98

Rev Biomed 2001; 12:98-110.

Anlisis Multi-Wavelet para la deteccin de conductividad ventricular anormal en seales ECG de alta resolucin.

Artculo Original

Marco A. Reyna-Carranza1, Raimon Jan-Campos2.

Instituto de Ingeniera, Campus Mexicali, Universidad Autnoma de Baja California (U.A.B.C.), Mexicali, B.C., Mxico, 2Departamento de Ingeniera de Sistemas, Automtica e Informtica Industrial. Centro de Investigacin en Ingeniera Biomdica (CREB). Universidad Politcnica de Catalua, Barcelona, Espaa.

RESUMEN. Introduccin. Los potenciales tardos ventriculares (por sus siglas en ingls se abrevia VLP) son indicadores de conductividad ventricular anormal que se asocia a los substratos arrtmicos cardiacos en pacientes que han sobrevivido a un infarto de miocardio. Muchos investigadores han desarrollado distintos procedimientos para detectar anormalidades de conduccin ventricular en seales electrocardiogrficas (ECG) de alta resolucin (por sus siglas en ingls se abrevia HRECG), mediante el uso de la transformada "wavelet". Sin embargo, muy pocos han logrado obtener resultados cuantitativos satisfactorios. Materiales y Mtodos. Aqu se propone analizar las seales HRECG en pacientes postinfartados, cuantificando el nmero de

singularidades que presenta cada seal dentro del complejo QRS. Para la deteccin se utilizan varias funciones wavelets y no slo una, como lo propone el mtodo de Rubel y col. Los mtodos se probaron con una base de datos compuesta por 132 registros HRECG. 59 registros HRECG fueron tomados de pacientes post-infartados y los 73 restantes se obtuvieron de sujetos sanos. Resultados. Al usar ms de una funcin wavelet en el anlisis, se nota una substancial reduccin en el nmero de falsos negativos (FN) (i.e., de 5 a 1 casos), sin que el nmero de falsos positivos (FP) se incremente considerablemente (i.e., de 9 a 11 casos). Por lo tanto, los valores predictivos del mtodo se mejoran. Discusin. Los VLP son formas de onda que cambian tanto en amplitud, forma y frecuencia,

Solicitud de sobretiros: Dr. Marco A. Reyna-Carranza, Depto. de Investigacin, Direccin General de Investigacin y Posgrado, Universidad Autnoma de Baja California, Edificio de Rectora S/N, C.P. 21180, Mexicali, B.C., Mxico. Tel. (6) 566-36-33 Fax: (6) 566-09-15 E-mail: reyna@info.rec.uabc.mx Recibido el 22/Mayo/2000. Aceptado para publicacin el 22/Noviembre/2000. Este artculo est disponible en http://www.uady.mx/~biomedic/rb011223.pdf

Vol. 12/No. 2/Abril-Junio, 2001

99
MA Reyna-Carranza, R Jan-Campos. como en localizacin temporal, debido a las caractersticas intrnsecas de los substratos arrtmicos. Una sola funcin wavelet no se puede ajustar a todas las estructuras inestables de cada HRECG de la base de datos. Por lo tanto, se sugiere el uso de un grupo de 4 funciones wavelet para resolver el problema. Si una de las cuatro wavelets no detecta la anormalidad de conduccin, (debido a que la forma de onda no se ajusta al patrn de anormalidad de los VLP), an es probable que alguna de las 3 wavelets restantes s se ajuste y, por lo tanto, la singularidad sea detectada. (Rev Biomed 2001; 12:98-110) Palabras Clave: Potenciales-Tardos, electrocardiograma de alta resolucin, Wavelets, Diagnstico no invasor. healthy subjects. Results. When using more than one wavelet in the analysis, the number of false negatives (FNs) was reduced from 5 to 1, without considerably increasing the number of false positives (FPs) from 9 to 11. Therefore, the predictive value of the method increased too. Discussion. The abnormal ventricular potentials are unstable structures that not only change in amplitude, shape and frequency, but also in temporal localization, due to the intrinsic characteristics of the arrhythmic substrates. A single wavelet function can not adjust to the unstable structures for each HRECG in the database. Therefore, we are suggesting the use of a group of 4 wavelet functions to solve the problem. If one of the four wavelet functions does not detect the conduction abnormality (in case the shape can not be adjusted to the abnormality pattern), it is still possible that one of the remaining wavelets can be adjusted and, therefore, that the irregularity will be detected. (Rev Biomed 2001; 12:98-110) Key words: Late-Potentials, high resolution electrocardiogram, Wavelets, Non-Invasive Methods.

