debido a su ocurrencia aleatoria no es f acil de ubicar en el espectro, donde si se puede observar un cambio notorio en la potencia de la se nal (Fig. 4 b). 3) Artefactos de Movimiento: Los artefactos de movimiento son cambios transitorios (pero no escalones) en la l nea base causados por cambios en la impedancia electrodo-piel debido al movimiento del electrodo. Un t pico ejemplo se muestra en la Fig 5 a. Se pueden asumir que la causa usual de artefactos de movimiento son las vibraciones o movimiento del sujeto. La amplitud del pico y la duraci on del artefacto son variables. Igual que en el descontacto de electrodos, se puede modelar como un ruido de alta frecuencia debido a su r apida conmutaci on. En el espectro de la se nal no se observa informaci on signicativa, debido a la ocurrencia aleatoria del artefacto y su su baja potencia (Fig. 5 b).

on Muscular (Ruido Electromigr aco EMG): 4) Contracci Como se muestra en la Fig. 6 a, las se nales resultantes de la contracci on muscular pueden ser asumidas como quiebres transitorios de ruido gaussiano de media cero. Este ruido se puede apreciar con toda claridad en el espectro de la se nal (Fig. 6 b). 5) Ruido Electroquir urgico: El ruido electroquir urgico destruye completamente el ECG y puede ser representado con una gran cantidad de sinusoides con frecuencias aproximadamente entre 100 Hz y 900 Hz [13] (Fig. 7 b). 6) Desplazamiento de l nea base y modulaci on de amplitud de ECG con respiraci on: El desplazamiento de l nea base por respiraci on puede ser representado como una componente sinusoidal en la frecuencia de respiraci on adherida a la se nal de ECG (Fig. 8 a). La amplitud de la se nal de ECG puede variar cerca del 15 por ciento debido a la respiraci on. La variaci on puede producir una modulaci on de amplitud del ECG por la componente sinusoidal que es adicionada a la l nea base. El espectro de la se nal contaminada muestra componentes adicionales de 0.15 a 0.30 Hz (Fig. 8 b). Es de especial cuidado el tratamiento de este tipo de ruido, debido a que se encuentra ubicado en la banda de componentes importantes del ECG, por lo que su ltrado puede l. eliminar componentes importantes en e III. M OLIFICACI ON
p

Sean > 0, p > 0 y se dene Ap = (

p

exp(s2 )ds)1 ,

(a) ECG Contaminado

(a) ECG Contaminado

(b) Espectro ECG Contaminado

(b) Espectro ECG Contaminado

Fig. 5
A RTEFACTO DE MOVIMIENTO RUIDO

Fig. 6
ELECTROMIOGR AFICO CON SNR DE 6 D B

(x) =

x Ap 1 exp( 2 ), p x p 0, en otro caso.

para x R con la funci on caracter stica del intervalo correspondiente. Se dene la -molicaci on discreta de G por la molicaci on de g y se nota J G(x) = J g (x)

Este Kernel es no negativo, de clase C (p, p ) y

+

,p (x)dx =

Teorema: Si g es uniformemente Lipschtz sobre R, con constante de Lipschitz L y G : K R es tal que: G g entonces
,K

Si f es integrable sobre cualquier intervalo nito en R, se dene su molicaci on por la convoluci on

p

J f (x) = (

f )(x)

=
p

(t)f (x + t)ds

J G g

,R

1 1 + LH + L(p). 2 2

Sean ahora K = {xj : j Z } R satisfaciendo D xj +1 xj d > 0 para cada j Z con d, D constantes y sea G = {gj }j Z una funci on discreta denida en K por xj gj . Sean adem as h H sj para j Z y
+

A. Calculo de la Molicaci on Discreta Dado un vector de datos y de longitud m producto de mediciones sobre un dominio K = {xj : j = 1, 2, .., m} con h = H, se propone calcular la molicaci on de los datos en y . De la denici on se sigue que la molicaci on de los datos debe estar dada por la expresi on:
j =

= Infj Z |xj xj 1 | , = Supj Z |xj xj 1 | , = 1 2 (xj + xj +1 )

g (x) =
j =

gj [sj1 ,sj ) (x)

