Professional Documents
Culture Documents
Tegguanipa y Mejias 2022
Tegguanipa y Mejias 2022
“FRANCISCO DE MIRANDA”
ÁREA: CIENCIAS DE LA SALUD
PROGRAMA DE INGENIERÍA BIOMÉDICA
PROYECTO DE GRADO
Tutor(a): Autores:
Ing. Gloymar C. Acosta R. Guanipa Semeco, Gustavo José.
C.I.: V-13.901.383 C.I.: V-26.598.265
Mejía Bastidas, Miguel Enrique.
C.I.: V-26.100.639
i
UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
ÁREA: CIENCIAS DE LA SALUD
PROGRAMA DE INGENIERÍA BIOMÉDICA
PROYECTO DE GRADO
Tutor(a): Autores:
Ing. Gloymar C. Acosta R. Guanipa Semeco, Gustavo José.
C.I.: V-13.901.383 C.I.: V-26.598.265
Mejía Bastidas, Miguel Enrique.
C.I.: V-26.100.639
ii
ANEXO No 01
iii
ANEXO No 01
iv
ANEXO No 02
v
ANEXO No 02
vi
CONSTANCIA DE ACEPTACIÓN DEL TUTOR
Autores:
Guanipa Semeco, Gustavo José.
C.I.: V-26.598.265
Mejía Bastidas, Miguel Enrique.
C.I.: V-26.100.639
___________________________
ING. GLOYMAR ACOSTA
Nombre y Apellido del Tutor(a) Académico
vii
viii
ACTA DE MENCIÓN
HONORÍFICA
REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
ÁREA: CIENCIAS DE LA SALUD
PROGRAMA: INGENIERÍA BIOMÉDICA
ix
“PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA
CARDIACA BASADO EN PLETISMOGRAFÍA REMOTA CASO: CLÍNICA
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.”
AUTORES:
T.S.U: Guanipa Semeco, Gustavo José. C.I.: V-26.598.265
T.S.U: Mejía Bastidas, Miguel Enrique. C.I.: V-26.100.639
MENCIÓN HONORÍFICA
MARZO 2022
APROBADO POR:
ING. ING.
Jurado 1 Jurado 2
ING.
Tutor
ACEPTADO POR:
DRA. GIOCONDA ACOSTA
DECANO ÁREA CIENCIAS DE LA SALUD
x
AGRADECIMIENTO
xi
AGRADECIMIENTOS
A nuestro tutor académico: Ing. Gloymar Acosta, que con sus valiosos
conocimientos y asesoría académica logran la realización de esta
investigación.
Al personal del Hospital Tipo III De Los Seguros Sociales “Dr. Rafael
Calles Sierra” y en especial al personal del departamento de
Electromedicina, que con su compañía durante las pasantías profesionales
han sido una fuente valiosa de conocimientos en el ámbito laboral y en
cuanta asesoría técnica y metodológica. A la Clínica “La Familia” por
permitirnos desarrollar este Trabajo Especial de Grado en sus espacios.
xii
DEDICATORIA
Porque cada una de sus canas son sinónimos de sabiduría, que me han
enseñado cosas vitales para la vida y por ser mí ejemplo para salir adelante.
Gustavo J. Guanipa S.
DEDICATORIA
A Dios
Que con su gran amor nos guía y protege en nuestro andar y nos regala el
discernimiento para tener la conciencia de saber los que es bueno para
nuestra vida.
A la Virgen María
Quien me apoya en todo lo que necesito y que juntos hemos logrado gran
parte de lo que somos hoy.
xiii
INDICE GENERAL
p.p.
AGRADECIMIENTO xi
DEDICATORIA xiii
ÍNDICE GENERAL Xiv
ÍNDICE DE FIGURAS Xvii
ÍNDICE DE CUADROS Xviii
ÍNDICE DE GRÁFICOS Xix
RESUMEN xx
ABSTRACT Xxi
INTRODUCCIÓN 22
I. CAPÍTULO: EL PROBLEMA 27
1.1. PLANTEAMIENTO DEL PROBLEMA 27
1.2. DIAGNÓSTICO INSTITUCIONAL 32
1.2.1. RESEÑA HISTÓRICA DE LA CLÍNICA LA 33
FAMILIA
1.2.2. ESTRUCTURA ORGANIZACIONAL DE LA 33
CLÍNICA LA FAMILIA
MISIÓN 33
VISIÓN 34
OBJETIVOS 34
1.3. FORMULACIÓN DEL PROBLEMA 35
1.3.1. SISTEMATIZACIÓN DEL PROBLEMA 35
1.4. OBJETIVOS DE LA INVESTIGACIÓN 36
1.4.1. OBJETIVO GENERAL 36
1.4.2. OBJETIVOS ESPECÍFICOS 36
1.5. JUSTIFICACIÓN DE LA INVESTIGACIÓN 36
1.6. LÍNEA DE INVESTIGACIÓN 39
1.7. DELIMITACIÓN DE LA INVESTIGACIÓN 40
1.7.1. DELIMITACION GEOGRAFICA 40
1.7.2. DELIMITACION TEORICA 40
1.7.3. DELIMITACION TEMPORAL 41
II. CAPÍTULO: MARCO TEORICO 42
2.1. ANTECEDENTES DE LA INVESTIGACIÓN 42
2.2. BASES TEÓRICAS Y CONCEPTUALES 45
2.3. BASES LEGALES 72
2.4. DEFINICIÓN DE TÉRMINOS BÁSICOS 74
2.5. SISTEMA DE VARIABLES 75
2.5.1. OPERACIONALIZACIÓN DE LA VARIABLE 75
xiv
III. CAPÍTULO: MARCO METODOLOGICO 76
3.1. TIPO DE INVESTIGACIÓN 76
3.2. DISEÑO DE INVESTIGACIÓN 76
3.3. POBLACIÓN Y MUESTRA 77
3.3.1. POBLACIÓN 77
3.3.2. MUESTRA 78
3.4. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE 79
DATOS
3.4.1. TÉCNICA 79
3.4.2. INSTRUMENTO 79
3.5. VALIDEZ Y CONFIABILIDAD 80
3.5.1. VALIDEZ 80
3.5.2. CONFIABILIDAD 81
3.6. TÉCNICAS DE ANÁLISIS DE DATOS 84
3.7. PROCESO DE INVESTIGACIÓN 84
IV. CAPÍTULO: DISCUSIÓN DE LOS RESULTADOS 86
4.1. TÉCNICA DE ANÁLISIS 86
4.2. ANÁLISIS E INTERPRETACIÓN DE LOS 87
RESULTADOS
4.3. CONCLUSIONES Y RECOMENDACIONES 104
4.3.1. CONCLUSIONES 104
4.3.2. RECOMENDACIONES 105
V. CAPÍTULO: LA PROPUESTA 106
5.1. INTRODUCCIÓN 106
5.2. ESTUDIO DE LA FACTIBILIDAD 107
5.2.1. FACTIBILIDAD INSTITUCIONAL 107
5.2.2. FACTIBILIDAD TÉCNICA 107
5.2.3. FACTIBILIDAD OPERATIVA 108
5.2.4. FACTIBILIDAD PSICOSOCIAL 108
5.3. OBJETIVOS DE LA PROPUESTA 108
5.3.1. OBJETIVO GENERAL 108
5.3.2. OBJETIVOS ESPECÍFICOS 108
5.4 TEORÍAS O TÉCNICAS QUE SUSTENTAN LA 109
PROPUESTA
5.4.1 ESQUEMA GENERAL DE METODOLOGÍA 109
MATERIALES
5.4.2 BASES DE DATOS 110
5.4.3 TOMA DE LA SEÑAL Y FRECUENCIA CARDIACA 111
PROMEDIO
5.4.4 DETECCION DE ROSTRO 113
xv
5.4.4.1 DETECCIÓN DEL ROSTRO MEDIANTE EL 113
ALGORITMO DE VIOLA JONES
5.4.5 DETECCIÓN DEL ROSTRO 114
5.4.6 DEFINICIÓN DE MÁSCARAS SOBRE 115
REGIONES DE INTERÉS
5.4.7 OBTENCION DE SEÑAL EN ESPACIO DE 117
COLOR RGB
5.4.8 TRANSFORMACIÓN DE LOS ESPACIOS DE 118
COLOR
5.4.9 FILTRADO DE LAS SEÑALES DE LOS 118
ESPACIOS DE COLOR
5.4.10 ANÁLISIS EN DOMINIO DE FRECUENCIA 119
5.4.11 ESTIMACION DE LA FRECUENCIA 120
CARDIACA
5.4.12 RESULTADO 121
5.5 ELEMENTOS DE LA PROPUESTA 123
5.5.1 REQUERIMIENTOS 123
5.5.1.1 REQUERIMIENTOS FUNCIONALES 124
5.5.1.2 REQUERIMIENTOS NO FUNCIONALES 124
5.6 PANTALLAZOS DE LA APLICACIÓN 125
5.7 RESPONSABLES DE SU APLICACIÓN 136
REFERENCIAS 137
ANEXOS 145
A INSTRUMENTO DE RECOLECCIÓN DE DATOS. 145
B FORMATO PARA OBTENCIÓN DE VALIDEZ DE
EXPERTOS 159
C RESULTADOS DE LA FIABILIDAD 162
D CONSENTIMIENTO INFORMADO 164
E RESULTADOS DE FC POR SOFTWARE MATLAB 175
F RESULTADO EFECTIVIDAD DEL SOFTWARE 186
xvi
ÍNDICE DE FIGURAS
p.p
Figura Nº 01 Organigrama Funcional de la Clínica La Familia. 35
Figura Nº 02 Ubicación geográfica de la Clínica La Familia 40
Figura Nº 03 Frecuencia cardiaca 48
Figura Nº 04 Formas de obtención del pulso. 55
Figura Nº 05 Fotopletismografía. 59
Figura Nº 06 Fotopletismografía remota. 60
Figura Nº 07 Software Matlab. 61
Figura Nº 08 Algoritmo de Viola-Jones. Detección del Rostro. 65
Figura Nº 09 Selección de características de imagen. 66
Figura Nº 10 Detector de caras. 67
Figura Nº 11 Sentido del flujo óptico. 67
Figura Nº 12 Esquema descriptivo del método LK. 68
Figura Nº 13 Reducción de dimensionalidad. 69
Figura Nº 14 Espacio de color. 70
Figura Nº 15 Secuencia de video. 71
Figura Nº 16 Resultado de la Confiabilidad 83
Figura Nº 17 Esquema general de la metodología aplicada. 109
Figura Nº 18 Toma de video en sujeto de prueba. 111
Figura Nº 19 Colocación correcta del Sensor de SpO2. 112
Figura Nº 20 Detección del rostro con el algoritmo Viola-Jones 114
Figura Nº 21 Máscara binaria para zona de interés 116
Figura Nº 22 Máscara RGB para zona de interés 117
Figura Nº 23 Análisis frecuencial para canales RGB ROI Frente 119
para el sujeto 01.