SUMMARY. Multi-Wavelet analysis for detecting abnormal ventricular conductivity in the high resolution ECG. Introduction. Ventricular late potentials can be used for indicating abnormal ventricular conduction, because they are associated with the arrhythmogenic ventricular activity produced by damaged cardiac tissue after an infarct. Most researchers have designed procedures for detecting ventricular conduction abnormalities analyzing High Resolution ECG (HRECG) by means of the wavelet transform. However, few scientists have obtained satisfactory quantitative results. Material and Methods. We are proposing to analyze HRECGs of post-infarcted patients by quantifying the singularities within the QRS complex. For their detection we use four wavelets, instead of one as the majority of the reported methods. We have tested the methods with a database of 132 HRECG recordings. 59 HRECG recordings were taken from postinfarcted patients, and the remaining 73 from Revista Biomdica

INTRODUCCIN. Los potenciales tardos ventriculares (VLP) son componentes del electrocardiograma (ECG) de amplitudes muy pequeas con un contenido frecuencial que se encuentra por arriba de los 40 Hz, y se asocian a las enfermedades coronarias tales como infartos de miocardio y arritmias cardiacas (1 ). Se localizan comnmente en la porcin terminal del complejo QRS y/o al inicio del segmento ST, aunque a veces pueden tambin localizarse en cualquier parte dentro del complejo QRS (2 ). Los VLP son muy utilizados como marcadores de riesgo arrtmico en el desarrollo de mtodos no invasores para la prediccin de

100
Anlisis Multi-Wavelet en ECG de alta resolucin. muerte cardiaca sbita. Desafortunadamente, la mayora de estos mtodos presentan valores predictivos bajos, dado que los VLP son estructuras fisiolgicas muy difciles de detectar. Por ejemplo, el mtodo del dominio temporal clsico (3 ) es efectivo nicamente cuando los VLP presentan una Relacin Seal a Ruido (RSR) por arriba de 3, y adems, su ubicacin debe darse en la parte terminal del complejo QRS. Otros mtodos como el espectro-temporal (4 ) permite RSR menores, pero est limitado al anlisis del segmento ST, ya que presenta serios problemas espectrales al incluir en el anlisis parte del complejo QRS. La dificultad en la deteccin de los VLP estriba en que son estructuras que varan tanto en forma, amplitud, duracin y ubicacin sobre el trazo ECG. La figura 1 muestra varios VLP tomados de distintos pacientes que sobrevivieron a un infarto de miocardio. Como puede verse, los VLP pueden variar en sus caractersticas estructurales, dependiendo de la antigedad del infarto, volumen de tejido daado por el infarto, localizacin del infarto, etc. Esto nos ha llevado a realizar algunas reflexiones en cuanto a los mtodos de anlisis que utiliza la transformada wavelet para detectar anormalidades de conduccin ventricular, y que a continuacin discutiremos. Se presentan algunos conceptos importantes de la teora de wavelets para facilitar la comprensin de los razonamientos en el anlisis de seales electrocardiogrficas de alta resolucin (HRECG) para detectar los VLP. Transformada Wavelet. Hace no ms de 10 15 aos que la teora de wavelets empez a desarrollarse en el rea del procesamiento de seales; primero Girard en 1982 y luego Morlet en 1983. No obstante, la teora de wavelets est inspirada en las ideas que se haban originado durante los pasados 20 30

Figura 1.- VLPs de distintos pacientes. (a), (b) y (c) se registraron 5 das despus de haber ocurrido el infarto, (d) y (g) se tomaron despus de 2 semanas de ocurrido el infarto, (h), (k) y (l) son de 2 meses despus de presentado el infarto, (e), (f), (i) y (j) son despus de 6 meses de ocurrido el infarto. (De Garnder P, et al. Electrophysiologic and anatomic basis for fractionated electrograms recorded from healed myocardial infarcts. Circulation. 1985;72:596-611. (Figura tomada bajo permiso de la editorial Kluwer academic publisher. Ref: Gomes, Signal Averaged Electrocardiography, pp. 19 figure 6, 1993).

Vol. 12/No. 2/Abril-Junio, 2001

101
MA Reyna-Carranza, R Jan-Campos. aos, principalmente en las reas de ingeniera, fsica, y matemticas puras (5 ). A partir de entonces se han venido desarrollando poderosas herramientas con las que se pueden representar y analizar seales de forma distinta a la tradicional con la transformada de Fourier. Es decir, ahora el anlisis y descomposicin de una seal puede hacerse por medio de escalas mltiples. Para efectos prcticos, las wavelets se pueden separar en dos grupos: las wavelets redundantes o transformada wavelet continua (CWT), y las wavelets no redundantes o transformada walet discreta (DWT) (wavelets de bases ortogonales, semi-ortogonales, y biortogonales). Las wavelets redundantes producen mejores resultados en el anlisis de seales, y en la deteccin y extraccin de caractersticas, ya que brindan una completa descripcin espectro-temporal de la seal analizada. Las wavelets no redundantes, dada la ortogonalidad, presentan resultados muy buenos cuando se necesita comprimir cierta cantidad de datos para su almacenamiento o transmisin, y/ o cuando la ortogonalidad de la representacin se considera un factor importante para evitar la redundancia de informacin. Dado que el inters de nuestro estudio es el anlisis y la extraccin de caractersticas de las seales HRECG, y no la compresin de datos, en este subapartado se revisar nicamente la teora asociada a las wavelets redundantes, es decir la CWT. Una forma de interpretar el anlisis por wavelets es entendiendo que una funcin wavelet es una funcin base, de la misma forma que las exponenciales complejas son funciones base en el anlisis de Fourier. La transformada de Fourier (FT):
STFT (t , ) = 1 2

