Laboratorio de Procesamiento de Señales Digitales 2018

Docente Dr. Lugo, Jorge (INVAP)

PROCESAMIENTO DE
SONOCARDIOGRAMAS

Andrade Rosales, Edda Geraldine*

*edda.geraldine.andrade.rosales@gmail.com

30 de noviembre de 2018

Universidad Nacional de Cuyo – Instituto Balseiro

Centro Atómico Bariloche

Resumen

Este trabajo se enfocó en realizar un algoritmo computacional que permita el procesamiento de

una señal sonora de corazón obtenida mediante una aplicación de celular desarrollada por el
docente de la asignatura. Se logró desarrollar un algoritmo que rápidamente calcula las
pulsaciones del paciente, para la cual se necesita poca capacidad de cálculo, lo que implica
que es viable de ser usada en un celular con Android.

1
1. Introducción

Este trabajo se desarrolla en el marco de la asignatura Laboratorio de Procesamiento de Señales

Digitales dictada en el Instituto Balseiro por el Dr. Jorge Lugo. Los principales objetivos del mismo
son introducir conceptos básicos del procesamiento de una señal aleatoria, desarrollar
algoritmos que implementen un procesador capaz de calcular rápidamente las pulsaciones a
partir de un sonocardiograma. En particular, para tomar las señales de un corazón se utilizó una
aplicación para Android desarrollada por el docente.

A lo largo de los años los especialistas en medicina han desarrollado múltiples técnicas para
caracterizar el estado de un corazón, entre ellas se ha estudiado cómo caracterizar el corazón
mediante el sonido. Con el avance de la tecnología, el celular se ha vuelto un elemento
cotidiano en nuestras vidas. La aplicación desarrollada por el docente aprovecha esta
tecnología al alcance de la mano para tomar señales cardíacas [2]. El diseño de un algoritmo
de procesamiento rápido de esta señal sería un hito ya que permitiría saber casi de inmediato la
necesidad de concurrir a la consulta con un especialista, lo cual podría salvar vidas.

Lo que sigue a continuación no es más que una breve introducción para entender las
herramientas necesarias para la realización de este trabajo. En la figura 1 se muestran
sonocardiogramas. A partir de la comparación de éstos con el sonocardiograma obtenido de
un paciente es posible concluir si es necesaria, o no, la consulta con un especialista. Para
caracterizar principalmente lo primero que se observa es la periodicidad de la señal, si existiera,
y cuál es el número de latidos por minuto (bpm). También se observa la intensidad y frecuencia
características de los tonos cardíacos, en la jerga conocidos como S1 y S2, que se corresponden
con partes del ciclo cardíaco; comienzo de sístole y final de sístole correspondientemente. Es
posible caracterizar la energía de la frecuencia correspondiente a cada uno de los tonos y con
esa información verificar el estado del corazón de un paciente.

2
 Figura 1: Distintos sonocardiogramas correspondientes a distintas condiciones de funcionamiento de corazón. [1]

A simple vista es sencillo de identificar una falla pero automatizarlo mediante un algoritmo
computacional no es algo trivial y requiere de un manejo fluido de las herramientas de
procesamiento de señales digitales. Debido a la dificultad que conllevaría el desarrollo de un
algoritmo con dichas características en este trabajo sólo se mostrarán los espectrogramas
obtenidos mediantes técnicas de ventaneo.

3
2. Método computacional

En una primera instancia se realizó el reconocimiento de la forma de la señal, para ello se

graficó la señal y se identificaron los tonos cardíacos S1 y S2 visualmente, obteniéndose lo
mostrado en la Figura 2. Para una mejor visualización de la señal, se normaliza la misma con
respecto a su máximo.

Figura 2: Señal normalizada en función del tiempo. Nótese la estimación de la frecuencia cardíaca expresada en
bpm, igual a 75bpm, y la identificación de los tonos cardíacos S1 y S2.

Teniendo en cuenta que un corazón late en casos extremos entre 40 y 160bpm se realizó un
algoritmo que utiliza el concepto de autocorrelación para calcular el período con el cual
aparece el tono S1, que para un corazón “sano” es el de mayor intensidad acústica. En la
figura 3 se muestra la autocorrelación de una señal cardíaca tomada de un paciente en
reposo. El máximo de la autocorrelación se produce en el instante que ambas señales
coinciden, el siguiente máximo (hacia izquierda o derecha es igual ya que la señal es

4
 simétrica respecto de ese tiempo). De esta manera calculando el próximo máximo teniendo
en cuenta los valores extremos de pulsaciones, mencionados anteriormente, es posible
calcular la diferencia en tiempo entre la ocurrencia de estos máximos. De esta manera se
obtienen las pulsaciones según la ecuación 1.

1
𝑁° 𝑑𝑒 𝑙𝑎𝑡𝑖𝑑𝑜𝑠 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = ∗ 60[𝑏𝑝𝑚] (1)
ΔT

Figura 3: Autocorrelación de la señal cardíaca de un paciente en reposo. El máximo de la señal se corresponde al

instante en el cual ambas se solapan perfectamente, que es el momento en el cual existe una máxima
coincidencia

Se calcularon las pulsaciones para la señal mostrada en la Figura 2, obteniéndose 76,3bpm. Este
valor es aproximadamente igual al estimado midiendo visualmente el delta T de la ecuación 1.

Se calculó el espectrograma de la señal tomando cada 1024 muestras, utilizando distintas

ventanas. En las figuras 4, 5 y 6 se muestran los resultados obtenidos

5
Figura 4: espectrograma con una ventana rectangular.

En la figura 4 se muestra el espectrograma obtenido a partir de multiplicar la señal con una

ventana rectangular de 1024 muestras. No es posible distinguir claramente la energía de los
tonos cardíacos S1 y S2. Se asocia este fenómeno a la existencia de los lóbulos laterales de la
señal rectangular, que no permite distinguir entre dos frecuencias muy similares.

En la figura 5 se muestra el espectrograma realizado con una ventana Hamming de 1024

muestras. Allí se distingue una mayor energía asociada a frecuencias entre 60 y 80Hz, que
ocurren al mismo tiempo que se distingue en la señal el tono cardíaco S1, se podría decir que
comparado con un corazón “sano” estos parámetros no se encuentran dentro de los valores
de referencia.

6
 Figura 5: espectrograma con una ventana Hamming de 1024 muestras.

En la figura 6 se muestra el espectrograma obtenido con una ventana Kaiser, allí puede
observarse, al igual que en la figura 5, la concentración de energía del tono S1 en frecuencia
alrededor de 60Hz. No se observaron diferencias apreciables entre el ventaneo con Hamming
y con Kaiser, sin embargo para concluir con respecto a cuál de las dos es más conveniente
debería hacerse estadística, ya que las señales son aleatorias.

7
 Figura 6: espectrograma con una ventana Kaiser de 1024 muestras y parámetro 0.5.

3. Conclusiones
Se realizó un algoritmo computacional que permite procesar adecuadamente una señal
cardíaca, con un costo computacional no tan alto ya que usa un método simple que multiplica
la señal consigo misma y luego busca el máximo en un rango acotado de muestras. Para
realizar una mejor caracterización de la señal es necesario el desarrollo de algoritmos que
permitan caracterizar corazones con un mal funcionamiento. Dicho desarrollo excede el
alcance de este trabajo.

4. Referencias
[1] Lugo J. Laboratorio de procesamiento digital de señales - Fonocardiograma, 2018.
[2] Lugo J. Laboratorio de procesamiento digital de señales - Fonocardiograma, manual de
usuario 2018.