Figura Nº 24 Análisis frecuencial para canales RGB ROI Frente 120
para el sujeto 01, con acercamiento
Figura Nº 25 Análisis frecuencial para canales RGB ROI Frente 121
para el sujeto 01
Figura Nº 26 Resultado aportado por MATLAB 122
Figura Nº 27 Ventana de comando aportado por MATLAB 122
Figura Nº 28 Pantallazo del archivo video_process.m parte I-IV 124
Figura Nº 29 Pantallazo del archivo detector2.m 126
Figura Nº 30 Pantallazo del archivo maskmean.m 127
Figura Nº 31 Pantallazo del archivo heart_rate_fun.m parte I-II 127
Figura Nº 32 Pantallazo del archivo jadeR.m parte I-XVII 128
xvii
ÍNDICE DE CUADROS
p.p
Cuadro Nº 01 La edad como factor determinante en la FCmáx 53
Cuadro Nº 02 Sistema de variable 75
Cuadro Nº 03 Expertos evaluadores del Instrumento 81
Cuadro Nº 04 Confiabilidad del Instrumento. 82
Cuadro Nº 05 Ítem 1. Aspectos demográficos 87
Cuadro Nº 06 Ítem 2. Revisión por Sistemas 89
Cuadro Nº 07 Ítem 3. Uso de los electrodos 91
Cuadro Nº 08 Ítem 4. Tiempos de espera 92
Cuadro Nº 09 Ítem 5. Métodos para la obtención de FC 93
Cuadro Nº 10 Ítem 6 Bioseguridad 95
Cuadro Nº 11 Ítem 7 Comodidad 96
Cuadro Nº 12 Ítem 8 Accesibilidad 98
Cuadro Nº 13 Ítem 9 Software de visión virtual 100
Cuadro Nº 14 Ítem 10 Trasmisión de los datos 101
Cuadro Nº 15 Materiales utilizados 110
Cuadro Nº 16 Toma de frecuencia cardiaca cada dos segundos 112
mientras se toma el video
Cuadro Nº 17 Toma de frecuencia cardiaca cada dos segundos 113
mientras se toma el video y promediada
Cuadro Nº 18 Comparación de los resultados 123
xviii
INDICE DE GRÁFICOS
p.p
Gráfico Nº 01 Aspectos demográficos 87
Gráfico Nº 02 Revisión por Sistemas 89
Gráfico Nº 03 Uso de los electrodos 91
Gráfico Nº 04 Tiempos de espera 92
Gráfico Nº 05 Métodos para la obtención de FC 94
Gráfico Nº 06 Bioseguridad 95
Gráfico Nº 07 Comodidad 97
Gráfico Nº 08 Accesibilidad 98
Gráfico Nº 09 Software de visión virtual 100
Gráfico Nº 10 Transmisión de los datos 102
xix
UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
ÁREA: CIENCIAS DE LA SALUD
PROGRAMA DE INGENIERÍA BIOMÉDICA
Tutor(a): Autores:
Ing. Gloymar C. Acosta R. Guanipa Semeco, Gustavo José.
C.I.: V-13.901.383 C.I.: V-26.598.265
Mejía Bastidas, Miguel Enrique.
C.I.: V-26.100.639
RESUMEN
xx
EXPERIMENTAL NATIONAL UNIVERSITY
“FRANCISCO DE MIRANDA”
HEALTH SCIENCIES AREA
BIOMEDICAL ENGINEERING PROGRAM
Tutor: Authors:
Ing. Gloymar C. Acosta R. Guanipa Semeco, Gustavo José.
C.I.: V-13.901.383 C.I.: V-26.598.265
Mejía Bastidas, Miguel Enrique.
C.I.: V-26.100.639
ABSTRACT
xxi
INTRODUCCIÓN
Por ende, los avances científicos han desarrollado algoritmos para ayudar
a los médicos en la detección y clasificación de anomalías cardíacas, una
prueba diagnóstica para evaluar la función cardíaca es el electrocardiograma
(ECG), con el cual se registra la actividad eléctrica del corazón a lo largo del
tiempo. Además de los estudios propios de ECG, se han centrado en el
análisis de dos medidas: la frecuencia cardíaca y la variabilidad de la FC
15
Los métodos de detección y monitorización del pulso cardíaco que más se
utilizan en la actualidad son métodos incómodos porque necesitan de un
monitor cardiaco y electrodos con cables colocados en la piel del paciente, lo
que hace a estos métodos muy engorrosos para el paciente, a pesar de ello,
son métodos muy fiables. Sin embargo desde hace unos años, numerosos
estudios han acrecentado el interés por la detección del ritmo cardíaco a
través de una cámara de vídeo común o de una webcam que permitan la
obtención de información médica y una continua monitorización de una
manera no invasiva y no intrusiva para el paciente.
23
sin contacto son la medición a distancia por microondas/ultrasonido, las
imágenes térmicas y las imágenes RGB.
24
en los campos de la asistencia sanitaria, la telemedicina, la rehabilitación, los
deportes y la ergonomía.
25
marco teórico, como: los antecedentes de la investigación, bases teóricas,
bases legales, definición de términos básicos, sistema de variables y
operacionalización de las variables. Seguidamente en el capítulo III, se
refirió a la Metodología de la investigación como: Tipo, Diseño de la
investigación, Población y Muestra, Técnicas e Instrumentos de Recolección
de Datos, Validez y Confiabilidad, Técnicas de Análisis de Datos y Proceso
de Investigación. En el capítulo IV: Discusión de Resultados. Conclusiones y
recomendaciones. Finalmente capítulo V: La Propuesta.
26
CAPITULO I
EL PROBLEMA
20
En estudios realizados por la Sociedad Europea de Cardiología, junto con
la Sociedad Norteamericana de Marcapasos y Electrofisiología (1996)
establecen los estándares de medición de la HRV, así como su interpretación
y uso clínico, donde señala que en reposo un adulto normal varía de 50 a
100 latidos por minuto. Este parámetro es ampliamente utilizado debido a su
facilidad de medida (no invasiva), ya que no necesita una precisión extrema.
Pero no tiene en cuenta la variabilidad en el tiempo de las distancias entre
latidos sucesivos del corazón, esta variabilidad de la frecuencia cardiaca se
conoce como (HRV) y solo puede medirse con el equipo (ECG) donde los
diferentes potenciales que se producen dan lugar a ondas que se miden
calculando el tiempo generalmente expresado en milisegundos (ms) entre las
diferentes ondas consecutivas o intervalos.
28
Psicólogos de Madrid ―Se trata del temor acusado, persistente e irracional a
ser tocado físicamente por otras personas. Los pacientes sufren una fuerte,
intensa e inmediata reacción de ansiedad como respuesta‖.
29
Los avances tecnológicos han permitido que dispositivos electrónicos
puedan registrar y procesar la información de la HR y de la HRV con mínimo
contacto utilizando protocolos estándar de transmisión, como Bluetooth,
ANT+ en el desarrollo de aplicaciones móviles que a partir de informaciones
obtenidas de HR y HRV ofrecen servicios añadidos pensados para el deporte
o la salud. La estimación de la frecuencia cardíaca mediante el uso de
sensores de cámara digital es un área de investigación en rápido crecimiento
debido a su bajo coste y a su naturaleza no invasiva para la medición de la
frecuencia cardíaca. Es por ello que los estudios previos realizados a partir
de técnicas algorítmicas que permite obtener datos de la HR son registrados
por dispositivos móviles. Lado T, María J., Vila S. X. (2018)
30
prematuramente en edades productivas (25-64años) cuando el impacto
económico y social es mayor, y la discapacidad resultante es una carga
demasiado pesada para los individuos, las familias y el sistema de salud.
31
Sin embargo, en el contexto local, este es un referente que no ha sido
estudiado previamente en el contexto médico y en las investigaciones del
área Ciencias de la Salud—Ingeniería Biomédica— Por lo tanto esta
PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA
CARDIACA BASADO EN PLETISMOGRAFÍA REMOTA CASO: CLÍNICA
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN, es necesario realizar un
diagnóstico previo y una profunda investigación documental, experimental
con respecto a materiales y procedimientos técnicos.
