visualizadas por medio de un electrocardiograma El proyecto aplica un algoritmo de análisis (ECG), nos permiten observar su funcionamiento; de señales ECG, fundamentado en una técnica de estas señales registran la actividad de este músculo y segmentación empleando la transformada wavelet a través de ellas se identifica cuando el corazón (WT) en la detección de puntos característicos y funciona normalmente o tiene alguna discrepancia. significativos de la señal ECG, como son los complejos QRS, ondas P y T que son distinguibles El procesamiento digital de señales o DSP, es del ruido, línea base y artefactos, debido a la la manipulación matemática de una señal para característica multiescala de la transformada modificarla y mejorarla en algún sentido, y se wavelet. Y de esta forma eliminar el máximo de caracteriza por la representación en el dominio del ruido, permitiendo una lectura más fidedigna del tiempo discreto, y; en el dominio de frecuencia ECG, y así descartar posibles afecciones cardiacas discreta. con mayor certeza. La Serie de Fourier y la Transformada de Fourier, permiten ver la distribución de frecuencias de la señal, por lo que al discretizar la señal permite que CONTEXTO se almacenen digitalmente los valores de frecuencias para cada tiempo determinado, y El presente proyecto está enmarcado dentro posteriormente un conversor digital a análogo de las investigaciones llevadas a cabo en La (DAC); reproducirá la señal original. Maestría en Ingeniería perteneciente al La transformada de Fourier es el mapeo del Departamento de Electrónica del Tecnológico espacio tiempo al espacio frecuencia, lo que permite Nacional de México Unidad Mérida en el ámbito del ver la distribución frecuencial, lo que facilita la procesado de señales biomédicas manipulación de la señal de entrada. No se pretende investigar sobre líneas El par de Fourier describe las estructuras nuevas, pero si pretende describir el conocimiento temporales y frecuenciales de una señal de manera necesario y los procedimientos adecuados para el independiente; pero para detectar y caracterizar diseño y la posible implementación en arquitecturas eventos que combinan esas estructuras en diversos y abiertas; de un sistema capaz de realizar de forma complejos patrones es necesario implementar eficiente el procesado de estas señales, en particular; métodos más refinados de representación conjunta la señal electrocardiográfica (ECG). tiempo-frecuencia. De igual manera se intenta motivar la investigación en el campo de la Bioingeniería en el Entre las diversas opciones, la Transformada Tecnológico Nacional de México unidades Mérida Wavelet es la que brinda la mejor y mas eficiente y Cancún, como una vertiente de la Mecatrónica. herramienta tiempo-escala.
INTRODUCCION PLANTEAMIENTO DEL PROBLEMA Y
JUSTIFICACIÓN En el trabajo con bioseñales, es necesario conocer los aspectos biológicos y eléctricos propios del La cardiología busca detectar enfermedades organismo que las genera, (10), (11), (12). cardiovasculares a través de métodos no invasivos con mínimo riesgo para el paciente y que Determinar la familia Wavelet mas adecuada proporcionen la mayor cantidad de información para para la aplicacion a este tipo de señal el análisis de la señal de interés; uno de los Desarrollar una aplicación en la plataforma exámenes más empleados hoy en día que cuenta con MATLAB-SIMULINK, para la visualizacion, estas características es el electrocardiograma. tratamiento y analisis de la señal ECG, que permita La electrocardiografía es susceptible de la caracterizacion y clasificacion de parametros de alteraciones en su morfología, ocasionadas por el anormalidad en la señal. paciente, el equipo utilizado en la obtención de la señal y el ambiente en el cual se desarrolla; ESTADO DEL ARTE generándose diferentes tipos de ruidos sobre el Al aplicar técnicas de procesamiento de registro electrocardiográfico, lo cual afecta la señales a la señal ECG, se encontró que el principal interpretación de este. problema que se presenta es reconocer los puntos y Por lo mencionado anteriormente en los patrones característicos de la señal ECG; así como sistemas de clasificación de señales cardiacas, es el cálculo de la frecuencia cardiaca, eje eléctrico, común encontrar módulos de adquisición y pre deflexiones e intervalos. procesamiento de señal, para que la señal obtenida Aplicando algoritmos basados en el sea lo más clara possible. procesamiento clásico de señales, se obtiene De ahí la importancia que representa información de los periodos de la señal ECG, pero desarrollar un método para la detección de no se identifican puntos característicos por lo que no anomalías cardiacas y así generar un algoritmo para son utilizados con frecuencia. el pre diagnóstico de patrones eléctricos anormales Auto correlación; es la correlación cruzada de la Al aplicar un algoritmo