tiempo, i.e., si la seal es estacionaria. Sin embargo, muchas seales presentan caractersticas no-estacionarias, es decir, caractersticas transitorias tales como: discontinuidades, cambios abruptos, componentes transitorios, etc. Estas caractersticas de la seal suelen ser las ms importantes al hacer el anlisis, y la transformada de Fourier se ve imposibilitada para detectarlas. En 1946 Dennis Gabor realiz una adaptacin a la transformada de Fourier para tratar de superar esa deficiencia. La nueva adaptacin consisti en analizar la seal por secciones. El proceso se lleva a cabo mediante la multiplicacin de una ventana con la seal. Gabor le llam a esta tcnica Short-Time Fourier Transform , (STFT ) (5); la cual convierte una seal del dominio temporal, en otra seal bidimensional en tiempo y frecuencia: 1 s(t ) h( t ) e j d 2 en donde : h(t ) es la ventana y s(t ) es la seal. STFT (t, ) = Desafortunadamente, esta transformacin no resuelve del todo las limitaciones que la FT presenta, ya que su resolucin en tiempofrecuencia se asocia a un compromiso de precisin en cuanto a la localizacin de transitorios. El compromiso de resolucin, ya sea en tiempo o frecuencia, depender de la longitud de la ventana que se use. La limitacin que presenta la STFT en cuanto a la rigidez de la longitud de la ventana, queda resuelto con la transformada wavelet mediante la dilatacin y contraccin de sus funciones base en forma automtica dependiendo de la variacin de la frecuencia. Bsicamente, en el anlisis por wavelets, la seleccin de la ventana de la seal analizada se realiza en regiones de tamao variable. Esta tcnica permite una mayor precisin en frecuencia a bajas frecuencias, mediante la dilatacin de las ventanas en el tiempo, y tambin una mayor precisin temporal a altas frecuencias mediante la contraccin de las ventanas en el tiempo.

s ( t ) h (

t)e

brinda informacin valiosa cuando la seal bajo anlisis no presenta cambios drsticos en el Revista Biomdica

102
Anlisis Multi-Wavelet en ECG de alta resolucin. La CWT se define matemticamente de la siguiente forma: 1 t b ' s ( t ) dt . a a Esencialmente, la CWT se usa para realizar un anlisis de correlacin por escalas, en donde el resultado de la transformacin CWT( b, a ) ser mximo cuando el parecido de la seal bajo CWT ( b , a ) = anlisis s(t) con la funcin wavelet
t b ' a

haremos una revisin de este procedimiento, al cual lo llamaremos anlisis Uni-Wavelet, para distinguirlo del procedimiento que hemos propuesto y que ser revisado en el subapartado A.2 A. Procedimiento para la Deteccin de Singularidades A.1. Anlisis Uni-Wavelet El procedimiento de este anlisis (8), se basa en la deteccin de singularidades producidas por irregularidades de conduccin cardiaca reflejadas a lo largo de la seal HRECG. Para detectar las singularidades se efectuaron distintas pruebas de deteccin mediante la aplicacin de funciones wavelet, obteniendo resultados predictivos muy variados. Las funciones wavelet que se probaron fueron: 1. Morlet.- Definida de la siguiente forma: ( t)=exp ( i0t )exp (-t2 /2) 2. Primeras seis derivaciones de la funcin Gausiana definida como: g (t )=exp (-t2/2) 3. Wavelets B-spline de grado n, definidas de la siguiente forma:
g n (n) 6 ( n + 1) 6t 2 exp ( n + 1)

sea

tambin mximo en la escala a. Por ejemplo, sea el modelo f (x) = a( x - x) + ( x), en donde a( x/a ) es una seal determinstica conocida a una escala a , x un parmetro de localizacin desconocido y (x) una componente de ruido blanco gausiano aditivo. La teora plantea que el procedimiento ptimo para estimar x es mediante el clculo de la correlacin entre la funcin modelo a (x/a ), y la funcin a analizar f( x) para cada posicin x , y luego seleccionar la posicin que corresponda al valor de correlacin mximo. La mayora de las veces no se tiene el conocimiento a priori del tamao de escala de la seal que se quiere detectar. Por lo que se podra variar el factor de escala a de la seal modelo para cada clculo de correlacin. Con la misma idea se puede usar una funcin wavelet (o varias) como modelo de deteccin de ciertos patrones, por ejemplo, la deteccin de VLP en el anlisis de seales electrocardiogrficas (HRECG). La teora de wavelets es muy vasta y al lector interesado se le recomienda revisar el libro de Daubechies (6 ), adems del excelente tutorial que han publicado Riol y Vetterli (7 ). Transformada Wavelet de Seales ECG de Alta Resolucin. Quiz el nico procedimiento de anlisis por wavelets que ha brindado resultados cuantitativos es el de deteccin de singularidades o irregularidades, propuesto por Rubel y col . (8 ). En el siguiente subapartado