32
―Clínica La Familia, C. A., se crea con el propósito de llenar un vacío en lo
que respecta a la atención del sector de salud privada, dirigido a la
comunidad en general con un sentido humano y social. El objetivo general de
―Clínica La Familia, C.A.‖, es brindarle una alternativa en materia de salud a
la comunidad, donde pueda encontrar una solución accesible con calidad
médica óptima y calor humano.
MISIÓN
33
profesionales de alta formación que orientan su labor en el compromiso, la
vocación de servicio, la calidad y la honestidad, buscando el beneficio de
rentabilidad para la sociedad, los trabajadores y los socios, haciendo sentir a
todos parte de dicha familia empresarial.
VISIÓN
OBJETIVOS
o OBJETIVO GENERAL
o OBJETIVOS ESPECÍFICOS:
- Garantizar atención medica de alto nivel, al aumentar la capacidad de
la organización para brindar un servicio de calidad
- Estar orientados al crecimiento y ser innovadores al desarrollo de
nuevos proyectos y en la adquisición de equipos de tecnología avanzada.
- Mantener en lo posible, el alto nivel profesional dadas las
responsabilidades del personal que labora en la empresa.
34
Fuente: Dirección de la Clínica La Familia
Figura Nº 01. Organigrama Funcional de la Clínica La Familia.
35
- ¿Cuáles son los tipos de Frecuencia cardiaca a considerar para la
EFC en los pacientes que acuden a la Clínica La Familia?
- ¿Cuáles son las formas de obtención de la EFC de los pacientes que
acuden a la Clínica La Familia, Punto Fijo-Estado Falcón?
- ¿De qué manera el Diseño del Software para la EFC brindara
seguridad a los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón?
36
Por lo tanto la presente investigación servirá, para obtener un marco de
referencia con respecto a los métodos que se emplean para la estimación de
la frecuencia cardíaca fundamentada en el desarrollo y la aplicación de una
nueva opción tecnológica para lograr una atención sanitaria más rápida y
menor exposición del profesional de la Clínica a la amplia gama de
enfermedades existentes que ha constituido un riesgo desde los mismos
albores de la profesión con el paciente.
Por otra parte, es importante destacar que los aportes de este estudio
estará dirigido a velar por la Bioseguridad del Personal de la Clínica La
Familia específicamente el personal médico de cardiología, donde no solo se
debe tener en cuenta el usuario (pacientes) sino también la salud de estos
profesionales, ya que al poseer una armonía entre la mente, cuerpo y alma al
mismo tiempo, podrán brindar una atención de calidad y satisfacción a los
37
usuarios. Situación que se ha venido debido a la hafefobia que nace
del miedo irracional que aflora al relacionar de manera prolongada el
contacto físico con el contagio de la COVID-19 y la muerte, y que puede
tener consecuencias especialmente preocupantes en niños y personas
mayores. Belchi, A. (2022)
38
Desde el Punto de vista humano, debemos brindar una mayor calidad y
seguridad de servicio no solo a los pacientes sino muy especialmente a los
trabajadores de la salud. En este sentido la PPGr brindara confianza en los
procedimientos mediante secuencia de video ya que el contacto con el
paciente será mínimo.
39
para determinar la FC por medio de video mediante la selección de espacio
de color, la región de interés, algoritmo de identificación o seguimiento facial.
40
PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-
ESTADO FALCÓN.
41
CAPITULO II
MARCO TEÓRICO
i
El segundo algoritmo desarrollado utilizado, en lugar de las componentes
RGB, las componentes de color YCbCr (Luminancia y crominancias). Por
último, se ha implementado un código de detección del pulso cardíaco
mediante movimiento para imágenes en color.
43
se corresponda con los latidos del corazón en función de su espectro de
frecuencia temporal como la frecuencia (en bpm) con mayor potencia.
44
conforman un dataset; estos resultados se comparan con los obtenidos en
los algoritmos del MIT de 2012 y de Unakafov de 2018.
45
este caso con señales bioeléctricas midiendo la variable (Estimación de la
Frecuencia cardiaca) por medio de secuencia de videos de acuerdo a
algoritmos que llevan a cabo una amplia variedad de tareas.
FRECUENCIA CARDÍACA
46
Cómo afectan otros factores a la frecuencia cardíaca según la American
Heart Association (2022)
47
Género: El corazón de la mujer representa el 0.40% del peso corporal
total, comparándolo con el corazón masculino que es el 0.45%, se asume
que el primero es más pequeño y liviano. Esta diferenciación inicia en la
pubertad, debido al mayor desarrollo del músculo bajo la influencia de
testosterona además de que los estrógenos disminuyen el depósito de
proteínas fibrosas (como colágeno y elastina) en el miocardio. Campos
C, Salas J. (2009)
48
minuto. Durante el ejercicio físico el rango puede aumentar a 150-200 latidos
por minuto y durante el sueño puede bajar de 60 latidos por minuto.
49
médica debe reunir los datos obtenidos de la anamnesis, exploración
personal, pruebas diagnósticas complementarias, juicio diagnóstico y
tratamiento, así como los detalles de la evolución clínica del paciente, los
especialistas a los que ha sido remitido, los documentos de consentimiento
informado y los rechazos al tratamiento de los pacientes.
50
En un estudio, que ha sido publicado recientemente en American Journal
of Medical Sciencies establece la relación entre la enfermedad cardiaca y la
renal y, en concreto, la mayor o menor influencia del estado de salud previo
del corazón de cara a padecer un síndrome cardiorenal Los individuos que
tienen una alta frecuencia cardiaca en descanso (taquicardia) o aquellos
cuya frecuencia de latido es más baja de lo normal (bradicardia) tienen un
mayor riesgo de padecer una enfermedad renal según pone de manifiesto
una investigación llevada a cabo por el equipo del doctor Dr. Karl T. Weber
(2020) ―Se sabe que, en los individuos sanos, hay una relación entre el
funcionamiento del riñón y el del corazón‖
51
hombres suelen tener otras patologías asociadas (enfermedad renal,
osteoarticular, anemia…) que complican el cuadro clínico.
El pulso normal de los adultos sanos oscila entre 60 y 100 latidos por
minuto. Podría fluctuar y aumentar con el ejercicio, enfermedades, lesiones y
las emociones. Las niñas a partir de los 12 años y las mujeres en general
suelen tener el pulso más rápido que los niños y los hombres. Los
deportistas, como los corredores, que hacen mucho ejercicio cardiovascular,
pueden tener ritmos cardiacos de hasta 40 latidos por minuto sin tener
ningún problema. En los seres humanos, la frecuencia cardíaca alta en
reposo tiene una correlación directa tanto para mortalidad total como
cardiovascular. Díaz (2014). En estudios cerca de 25.000 pacientes con
enfermedad coronaria muestran que la FCrep es un mecanismo predictor
independiente de mortalidad total y cardiovascular, incrementándose de
manera proporcional en la medida en que se eleva la frecuencia cardíaca.
52
Meneses, A. (2005) Señala que el pulso normal varía de acuerdo a
diferentes factores; siendo el más importante la edad.
Niños de Meses: 130 a 140 Pulsaciones por minuto.
Niños: 80 a 100 Pulsaciones por minuto.
Adultos: 72 a 80 Pulsaciones por minuto
Ancianos: 60 o menos pulsaciones por minuto.
Fuente: Meneses, A. (2005)
Cuadro Nº 01. La edad como factor determinante en la FCmáx
53
- En la sien (temporal).
- En el cuello (carotídeo).
- Parte interna del brazo (humeral).
- En la muñeca (radial).
- Parte interna del pliegue del codo (cubital).
- En la ingle (femoral).
- En el dorso del pie (pedio).
- En la tetilla izquierda de bebes (pulso apical).
TIPOS DE PULSOS
o PULSO CAROTIDEO
Es el de más fácil localización y por ser el que pulsa con más intensidad.
La arteria carotídea se encuentra en el cuello a lado y lado de la tráquea para
localizarlo: se localiza la manzana de adán, deslice los dedos hacia el lado
de la tráquea, se presiona ligeramente para sentir el pulso y se cuenta
PULSO RADIAL
PULSO APICAL
54
Fuente: Meneses, A. (2005)
Figura Nº 04. Formas de obtención del pulso.
FORMA MANUAL
55
- El paciente debe estar cómodo con la extremidad apoyada o sostenida
con la palma hacia arriba.
56
El paciente debe estar cómodo para la realización de la prueba de la
frecuencia cardiaca, debe permanecer tumbado, relajado, sin hablar, con un
ritmo respiratorio normal y con los brazos y las piernas inmóviles. A veces, el
médico puede pedirle al paciente que contenga la respiración durante unos
segundos. Cualquier movimiento puede alterar los resultados.
57
- Verificar si el paciente ha recibido medicamentos que afectan la
frecuencia cardiaca.
- Evitar usar el dedo pulgar, porque el latido de este dedo es muy fuerte
y se puede confundir los pulsos del paciente y del examinador.
FOTOPLESTIMOGRAFÍA (PPG)
58
Fuente: K. Shelley and S. Shelley (2001)
Figura Nº 05. Fotopletismografía.
59
La PPG remota obtiene la señal, generalmente, de la imagen tomada del
rostro de la persona, existen varias aplicaciones asociadas con las
mediciones que se pueden llevar a cabo con esta técnica como la detección
de emociones, la detección de estrés, entre otras.