de análisis de señales señal con ella misma pero con un desfase; encuentra ECG con criterios estandarizados se propiciará la patrones repetitivos, aun si se enmascara con ruido, eliminación del ruido, permitiendo una lectura más pero se generan demasiados armónicos, su objetivo fidedigna del ECG, y así descartar posibles es encontrar máximos que indiquen el periodo de la afecciones cardiacas con mayor certeza, facilitando señal ECG (14). el diagnóstico del especialista. Average Magnitude Difference Function (AMDF); similar a la auto correlación, pero basada en la diferencia de la señal al trasladarla dos veces, buscando con ello mínimos de la resultante. OBJETIVOS Fast Fourier Transform (FFT); basada en la Transformada Discreta de Fourier (TDF), la cual es OBJETIVO GENERAL adecuada en señales periódicas; pero la señal ECG no lo es, aun así; al aplicar un ventaneo rectangular El objetivo del presente proyecto es implementar al cual se le aplique la FFT se puede obtener la un algoritmo basado en la Transformada Wavelet duración del periodo, pero no su inicio y final (15). para analizar el contenido espectral del Los algoritmos basados en derivadas son electrocardiograma, y proceder a la eliminación de rápidos y sencillos, consideran la comparación con ruido interferente y a la detección de patrones un umbral y algunas veces con un segundo umbral característicos del ECG. de decisión, se comportan bien bajo ruido; pero son sensibles a cambios en la línea base, y ruidos de alta OBJETIVOS ESPECÍFICOS frecuencia, son utilizados para la identificación del complejo QRS(17). Determinar las características de la señal Amplitud y primer derivada; se considera la Electrocardiográfica; como son, el complejo QRS superación de los umbrales de amplitud y pendiente, ondas P y T que son distinguibles del ruido, línea con lo que se detecta la presencia del complejo QRS. base y artefactos. Primer derivada; solo considera la superación de la En este algoritmo se utilizan umbrales adaptativos, pendiente, para detectar el complejo QRS. por lo que se corre el riesgo de detectar picos e Primer y segunda derivada; detecta el complejo ignorar otros, aun así es uno de los más utilizados. QRS. Los algoritmos basados en filtros digitales, METODOLOGIA presentan una etapa de pre procesamiento que dan Establecer los fundamentos teóricos énfasis al complejo QRS, y otra etapa de decisión matemáticos para el procesamiento digital de señal, basada en umbrales (16), (17), (19). así como el software y hardware a utilizar. (3), (4), Friesen; propone dos umbrales a utilizar después (14), (15). de derivar y filtrar la señal, para de esta forma Transformada de Fourier, Transformada localizarla banda de frecuencias del complejo QRS. Discreta de Fourier, Transformada Wavelet Laguna; propone el uso de un solo filtro pasa bajas Discreta, Algoritmo a utilizar, (7). y la primera derivada para realzar las componentes Desarrollo del algoritmo DSP, auxiliado por QRS para su detección. el software Matlab-Simulink. Algoritmos por comparación de patrones, Adquirir señal muestra del banco de datos los podemos clasificar de acuerdo a la parte de la que validara la eficiencia, (MIT-BIT); la cual se señal ECG que se compara. someterá al siguiente proceso: Trahania, utiliza como patrón de comparación un Eliminación del ruido en la señal ECG polinomio cubico definido por un pico máximo, un digitalizada, (1). segmento parabólico, y; un punto limite semejante a Cálculo de la Transformada Wavelet Discreta una línea recta en los extremos del pico, y así (DWT), como método de filtrado (9), para extraer el complejo QRS. determinar los coeficientes espectrales, mediante Los algoritmos, que aplican segmentación, y de esta forma detectar los puntos transformaciones no lineales, combinan las significativos de la señal ECG, (8), (11), (12), (13). técnicas anteriores agregando las transformaciones Cálculo de la Transformada Wavelet Inversa no lineales, siendo los más utilizados (18). (IDWT) para la reconstrucción de la señal. Pan-Tompkins; Es uno de los más Comparación entre la DWT filtrada y la utilizados actualmente, y se explica mejor mediante DWT original. el siguiente diagrama de flujo; Finalmente se validara el algoritmo para obtener las conclusiones, observaciones, y recomendaciones; finales. X(n)----->LPF----->HPF----->d(señal)/dt--->
[señal]*[señal]----->(1/N)S(señal)----->Y(n)
LPF y PHF; reducen el ruido dentro y fuera del
ancho de banda de interés. Derivador, resalta las altas frecuencias y atenúa las bajas frecuencias, lo que ayuda a distinguir mejor los complejos QRS. Transformación no lineal, eleva al cuadrado la señal; haciendo positivos todos los puntos, y de esta manera aumentar la magnitud de las altas frecuencias del complejo QRS, facilitando su detección. Integración, de la señal posterior a ser pasada por una ventana móvil.