Scribd Logo
Upload

Welcome to Scribd!

  • v9 1 5 PDF

    Uploaded by

    joseiut
    11 views10 pages

    Original Title

    v9_1_5.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    11 views10 pages

    v9 1 5 PDF

    Uploaded by

    joseiut

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 10
    Proyecciones, Vol.9 No. 1, Abril de 2011 Procesamiento de sefiales electrocardiograficas mediante transformada wavelet, para el estudio de variabilidad de la frecuencia cardiaca José Manuel Gallardo Universidad Tecnolégica Nacional, Facultad Regional Buenos Aires Subsecretaria de Posgrado y Vinculacién con la Investigacién, Medrano 951 (C1179AAQ ), Ciudad Auténoma de Buenos Aires, Argentina Jmg@dfuba.ar Recbido ol 4 de Marzo de 2011, aprobado el 21 de Marzo de 2011 Resumen En este trabajo, se presenta un simple algoritmo para deteccidn de la onda R, en la sefial electrocardiogréfica, mediante procesamiento digital, utiizando como herramienta, la Trans- formada Oncita 0 Wavelet Transform (WT). Realizando un andlisis denominado de Multirresolucién, se descompone la sefial enbandas de frecuencias, logrando asi la deteccién de la sefial buscada. Con los intervalos temporales existentes entre estas sefiales (intervalos RR), se conforma una serie temporal, que representa la variabilidad de la frecuencia cardiaca (VFC).. PALABRAS CLAVE: ONDA R - TRANSFORMADA WAVELET — MULTIRESOLUCION - SERIE TEMPORAL = VARIABILIDAD DE FRECUENCIA CARDIACA Abstract In this paper, we present a simple algorithm for R detection wave in ECG signal by cigital pro- cessing, using as a tool, the Wavelet Transform (WT). Performing called multiresolution analysis, decomposes the signal in to frequency bands, thus ensuring the detection of the wanted signal ‘With the time intervals between these signals (RR intervals) time series are formed, which represents the heart rate variability (HRV). KEYWORDS: R WAVE ~ WAVELET TRANSFORM ~ MULTIRRESOLUTION ~ TIME SERIES ~ HEART RATE VARIABILITY 63 4 Introduccién El sistema nervioso auténomo (SNA), influye sobre la actividad cardiaca, quedando esto vi- sible mediante el registro electrocardiogréfico (ECG) (Malik, 1995; Estévez Bées y col, 2007). El balance entre la rama simpética y parasim- patica produce una variacién pequefia entre latidos en la sefial del ECG, de un corazén nor- mal, el parasimpético incrementa esta varia- ign y el simpatico le decrementa El estudio de las variaciones en la duracién Gel intervalo entre latidos sucesivos (intervalo RR) aporta informacién sobre la modulacién ‘que ejerce el sistema simpato-vagal sobre el corazén, Estas variaciones latido a latido se concen con el nombre de variabilidad de la frecuencia cardiaca (VFC) (Malik, 1995), este tipo de estudio, permite de una manera no invasiva, analizar el SNA y los mecanismo de control cardiovascular (Akselrod, 1981; Paga~ ni, 1986; Task Force of the ESC and the NAS- PE, 1996; Malik y col., 1996). Por intermedia del andlisis de VFC se pueden estudiar mecanismos asociados con distintas condiciones fisiolégicas 0 fisiopatolégicas, por ejemplo en la diabetes, Pagani (1988), el stress, Perrone (2000); Murali y col. (2005), los trastornos del suefio, Takase y col. (2005), alimentacién, Vigo y col. (2007), la actividad fisica 0 en el sistema cardiaco (arritmias, en- fermedades coronarias, infarto agudo de mio cardio, etc.) (1.7. Bigger, 1992; Task Force of the ESC and the NASPE, 1996; Singh, 1996). Actualmente el estudio de VEC ya es conside- rada una herramienta mas para diagnéstico dlinico (Migliaro, 2007). Estas variaciones temporales entre los latides Signal Fig.1. Wavelet Toolbox User's Guide, 2002 cardiacos, intervalos RR, conforman una se- rie temporal, que es sometida al andlisis en el dominio temporal y frecuencial, utilizando métodos lineales y no lineales (Estévez Bées y col,, 2007; Fainstein y col,, 2005), Para la conformacién de