Un Delineador de ECG Basado en Wavelet: Evaluación en Bases de Datos Estándar

Machine Translated by Google
570 TRANSACCIONES IEEE SOBRE INGENIERÍA BIOMÉDICA, VOL. 51, núm. 4 DE ABRIL DE 2004
Un delineador de ECG basado en wavelet: evaluación en
Bases de datos estándar
Juan Pablo Martínez*, Rute Almeida, Salvador Olmos, Miembro, IEEE, Ana Paula Rocha, y
Pablo Laguna, Miembro, IEEE
Resumen: en este artículo, desarrollamos y evaluamos un sistema sólido de El tema de la delineación automática de ECG ha sido ampliamente
delineación de electrocardiograma (ECG) de una sola derivación basado en la estudiado. Podemos distinguir dos grupos principales de algoritmos:
transformada wavelet (WT). En un primer paso se detectan los complejos QRS. algoritmos de detección de QRS y algoritmos de delimitación de ondas.
Luego, cada QRS se delimita detectando e identificando los picos de las ondas
El complejo QRS es la forma de onda más característica de la señal de
individuales, así como el inicio y el final del complejo. Finalmente, se realiza la
ECG. Su alta amplitud hace que la detección de QRS sea más fácil que las
determinación de los picos de las ondas P y T, en lances y extremos. Evaluamos
el algoritmo en varias bases de datos anotadas manualmente, como las bases de otras ondas. Por lo tanto, generalmente se utiliza como referencia dentro
datos MITBIH Arrhythmia, QT, European STT y CSE, desarrolladas con fines de del ciclo cardíaco. En la literatura se han propuesto una amplia diversidad
validación. El detector de QRS obtuvo una sensibilidad y una predictividad positiva de algoritmos para la detección de QRS. Una revisión extensa de los
de sobre la primera derivación de las bases de datos de validación (más de enfoques propuestos en la última década se puede encontrar en [1]. Los
980.000 latidos), mientras que para la conocida base de datos BIH
de
se
arritmias
alcanzó M
el
IT
detectores más antiguos se revisan en [2]–[4]. Un esquema generalizado
99,8%. En cuanto a la delineación de las ondas de ECG, se calcularon la media y
[2] que coincide con la mayoría de los detectores de QRS no sintácticos
la desviación estándar de las diferencias entre las anotaciones automáticas ysobre
manuales. Se encontró que el error medio obtenido con el enfoque WT no excedía presenta una estructura de dos etapas: una etapa de preprocesamiento,
un intervalo de muestreo, mientras que las desviaciones estándar estaban que generalmente incluye filtrado lineal seguido de una transformación no
alrededor de las tolerancias aceptadas entre médicos expertos, superando los lineal, y la(s) regla(s) de decisión.
resultados de otros algoritmos bien conocidos, especialmente en la determinación En cuanto a la delimitación (determinación de picos y límites de las
del final de la onda T. ondas QRS individuales, ondas P y T), los algoritmos suelen partir de una
ubicación QRS anterior y definen ventanas de búsqueda temporales antes
y después del punto fiduciario de QRS para buscar las otras ondas. Una
vez que se define la ventana de búsqueda, se aplica alguna técnica para
Términos de índice: delineación de onda de ECG, onda P, detección de QRS, T
mejorar las características de cada onda (por ejemplo, su banda de
onda, ondículas.
frecuencia) para encontrar los picos de onda.
La localización de los inicios y finales de las ondas es mucho más difícil,
I. INTRODUCCIÓN ya que la amplitud de la señal es baja en los límites de las ondas y el nivel
de ruido puede ser más alto que la propia señal. También vale la pena
señalar que no existe una regla clara universalmente reconocida para
EL análisis
del eEnfermedades
muchas CG es ampliamente utilizado
cardíacas, que spon
ara
dpiagnosticar
la rincipal causa de mor
ubicar el inicio y el final de las ondas de ECG, lo que complica la
talidad en los países desarrollados. Dado que la mayor parte de la
sistematización de la localización del inicio y el final. Se pueden encontrar
información clínicamente útil en el ECG se encuentra en los intervalos y
en la literatura enfoques de delineación muy diferentes basados en modelos
amplitudes definidos por sus puntos significativos (límites y picos de onda
matemáticos [5]–[7], la envolvente de la señal [8], filtros adaptados [9],
característicos), el desarrollo de métodos precisos y robustos para la
criterios de pendiente de ECG [10]–[14], derivadas de segundo orden [15],
delineación automática de ECG es un tema de gran importancia,
diferenciación de paso bajo (LPD) [16]–[18], transformada wavelet (WT)
especialmente para el análisis de grabaciones largas. De hecho, la detección
[19]–[21], descomposición de escala de tiempo no lineal [22], filtrado
de QRS es necesaria para determinar la frecuencia cardíaca y como
adaptativo [23], dinámica time warping [24], redes neuronales artificiales
referencia para la alineación de los latidos; La delineación de ondas de ECG
[25], [26] o modelos ocultos de Markov [27]. Algunos de los algoritmos
proporciona características fundamentales (amplitudes e intervalos) para
presentados en estos trabajos solo se pueden utilizar para obtener un
ser utilizadas en análisis automáticos posteriores.
subconjunto de los puntos característicos del ECG (p. ej., intervalo QT,
límites QRS, T final, etc.).