J y (xk ) =
j =

Wj yk+j ,

(a) ECG Contaminado

(a) ECG Contaminado

(b) Espectro ECG Contaminado

(b) Espectro ECG Contaminado

Fig. 7
RUIDO ELECTROQUIR URGICO RUIDO

Fig. 8
CON DE RESPIRACI ON SNR = 10 D B

donde
Uj

Wj =
Uj 1

(t)dt,

Wj = Wj y Uj = (j + 1/2)h. Ahora, si Z+ tal que 2 + 1 m y > 0 son dados, entonces se selecciona el tama no de paso h, para la discretizaci on del kernel, de modo que: (2 + 1)h = 2p. Se aproxima ahora Wj para 0 j , por
Uj

las iniciales y nales pueden alejarse sustancialmente de esta propiedad. La falta de esta propiedad implica que las primeras ltimas componentes de T y tengan magnitud muy inferior a yu las de y. Para corregir esta deciencia se construye la matriz diagonal D = diag (d1 , d2 , , dm ), donde di es la suma de las entradas de la i e sima la. En este punto se tienen dos A = D1/2 T D1/2 . opciones para A, a saber A = D1 T o La primera es la m as natural y atiende el requerimiento, pero no es sim etrica. La segunda opci on conserva magnitudes y es sim etrica, lo que la hace atractiva para el trabajo con diversos problemas. Se opta por esta segunda alternativa. B. Caracter sticas Espectrales de la Molicaci on Discreta En el kernel de molicaci on, la frecuencia de corte depende de , el cual como se sabe anteriormente es un par ametro de la molicaci on discreta. No existe una relaci on matem atica directa conocida entre y la frecuencia de corte del ltro pasabajos, por lo cual debe ser encontrado por alg un m etodo de selecci on de par ametros. Gracias a las propiedades espectrales de la Molicaci on discreta, se observa que es inversamente proporcional al ancho de banda del ltro, por lo que la b usqueda de se simplica a mirar el espectro del kernel, y obtener el valor de seg un la frecuencia de corte que se desee. Adem as, la variaci on de no produce cambios en la potencia, por lo que no hay p erdidas de magnitud en la se nal molicada. En la Fig (9) se puede observar el cambio en el ancho de banda del espectro a medida que se va incrementando . Las frecuencias de corte aproximadas se dan

Wj =
Uj 1

(t)dt

h (jh) = pAp exp((jp)2 ( + 1/2)2 )/( + 1/2). Esto es, dado , se puede encontrar los pesos siendo estos independientes del valor de y de h. En este punto se construye la matriz de Toeplitz T de orden m m con entradas ti,j = W|ij | , |i j | . 0, en otro caso

Dada su construcci on, por integraci on num erica del kernel, las las centrales de T tendr an sumatoria cercana a uno, pero las

en la Tabla (I) 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 Frecuencia de Corte (Hz) 250 150 83 62 50 40 34 30 28 25 22.5 20.8 19.3 17.9 16.7 15.6 14.7 13.9 13.1 12.5
TABLA I

Fig. 10
S ISTEMA

el desempe no de cada tipo de preproceso frente a los diferentes tipos de ruido.

A. Requerimientos 1) Requerimientos de la Se nal: Los simuladores de ruido fueron desarrollados e implementados para un frecuencia de muestreo de 500 Hz, mientras que la base de datos del MIT-BIH maneja una frecuencia de muestreo de 360 Hz, por este motivo las se nales despu es de ser cargadas deben ser remuestreadas a una frecuencia de 500 HZ. La funci on utilizada fue resample del Toolbox de Signal Procesing[9] para MATLAB.

F RECUENCIA DE C ORTE V S

B. Simuladores de Ruido Las se nales utilizadas de la base de datos son representativas de los diferentes tipos de morfolog a, la mayor a libres de ruido. Por lo tanto es posible contaminar estas se nales con caracter sticas apropiadas de ruido, obteniendo una se nal con una relaci on se nal a ruido controlada. Basados en [13], los simuladores exigen adem as de la potencia de la se nal a contaminar, 1 N
N

potencia = los siguientes par ametros:

|f |2
i=1

(1)

Fig. 9
DEL ESPECTRO EL KERNEL CONTRA , PARA 5 100 EN E VOLUCI ON INCREMENTOS DE 5

Ruido Electromiogr aco SNR del ruido gaussiano. Su desviaci on est andar determina la SNR, la cual es t picamente de 18 dB.