esta serie es nece- saria la deteccién automdtica de las ondas R del ECG, Fainstein y col. (2005), cuya diferen- cia temporal, conformara la serie, Mediante un algoritmo donde se realiza un andlisis de Mukirresolucién Serrano (2009); Misiti y col (2002); Serrano (2007); Anaya y col. (1995), por medio de la WT, se logra detectar perfec- tamente la sefial R, para poder realizar la serie de intervalos RR. Transformada wavelet continua (CWT) La Transformada de Fourier (FT), integra @ través del tiempo el producto de f(t) por una funcién exponencial compleja, la cual es re- presentable por funciones sinusoidales reales @ imaginarias. Flo) = ftoet*at Como resultado se obtiene los coeficientes F(w), que luego multiplicados por una fre- cuencia w, conforman las distintas sefiales si- nusoidales componentes de f(t), Fig.1. De forma similar la CWT, es definida como la suma a través del tiempo, del producto de la sefial ft), por otra funcién wavelet , re esca- lada y desplazada, W. Clacale, position) = | flé)y(seale, position, dt El resultado de CWT son coeficientes C, en funcién de la escala y la posicién. Multiplican - Constituent sinusoids of diferent frequencies PROYECCTONES -Publcacin de investigaciin y posgrado de I Facultad Regional Buenos Ares Wavelet > Ae Transform o, —v— — —= Fig.2. Wavelet Toolbox User’s Guide, 2002 do cada coeficiente C, por una Wavelet, de escala y posicién apropiadas volveremos a te- ner [a sefal original, Fig.2. La funcién Wavelet, que se utiliza se denomi- ra Wavelet madre y debe cumplir ciertos re~ quisitos desde el punto de vista matemético, pues de esta se derivan una familia de funcic nes que lamaremos simplemente Wavelets, dentro de las que se destacan la Haar, Daube- cies, Biortogonal, Coiflets, Symiets, Morlet, Sombrero Mexicano, etc. (Daubechies, 1992). ‘Transformada wavelet discreta (DWT) La Transformada de Fourier, Gabor 0 la Wave- Jet Continua y muchas otras, pertenecen ala clase de las llamadas Transformadas Integra- les Continuas. Las mismas, mapean la infor- macién de la sefial dada s(t) en un espacio definido por los correspondientes parémetros variando en rangos continuos, predisponién- dola al andlisis ya la interpretacion. Implementar estos célculos requiere de mu- cho tiempo computacional. Por eso cuando tenemos una serie de datos numéricos, se hace necesario implementar una transforma~ da discreta 0 DWT (Serrano, 2009; Anaya y col., 1995). EI disefio de una versién discreta de la Trans- formada Wavelet, esencialmente consiste en definir una apropiada red discreta de par: metros, (( 2, ;b,,)}de escalas y traslaciones, respectivamenté, de modo que la familia de wavelets (a,;b, ) sea admisible. En gene- ral, constituye un problema dificil caracterizar aquellas wavelets que definen una Transfor- mada Discreta, Existen varias clases de wave- lets posibles; las wavelets spline, las wavelets de Daubechies y otras andlogas, ampliamente | —vi— Yr wavelets of diferent scales and positions difundidas en la literatura y en el software te disponible, Entre estas, encontramos diversas variantes, y particularmente las que generan bases orto- normales de wavelets, En general, esas clases se asocian a la red didice: ik j,k eZ Dados estos parémetros, se obtiene la si- Quiente expresién para las wavelet tyelt) = VPywt—k) ikEZ Asumiendo que la wavelet madre real y la se~ fal s(t) son de energfa finita la DWT asociada seré: DWesi.k) = <80n>= [™ siervalo ae para tados los valores enteros j,k y su férmu- la de sintes's: 1 = DDewwald = LE dal) En la préctica se considera que el valor de la transformada o los coeficientes en wavelets, resumen Ia informacién de la sefial, como ‘ocurre en el caso de CWT. De manera similar que en el caso continuo, se puede demostrar, que las wavelets Wjk(t) estén localizadas en elintervalo centrado en (f, k 2)", de longitud 2"! Aty en la banda bilateral 0<2! w,

    You might also like