Manuscrito recibido el 28 de febrero de 2003; revisado el 7 de agosto de 2003.
Este trabajo fue apoyado en parte por MCyT y FEDER bajo el Proyecto TIC20012167 La validación de los detectores de QRS publicados más recientemente
CO202, en parte por la DGA bajo el Proyecto P075/2001, y en parte por la acción se basa en bases de datos estándar. Por otro lado, la mayoría de los
integrada HP20010031/CRUPE26/02. El trabajo de R. Almeida fue apoyado por FCT
y ESF (III CSF) bajo la Beca SFRH/BD/5484/2001. trabajos sobre delineación de ECG no utilizan este enfoque, lo que dificulta
El asterisco indica el autor correspondiente. la reproducibilidad y comparabilidad de los resultados de rendimiento.
*JP Martínez pertenece al Grupo de Tecnologías de la Comunicación, Instituto
Aragonés de Investigación en Ingeniería, Universidad de Zaragoza, María de Luna, 1,
La transformada wavelet proporciona una descripción de la señal en el
50015 Zaragoza, España (email: jpmart@unizar.es).
R. Almeida y AP Rocha pertenecen al Departamento de Matemática Apli cada, dominio de la escala de tiempo, lo que permite la representación de las
Faculdade de Ciências, Universidade do Porto, 4169 007 Porto, Portugal. características temporales de una señal en diferentes resoluciones; por lo
S. Olmos y P. Laguna pertenecen al Grupo de Tecnología de las Comunicaciones,
tanto, es una herramienta adecuada para analizar la señal de ECG, que se
Instituto Aragonés de Investigación en Ingeniería, Universidad de Zaragoza, 50015
Zaragoza, España. caracteriza por la aparición cíclica de patrones con diferente contenido de
Identificador de objeto digital 10.1109/TBME.2003.821031 frecuencia (complejos QRS, ondas P y T). Además, el ruido y
00189294/04$20.00 © 2004 IEEE
MARTÍNEZ et al.: UN DELINEADOR DE ECG BASADO EN WAVELET. EVALUACIÓN SOBRE BASES DE DATOS ESTÁNDAR 571
los artefactos que afectan la señal de ECG también aparecen en diferentes
bandas de frecuencia, por lo que tienen una contribución diferente en las
distintas escalas.
En [19], se propuso un detector de QRS multiescala que incluye un método
para detectar ondas P y T monofásicas, aunque solo se validó el detector de
QRS. En este artículo, presentamos una generalización de ese método, incluida
la determinación de las ondas QRS individuales y una delineación robusta de
las ondas QRS, P y T para una amplia gama de morfologías. El rendimiento se
evalúa utilizando bases de datos de ECG estándar anotadas manualmente,
donde ya se han probado otros algoritmos: MITBIH Ar ritmia [28], QT [29],
European STT [30] y CSE multiderivación de medición [31] bases de datos .
Algunos de los resultados de evaluación obtenidos usando una versión
Fig. 1. Dos implementaciones de banco de filtros de DWT. (a) Algoritmo de
preliminar de este delineador ya fueron presentados en [32]. Mallat. (b) Implementación sin diezmar (algorithme à trous).
El factor de escala y/o el parámetro de traducción se pueden discretizar. La
El documento está organizado de la siguiente manera: en la Sección II,
opción habitual es seguir una cuadrícula diádica en el plano de escala de
presentamos los algoritmos de detección y delimitación y el proceso de .
tiempo: y La transformada se llama
funciones
entonces de
transformada
base wavelet diádica, con
validación. Los resultados de la validación en varias bases de datos y su
comparación con otros algoritmos se dan en la Sección III y se discuten en la
Sección IV. Finalmente, las conclusiones se presentan en la Sección V. (3)
Para señales de tiempo discreto, la transformada wavelet discreta diádica
(DWT) es equivalente, según el algoritmo de Mallat, a un banco de filtros de
II. MATERIALES Y MÉTODOS
octava [35], y puede implementarse como una cascada de celdas idénticas
A. Transformada Wavelet [paso bajo y paso alto]. pasar filtros de respuesta de impulso finito (FIR)], como
se ilustra en la Fig. 1 (a). A partir de los coeficientes transformados y el residual
La transformada wavelet es una descomposición de la señal como
de paso bajo, la señal original se puede rde econstruir
utilizando un banco de filtros
reconstrucción.
combinación de un conjunto de funciones base, obtenidas mediante dilatación
( ) y traslación ( ) de una única wavelet prototipo. Así, el WT de una señal
Se define como Sin embargo, para esta aplicación solo nos interesa el banco de filtros de
análisis.