60
EL SOFTWARE MATLAB:
61
caso se definió como zona de interés la frente, debido a que es la zona que
mejores resultados ha arrojado en algunas investigaciones. Para el proceso
de adquisición de la señal se empleó: un teléfono IPhone 7
62
(procesamiento por super píxeles), ya que es uno de los más simples y
confiables; sin embargo, es importante tener en cuenta que el método PPGr
de segmentación de ROI propuesto es significativamente más lento que otros
métodos empleados.
63
En general, se observa que la región del ojo se excluye de la ROI, ya que
no consta de un componente pulsátil relacionado con el cambio de volumen
de la sangre y, además, el parpadeo del ojo provocaría artefactos de
movimiento que debilitarían la señal. Se ha demostrado que la extracción de
la señal con múltiples regiones mejora la potencia general de la señal.
ALGORITMO VIOLA-JONES
64
El algoritmo se basa en la comparación entre las intensidades luminosas
de regiones rectangulares de las imágenes denominadas Características
Haar-Like que calcula empleando una imagen integral. Estos clasificadores,
que por sí mismos tienen una probabilidad de acertar solo ligeramente
superior a la del azar, se agrupan en una cascada empleando un algoritmo
de aprendizaje basado en AdaBoost para conseguir un alto rendimiento en la
detección, así como una alta capacidad discriminativa en las primeras
etapas.
65
El algoritmo se basa en tres principios: las características Haar, la imagen
integral y el clasificador Adaboost. Primeramente, las características Haar
son considerados los elementos básicos con los que se realiza la detección.
Son características que se buscan en las imágenes y consisten en la
diferencia de intensidades luminosas entre regiones adyacentes
rectangulares las cuales facilitan y agilizan el procesamiento, a diferencia del
análisis por pixel.
66
una imagen monocromática. Por otro lado, se mejoran el contorno de las
formas en la imagen aplicando el aumento de características
67
ALGORITMO DE LUCAS KANADE (KLT)
REDUCCIÓN DE LA DIMENSIONALIDAD
68
Fuente: Amat Rodrigo Joaquín (2017).
Figura Nº 13. Reducción de dimensionalidad
69
TRANSFORMACIÓN DE IMÁGENES A DIFERENTES ESPACIOS
DE COLOR:
70
describe el rango de colores como tuplas de números, típicamente como 3 o
4 valores o componentes de color.
71
2.3. BASES LEGALES
72
promoción de la Salud, por ende este basamento legal contribuye de soporte
al desarrollo de la investigación para poder contribuir de una u otra forma al
desarrollo del país y su evolución tecnológica y científica.
Algoritmos:
Crominancia:
73
Luminancia:
Frames:
74
2.5. SISTEMA DE VARIABLES
OBJETIVO GENERAL: PROPONER UN SOFTWARE PARA LA ESTIMACION DE FRECUENCIA
CARDIACA BASADO EN PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-
ESTADO FALCÓN.
2.5.1. OPERACIONALIZACIÓN DE LA VARIABLE
75
CAPITULO III
MARCO METODOLÓGICO.
60
no altera las condiciones existentes. (p.31)
3.3.1. POBLACIÓN
77
sujetos unos de otros‖ (p. 204). En tal sentido, la población del presente
estudio estuvo compuesta por los (08) Médicos Especialistas (Cardiólogos),
quienes son los encargados de la utilización de los métodos para el
diagnóstico de la Estimación de la Frecuencia cardiaca mediante la
secuencia de video.
3.3.2. MUESTRA
Así también, señala, Hernández, Fernández y Baptista (ob. cit.), que ―la
calidad de un estudio no depende de si tiene o no una población extensa,
sino que depende de los objetivos planteados y de una población
determinada a la cual se le aplica un instrumento para obtener una
información‖ (p. 206).
78
3.4. TÉCNICA E INSTRUMENTOS DE RECOLECCIÓN DE DATOS
3.4.1. TÉCNICA
79
PhysioNet, utilizando su herramienta PhysioBank ATM, o también tomar la
base de datos desde los pacientes que acuden al servicio, los algoritmos
serán desarrollados en el software Matlab®, para su procesamiento y la
salida mediante secuencias de videos demostrando su utilidad a los médicos
especialistas.
3.4.2. INSTRUMENTO
80
medir la variable y su estructura semántica y sintáctica que posteriormente se
corroborará en las Constancias de Validación de los 3 expertos.
81
aplicada en la ―Clínica Popular Tipo II Simón Bolívar‖ de Pueblo nuevo de
Paraguaná. Av. Falcón con Callejón amparo, la misma posee características
similares a la población objeto de estudio. Ver Anexo C. Resultados de la
Fiabilidad.
Rangos Magnitud
0,81 a 1,00 Muy Alta
0,61 a 0,80 Alta
0,41 a 0,60 Moderada
0,21 a 0,40 Baja
0,01 a 0,20 Muy Baja
Fuente: Ruiz (2000).
Cuadro Nº 04. Confiabilidad del Instrumento.
82
Por lo tanto, luego de la aplicación de la prueba piloto y al analizar los
resultados obtenidos en el cálculo de coeficiente de Alfa de Cronbach se
determinará si el instrumento a ser aplicado es confiable desde el punto de
vista cualitativo según lo definido y lo demuestra el Resultado de la
Confiabilidad.
83
3.6. TÉCNICA DE ANÁLISIS DE DATOS
84
teóricos del estudio, considerando los aportes de los médicos especialistas y
el razonamiento de los autores, para fortalecer su interpretación.
85
CAPITULO IV
DISCUSIÓN DE RESULTADOS
60
4.2. ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS
INDICADOR:
DIMENSIÓN: FACTORES QUE INLFUYEN EN LA EFC
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
1 1 12,5 4 50 3 37,5 0 0 0 0
2 5 62,5 2 25 1 12,5 0 0 0 0
3 1 12,5 2 25 0 0 2 25 3 37,5
4 0 0 2 25 2 25 3 37,5 1 12,5
5 5 62,5 1 12,5 2 25 0 0 0 0
70
60
50
40
30
20
10
0
1 2 3 4 5
87
ANÁLISIS:
El género/ sexo, mientras que el 37,5% dicen que lo hacen a veces y solo
un 12,5% dice que siempre, del mismo modo, el 62,5% de ellos dice que
siempre preguntan por la edad los cual el 25% alega que casi siempre lo
hace y un 12,5% a veces lo hace, en tal sentido, el 37,5 dice que nunca
pregunta su ocupación, el 25 % casi nunca, otro 25% de ellos alega que casi
siempre lo hacen y un 12,5% dice que siempre lo hacen. Continuando con
los factores demográficos tenemos si se le pregunta la dirección al respecto
el 37,5% dice de casi nunca pero el 12,5% dice que nunca lo hace, por lo
que el 25% alega que a veces los hace y otro 25% casi siempre. De tal
manera se tiene otro factor de importancia es si se observa la condición física
de paciente al respecto el 62,5% de ellos alega que siempre lo hacen el 25%
a veces lo hacen y solo el 12,5% que casi siempre.
88
En tal sentido según Platonov & Bulatova (2001:282) la FC es igual a
50-60 p/m depende de factores genéticos, del estado físico, del estado
psicológico, de las condiciones ambientales, de la postura, de la edad y del
sexo. Es por ello que todo proceso pasa por un cambio en la estructura
genética de las personas, ya que los aspectos demográficos tienen
importante aplicabilidad ya se debe conocer el entorno en la cual el paciente
se desenvuelve. Así mismo autores sustentan las información de la
importancia de los aspectos demográficos a considerar para la estimación de
la frecuencia cardiaca tales como: Porta (2008), Reyes (2015), Patitó(2000),
Díaz (2014) y Semizel (2008)
INDICADOR:
DIMENSIÓN: FACTORES QUE INLFUYEN EN LA EFC
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
6 3 37,5 2 25 2 25 1 12,5 0 0
7 5 62,5 2 25 1 12,5 0 0 0 0
8 1 12,5 0 0 3 37,5 4 50 0 0
70
60
50
40
30
20
10
0
6 7 8
89
ANÁLISIS:
90
INDICADOR:
DIMENSIÓN: FACTORES QUE INLFUYEN EN LA EFC
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
9 5 62,5 1 12,5 0 0 2 25 0 0
10 8 100 0 0 0 0 0 0 0 0
120
100
80
60
40
20
0
9 10
ANÁLISIS:
91
En este ítem se considera aspectos referidos al uso de los electrodos y
estetoscopio, de tal manera que los encuestados se inclinan positivamente al
uso de herramientas de trabajo.
INDICADOR:
DIMENSIÓN: FACTORES QUE INLFUYEN EN LA EFC
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
11 5 62,5 1 12,5 2 25 0 0 0 0
70
60
50
40
30
20
10
0
11
92
ANÁLISIS:
INDICADOR:
DIMENSIÓN: FACTORES QUE INLFUYEN EN LA EFC
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
12 1 12,5 1 12,5 0 0 6 75 0 0
13 4 50 2 25 0 0 2 25 0 0
14 6 75 2 25 0 0 0 0 0 0
93
80
70
60
50
40
30
20
10
0
12 13 14
ANÁLISIS:
94
Cardiaca. De tal manera que los encuestados se inclinan de la siguiente
manera: existe un sesgo negativo a la utilización del método
electrocardiográfico, mientras hay un sesgo positivo a la utilización de
método fotopletismográfico y negativamente por la utilización del método de
auscultación. Meneses, A. (2005) en tal sentido Pulso cardiaco apical y los
tonos cardiacos se valoran mediante auscultación. Con el estetoscopio y con
palpación en el infante.