4. Meyer.- Se define en el dominio de la frecuencia de la siguiente forma: ( f)=exp(- j) ( f) siendo ( t)=FT-1 ( ( )), en donde: () = (- ) () 0 [1/2 - , 1 + 2] () = 1 [1/2 + , 1 - 2 ] 2 2 () + (1-) = 1 [1/2 - , 1 + 2] (2 ) + (1-) = 1 [1/2 - , 1 + 2] con 0 < 1/6. Por ltimo se obtiene la funcin wavelet (t) mediante el clculo de la transformada inversa de Fourier: (t )= FT -1( (f)) a). Vector Magnitud de la Transformada Wavelet. Vol. 12/No. 2/Abril-Junio, 2001

103
MA Reyna-Carranza, R Jan-Campos. Como se mencion, el mtodo se basa en la deteccin de singularidades producidas por irregularidades de conduccin cardiaca reflejadas a lo largo del complejo QRS de la seal HRECG. Para ello se obtiene primeramente el vector magnitud de la transformada wavelet para cada una de las derivaciones ECG ortogonales X, Y y Z, de la siguiente manera: WTM(a, n) = WTX2 (a, n) + WTY2 (a, n) + WTZ2 (a, n) En donde WTX es la magnitud de la transformada wavelet de la derivacin X, WTY es la magnitud de la transformada wavelet de la derivacin Y , WTZ es la magnitud de la transformada wavelet de la derivacin Z y, WTM es el vector magnitud de la transformada wavelet. De esta forma, por cada seal se obtendrn tres representaciones en tiempo-escala. De estas, se obtendr otra representacin en tiempo-escala sintetizando la informacin contenida dentro de cada una de las derivaciones ortogonales. El factor de escala a se determina como a -m = 2 , en donde m vara linealmente. El mximo valor de m se establece de tal forma que la frecuencia central de la wavelet de mxima escala no est por debajo de 25Hz, y para que la wavelet de mnima escala no est por arriba de 250Hz. As, la banda de frecuencia de anlisis queda establecida entre los 25 y 250Hz (7 escalas para siete valores de m), lo cual cubrira la banda frecuencial para la que se intuye que se encuentran los VLP en pacientes con riesgo de arritmias. b). Deteccin de las Singularidades. La deteccin de las singularidades o estructuras irregulares se realiza sobre cada escalamiento en la direccin temporal. Esto consiste en precisar temporalmente la evolucin de las singularidades mediante mximos locales para cada escalamiento realizado por la transformada wavelet en curso. El mtodo se compone de tres pasos: Revista Biomdica 1. Deteccin de los mximos locales.- Se detectan los mximos locales para cada una de las escalas. El mtodo define un mximo local como el punto de amplitud mxima entre la pendiente de subida y la pendiente de bajada de una cresta. Se consideran como mximos locales vlidos, aquellos que tienen una magnitud mayor que un umbral de amplitud establecido (AMPLTHR) (ver figura 2(a)). Esto se hace con el fin de descartar mximos locales de muy

(a) QRS onset

QRSoffset

Magnitud

Indica mximo local Escalamiento frecuencia

(b)

Magnitud

Escalamiento frecuencia

(c)

Y X Z

Amplitud
0

50

100

150

200

250

300

ms

Figura 2.- Deteccin y localizacin de singularidades en seales HRECG. (a) Mximos locales sobre cada WTM. (b) Encadenamiento de los mximos locales (lneas punteadas). (c) Singularidades proyectadas sobre los trazos de HRECG (lneas punteadas). Las lneas continuas verticales sealan el inicio (QRSonset) y final del QRS (QRSoffset) respectivamente.