Los muestreadores inferiores después de cada filtro en la Fig. 1 (a) eliminan
(1) la redundancia de la representación de la señal. Como efectos secundarios,
hacen que la representación de la señal varíe en el tiempo y reducen la
Cuanto mayor es el factor de escala, más amplia es la función base y, en resolución temporal de los coeficientes wavelet para escalas crecientes.
consecuencia, el coeficiente correspondiente proporciona información sobre los Para mantener la invariancia en el tiempo y la resolución temporal en diferentes
componentes de menor frecuencia de la señal, y viceversa. De esta forma, la escalas, usamos la misma tasa de muestreo en todas las escalas, lo que se
resolución temporal es mayor en frecuencias altas que en frecuencias bajas, logra eliminando las etapas de diezmado e interpolando las respuestas de
consiguiendo la propiedad de que la ventana de análisis comprende el mismo impulso del filtro de la escala anterior. Este algoritmo, llamado algoritmo à trous
número de periodos para cualquier frecuencia central. [36], se muestra en la Fig. 1(b).
Usando este algoritmo, la respuesta de frecuencia equivalente para el
la escala es
Si la wavelet prototipo es la derivada de una función de suavizado, se puede
demostrar [33], [34]
, que la wavelet se transforma de una señal
a escala es
(4)
(2)
B. Wavelet prototipo utilizado en este documento
donde es la versión escalada de la función de suavizado. La transformada En este trabajo, usamos como wavelet prototipo una spline cuadrática
wavelet a escala es proporcional a la derivada de la versión filtrada de la señal propuesta originalmente en [33]. Esta ondícula ya se aplicó a las señales de
con una respuesta de impulso de suavizado a escala. Por lo tanto, los cruces ECG en [19] y [21], mientras que en [20] se utilizó la derivada de una función
por cero de la WT corresponden a los máximos o mínimos locales
suavizada
de la
a señal de suavizado gaussiana. La transformada de Fourier spline cuadrática es
diferentes escalas, y los valores absolutos máximos de la transformada wavelet
están asociados con pendientes máximas en la señal filtrada.
(5)
En cuanto a nuestra aplicación, estamos interesados en detectar ondas de
ECG, que se componen de pendientes y máximos (o mínimos) locales a A partir de (5), la ondícula se puede identificar fácilmente como la derivada de
diferentes escalas, que ocurren en diferentes instantes de tiempo dentro del la convolución de cuatro pulsos rectangulares, es decir, la derivada de una
ciclo cardíaco. De ahí la conveniencia de utilizar este tipo de wavelet prototipo. función de paso bajo. La Fig. 2 representa las funciones wavelet y de suavizado
utilizadas en este documento.
Se requieren algunos procedimientos de adaptación para que el sistema
pueda manejar de manera equivalente señales de ECG con diferentes
frecuencias de muestreo. Otros delineadores de forma de onda publicados
anteriormente que utilizan el WT [19]–[21] no han tenido en cuenta este
hecho, considerando una frecuencia de muestreo única ( Hz).
Remuestrear la señal es una solución que demanda tiempo. Una
mejor solución es calcular, para cada uno, un ntuevo
, que conjunto
engan de filtros
respuestas de
frecuencia analógicas equivalentes lo más cercanas posible a las de la
Fig. 3. Para este propósito, volvimos a muestrear adecuadamente las
respuestas de impulso de filtro equivalentes a 250 Hz (donde significa la
transformada de Fourier) a otras tasas de muestreo.
Las respuestas de frecuencia equivalentes correspondientes a las tasas
de muestreo de las bases de datos de Arrhythmia y CSE del MITBIH
(360 Hz y 500 Hz, respectivamente) se muestran y comparan con las de
. 250 Hz en la Fig. 4. Se puede observar que las respuestas de frecuencia
Fig. 2. Wavelet prototipo y función de alisado
del banco de filtros adaptado constituyen una buena aproximación de los
filtros originales hasta una frecuencia de 45–50 Hz.
D. Descripción de los Algoritmos
Los algoritmos presentados en esta sección se aplican directamente
sobre la señal de ECG digitalizada sin ningún filtrado previo. En cualquier
caso, la señal de ECG se puede preprocesar como de costumbre para
reducir el nivel de ruido. Sin embargo, el filtrado en el dominio de la
frecuencia se realiza implícitamente al calcular el DWT, lo que hace que
el sistema sea robusto y permite la aplicación directa sobre la señal de
ECG sin procesar.
A partir de las respuestas equivalentes en la Fig. 3 y de acuerdo con
el espectro de las ondas de la señal de ECG [38], está claro que la mayor
. a
parte de la energía de la señal de ECG se encuentra dentro de las escalas
Fig. 3. Respuestas de frecuencia equivalentes del DWT a escalas para una , Para escalas más altas q,ue
P yla
Te tnergía
ienen cdomponentes
el QRS es msuy
bajo. Las oandas
ignificativos
frecuencia de muestreo de 250 Hz. escala, aunque la influencia de la desviación de la línea de base es
importante a esta escala.