INDICADOR:
DIMENSIÓN: BIOSEGURIDAD
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
15 8 100 0 0 0 0 0 0 0 0
120
100
80
60
40
20
0
15
95
ANÁLISIS:
INDICADOR:
DIMENSIÓN: BIOSEGURIDAD
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
16 3 37,5 5 62,5 0 0 0 0 0 0
17 0 0 1 12,5 1 12,5 2 25 4 50
18 7 87,5 0 0 1 12,5 0 0 0 0
96
100
90
80
70
60
50
40
30
20
10
0
16 17 18
ANÁLISIS:
97
toma de la medida debe estar cómodo.Del mismo modo Platonov &
Bulatova (2001:282) la FC se toma generalmente con la persona en reposo:
sentada, o acostada. En un adulto sano, en reposo, el pulso suele hallarse
en el rango de los 60-100 latidos por minuto. Durante el ejercicio físico el
rango puede aumentar a 150-200 latidos por minuto y durante el sueño
puede bajar de 60 latidos por minuto.
INDICADOR:
DIMENSIÓN: BIOSEGURIDAD
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
19 4 50 3 37,5 0 0 1 12,5 0 0
20 7 87,5 1 12,5 0 0 0 0 0 0
21 2 25 2 25 1 12,5 1 12,5 2 25
22 0 0 0 0 0 0 4 50 4 50
23 0 0 1 12,5 0 0 2 25 5 62,5
100
90
80
70
60
50
40
30
20
10
0
19 20 21 22 23
98
ANÁLISIS:
El 87,5 % dice que siempre lo es mientras que el 12,5% opinan que casi
siempre lo es. Considerando lo siguiente se les pregunto ¿es accesible la
medida de toma de FC en pacientes con quemaduras? Al respecto el 25%
alega que siempre lo es, mientras el 25% dice que casi siempre lo es, un
12,5% que a veces, otro 12,5% alega que casi nunca y un 25% que nunca.
siguiendo con el indicador accesibilidad se les pregunta a los encuestados lo
siguiente: ¿es accesible la medida de toma de FC en pacientes con piel
sensibles? El 50% dice que nunca lo es y el 50% de ellos alego que casi
nunca es accesible. Luego se les pregunto ¿es accesible la medida de toma
de la FC en pacientes hafefobicos? El cual el 62,5% alega que nunca lo es,
mientras que el 25% alega que casi nunca y un 12,5% dice que casi siempre
lo es.
99
de edad avanzada, para quienes la piel es frágil vulnerable y los pacientes
con hatetobia (miedo a ser tocados), a los sensores tradicionales.
INDICADOR:
DIMENSIÓN: BIOSEGURIDAD
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
24 0 0 0 0 0 0 3 37,5 5 62,5
70
60
50
40
30
20
10
0
24
ANÁLISIS:
100
Con relación a la utilización de métodos Pletismográficos la mayoría de
los encuestados se inclinan a lo negativo es decir no utilizan el método. Por
tal razón, Es un método no invasivo y sencillo de implementar que hace
posible conocer los cambios de volumen en un cuerpo por medio de la
cantidad de luz que refleja. Para estimar los cambios del volumen sanguíneo
se utilizan diodos emisores de luz (LED) verde que iluminan la piel. El cambio
de volumen que se presenta por la presión del pulso es detectado con la luz
infrarroja que emite el LED, para después medir la cantidad de luz reflejada
con un fototransistor. Su resultado obtiene una señal característica que hace
posible determinar la FC e incluso la oximetría de pulso.
INDICADOR:
DIMENSIÓN: BIOSEGURIDAD
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre Veces Nunca
25 0 0 0 0 0 0 1 12,5 7 87,5
101
100
90
80
70
60
50
40
30
20
10
0
25
ANÁLISIS:
102
aplicaciones asociadas con las mediciones que se pueden llevar a cabo con
esta técnica como la detección de emociones, la detección de estrés, entre
otras.
103
4.3. CONCLUSIONES Y RECOMENDACIONES
4.3.1. CONCLUSIONES
104
4.3.2 RECOMENDACIONES
105
CAPÍTULO V
LA PROPUESTA
5.1. INTRODUCCIÓN
106
5.2 ESTUDIO DE LA FACTIBILIDAD
107
5.2.3 FACTIBILIDAD OPERATIVA
108
5. 4 TEORÍAS O TÉCNICAS QUE SUSTENTAN LA
PROPUESTA
5.4.2 MATERIALES
109
Entre ellos cabe destacar que cada consultorio, o lugar donde se realizará
la prueba debe contar tanto como con recursos tecnológicos como humanos.
Material/ Equipo/
Descripción
Software
Modelo VIT Modelo P2403 Procesador i5 2
Laptop
generación y 4 GB de RAM en adelante
Modelo Iphone 7, con cámara integrada (Cámara
Teléfono Celular
de 12 MP)
Pulsioxímetro, es un dispositivo que mide la
110
Fuente: Guanipa, Mejía (2022)
Figura Nº 18. Toma de video en sujeto de prueba.
111
Fuente: Guanipa, Mejía (2022)
Figura Nº 19. Colocación correcta del Sensor de SpO2.
112
Paciente Nº / Seg. 2s 4s 6s
8s 10s 12s 14s 16s 18s 20s FCPROM
Paciente 01 63 63 63
63 63 63 63 63 62 62 62,8
Paciente 02 86 88 89
89 89 89 88 86 86 86 87,6
Paciente 03 63 63 63
62 62 61 61 61 61 61 61,8
Paciente 04 64 64 65
65 65 65 64 64 64 63 64,3
Paciente 05 78 78 77
73 71 69 69 69 69 69 72,7
Paciente 06 85 84 84
84 82 82 80 78 78 78 81,5
Paciente 07 80 80 79
78 77 77 77 76 75 76 77,5
Paciente 08 80 81 81
81 80 79 80 79 79 80 80
Paciente 09 81 82 82
84 84 84 83 82 81 81 82,4
Paciente 10 60 60 59
59 59 59 60 60 60 61 59,7
Fuente: Guanipa, Mejia (2022)
Cuadro Nº 17. Toma de frecuencia cardiaca cada dos segundos mientras se
toma el video y promediada
113
Fuente: Guanipa, Mejía (2022)
Figura Nº 20. Detección del rostro con el algoritmo Viola-Jones
114
obtuvo la información en cada región de interés a lo largo del video (frame
por frame). Otro beneficio de aplicar este algoritmo es el seguimiento de los
puntos aun cuando el sujeto de prueba se encuentra en movimiento, sin
embargo para el desarrollo de esta estimación se le pidió a los pacientes que
evitaran cualquier movimiento.
115
Fuente: Guanipa, Mejía (2022)
Figura Nº 21. Máscara binaria para zona de interés
116
Fuente: Guanipa, Mejía (2022)
Figura Nº 22. Máscara RGB para zona de interés
117
5.4.8 TRANSFORMACION DE LOS ESPACIOS DE COLOR
118
Debido a que el objetivo es estimar la frecuencia cardiaca, realizar análisis
en el dominio de la frecuencia será clave para obtener los resultados
esperados.
119
El pico más alto para cada canal representa la frecuencia que predomina
en esa señal. En la Figura 24 se ha realizado un acercamiento a las señales
anteriores, donde se puede visualizar con mayor facilidad la misma
componente de frecuencia. Sin embargo, para cada uno de los canales la
amplitud varía y con ello también varía que tan presente se encuentra esa
componente de frecuencia.
120
Fuente: Guanipa, Mejía (2022)
Figura Nº 25. Análisis frecuencial para canales RGB ROI Frente para
el sujeto 01
5.4.12 RESULTADO
121
Fuente: Guanipa, Mejía (2022)
Figura Nº 26. Resultado aportado por MATLAB
Una vez obtenido los resultados a través del Software de Matlab en cada
uno de los pacientes se procede a comparar (Ver Cuadro Nº 18). Se
muestran pantallazos del resto de los pacientes en Anexo D.
122
FC POR FC POR
Paciente Nº / Seg.
SATUROMETRO MATLAB
Paciente 01 62,8 60,000060
Paciente 02 87,6 88,000088
Paciente 03 61,8 61,000000
Paciente 04 64,3 65,000065
Paciente 05 72,7 69,000069
Paciente 06 81,5 80,000000
Paciente 07 77,5 76,000000
Paciente 08 80 81,000000
Paciente 09 82,4 82,000000
Paciente 10 59,7 60,000000
Fuente: Guanipa, Mejia (2022)
Cuadro Nº 18. Comparación de los resultados
123
5.5.1.1 REQUERIMIENTOS FUNCIONALES
124
125
Fuente: Guanipa, Mejía (2022)
Figura Nº 29. Pantallazo del archivo detector2.m
126
Fuente: Guanipa, Mejía (2022)
Figura Nº 30. Pantallazo del archivo maskmean.m
127
Fuente: Guanipa, Mejía (2022)
Figura Nº 32. Pantallazo del archivo jadeR.m parte I-XVII
128
129
130
131
132
133
134
135
5.6 RESPONSABLES DE SU APLICACIÓN
136
REFERENCIAS BIBLIOGRÁFICAS
Anuario de Mortalidad del Ministerio del Poder Popular para la Salud año
(2010) Caracas. República Bolivariana de Venezuela. Disponible en:
http://www.mpps.gob.ve: Ministerio del Poder Popular para la Salud.
Gobierno Bolivariano de Venezuela, 2010.