DEL E XPERIMENTO IV. D ISE NO Se describe el desarrollo del sistema para el preproceso de se nales ECG perturbadas. Los dos tipos de proceso son comparados de formas distintas. La primera compara las se nales preprocesadas frente a la se nal original, obteniendo su desempe no frente a la se nal que se desea recuperar. La segunda muestra la inuencia de los dos tipos de preproceso en la clasicaci on de arritmias, por lo cual se compara su desempe no en la correcta clasicaci on de ellas. Adem as se utilizan simuladores de ruido desarrollados en [13], que suplen la ausencia de una base de datos donde se encuentren identicados los diferentes tipos de ruido presentes en la se nal. Estos simuladores se ubican en el sistema para observar

Ruido de la l nea de potencia a 60Hz SNR del ruido de l nea de potencia. T picamente este tipo de ruido tiene un SNR de 3 dB. Ruido electroquir urgico SNR del ruido electroquir urgico. T picamente su SNR es -12 dB, el cual es altamente destructivo. Frecuencia del ruido electroquir urgico. T picamente 100 y 900 Hz.

Artefactos de movimiento Los artefactos de movimiento contienen dos alternativas de ruido. La primera son artefactos de ruido simulando desplazamientos entre electrodos y piel debido a movimientos lentos del paciente. La segunda, artefactos de frecuencia relativamente alta que simulan falsos complejos QRS. Estos artefactos tienen un comportamiento sinusoidal con una duraci on y frecuencia determinada, la misma amplitud que el complejo QRS, y una fase inicial aleatoria. Alternativa 1. SNA (Relaci on Se nal a Ruido de Amplitud) del artefacto de movimiento: Entre 0.1 y 0.4. Frecuencia: 0.07 Hz Duraci on del artefacto: 0.16 seg. Alternativa 2. SNA (Relaci on Se nal a Ruido de Amplitud) del artefacto de movimiento: 1. Frecuencia: 6 Hz. Duraci on del artefacto: 0.04 seg. Ruido de contacto en los electrodos No tiene par ametros que se puedan ingresar, debido a que su amplitud ser a el m aximo nivel de saturaci on. [6]. Ruido producido por la respiraci on SNR del corrimiento de l nea base. Se considera el corrimiento sinusoidal de la l nea base, con una frecuencia de 0.3 Hz y una amplitud relacionada con la SNR, la cual es t picamente de 32 dB. SNR de la modulaci on de amplitud. Considera la modulaci on de amplitud de la se nal ECG con una frecuencia de 0.3 Hz y una amplitud relacionada con el SNR, teniendo 12 dB como valor t pico. Se requiere la fase entre el corrimiento de l nea base y la modulaci on de amplitud, para la generaci on del ruido de respiraci on combinado, t picamente dicha fase es nula. C. Filtrado mediante Molicaci on Discreta La forma m as directa de implementar un ltro digital es por la convoluci on de la se nal de entrada con la respuesta impulso del ltro digital. Cuando la respuesta impulso es utilizada de esta manera, al ltro se le da el nombre de ltro por kernel [16]. Los ltros de tipo pasobajo muestran una respuesta impulso de tipo gaussiano, por lo que el kernel de molicaci on se puede decir que es un ltro pasobajos. El preproceso mediante molicaci on discreta se desarrollo gracias a sus caracter sticas espectrales, por lo cual se pod a dise nar el ltro bas andose en las caracter sticas de los tipos de ruido a tratar. 1) Dise no Filtro Pasobajos: Como se hab a mencionado en nico par la secci on III-A, el u ametro necesario para sintonizar el kernel de molicaci on, es el valor de . Dado que todo kernel debe tener un n umero de puntos, el n umero de puntos del kernel respecto a se dene como: N = 2 + 1 (2)

Normalmente el valor de en lo m etodos tradicionales de regularizaci on es encontrado mediante m etodos de selecci on de par ametros, tales como GCV. Dado a que ya se conocen las caracter sticas frecuenciales del ruido a tratar, la b usqueda de se hace innecesaria, y se obtiene su valor simplemente observando el espectro del kernel de molicaci on vs .