Para la wavelet prototipo seleccionada, los filtros y La Fig. 5, inspirada en [19, Fig. 1], muestra varias ondas simuladas
para implementar el DWT como en la Fig. 1 son [19], [37] similares a las del ECG, junto con las cinco primeras escalas de su
DWT. Como se ejemplifica en (a), las ondas monofásicas producen un
par máximo positivomínimo negativo a lo largo de las escalas, con un
cruce por cero entre ellas. Cada cambio brusco en la señal está
(6) asociado a una línea de máximos o mínimos a lo largo de las escalas.
En la onda (b), que simula un complejo QRS, se puede observar que
que son filtros FIR con respuestas de impulso los pequeños picos de las ondas Q y S tienen cruces por cero asociados
en el WT, principalmente a escalas y las ondas tipo P o T. (componente
c) tienen su
mayoritario en escalas a mientras que artefactos como (d) producen , líneas
(7) máximas o mínimas aisladas que pueden descartarse fácilmente. Si la
señal está contaminada con ruido de alta frecuencia (e), las escalas
Usando el algoritmo à trous de la Fig. 1(b) y (4) y (6), las respuestas más afectadas son y , siendo las escalas superiores esencialmente
de frecuencia de las primeras cinco escalas son las representadas en inmunes a este tipo de ruido.
la Fig. 3, considerando una frecuencia de muestreo de 250 Hz. Cabe El desvío de la línea de base (f) afecta solo a escalas superiores a .
señalar que las funciones de transferencia muestran una característica Utilizando la información de máximos, mínimos y cruces por cero
de diferenciador de paso bajo. Como los filtros de análisis tienen fase locales a diferentes escalas, el algoritmo identifica los puntos
lineal [19], las salidas de los filtros pueden realinearse para presentar significativos en los siguientes cuatro pasos: 1) detección de complejos
el mismo retardo con respecto al ECG original. Por lo tanto, el enfoque QRS; 2) detección e identificación de las ondas individuales QRS (Q,
basado en wavelet para la delineación de ECG se puede considerar R, S, R'), y determinación de los límites del complejo QRS; 3) Detección
como un enfoque de banco de filtros diferenciador con las respuestas y delimitación de ondas T; y 4) detección y delimitación de ondas P.
de filtro en (4).
1) Detección de QRS: en primer lugar, los complejos QRS se
C. Adaptación de los Filtros a Otras Frecuencias de Muestreo
detectan mediante un algoritmo basado en el enfoque multiescala
El resultado de usar los mismos filtros para una frecuencia de muestreo propuesto por Li y colaboradores en [19]. Este algoritmo busca en las
distinta de 250 Hz es la escala de frecuencia de las bandas en la Fig. 3. Por lo tanto,escalas "líneas de módulo máximo" que excedan algunos
Fig. 4. Respuestas de frecuencia equivalentes de los filtros utilizados para frecuencias de muestreo de (a) 360 Hz y (b) 500 Hz (líneas continuas). Las líneas discontinuas son las respuestas
de frecuencia equivalentes de los filtros originales para señales muestreadas a 250 Hz.
detección e identificación de las ondas individuales QRS. El
algoritmo parte de la posición dada por el detector, que debe estar
, flanqueado por un par de módulos máximos con signos
opuestos a escala, a saber, en y después
El delineador
máximos
busca
de tras y .
significativos
aontes
pendientes adyacentes dentro del complejo
un módulo mQRS. Psignificativo,
áximo ara considerar
local
como
debe superar el umbral,
o respectivamente para olas anteriores o posteriores.
Los cruces por cero entre estas pendientes significativas a escala
se asignan a picos de onda y se etiquetan según el signo y la
secuencia de los módulos máximos. El algoritmo considera
cualquier posible morfología de QRS con tres o menos ondas
(complejos QRS, RSR', QR, RS, R y QS), e incluye medidas de
protección, basadas en intervalos de tiempo y reglas de signos,
para rechazar muescas en las ondas y desviaciones anómalas en la señal de ECG
Ver Fig. 7 para ejemplos de estos complejos.
El inicio (final) del QRS es antes (después) de la primera (última)
Fig. 5. WT en las primeras cinco escalas de ondas simuladas similares a ECG. (Inspirado en
pendiente significativa del QRS, que se asocia con un máximo de .