104
Anlisis Multi-Wavelet en ECG de alta resolucin. pequeas amplitudes debidos al ruido. El umbral se determina como un porcentaje de la amplitud mxima de la transformada wavelet a la mnima escala. 2. Localizacin de la conectividad de los mximos locales.- Se dice que un mximo local de cualquier escala tiene conectividad con un mximo local de la mnima escala si la desviacin entre sus respectivas localidades temporales no es mayor de un umbral de dispersin (SCATTHR). 3. Aceptacin de un mximo local como singularidad.- La singularidad se detecta cuando el nmero de mximos locales con conectividad es mayor que un nmero previamente establecido, al cual se le llama RIDGLEN (nmero mnimo de crestas interconectadas). Para el ejemplo que se muestra en la figura 2(b) el nmero mnimo de crestas interconectadas es de 3. La asignacin de los valores para los parmetros AMPLTHR, SCATTHR y RIDGLEN define la deteccin de las singularidades sobre las seales HRECG, y los resultados sern diferentes para cada asignacin sobre el segmento de seal que se analice. El mtodo considera un segmento de seal definido por [QRS onset, QRS onset + 250 ms], en donde QRSonset se refiere al inicio del complejo QRS. A.2. Anlisis Multi-Wavelet La CWT es un proceso que mide el grado de correlacin entre el segmento de seal en anlisis y la funcin wavelet con la escala en curso. Este mismo principio se aplica en el anlisis multi-wavelet el cual se explicar en este subapartado, pero antes analicemos el siguiente ejemplo de simulacin. Sea una seal HRECG real con una duracin del QRS (QRSd) igual a 163 ms. La seal ha sido filtrada en paso-bajo en una banda de 0-50 Hz con el objeto de sumarle seales componentes, los cuales simularn tanto potenciales de alta frecuencia x1 (t) como los VLPs x2 (t) (ver figura 3(a-e)). Tambin se sumar una componente de ruido blanco gausiano n ( t ). Es decir, el modelo construido se puede representar mediante la siguiente relacin: HRECG sim (t) = HRECG filt( t) + x1( t) + x2 (t) + n(t), [1] en donde HRECG filt( t) es la seal ECG de alta resolucin de la base de datos, pero filtrada, y HRECGsim( t) es la seal HRECG simulada. x1( t) = a sen(2 f0 t ) exp((t - 125ms) 2 / 2b ), donde a es igual al 12 % de la amplitud mxima de la seal ECG, y f0 = 100 Hz. El factor de escala b
(a) Amplitud (b) (c) (d) ECGfil t(t) x1 (t) x2 (t) x 1(t) + x2 (t) + n(t)

(e)

ECGsim(t)

Magnitud

(f)

Daubechies 2 orden Db2

Escala miento frecuencia

Morlet Magnitud (g)

Escala miento frecuencia 0 50 100 150 tiempo 200 250 300

Figura 3.- Dos representaciones tiempo-escala para detectar VLP simulados. (a) HRECG filtrada en paso-bajo 0-40 Hz. (b) Potenciales QRS por arriba de 40 Hz. (c) VLP simulados. (d) Suma de los VLP con los potenciales de alta frecuencia y con ruido blanco gausiano aditivo. (e) HRECG que se compone de la sumatoria de todas las seales anteriores. (f) Representacin tiempo-escala de la seal (e) mediante la wavelet Db2. (f) Representacin tiempo-escala de la seal (e) mediante la wavelet Morlet. Ntese la clara localizacin de los VLP simulados cuando se aplica la wavelet Db2, y la psima localizacin de los VLP cuando se emplea la wavelet de Morlet.

Vol. 12/No. 2/Abril-Junio, 2001

105
MA Reyna-Carranza, R Jan-Campos.

Amplitud

(a) (b)

ECG filt(t) x (t) 1 x2(t) ECGfilt(t) + x1(t) + x2(t) + n(t)

Amplitud

(c) (d)

Tiempo (a)

Tiempo (b)

(e)

ECG sim (t)

Figura 4.- (a) Funcin wavelet Daubechies de 2 orden. (b) Funcin wavelet Morlet.

se hace igual a 20 para dar a la seal una duracin efectiva (soporte compacto) de 50ms. x2( t) = c sen (2 f 1 t ) exp ((t - 180ms)2 / 2 d) + c/2 seno (2 f 0 t ) exp ((t 218ms) 2 / 2d ), donde c es el 2 % de la amplitud mxima de la seal ECG, y el factor de escala d se hace igual a 3, para dar a cada patrn VLP simulado una duracin efectiva de 18ms, f1 = 150Hz. La figura 3(f) es la representacin tiempoescala de la HRECG sim (figura 3(e)) que se obtiene mediante la aplicacin de la CWT usando la funcin wavelet de Daubechies de 2 o orden (Db2). La figura 3(g) es la representacin tiempo-escala de la misma HRECGsim que se obtiene tambin mediante la CWT, pero ahora empleando la funcin wavelet Morlet. Viendo ambas representaciones tiempo-escala, se nota que la que se obtuvo con el empleo de la wavelet Db2 (figura 4(a)) es la que mejor detecta los potenciales anormales simulados, dado que su parecido con estos, es mucho mayor que el parecido que se present con la funcin wavelet de Morlet (ver figura 4(b)). Ahora, supngase que la HRECGsim de la figura 5(e) es una seal ECG distinta a la de la figura 3(e), pero que responde al mismo modelo de la relacin [1]. En la figura 5(d) se pueden ver los nuevos VLPs. Como puede observarse, la forma de estos potenciales es completamente distinta a los de la HRECGsim anterior (figura 3). Su parecido es ahora mayor para la wavelet Morlet que para la wavelet Db2. Por lo tanto, se esperara obtener mejores resultados de deteccin de los VLPs con la wavelet de Morlet que con la wavelet de Db2. Revista Biomdica

Magnitud

Daubechies 2 g rado Db2 (f)

Escalamiento frecuencia

Morlet (g)