Fig. 11
PARA = 24 E SPECTRO DEL KERNEL DE MOLIFICACI ON

Despu es de observar est as caracter sticas, se determin o que 22 < < 24 elimina el ruido para 5 de los 6 tipos de perturbaciones en la se nal electrocardiogr aca (Fig. 11). La perturbaci on que no fue eliminada fue la introducida por la respiraci on, debido a como se dijo en la secci on II-B.6, tiene un tratamiento muy diferente. 2) Molicaci on para ruido de respiraci on: Debido a que el ruido de respiraci on afecta las componentes de muy baja frecuencia, el kernel de molicaci on se debe modicar para que cambie sus caracter sticas de pasabajo a pasaalto. La modicaci on de este kernel se bas o en la t ecnica de inversi on espectral de kernel, herramienta la cual hace invertir las caracter sticas espectrales del ltro, dando vuelta de arriba hacia abajo del espectro [16] (Fig. (12)). De esta manera, se calcula de nuevo basado en las caracter sticas espectrales, donde = 250 mostr o el comportamiento deseado para eliminar esta perturbaci on (Fig (13)). La desventaja de este m etodo es que se genera una caracter stica no deseada al inicio, alterando las componentes de baja frecuencia de la se nal electrocardiogr aca por debajo de 0.3 Hz. As que para solucionar este problema, se opt o por dise nar un nuevo kernel mediante el m etodo de muestreo en frecuencia [9], utilizando la funci on f ir2 del toolbox de Signal Processing de MATLAB([9]). A esta funci on se le ingresa el vector de magnitud A, el vector de fase F y el n umero de puntos N , y retorna el kernel deseado. A se gener o con una funci on exponencial, la respuesta espectral deseada, descrita por: A( ) = 1 e/ (3)

donde es el par ametro a modicar para obtener la respuesta deseada. El implementado fue = 10.

(a) Espectro del Kernel de molicaci on original

Fig. 13
MODIFICADO CON = 250 E SPECTRO DEL KERNEL DE MOLIFICACI ON

(b) Espectro del kernel obtenido por inversi on espectral

Fig. 12
I NVERSION E SPECTRAL

Fig. 14

Para F se considera un vector lineal de N puntos igualmente distribuidos con valores desde 0 hasta 1, para obtener un ltro de fase lineal. N es el n umero de puntos para los dos vectores y para el kernel que se desea obtener, por lo que sigue siendo el mismo descrito en la ecuaci on (2), as que el = 250 obtenido anteriormente funciona igual. El espectro del kernel obtenido se puede observar en Fig 14.

E SPECTRO

DEL

K ERNEL PASAALTOS CON = 250

x D. An alisis de Desempe no x En an alisis de desempe no se desarrollo de dos maneras diferentes. La primera es un comparaci on de normas entre las dos se nales ltradas, por m etodos cl asicos y por molicaci on. La segunda es la evaluaci on del desempe no de un clasicador de en la detecci on de patolog as con las se nales ltradas. 1) C alculo de Normas: Para comparar los dos tipos de se nales entregados por el preproceso, se hizo el c alculo de su norma contra la se nal original, para obtener estimados del error. Se tiene la denici on de norma:

=
i=1

|xi |
n
1 2

=
i=1 n

x2 i
1 p

(4) 1p< 1in

x x

=
i=1

|xi |p

= m ax |xi |

As , el an alisis de desempe no se obtiene de la siguiente manera:

Se nal Filtrada-Se nal Original Se nal Original 1 Se nal Filtrada-Se nal Original d2 = Se nal Original 2 Se nal Filtrada-Se nal Original d3 = Se nal Original d1 =

(5)