[19, Fig. 1].). Entonces, primero identificamos
asociado con el QlRS
as m uestras
en del primer
y , digamos . y último
Luego, los pico
candidatos para el inicio y el final están determinados por ap
umbrales a escalas de y a
; a saber, , ,
, (consulte el Apéndice para obtener más aplicando dos criterios: i) buscar la muestra donde se
detalles sobre los umbrales). Después de rechazar todas las o ( ) relativo
encuentra por debajo de un umbral a la del módulo
amplitud
líneas máximas aisladas y redundantes, el cruce por cero del WT máximo ( ); ii) buscando un mínimo local de antes o y después.
a escala entre un par máximo positivomínimo negativo se marca Finalmente se seleccionan el inicio y el final del QRS candidatos o
como los que
como un QRS. Se toman otras medidas de protección, como un suministren la muestra más cercana al QRS.
período refractario o una búsqueda con umbrales más bajos si ha
transcurrido un tiempo significativo sin detectar ningún QRS. 3) Detección y delimitación de ondas T: el proceso para la detección
Nuestra implementación, aunque basada en [19], es ligeramente y delimitación de ondas T multiescala es el siguiente: en primer lugar,
diferente: la búsqueda de la onda principal del QRS no se restringe definimos una ventana de búsqueda para cada latido, relativa a la
a una onda R, lo que permite la detección de ondas negativas posición del QRS y en función de un intervalo RR calculado recursivamente.
(pares mínimo negativo máximo positivo). Posteriormente, se Dentro de esta ventana, buscamos máximos locales .
identifican las ondas individuales. Además, nuestro algoritmo no de Si al menos dos de ellos superan el umbral, se c, onsidera que
incluye análisis de regularidad, sino solo criterios basados en hay una onda T. En este caso, los máximos locales de WT con
amplitud, y los umbrales no se actualizan para cada latido, sino amplitud mayor que se consideran de como
la opnda,
endientes
y los csruces
ignificativas
por
para cada extracto de muestras. cero entre ellos como los picos de onda. Dependiendo del
En la Fig. 6, se han seleccionado algunos extractos de ECG de la base número y polaridad de los máximos encontrados, asignamos una
de datos de arritmias del MITBIH para ilustrar la solidez del detector que de las seis posibles morfologías de onda T: positiva (+), negativa
se ocupa de los artefactos de movimiento, el ruido muscular, la desviación (), bifásica (+/ o /+), solo hacia arriba y solo hacia abajo (ver
de la línea de base y los cambios en la morfología del QRS. Fig. 8). Si la onda T no se encuentra en escala repetimos el
2) Delineación QRS (Ondas Onset, End e Individual): Una de proceso anterior Atendiendo a la pérdida de resolución temporal .
las novedades respecto a [19] es la en las escalas crecientes,
Fig. 6. Ejemplos del comportamiento del detector de QRS frente a diferentes tipos de ruido y cambios de morfología. (a) Artefacto de movimiento, (b) ruido muscular, (c) desviación
de la línea base y (d) cambios en la morfología del QRS. La señal de ECG, las primeras cuatro escalas del WT y los complejos QRS detectados (líneas verticales) se muestran en
cada panel.
los picos de la onda T corresponden a los cruces por cero a escala marcas (MITDB) o inicios de QRS (EDB). La QTDB incluye algunos
si existen, oa la escala
, identificar elímites
los n la que
sle
de a eoncontró
la onda
nda, usamos
criterios qTue
los . Pismos
m para
ara el registros de EDB y MITDB y también de otras bases de datos de
inicio y el final del QRS, con umbrales y aplicados a escala 4) MITBIH (cambio de ST, arritmia supraventricular, ritmo sinusal
Detección y delimitación de la onda P: El algoritmo similar
de la
aol nda
algoritmo
de Pla
es
normal, muerte súbita y largo plazo). Esta base de datos se
.
onda T, utilizando un RR adecuado. ventana de búsqueda desarrolló con fines de validación de límites de ondas y proporciona
dependiente y umbrales adecuados ( ). Para la onda P solo se anotaciones de cardiólogos para al menos 30 latidos por registro
admiten cuatro morfologías diferentes: positiva (+), negativa () y (ref1), con marcas que incluyen complejos QRS, picos de ondas P
bifásica (+/, /+), como se ilustra en la figura 9. , , y T, inicios y finales. Eso hace una cantidad de más de 3600 latidos
y anotados. El QTDB también incluye, para 11 de sus 105 registros,
una anotación adicional realizada por un segundo cardiólogo (ref2),
haciendo un total de 404 latidos con doble anotación de referencia.
En 79 de las 105 grabaciones se proporcionan archivos de
E. Validación anotaciones adicionales con las posiciones QRS anotadas
Como no existe una regla de oro para determinar el pico, el inicio y manualmente o auditadas durante toda la grabación. Las señales
el final de las ondas de ECG, la validación del delineador debe CSEDB incluyen las 12 derivaciones estándar y las derivaciones
realizarse utilizando bases de datos anotadas manualmente. Para Frank. Esta base de datos proporciona, en un número limitado de
estos fines, utilizamos algunas bases de datos estándar o de fácil latidos (como máximo un latido por registro), anotaciones de árbitro
acceso, a saber, la base de datos de arritmia MITBIH (MITDB), la medianas basadas en cinco cardiólogos árbitros. Los cardiólogos
base de datos QT (QTDB), la base de datos europea STT (EDB) y el solo analizaron una submuestra de la biblioteca (cada cinco
conjunto de datos 3 del CSE multilead. base de datos de medición registros) y, adicionalmente, algunas ondas para las que diferían
(CSEDB). Las principales características de estas bases de datos se recopilan significativamente
en la Tabla I. un conjunto de programas de análisis. Así, el
El MITDB incluye grabaciones Holter especialmente seleccionadas número de latidos anotados manualmente es escaso (32 latidos).
con fenómenos anómalos pero clínicamente importantes. Los Para la validación de la detección de QRS, usamos la
archivos EDB presentan episodios isquémicos extraídos de registros MITDB, la EDB y la QTDB (79 registros) y para evaluar el
Holter. Estas bases de datos incluyen anotaciones de posiciones QRS: Rdesempeño de la delineación, usamos la QTDB completa y la CSEDB.