Magnitud

Escalamiento frecuencia

50

100

150 tiempo

200

250

300

Figura 5.- (a-b) Mismas seales de la figura 3, (c) VLP simulados con distintinta morfologa que los simulados en el caso de la figura 3(c), (d) es la sumatoria de las seales (b y c) ms una componente de ruido blanco gausiano. Al obtener la representacin tiempo-escala de la seal (e) aplicando la wavelet Db2, se puede apreciar que la localizacin de los VLP es prcticamente nula, sin embargo, al obtener la representacin tiempo-escala de la misma seal (e) empleando la wavelet de Morlet, la localizacin de los VLP es muy clara. Debe notarse, que este caso es contrario al de la figura 3, ya que ahora la wavelet de Morlet es la que se ajusta mejor a la forma de los VLP simulados, por lo que genera mejores resultados que la wavelet Db2.

Si se observan las grficas tiempo-escala (fig. 5 f-g) respectivas a cada CWT (i.e., Db2 y Morlet), se corroborar la anterior aseveracin. Como se recordar, el mtodo uniwavelet selecciona una sola funcin wavelet para el anlisis de las HRECG, pero aunque se seleccione la que mejores resultados predictivos arroje para toda la poblacin analizada, sta no

106
Anlisis Multi-Wavelet en ECG de alta resolucin. podr ser la mejor para detectar los potenciales ventriculares anormales de cada una de las diferentes HRECG en particular. Es decir, los resultados predictivos que se obtienen, son una medida del anlisis global de todas las seales HRECG analizadas, ya que los resultados dependen nica y exclusivamente del parecido de los VLPs de cada seal con la funcin wavelet seleccionada. Como los VLPs son micropotenciales de forma y posicin impredecible, debido a la naturaleza del tejido cardiaco daado por el infarto, una nica forma de wavelet, no podr detectar todas las formas posibles que se pudieran presentar en las HRECG de cada paciente en particular. Dado lo anterior, se propone mejorar el mtodo uni-wavelet mediante un procedimiento que aumenta su capacidad para detectar un mayor nmero de pacientes con riesgo de taquicardia ventricular. La innovacin del mtodo, como se ver en los resultados del anlisis de la base de datos, incrementa ligeramente el nmero de casos FPs, pero el nmero de casos FNs lo disminuye considerablemente. Algoritmo. El algoritmo que hemos propuesto, consiste en analizar cada HRECG de la misma base de datos, con 4 funciones wavelets distintas. En caso de que alguna de las wavelets detecte singularidades considerables sobre la seal HRECG en curso, esta ser considerada como de riesgo para desarrollar taquicardia ventricular. Las wavelets usadas se escogieron con base al parecido con la morfologa de los potenciales anormales que pudieran ser ms comunes, segn estudios patofisiolgicos sobre VLPs realizados en post-infartos crnicos (9 ). Dado que ni la morfologa ni las amplitudes de los VLPs son los mismos para cada una de las seales HRECG de cada paciente, el papel de las wavelets seleccionadas es detectar estas variaciones de los VLPs. Las 4 wavelets utilizadas en el anlisis son las siguientes: 1. Morlet. Se ha definido en el subapartado III.A.1. 2.Meyer. Definida tambin en el mismo subapartado. 3. Daubechies. (Daubechies de 2 o orden (Db2) y de 4 o orden (Db4)). No tiene expresin explcita. No obstante, esta se puede determinar con el mdulo al cuadrado de su funcin de transferencia h , de la siguiente forma: Sea P ( y ) =
N 1 k =0

N 1 + k k

y ,

donde C k

N 1+ k

denota los coeficientes de Daubechies. Luego:

m 0 ( 0 )
2

= cos

p sen 2
2 N 1

Donde: 2 k=0 El soporte de esta wavelet est dada por 2 N-1. N determina el orden de la wavelet (17). La figura 6 nuestra las formas para las wavelets de Meyer y de Daubechies de 4 o orden. La figura 7 muestra el diagrama de flujo que describe el anlisis utilizado para la deteccin de las singularidades de las seales HRECG mediante la CWT usando 4 distintas funciones wavelet. Cada seal HRECG es analizada primeramente por la wavelet Morlet, si sta detecta que el nmero de irregularidades es igual o mayor que el umbral establecido, entonces se marca como seal con riesgo Vol. 12/No. 2/Abril-Junio, 2001 m
0

( ) =

hke

ik

Amplitud

Tiempo (a)

Tiempo (b)

Figura 6.- (a) Funcin wavelet Meyer y (b) funcin wavelet Daubechies de 4 orden.