Anuario de Mortalidad del Ministerio del Poder Popular para la Salud año
(2011) Caracas. República Bolivariana de Venezuela. Disponible en:
http://www.mpps.gob.ve: Ministerio del Poder Popular para la Salud.
Gobierno Bolivariano de Venezuela, 2011
Borreguero, S. (2020). Estimación del ritmo cardíaco por vídeo. (Trabajo Fin
de Grado Inédito). Universidad de Sevilla, Sevilla. Recuperado de:
https://idus.us.es/handle/11441/107056. Consultado el 7 de junio de
2021.
González, Á. (2019). Estimación del ritmo cardíaco mediante análisis de
secuencias de vídeo. (Trabajo Fin de Grado Inédito). Universidad de
Sevilla, Sevilla. Recuperado de:
https://idus.us.es/handle/11441/94062. Consultado el 7 de junio de
2021.
137
Hernández, R., Fernández, C. & Baptista, M. (2014). Metodología de la
investigación (6.a ed.). México: McGraw Hill.
138
E-Benjamin y other. (2017). Heart disease and stroke statistics—2017
update: a report from the american heart association. Circulation,
135(10), doi:10.1161/ CIR.0000000000000485.
139
Organización Mundial de la Salud, (2019) Estadísticas de causas de muertes
de las Enfermedades cardiovasculares.
https://www.paho.org/es/noticias/9-12-2020-oms-revela-principales-
causas-muerte-discapacidad-mundo-2000-2019.
140
Joyanes Aguilar, Luis. Fundamentos de programación. Mc Graw Hill. España.
2003. p. 53.
141
Callejo, M. Ana (2021). Enfermedades psiquiátricas. Hafefobia.
https://cuidateplus.marca.com/enfermedades/psiquiatricas/hafefobia.ht
ml
142
de abril de 2014, a partir de
http://fce.unal.edu.co/wiki2/index.php?title=Manual_de_Matlab_6.1
143
https://www.goredforwomen.org/es/health-topics/high-blood-
pressure/the-facts-about-high-blood-pressure/all-about-heart-rate-
pulse
MGC (2020) Blog Salud y medicina. & Diferencias entre el corazón de los
hombres y las mujeres. Consultado en línea
https://www.mgc.es/blog/diferencias-entre-el-corazon-de-los-hombres-
y-las-mujeres/
144
ANEXO A
INSTRUMENTO DE
RECOLECCION DE
DATOS
145
UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
ÁREA: CIENCIAS DE LA SALUD
PROGRAMA DE INGENIERÍA BIOMÉDICA
Tutor(a): Autores:
Ing. Gloymar C. Acosta R. Guanipa Semeco, Gustavo José.
C.I. N.º 13.901.383 C.I. N.º 26.598.265
Mejía Bastidas, Miguel Enrique.
C.I. N.º 26.100.639
146
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
ÁREA CIENCIAS DE LA SALUD
PROGRAMA INGENIERÍA BIOMÉDICA
Ciudadano(a): _____________________________
Ante todo reciba Ud. un saludo cordial. El motivo de la presente es
solicitar su valiosa colaboración para validar el contenido del instrumento,
con la finalidad de lograr la sustentación de la investigación titulada:
PROPUESTA DE SOFTWARE BASADO EN PLETISMOGRAFÍA REMOTA
PARA LA ESTIMACION DE FRECUENCIA CARDIACA CASO: CLÍNICA
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.
La cual es requisito para optar al título de Ingeniero Biomédico,
agradeciendo de antemano su contribución y apoyo que pueda brindar en la
validación de contenidos del presente instrumento de medición. Atentamente,
Guanipa Semeco, Mejía Bastidas,
Gustavo José Miguel Enrique
C.I. N.º 26.598.265 C.I. N.º 26.100.639
Autor Autor
147
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
ÁREA CIENCIAS DE LA SALUD
PROGRAMA INGENIERÍA BIOMÉDICA
148
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
ÁREA CIENCIAS DE LA SALUD
PROGRAMA INGENIERÍA BIOMÉDICA
149
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
ÁREA CIENCIAS DE LA SALUD
PROGRAMA INGENIERÍA BIOMÉDICA
150
RESUMEN
Cabe decir que esta área de investigación es reciente, pero en los últimos
años ha mostrado un rápido crecimiento. Diversos investigadores han
demostrado la confiabilidad de las técnicas. Sin embargo, en el contexto
local, este es un referente que no ha sido estudiado previamente. La
presente investigación se enfoca en la Clínica La Familia, ubicada en Punto
151
Fijo, estado Falcón; en este centro de salud se busca Estimación de la
Frecuencia Cardiaca mediante técnica de análisis de video, para lo cual es
necesario realizar un diagnóstico previo y una profunda investigación
documental con respecto a materiales y procedimientos técnicos.
FORMULACIÓN DE LA INVESTIGACIÓN
OBJETIVOS DE LA INVESTIGACIÓN
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
- Diagnosticar los factores influyen en la Estimación de la Frecuencia
Cardiaca de los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón.
152
- Identificar cuáles son los tipos de Frecuencia cardiaca a considerar
para la EFC en los pacientes que acuden a la Clínica La Familia.
- Describir las formas de obtención de la EFC de los pacientes que acuden
a la Clínica La Familia, Punto Fijo-Estado Falcón.
- Diseñar un Software Para La Estimación De Frecuencia Cardiaca
Basado En Pletismografía Remota.(PPGr)
153
PROPONER UN SOFTWARE BASADO EN PLETISMOGRAFÍA REMOTA PARA ESTIMACIÓN DE FRECUENCIA
CARDIACA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.
DEFINICIÓN DEFINICIÓN
VARIABLE DIMENSIÓN INDICADOR ÍTEM
CONCEPTUAL OPERACIONAL
Estimar la
frecuencia
La EFC es un Factores que
cardíaca, requiere Con contacto
componente influyen en la 1,2,3,4,5
de: sensores de o intrusivos
esencial para EFC
contacto y
determinar el
sensores sin
estado fisiológico y
contacto. (PPGr),
patológico de una
en donde se
persona o
Estimación de consideran
individuo. La FC
Frecuencia muchos factores
por encima de 100
Cardiaca que pueden
bpm, se conoce
(EFC) afectar la medida,
como taquicardia, y
tomando en
la frecuencia Sin contacto
cuenta siempre Bioseguridad 6,7,8,9,10
cardíaca por debajo no intrusivos
los criterios de
de 60 bpm, se
bioseguridad y
conoce como
protocolos
bradicardia.
médicos.
González S. (2019)
Guanipa y Mejía
(2021)
154
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
ÁREA CIENCIAS DE LA SALUD
PROGRAMA INGENIERÍA BIOMÉDICA
Estimado Colaborador:
Ing. Gloymar C.
Acosta R.
C.I. N.º 13.901.383
Tutor
155
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
ÁREA CIENCIAS DE LA SALUD
PROGRAMA INGENIERÍA BIOMÉDICA
156
Cuestionario
Encuesta aplicada a especialistas en Cardiología para considerar
algunas preguntas de interés a cada paciente al momento de realizar la
medida o estimación de la Frecuencia Cardiaca (FC)
Marque con una X lo que considere es correcto
4 Tiempos de espera:
157
Siempre ____ Casi Siempre ____ A veces ____ Casi Nunca ____ Nunca ____
7 Comodidad:
8 Accesibilidad:
9.1 ¿Utiliza los Métodos por Pletismografia remota (PC, Smartphone, cámara web)
Siempre ____ Casi Siempre ____ A veces ____ Casi Nunca ____ Nunca ____
158
ANEXO B
FORMATO PARA LA
OBTENCIÓN DE
VALIDEZ
159
ANÁLISIS DE LOS ÍTEMS PARA DETECTAR LA VALIDEZ
Jexp 3 Total a: 30 Total b: 30 Total c:30 Total d:30 Total e:30 Yovanny Gonzalez
160
OBSERVACIONES Y RECOMENDACIONES:
OBSERVACIONES:
_____________________________________________________________
_____________________________________________________________
_____________________________________________________________
En general considero que los ítems del instrumento miden los indicadores
seleccionados para la variable de forma:
Deficiente ( ) Regular ( ) Bueno ( ) Excelente ( x )
161
ANEXO C
RESULTADO DE LA
FIABILIDAD
162
Matriz de Datos
163
ANEXO D
CONSENTIMIENTO
INFORMADO
164
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Fabián Guiñan
V-20.798.453
165
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Eila Ugarte
V-28.796.865
166
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Enzo Diez
V-12.789.277
167
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Esperanza González
V-8.558.523
168
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Jesús Calatayud
V-14.074.317
169
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Vitalys Garcia
V-12.497.277
170
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Giovanny Polanco
V-9.582.642
171
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Korina Lopez
V-8.775.430
172
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Juan Fonseca
V-12.495.916
173
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
_____________________
Dailu Gonzalez
V-12.495.443
174
ANEXO E
RESULTADOS DE FC
POR SOFTWARE
MATLAB
175
Paciente 1
176
Paciente 2
177
Paciente 3
178
Paciente 4
179
Paciente 5
180
Paciente 6
181
Paciente 7
182
Paciente 8
183
Paciente 9
184
Paciente 10
185
A continuación se muestran los códigos de MATLAB, es decir las
instrucciones que se necesitan para hacer el llamado ejecutable
Archivo video_process.m
clear all
close all
% Crea el objeto para leer el video
videoReader = VideoReader('Se inserta la ubicación del video a
leer');
height = videoReader.height;
width = videoReader.width;
% objeto para reproducir y visualizar el video
videoPlayer = vision.VideoPlayer('Position',...