Fig. 7. Ejemplos de latidos del QTDB con diferentes morfologías del complejo QRS con su WT a escala y los picos (líneas cortas) y los límites del QRS
(líneas largas) determinados por el algoritmo. (a) complejo QRS, (b) complejo QRS (con muesca), (c) complejo R, (d) complejo RSR' (e), complejo RS y
(f) complejo QS.
Estas son, hasta donde sabemos, las únicas dos bases de datos estándar Para evaluar el detector de QRS, calculamos la sensibilidad TP
que se han utilizado para probar las técnicas de delineación. Además, la ( TP FN) y la predictividad
número
positiva
de detecciones
TP ( TP FP ),
positivas
donde
verdaderas,
TP es el FN
base de datos EDB también se utilizó para evaluar el rendimiento de la representa el número de detecciones de falsos negativos
determinación del inicio del QRS. y FP representa el número de falsas detecciones de falsos positivos.
Para la detección de QRS solo se procesó el primer canal de cada En cuanto a la delineación de ondas, se calculó como la media de los
registro con el objetivo de comparar con otros trabajos publicados. El errores, tomados como las diferencias de tiempo entre las anotaciones
delineador basado en wavelet funciona en un solo canal, mientras automáticas y las del cardiólogo. La desviación estándar promedio
que el proceso de anotación manual se realizó teniendo a la vista ( ) del error se calculó promediando las desviaciones estándar
todas las derivaciones disponibles. Por lo tanto, para comparar de intrarregistro. En el CSEDB, como solo hay un latido anotado por
manera razonable las anotaciones manuales en QTDB y EDB con los registro, corresponde a la desviación estándar de los errores. Para
dos conjuntos de anotaciones de un solo canal producidos por el QTDB, también se calculó, pero dado el formato de esta base de
delineador, elegimos para cada punto el canal con menos error. En el datos, no fue posible cuantificar el como ya se señaló en [7]. De
CSEDB obtuvimos con nuestro sistema 15 conjuntos diferentes de hecho, cuando no hay anotación, tampoco sabemos si el cardiólogo
anotaciones, uno para cada canal, y necesitábamos una regla más consideró que no había onda o, sanotar
i simplemente creyó qeue
con seguridad no podía
l punto
(p. ej.,
compleja para seleccionar una sola ubicación para cada punto por el ruido). De todos modos, para puntos distintos al complejo QRS,
característico. Usamos para ese propósito una regla que consiste en se puede calcular considerando cada marca de referencia ausente en
ordenar las 15 anotaciones de una sola derivación y seleccionar como un latido anotado como una decisión de onda no presente. Los valores
inicio (final) de una onda la primera (última) anotación cuyos vecinos obtenidos se pueden interpretar como un límite inferior ( ) para el
más cercanos se encuentran dentro de un intervalo de ms. Esta regla
ya había sido utilizada (y
en
m[s
11]
para
(y m
los
s plímites
ara
del lQ
os
dle
ímites
la
RS, mos
nda
pdara
el
PQ eyRS)
efinal
l l inicio
y [d16]
e la
T). ,
ms para el final del QRS, y .
Fig. 8. Ejemplos de diferentes morfologías de ondas T y su transformada de wavelet en los límites de onda de escala. (a) . Las líneas verticales cortas muestran anotaciones de pico, mientras que las líneas largas indican
Onda T positiva, (b) Onda T negativa, (c) Onda T bifásica, (d) Onda T ascendente, (e) Onda T descendente y (f) Onda T con baja SNR.
Fig. 9. Ejemplos de ondas P con diferentes polaridades y en ausencia de onda P, su WT a escala (b) onda P negativa, y (c) onda P , y marcas de picos, inicios y finales. (a) Onda P positiva,
ausente.