107
MA Reyna-Carranza, R Jan-Campos.
In icio In icializar i=T =L =0 i=i+1 HR E CG i ( t) W avelet M orlet T =T + 1 no W avelet D b2
NI Umb ral ?

si V T T = HRE C G i

no W avelet D b4

N I Um bral ?

si V T T = HRE C G i

L =L +1

no W avelet M eyer

N I Um bral ?

si V T T = HRE C G i

no L AR L =HR E C G i

N I Um bral ?

si V T T =HR E C G i

Figura 7.- Diagrama de flujo para ejecutar el anlisis multi-wavelet.

arrtmico y se toma la siguiente seal HRECG de la base de datos. En caso de que el nmero de irregularidades detectado sea menor que el umbral, entonces la misma seal HRECG se analiza con la siguiente funcin wavelet. Si despus de haber analizado la misma seal HRECG con las 4 distintas funciones wavelet, no se encontr el nmero mnimo de irregularidades para ser considerada con riesgo arrtmico, entonces el proceso la marca como seal HRECG de bajo riesgo de arritmia, y se continua con la siguiente seal HRECG de la base de datos. Las irregularidades se determinan con el mismo procedimiento usado en el mtodo uni-wavelet. Los umbrales de los parmetros AMPLTHR, SCATTHR y RIDGLEN para las 4 distintas funciones wavelet se establecen con los mismos valores que se usaron en el anlisis uni-wavelet empleando el tipo Morlet. Ello nos permitir realizar comparaciones entre los resultados de Revista Biomdica

aquel caso y el actual. SEALES HRECG ESTUDIADAS. a). Poblacin de Estudio. Grupo VT (infarto de miocardio con riesgo de taquicardia ventricular). Consiste de 59 seales HRECG de sujetos post-infartados. Estos individuos fueron internados en el Veterans Affairs Medical Center en Oklahoma City, en donde se les realiz el estudio electrofisiolgico despus de sobrevenido el infarto de miocardio. Grupo LAR (sin infarto de miocardio, bajo riesgo de taquicardia ventricular). Consiste de 73 seales HRECG tomadas de sujetos a quienes no se les diagnostic ningn signo de infarto de miocardio previo. El estudio electrofisiolgico fue tambin realizado en el Veterans Medical Center en Oklahoma City. b). Adquisicin de la Poblacin de Estudio.

108
Anlisis Multi-Wavelet en ECG de alta resolucin. Se adquirieron registros ECG ortogonales bipolares de alta resolucin (16 bits) de las derivaciones X, Y y Z. Las derivaciones fueron adquiridas mediante el sistema PREDICTOR SAECG de la casa Corazonix Corp . en Oklahoma City. Se utiliz una frecuencia de muestreo de 2KHz. Promediando la seal se logr situar el nivel de ruido por debajo de 0.4V en valor RMS para los dos grupos. La medicin del ruido se efectu sobre el segmento ST del vector magnitud filtrado en pasa-altas a 40 Hz. del anlisis se muestra en el cuadro 1 (a). La poblacin de estudio empleada para probar el mtodo de anlisis multiwavelet fue la misma que se us en el mtodo uni-wavelet. En el cuadro 1 (b) se dan los valores predictivos que se obtuvieron al analizar la base de datos completa con las 4 funciones wavelet. Con el objeto de normalizar criterios de comparacin, el NI umbral se estableci igual al caso del anlisis con una sola funcin wavelet (uni-wavelet). El analizar la base de datos con distintas wavelets, reduce el nmero de casos FNs (i.e., de 5 a 1), sin aumentar demasiado el nmero de casos FPs (i.e., de 9 a 11). La media de los valores NI para cada mtodo se muestran tambin en la tabla I(b).

RESULTADOS. a). Anlisis uni-wavelet Se analizaron las 132 seales HRECG de ambos grupos. El AMPLTHR se estableci en 4%, el SCATTHR fue de 3ms, la RIDGLEN fue igual a 3 y el segmento de seal ECG que se analiz qued establecido iniciando en QRSonset y finalizando en QRSonset + T, en donde T = 114ms + 80ms. El inicio del QRS (QRSonset) fue detectado mediante el sistema PREDICTOR SAECG. La media del Nmero de Irregularidades (NI) y los valores predictivos

DISCUSIN Y CONCLUSIONES. Los potenciales anormales de conduccin ventricular son estructuras que cambian tanto en forma como en localizacin temporal y de frecuencia, debido a los substratos arrtmicos en el tejido cardiaco daado por el infarto. Una

Cuadro 1 (a) Resultados predictivos del procedimiento original mediante la wavelet Morlet (uni-wavelet), (b) resultados predictivos mediante el anlisis multi-wavelet. Grupo LAR Umbral (n = 73) Media = 9.03, STD = 4.61 (a) FPs NVs ES (%) 9 6487.67 NI 5 FNs 5 PVs 54 SE (%) 91.52 DET 118 EX (%) 89.39 Grupo VT Total (n = 59) (n = 132) Media = 3.34, STD = 3.26

Grupo LAR Umbral (n = 73) Media = 9.20, STD = 4.51 (b) FPs NVs ES (%) 11 6284.93 NI 5 FNs 1

Grupo VT Total (n = 59) (n = 132) Media = 3.37, STD = 3.28 PVs 58 SE (%) 98.30 DET 120 EX (%) 90.90

LAR = grupo de bajo riesgo arrtmico; VT = grupo de alto riesgo arrtmico. FPs = falsos positivos; NVs = negativos verdaderos; ES = porcentaje de casos no-patolgicos correctamente clasificados; FNs = falsos negativos; PVs = positivos verdaderos; SE = porcentaje de casos patolgicos correctamente clasificados; DET = pacientes detectados; EX = porcentaje total de casos correctamente clasificados; NI = umbral de nmeros de irregularidades; Total = total de pacientes analizados. Media = valor medio del NI; STD = desviacin estndar del NI.