2) Clasicaci on: Otra forma de observar su desempe no, es utilizando las se nales ltradas en un clasicador dise nado para el diagn ostico de patolog as, debido a que el proceso de ltrado debe mantener las caracter sticas morfol ogicas de la se nal electrocardiogr aca. Como herramientas de clasicaci on se utiliz o una red neuronal articial. Las caracter sticas de la esta herramienta se pueden encontrar en [15]. El estudio incluy o 11 formas de onda etiquetadas de la base de datos de arritmias MIT-BIH: Latido auricular prematuro desviado (a), latido de escape ventricular (E), fusi on de latido ventricular y normal (F), fusi on de latido acelerado y normal (f), bloqueo de rama izquierda (L), latido normal (N), latido acelerado (P), onda P no conducida (p), bloqueo rama derecha (R), contracci on ventricular prematura (V) y brilaci on ventricular (VF). V. R ESULTADOS A. Evaluaci on del desempe no obtenido por normas Las pruebas se llevaron de forma aparte para la molicaci on y para el kernel pasaaltos. La molicaci on se compar o con el ltro lineal de Butterworth, mientras que el kernel pasaaltos fue comparado con el desempe no del ltro Notch (Fig 16). Se muestra una comparaci on de desempe no global de los ltros cl asicos contra los ltros basados en molicaci on(Fig 17). Las pruebas se desarrollaron sobre 51 segmentos de se nales ECG de 12 segundos, con los 11 tipos de se nales electrocardiogr acas (ECG).

Fig. 16
SOBRE 51 D ESEMPE NO SEGMENTOS PARA RUIDO DE RESPIRACI ON

Fig. 17
GLOBAL PARA TODOS LOS TIPOS DE RUIDO D ESEMPE NO

B. Evaluaci on desempe no obtenido en la clasicaci on de latidos La calidad del proceso de ltrado fue tambi en puesto a prueba mediante la medici on de la precisi on de una herramientas de clasicaci on basada en redes neuronales, la cual fue sometida a distintas condiciones de ltrado y de presencia de ruido. Para las pruebas de clasicaci on, se compara el error de validaci on para se nales sin preproceso, se nales molicadas y se nales ltradas por molicaci on y por kernel pasaaltos. Las caracter sticas de la red neuronal utilizada en la clasicaci on fueron: Conjunto de entrenamiento: Se utilizaron 550 latidos, que corresponden a 50 latidos por cada una de las 11 clases, extra dos aleatoriamente de la base de datos MIT-BIH y que han sido etiquetados para obtener las tasas de error de entrenamiento de forma autom atica. Conjunto de validaci on: Se utilizaron 550 latidos diferentes a los que conforman el conjunto de entrenamiento,

Fig. 15
SOBRE 51 D ESEMPE NO
SEGMENTOS PARA TODOS LOS TIPOS DE RUIDO , EXCEPTUANDO RESPIRACI ON

pero extra dos con el mismo criterio. Estrategias de extracci on de par ametros: Se utilizo una wavelet db10, con un nivel de descomposici on 4 para obtener 42 caracter sticas de entrada en la red neuronal, basado en [12]. La red neuronal fue entrenada con datos sin preproceso, datos molicados, y datos ltrados por molicaci on y kernel pasaaltos. Las caracter sticas de estas redes se pueden observar en la Tabla (II).
Preproceso Sin preproceso Molicaci on Mol y kernel pasaaltos Error Entrenamiento 0.91 % 0.18 % 0.34 % TABLA II Error Validaci on 6.91 % 7.44 % 9.16 %

C ARACTER I STICAS R ED NEURONAL

En la Tabla (III) se muestran los resultados para se nales altamente perturbadas por cada clase de ruido.
(a) Red neuronal entrenada con datos sin preproceso
Preproceso Sin preproceso Molicaci on Mol y kernel pasaaltos EMG 45.45 % 14.18 % 46.91 % Respiraci on 55.09 % 34.18 % 41.82 % Tipo de Perturbaci on Linea 60 Hz ELQ 66 % 65.45 % 8.55 % 7.82 % 46.36 % 44 % Art Mov 46.36 % 15.82 % 48.36 % Descont Electr 51.23 % 17.83 % 48.04 %

(b) Red neuronal entrenada con datos molicados

Preproceso Sin preproceso Molicaci on Mol y kernel pasaaltos EMG 58 % 17.09 % 16.73 % Respiraci on 24.91 % 34.91 % 35.09 % Tipo de Perturbaci on Linea 60 Hz ELQ 55.84 % 58.36 % 7.45 % 7.45 % 7.82 % 7.64 % Art Mov 54.18 % 10.18 % 10.30 % Descont Electr 56.34 % 11.42 % 12.57 %