tercero RESULTADOS [39] (en modo de un solo canal), y otros detectores publicados se dan en la
Tabla II. La mayoría de los algoritmos se probaron en MITDB. En algunos
A. Resultados de la detección de QRS
trabajos [20], [40], los primeros 5 min de la MITDB se utilizaron como período de
El rendimiento de detección en MITDB, QTDB y EDB obtenido por nuestro aprendizaje y no se consideraron en la validación. Dado que nuestro algoritmo
detector de QRS basado en WT, el software Aristotle no necesita ningún pe
TABLA I IV. DISCUSIÓN
CARACTERÍSTICAS DE LAS BASES DE DATOS DE VALIDACIÓN
El sistema de delineación basado en WT propuesto logra un rendimiento
de detección muy bueno en las bases de datos estudiadas. El detector de
QRS alcanza (0,78% de errores) en la pyrimera derivación de las
tres
de bases
datos:
983 423 latidos (horas de ECG). En el MITDB (ampliamente utilizado para
evaluar los
detectores
[21] de QRS),
y usno
y este artículo) olo
mtuy
res
detectores
reciente basados
basado en WT ([19],
en enfoques más
clásicos [46], informan y más de 99,8 % Sin embargo, el uso extensivo de
riod, se consideraron todas las grabaciones. Se excluyeron los segmentos
la MITDB como base de datos de prueba puede ocultar un ajuste excesivo
con aleteo ventricular en el registro 207 de MITDB (2 min 24 s) y los
de los parámetros del detector para adaptarse a eparticular.
sta base dEe
n
dcatos
onsecuencia,
en
anotados como ilegibles en la EDB (57 min 6 s en la derivación 1 y solo 2
la validación del mismo detector en un segundo conjunto de datos sin ningún
min 46 s en ambas derivaciones simultáneamente).
ajuste de parámetros posterior puede ayudar a obtener resultados de
Los resultados parciales se presentan en [20] utilizando el primer canal
rendimiento más fiables. En realidad, fijamos los umbrales usando señales
de los ocho primeros registros de la MITDB (100 a 107) y omitiendo los
de la MITDB como conjunto de entrenamiento, pero como se puede observar
primeros 5 min. Ese detector de QRS basado en WT logra en esos registros
en la Tabla II, obtuvimos un rendimiento similar en la QTDB o la EDB,
93 FP y 84 FN de 14 481 latidos analizados ( y ). Nuestro detector basado
modificando solo el remuestreo de los filtros como se explica en la Sección
en WT presentado en esos extractos 43 FP y 23 FN (y
IIC. para hacer frente a las diferencias en la frecuencia de muestreo. Es
importante remarcar que en EDB, el primer canal del registro e0305 (que
).
presenta ondas T muy estrechas y altas) es responsable del 42% de la FP
B. Resultados de la delineación y del 57% de la FN. Excluyendo este registro, el rendimiento en el EDB es
y el rendimiento total en el
Los resultados de validación global obtenidos con el delineador basado
en WT (este documento) y un método basado en diferenciador de paso bajo
(LPD) [16] en QTDB se muestran en la Tabla III. Una versión anterior del ,
algoritmo LPD ya había sido validada en QTDB en [47]. Los resultados para tres conjuntos de datos aumenta , sobre
T pico y T final del detector complejo TU recientemente propuesto en [7] a 974 042 latidos.
también se muestran en esa tabla. En la última fila, incluimos las tolerancias
El detector basado en WT, a diferencia de la mayoría de los detectores
de dos desviaciones estándar aceptadas dadas por el grupo de trabajo CSE
de QRS encontrados en la literatura, permite aprovechar la misma etapa de
a partir de mediciones realizadas por diferentes expertos [48, Tabla 2].
análisis de wavelet para la delineación de ondas de ECG, debido a las
características particularmente apropiadas del análisis de escala de tiempo.
En la Tabla IV comparamos, dentro del subconjunto de la QTDB con
En [19] y [21] se planteó la posibilidad de detectar picos de ondas P y T
anotaciones de doble referencia, los errores de delimitación con respecto a
monofásicas, pero no se evaluó. Solo en [20] se validó un algoritmo para
ambos árbitros (ref1 y ref2) y las diferencias intercardiólogas. Dado que el
detectar los picos, inicios y finales de las ondas P y T monofásicas utilizando
segundo cardiólogo no anotó ninguna onda P, no se dan resultados para
el CSEDB. Nuestro algoritmo permite la delineación de una amplia variedad
esta onda.
de morfologías del complejo QRS, onda P y onda T.
El especial interés en la delineación de la onda T y la alta dificultad de
la determinación de su final justifica un estudio más detallado. Se realizó
una clasificación registro por registro como se propone en [47] y más El rendimiento de delineación en el QTDB (Tabla III) muestra que nuestro
recientemente en [7]. Para facilitar la comparación con trabajos previos, algoritmo WT puede detectar con alta sensibilidad las ondas P y T anotadas
elegimos el mismo umbral que en [7], es decir, 15 ms para el sesgo y 30,6 por cardiólogos en el ECG (para las ondas P y 99,77% para las ondas T), y
ms para la desviación estándar. Así, los registros se clasifican en cuatro puede delinearlas con errores medios que son en todos los casos menores
que o alrededor de una muestra (4 ms). Las desviaciones estándar son
grupos, según: Grupo I: ms y ms; Grupo II: ms y ms y ms y Grupo IV: ms.