Vol. 12/No. 2/Abril-Junio, 2001

109
MA Reyna-Carranza, R Jan-Campos. sola funcin wavelet no podra ajustarse a estas estructuras para cada una de las seales HRECG. Por lo tanto, se sugiere emplear un grupo de funciones wavelet para resolver el problema. Si una de las wavelets no detecta la anormalidad de conduccin, dado que su forma no se ajusta a la del patrn de anormalidad, es ms probable que alguna de las otras funciones wavelet s se ajuste y por lo tanto detecte la irregularidad. Los valores predictivos que se obtuvieron con la innovacin del mtodo mejoraron considerablemente. El nmero de FNs disminuy notablemente y el aumento del nmero de FPs fue muy leve. Con lo anterior se demuestra, que con el empleo de una nica funcin wavelet el anlisis es menos eficiente en la deteccin de las irregularidades de conduccin ventricular, ya que el principio de funcionamiento de la CWT, es medir el grado de similitud entre la funcin wavelet y el patrn de seal que se quiere localizar. El patrn de seal en este caso son los potenciales anormales de conduccin ventricular. Uno de los inconvenientes del anlisis de HRECGs mediante la CWT, al igual que para todos los mtodos que se proponen en la literatura, es su sensibilidad al ruido. Dado que el anlisis que realiza la CWT es local, si la funcin wavelet se ajusta a algn patrn localizado de ruido, se generara un coeficiente de correlacin alto, interpretndose errneamente como patrn de irregularidad ventricular. En nuestro caso de estudio estos errores se atribuyen a algunos de los casos FPs. Otra limitacin del mtodo, es que no se han realizado las suficientes pruebas como para poder establecer un estndar en sus umbrales AMPLTHR, SCATTHR, RIDGLEN. Adems, los umbrales podran variar en funcin de la o las funciones wavelet que se apliquen. En este trabajo de investigacin se han analizado bases de datos de pacientes Revista Biomdica extranjeros, debido a que en nuestro pas aun no se cuenta con este tipo de seales. Sin embargo, se est acondicionando un laboratorio de ingeniera biomdica en el Instituto de Ingeniera de la Universidad Autnoma de Baja California para generar bases de datos de seales HRECG. Un anlisis ms exhaustivo de estos algoritmos constituye una extensin del trabajo de investigacin, en donde se incluirn bases de datos con seales registradas de pacientes mexicanos.
REFERENCIAS. 1.- Breithardt G, Cain M, El-Sherif N, Flowers N, Hombach V, Janse M, et al . Standards for analysis of ventricular late potentials using high-resolution signalaveraged electrocardiography. A joint statement. Task Force committee of the European Society of Cardiology, the American Heart Association and the American College of Cardiology. J Am Coll Cardiol 1991; 17:9991006. 2.- Gomis PR. Anlisis de AIQP en la prediccin de eventos arrtmicos. C aracterizacin de potenciales anormales intra-QRS en el ECG de alta resolucin: aplicacin en la evaluacin de cardiopatas [Tesis Doctoral]. Barcelona, Inst. de Ciberntica, UPC.; 1996. 3.- Simson MB. Use of signals in the terminal QRS complex to identify patients with ventricular tachycardia after myocardial infarction. Circulation 1981; 64:235-42. 4.- Haberl R, Jilge G, Pulter R, Steinbigler P, Steinbeck G. Spectrotemporal mapping of the surface ECG for detection of ventricular late potentials. Signal Average Electrocardiography 1993; 125-36. 5.- D Gabor. Theory of communication. Journal of Institution of Electrical Engineers (London) 1946; 93:429-57. 6.- Daubechies. Ten Lectures on Wavelets, SIAM 1992. 7.- Riol O, Vetterli M. Wavelets and Signal Processing. IEEE Signal Processing Magazine 1991; 8 (4): 14-38. 8.- Rubel P, Courdec J Ph, Morlet D, Fayn J, Peyrin F,

110
Anlisis Multi-Wavelet en ECG de alta resolucin.
Touboul P. Spectral analisys of high-resolution ECGs. En: Moss A.J, and Stern S, editores. Noninvasive Electrocardiology. Clinical Aspects of Holter Monitoring. London: W. B. Saunders Company Ltd; 1996. p. 291-314. 9.- Mehra R. Pathophysilogy of late potentials: Experimental observation of late potentials. En: Gomes JA editor. Signal Averaged Electrocardiography Concepts, Methods and Applications. Lancaster: Kluwer Academic Publishers; 1993. p. 11-14.

Vol. 12/No. 2/Abril-Junio, 2001