R EFERENCIAS [1] C. D. Acosta. La molicaci on discreta como estimador lineal, 2000. [2] C. Coles. Numerical identication of parameters in inverse heat conduction and inverse Euler Bernoulli Beam theory. PhD thesis, University of Cincinnati, 2000. [3] D. Cuesta. Estudio de m etodos para procesamiento y agrupaci on de se nales electrocardiogr acas. PhD thesis, Valencia, 2001. [4] T. Evgeniou, M. Pontil, and T. Poggio. A unied framework for regularization networks and support vector machines. Technical Report AIM1654, 1999. [5] T. Evgeniou, M. Pontil, and T. Poggio. Regularization networks and support vector machines, 2000. [6] G. M. Friesen, Thomas C. Jannett, Manal Afy Jadallah, Stanford L. Yates, Stephen R. Quint, and H. Troy Nagle. A comparison of the noise sentitivity of nine qrs detection algorithms. IEEE Transactions on Biomedical Engineering, 37:8598, 1990. [7] F. Girosi, M. Jones, and T. Poggio. Priors stabilizers and basis functions: From regularization to radial, tensor and additive splines. Technical Report AIM-1430, 1993. [8] F. Girosi, M. Jones, and T. Poggio. Regularization theory and neural networks architectures. Neural Computation, 7(2):219269, 1995. [9] MathWorks. Signal Processing Toolbox: Users Guide - Version 5. For Use with MATLAB. The MathWorks, Inc., Natick, MA, 2000. [10] C. E. Mej a and D. Murio. Numerical solution of generalized ihcp by discrete mollication. Computers Math. Applic., 32:3350, 1996. [11] D. Murio, C. E. Mej a, and S. Zhan. Discrete mollication and numerical differentiation. Computers Math. Applic., 35:116, 1998. [12] M. Orozco. Clasicaci on de arritmias card acas usando transformada wavelet y t ecnicas de reconocimiento de patrones, 2003. [13] R. Orozco, M. P erez, J. V. Lorenzo, R. Grau, and R. Ramos. Evaluation of qrs morphological classiers in the presence of noise. Computers and Biomedical Research, 30:200210, 1997. [14] T. Poggio and F. Girosi. Notes on pca, regularization, sparsity and support vector machines. [15] J. D. Pulgar n. Regularizaci on mediante Molicaci on Discreta de Se nales ECG Pertubadas. Universidad Nacional de Colombia, Manizales, 2003. [16] S. W. Smith. The Scientist and Engineers Guide to Digital Signal Processing. California Technical Publishing, San Diego, California. URL: http://www.dspguide.com, second edition, 1999. [17] J. G. Webster, editor. Medical Instrumentation and Design. John Wiley, 1998. [18] S. Zhan and D. Murio. Surface tting and numerical gradient computation by discrete mollication. Computers Math. Applic., 37:145159, 1999.

(c) Red neuronal entrenada con datos ltrados por Molicaci on y Kernel pasaaltos
Preproceso Sin preproceso Molicaci on Mol y kernel pasaaltos EMG 54.73 % 41.64 % 18.73 % Respiraci on 52.73 % 63.64 % 28.18 % Tipo de Perturbaci on Linea 60 Hz ELQ 53.27 % 47.45 % 42.55 % 41.27 % 10.73 % 9.27 % Art Mov 63.82 % 49.64 % 14.18 % Descont Electr 67.25 % 42.18 % 15.72 %

E RRORES DE VALIDACI ON

TABLA III

VI. C ONCLUSIONES El uso de los algoritmos de molicaci on para el ltrado de las se nales electrocardiogr acas no lleva a una p erdida signicativa de precisi on frente al desempe no de otros ltros usados, conforme puede apreciarse en las comparaciones hechas por norma. Adem as, la implementaci on de la molicaci on es mucho m as sencilla al no requerir rutinas adicionales de toolboxes existentes, como es el caso de varios ltros cl asicos. Para el ruido de respiraci on, la molicaci on discreta muestra un mejor desempe no que las t ecnicas convencionales, resultado este de destacar en la medida en que el manejo del ruido de respiraci on es materia de investigaci on en la actualidad [3]. En la clasicaci on de arritmias, la validaci on se incrementa al molicar previamente la se nal, debido a que la molicaci on discreta recupera las caracter sticas morfol ogicas de la se nal electrocardiogr aca y suprime factores distractores. Este resultado tambi en se observa en el caso donde el clasicador se entrena con datos molicados, pues el desempe no es superior.