[100 100 [width, height]+30]);
k=1;
while hasFrame(videoReader) %crea un ciclo que termina cuando se
lee el último frame del video
if k==1;
% obtener el primer fotograma
videoFrame = readFrame(videoReader);
faceDetector =
vision.CascadeObjectDetector('FrontalFaceLBP');
bboxes = step(faceDetector, videoFrame);
FrameFace = insertShape(videoFrame, 'Rectangle',
bboxes(1,:)); %imagen con el recuadro de la cara
% figure (1)
% imshow(FrameFace)
eyeDetector = vision.CascadeObjectDetector('EyePairBig');
bboxes1 = step(eyeDetector, videoFrame);
FrameFace = insertShape(FrameFace, 'Rectangle', bboxes1);
%imagen con el recuadro de la cara
y=bboxes(1,2)+bboxes(1,4);
y1=bboxes1(1,2)+bboxes1(1,4);
dist=y-y1;
dx=bboxes1(1,1)-bboxes(1,1);
bboxes2= [bboxes1(1,1)-dx*.05, y1, bboxes1(1,3)+dx*.1,
round(dist*2/3)];
FrameFace1 = insertShape(FrameFace, 'Rectangle', bboxes2,
'Color', 'blue'); %imagen con el recuadro de la cara
186
oldPoints = points;
end
if k>=2;
videoFrame = readFrame(videoReader);
[points, isFound] = step(pointTracker, videoFrame);
visiblePoints = points(isFound, :);
oldInliers = oldPoints(isFound, :);
end
end
187
B_avg(k)=Bmaskmean;
k=k+1;
end
% Limpiar
release(videoPlayer);
R2=(R_avg-mean(R_avg))/std(R_avg);
G2=(G_avg-mean(G_avg))/std(G_avg);
B2=(B_avg-mean(B_avg))/std(B_avg);
RGBavg=[R2; G2; B2];
fs = videoReader.FrameRate;
BPM = Heart_rate_fun(RGBavg, fs);
fprintf('\n\tFC = %f \n', BPM);
fprintf('----------------Fin del analisis ---------------\n\n');
188
Archivo maskmean.m
% BW = double(BW);
R = double(R);R(R==0) = NaN;
G = double(G);G(G==0) = NaN;
B = double(B);B(B==0) = NaN;
% Calculate mean
Rmaskmean = mean(R(~isnan(R)));
Gmaskmean = mean(G(~isnan(G)));
Bmaskmean = mean(B(~isnan(B)));
% BW(BW==0) = NaN;
% filter_I = I.*BW;
%
% % Plot
% subplot(1,3,1)
% imshow(uint8(I))
% subplot(1,3,2)
% imshow(uint8(BW))
% subplot(1,3,3)
% imshow(uint8(filter_I))
189
Archivo Heart_rate_fun.m
function [BPM]= Heart_rate_fun(RGBavg, fs)
%ICA JADE implementacion
fuentes=3;
B=jadeR(RGBavg,fuentes);
icajadesig=B*RGBavg;
N=length(RGBavg);
N=1800;
% %filtrado de la señal
Wn=fs/2;
W1=.75/Wn;
W2=4/Wn;
Wc=[W1 W2];
% filtrado de promedio móvil
windowSize=5;
b2= (1/windowSize)*ones(1,windowSize);
icajadesigmav=filter(b2,1,icajadesig');
% Filtro de ventana Hamming
n=40; %verificar con 10 y 40
b1=fir1(n,Wc);
icajadesigbpf=filter(b1,1,icajadesigmav);
YFica1=fft(icajadesigbpf, N); %FFT of PCA signals
YFica2=abs(YFica1/N);
YFica = YFica2(1:N/2+1,:);
YFica(2:end-1,:) = 2*YFica(2:end-1,:);
fk = fs*(0:(N/2))/N;
BW=find(fk>=.91 & fk<=3); %analiza el ancho de banda entre .75 y
4Hz
Nf=length(fk);
[icasigmax indwh1]=max(YFica(BW,:) );
[icasigmax1 indwh2]=max(icasigmax);
icaFreqmax=fk(YFica(1:Nf,indwh2)==icasigmax1);
plot(fk, YFica); xlim([0.4, 3])
BPM=icaFreqmax*60;
190
Archivo Detector2.m
c=points(:,1);
r=points(:,2);
BW = roipoly(FrameFace,round(c)',round(r)'); %mascara
R=FrameFace(:,:,1);
G=FrameFace(:,:,2);
B=FrameFace(:,:,3);
R(~BW)=0;
G(~BW)=0;
B(~BW)=0;
masked_im = cat(3,R,G,B);
[row,col,v1] = find(BW);
[Rmaskmean Gmaskmean Bmaskmean]= maskmean(R, G, B);
191
Archivo jadeR.m
function B = jadeR(X,m)
% B = jadeR(X, m) is an m*n matrix such that Y=B*X are separated
sources
% extracted from the n*T data matrix X.
% If m is omitted, B=jadeR(X) is a square n*n matrix (as many
sources as sensors)
%
% Blind separation of real signals with JADE. Version 1.9. August
2013
%
% Usage:
% * If X is an nxT data matrix (n sensors, T samples) then
% B=jadeR(X) is a nxn separating matrix such that S=B*X is an
nxT
% matrix of estimated source signals.
% * If B=jadeR(X,m), then B has size mxn so that only m sources
are
% extracted. This is done by restricting the operation of jadeR
% to the m first principal components.
% * Also, the rows of B are ordered such that the columns of
pinv(B)
% are in order of decreasing norm; this has the effect that the
% `most energetically significant' components appear first in
the
% rows of S=B*X.
%
% Quick notes (more at the end of this file)
%
% o this code is for REAL-valued signals. An implementation of
JADE
% for both real and complex signals is also available from
% http://perso.telecom-paristech.fr/~cardoso/guidesepsou.html
%
% o This algorithm differs from the first released implementations
of
% JADE in that it has been optimized to deal more efficiently
% 1) with real signals (as opposed to complex)
% 2) with the case when the ICA model does not necessarily hold.
%
% o There is a practical limit to the number of independent
% components that can be extracted with this implementation.
Note
% that the first step of JADE amounts to a PCA with
dimensionality
% reduction from n to m (which defaults to n). In practice m
% cannot be `very large' (more than 40, 50, 60... depending on
% available memory and CPU time)
%
% o See more notes, references and revision history at the end of
% this file and more stuff on the WEB
% http://perso.telecom-paristech.fr/~cardoso/guidesepsou.html
%
192
% o This code is supposed to do a good job! Please report any
% problem to cardoso@sig.enst.fr
193
% to do: add a warning about complex signals
% Mean removal
%=============
if verbose, fprintf('jade -> Removing the mean value\n'); end
X = X - mean(X')' * ones(1,T);
194
%%% This measure of independence also corresponds to the
`diagonality' of a set of
%%% cumulant matrices. The code below finds the `missing rotation '
as the matrix which
%%% best diagonalizes a particular set of cumulant matrices.
for im = 1:m
Xim = X(:,im) ;
Xijm= Xim.*Xim ;
%% Note to myself: the -R on next line can be removed: it does not
affect
%% the joint diagonalization criterion
Qij = ((Xijm(:,Uns).*X)' * X)/T - R - 2 *
R(:,im)*R(:,im)' ;
CM(:,Range) = Qij ;
Range = Range + m ;
for jm = 1:im-1
Xijm = Xim.*X(:,jm) ;
Qij = sqrt(2) *(((Xijm(:,Uns).*X)' * X)/T -
R(:,im)*R(:,jm)' - R(:,jm)*R(:,im)') ;
CM(:,Range) = Qij ;
Range = Range + m ;
end ;
end;
%%%% Now we have nbcm = m(m+1)/2 cumulants matrices stored in a big
m x m*nbcm array.
195
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%
%% The inefficient code below does the same as above: computing the
big CM cumulant matrix.
%% It is commented out but you can check that it produces the same
result.
%% This is supposed to help interested people understand the (rather
obscure) code above.
%% See section 4.2 of the Neural Comp paper referenced below. It
can be found at
%% "http://www.tsi.enst.fr/~cardoso/Papers.PS/neuralcomp_2ppf.ps",
%%
%%
%%
%% if 1,
%%
%% %% Step one: we compute the sample cumulants
%% Matcum = zeros(m,m,m,m) ;
%% for i1=1:m,
%% for i2=1:m,
%% for i3=1:m,
%% for i4=1:m,
%% Matcum(i1,i2,i3,i4) = mean( X(:,i1) .* X(:,i2) .* X(:,i3)
.* X(:,i4) ) ...
%% - R(i1,i2)*R(i3,i4) ...
%% - R(i1,i3)*R(i2,i4) ...
%% - R(i1,i4)*R(i2,i3) ;
%% end
%% end
%% end
%% end
%%
%% %% Step 2; We compute a basis of the space of symmetric m*m
matrices
%% CMM = zeros(m, m, nbcm) ; %% Holds the basis.
%% icm = 0 ; %% index to the elements of the
basis
%% vi = zeros(m,1); %% the ith basis vetor of R^m
%% vj = zeros(m,1); %% the jth basis vetor of R^m
%% Id = eye (m) ; %% convenience
%% for im=1:m,
%% vi = Id(:,im) ;
%% icm = icm + 1 ;
%% CMM(:, :, icm) = vi*vi' ;
%% for jm=1:im-1,
%% vj = Id(:,jm) ;
%% icm = icm + 1 ;
%% CMM(:, :, icm) = sqrt(0.5) * (vi*vj'+vj*vi') ;
%% end
%% end
196
%% %% Now CMM(:,:,i) is the ith element of an orthonormal basis
for_ the space of m*m symmetric matrices
%%
%% %% Step 3. We compute the image of each basis element by the
cumulant tensor and store it back into CMM.
%% mat = zeros(m) ; %% tmp
%% for icm=1:nbcm
%% mat = squeeze(CMM(:,:,icm)) ;
%% for i1=1:m
%% for i2=1:m
%% CMM(i1, i2, icm) = sum(sum(squeeze(Matcum(i1,i2,:,:)) .*
mat )) ;
%% end
%% end
%% end;
%% %% This is doing something like \sum_kl [ Cum(xi,xj,xk,xl) *
mat_kl ]
%%
%% %% Step 4. Now, we can check that CMM and CM are equivalent
%% Range = 1:m ;
%% for icm=1:nbcm,
%% M1 = squeeze( CMM(:,:,icm)) ;
%% M2 = CM(:,Range) ;
%% Range = Range + m ;
%% norm (M1-M2, 'fro' ) , %% This should be a numerical zero.
%% end;
%%
%% end; %% End of the demo code for the computation of cumulant
matrices
%%
%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%
%% Init
if 0, %% Init by diagonalizing a *single* cumulant matrix. It
seems to save
%% some computation time `sometimes'. Not clear if
initialization is really worth
%% it since Jacobi rotations are very efficient. On the other
hand, it does not
%% cost much...
197
if verbose, fprintf('jade -> Initialization of the
diagonalization\n'); end
[V,D] = eig(CM(:,1:m)); % Selectng a particular cumulant
matrix.
for u=1:m:m*nbcm, % Accordingly updating the cumulant
set given the init
CM(:,u:u+m-1) = CM(:,u:u+m-1)*V ;
end;
CM = V'*CM;
198
for p=1:m-1,
for q=p+1:m,
Ip = p:m:m*nbcm ;
Iq = q:m:m*nbcm ;
pair = [p;q] ;
V(:,pair) = V(:,pair)*G ;
CM(pair,:) = G' * CM(pair,:) ;
CM(:,[Ip Iq]) = [ c*CM(:,Ip)+s*CM(:,Iq) -s*CM(:,Ip)+c*CM(:,Iq)
] ;
On = On + Gain;
Off = Off - Gain;
%%% Permut the rows of the separating matrix B to get the most
energetic components first.
199
%%% Here the **signals** are normalized to unit variance.
Therefore, the sort is
%%% according to the norm of the columns of A = pinv(B)
return ;
% To do.
% - Implement a cheaper/simpler whitening (is it worth it?)
%
% Revision history:
%
%- V1.9, August 2013
% - Added BSD licence
%
%- V1.8, May 2005
% - Added some commented code to explain the cumulant computation
tricks.
% - Added reference to the Neural Comp. paper.
%
%- V1.7, Nov. 16, 2002
% - Reverted the mean removal code to an earlier version (not
using
% repmat) to keep the code octave-compatible. Now less
efficient,
% but does not make any significant difference wrt the total
% computing cost.
% - Remove some cruft (some debugging figures were created. What
% was this stuff doing there???)
%
%
%- V1.6, Feb. 24, 1997
% - Mean removal is better implemented.
% - Transposing X before computing the cumulants: small speed-up
% - Still more comments to emphasize the relationship to PCA
%
200
%- V1.5, Dec. 24 1997
% - The sign of each row of B is determined by letting the first
element be positive.
%
%- V1.4, Dec. 23 1997
% - Minor clean up.
% - Added a verbose switch
% - Added the sorting of the rows of B in order to fix in some
reasonable way the
% permutation indetermination. See note 2) below.
%
%- V1.3, Nov. 2 1997
% - Some clean up. Released in the public domain.
%
%- V1.2, Oct. 5 1997
% - Changed random picking of the cumulant matrix used for
initialization to a
% deterministic choice. This is not because of a better
rationale but to make the
% ouput (almost surely) deterministic.
% - Rewrote the joint diag. to take more advantage of Matlab's
tricks.
% - Created more dummy variables to combat Matlab's loose memory
management.
%
%- V1.1, Oct. 29 1997.
% Made the estimation of the cumulant matrices more regular. This
also corrects a
% buglet...
%
%- V1.0, Sept. 9 1997. Created.
%
% Main references:
% @article{CS-iee-94,
% title = "Blind beamforming for non {G}aussian signals",
% author = "Jean-Fran\c{c}ois Cardoso and Antoine
Souloumiac",
% HTML = "ftp://sig.enst.fr/pub/jfc/Papers/iee.ps.gz",
% journal = "IEE Proceedings-F",
% month = dec, number = 6, pages = {362-370}, volume = 140, year =
1993}
%
%
%@article{JADE:NC,
% author = "Jean-Fran\c{c}ois Cardoso",
% journal = "Neural Computation",
% title = "High-order contrasts for independent component
analysis",
% HTML =
"http://www.tsi.enst.fr/~cardoso/Papers.PS/neuralcomp_2ppf.ps",
% year = 1999, month = jan, volume = 11, number = 1,
pages = "157-192"}
%
%
201
%
%
% Notes:
% ======
%
% Note 1) The original Jade algorithm/code deals with complex
signals in Gaussian noise
% white and exploits an underlying assumption that the model of
independent components
% actually holds. This is a reasonable assumption when dealing
with some narrowband
% signals. In this context, one may i) seriously consider dealing
precisely with the
% noise in the whitening process and ii) expect to use the small
number of significant
% eigenmatrices to efficiently summarize all the 4th-order
information. All this is done
% in the JADE algorithm.
%
% In *this* implementation, we deal with real-valued signals and we
do NOT expect the ICA
% model to hold exactly. Therefore, it is pointless to try to deal
precisely with the
% additive noise and it is very unlikely that the cumulant tensor
can be accurately
% summarized by its first n eigen-matrices. Therefore, we consider
the joint
% diagonalization of the *whole* set of eigen-matrices. However,
in such a case, it is
% not necessary to compute the eigenmatrices at all because one may
equivalently use
% `parallel slices' of the cumulant tensor. This part (computing
the eigen-matrices) of
% the computation can be saved: it suffices to jointly diagonalize
a set of cumulant
% matrices. Also, since we are dealing with reals signals, it
becomes easier to exploit
% the symmetries of the cumulants to further reduce the number of
matrices to be
% diagonalized. These considerations, together with other cheap
tricks lead to this
% version of JADE which is optimized (again) to deal with real
mixtures and to work
% `outside the model'. As the original JADE algorithm, it works by
minimizing a `good
% set' of cumulants.
%
%
% Note 2) The rows of the separating matrix B are resorted in such
a way that the columns
% of the corresponding mixing matrix A=pinv(B) are in decreasing
order of (Euclidian)
% norm. This is a simple, `almost canonical' way of fixing the
indetermination of
202
% permutation. It has the effect that the first rows of the
recovered signals (ie the
% first rows of B*X) correspond to the most energetic *components*.
Recall however that
% the source signals in S=B*X have unit variance. Therefore, when
we say that the
% observations are unmixed in order of decreasing energy, this
energetic signature is to
% be found as the norm of the columns of A=pinv(B) and not as the
variances of the
% separated source signals.
%
%
% Note 3) In experiments where JADE is run as B=jadeR(X,m) with m
varying in range of
% values, it is nice to be able to test the stability of the
decomposition. In order to
% help in such a test, the rows of B can be sorted as described
above. We have also
% decided to fix the sign of each row in some arbitrary but fixed
way. The convention is
% that the first element of each row of B is positive.
%
%
% Note 4) Contrary to many other ICA algorithms, JADE (or least
this version) does not
% operate on the data themselves but on a statistic (the full set
of 4th order cumulant).
% This is represented by the matrix CM below, whose size grows as
m^2 x m^2 where m is
% the number of sources to be extracted (m could be much smaller
than n). As a
% consequence, (this version of) JADE will probably choke on a
`large' number of sources.
% Here `large' depends mainly on the available memory and could be
something like 40 or
% so. One of these days, I will prepare a version of JADE taking
the `data' option
% rather than the `statistic' option.
203
ANEXO F
RESULTADOS DE
EFECTIVIDAD
DELSOFTWARE
204
SAVE OUTFILE='C:\Documents and Settings\PEstadistiChavez\Mis documentos\COMPARACION DE MEDIAS DE '+ 'RESULTADOS DE
FRECUENCIAS CARDIACAS.sav' /COMPRESSED. GET FILE='C:\Documents and Settings\ PEstadistiChavez
\Escritorio\tarea\ejercicio.sav'. DATASET ACTIVATE Conjunto_de_datos0. CORRELATIONS /VARIABLES=FC_SATUROMETRO FC_SOFTWARE
/PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES /MISSING=PAIRWISE.
Correlaciones
Estadísticos descriptivos
Correlaciones
Frecuencia Frecuencia
cardiaca según el Cardiaca aplicando
Saturómetro(SPO2) Software(PPGr)
**
Frecuencia cardiaca segun el Correlación de Pearson 1 ,989
Saturómetro (SPO2)
Sig. (bilateral) ,000
N 10 10
**
Frecuencia Cardiaca Correlación de Pearson ,989 1
aplicando Software (PPGr) Sig. (bilateral) ,000
N 10 10
205
Gráfico
206