Los resultados de la estratificación con
onda
los tres
T y aelgoritmos
l extremo pTTabla
ara
se edl
an
V
pico
. en
dla
e la alrededor de tres muestras para la onda P, dos muestras para el inicio y el
milisegundo; Grupo
final del QRS y de tres a cuatro muestras para el pico T y el final T.
III: ms y
es una
eencontrados
No obstante los valores stimación ctambién
onservadora del valor real(ondas y, para
son satisfactorios
las ondas T). para la P
En el CSEDB, usamos la regla explicada en la Sección IIE para
seleccionar una única posición de derivación múltiple para cada punto significativo.La comparación de nuestros resultados con los del enfoque LPD y el
Se encontró que el desempeño era muy sensible a los valores elegidos. detector TU permite observar que nuestro algoritmo supera claramente a
Obtuvimos el mejor rendimiento utilizando y ms para los límites de P, 10 los demás en la delineación de la onda T, especialmente en el extremo de
ms para el final
del QRS
dyel
resultados 1r2
ms para el
endimiento dinicio
y el final
e múltiples tomando la onda T, donde la desviación estándar del error es casi reducida en un
del QRS. Los
derivaciones,
como referencia las anotaciones medianas del cardiólogo , se muestran tercio. Los resultados en los demás puntos son bastante similares y las
en la Tabla VI. diferencias entre ellos son pequeñas en comparación con el intervalo de
muestreo.
Finalmente, también utilizamos la EDB para la validación de inicio de Algunos trabajos consideraron los valores dados por el Grupo de Trabajo
QRS, considerando que los puntos de referencia de QRS anotados en esta CSE en [48, Tabla 2] como referencia para las tolerancias de error de
base de datos son marcas de inicio de QRS. Seleccionando el canal con delineación. En el artículo citado, se afirmaba que “la desviación estándar de
menor error para cada latido, obtuvimos un error medio de 0,1 ms y una las diferencias [de los resultados de un programa] con respecto a la referencia
desviación estándar promedio de 7,5 ms sobre 790 287 latidos. no debe exceder ciertos límites que se enumeran en la Tabla II”. sin embargo, el
TABLA II
COMPARACIÓN DEL RENDIMIENTO DE LA DETECCIÓN DE QRS EN VARIAS BASES DE DATOS (PRIMER CANAL). (N/R: NO REPORTADO)
TABLA III
COMPARACIÓN DEL RENDIMIENTO DE DELINEACIÓN EN LA QTDB (DOS CANALES). (N/R: NO REPORTADO, N/A: NO APLICA)
CUADRO IV
COMPARACIÓN DEL DESEMPEÑO DE DELINEACIÓN ENTRE EL DELINEADOR PRESENTADO Y AMBOS ÁRBITROS
límites dados en esa tabla, se obtuvieron como dos desviaciones algoritmos, aunque la tolerancia para el final de T se lograría casi
estándar de las diferencias (en milisegundos) entre la mediana de por el enfoque WT.
los lectores individuales y las estimaciones finales del árbitro. En Sin embargo, la interpretación de las tolerancias CSE al evaluar
consecuencia, algunos autores [7], [16], [20], [24] consideraron que los resultados en la QTDB no es tan simple, ya que se calcularon a
un algoritmo debe cumplir (criterio suelto), m[11],
ientras
[22],
que
una para
desviación
otros partir de un conjunto de señales con diferente número de canales,
estándar debe ser alcanzado (criterio estricto). A partir de resultados
los resolución, frecuencia de muestreo, calidad y ritmos.
en los detectores QTDB, WT y LPD cumplirían los "criterios sueltos" Dados los 11 registros anotados por un segundo cardiólogo en la
en el extremo P, el extremo QRS y el extremo T, y casi para el inicio QTDB, pudimos obtener una estimación de las diferencias
del QRS. Los “criterios estrictos” no se cumplirían con ninguno de intercardiólogas en esta base de datos. Puede verse en la Tabla IV
los mencionados que el error entre el sistema de delineación basado en WT y cada uno de los
TABLA V
ESTRATIFICACIÓN DEL REGISTRO QTDB SEGÚN LA PRECISIÓN DE LA DELINEACIÓN
TABLA VI
COMPARACIÓN DE RESULTADOS DE DELINEACIÓN EN EL CSEDB. (N/R: NO SE INFORMA; N/A: NO APLICA; #: NÚMERO DE ANOTACIONES)
debido a la falta de una base de datos convenientemente anotada para
árbitros es inferior o similar al error entre cardiólogos en todos los puntos,
salvo un apreciable sesgo en el extremo T, que es insignificante si tenemos ese tipo de validación.
en cuenta toda la base de datos. Para tener una validación más confiable,
sería beneficioso tener anotaciones de más de un cardiólogo en todo el
V. CONCLUSIÓN
QTDB.
Con respecto a la Tabla V, la estratificación de los registros según el Hemos presentado y validado en este artículo un sistema de delineación
error es bastante similar para los tres métodos en el caso del pico T, pero de ECG basado en ondículas que realiza la detección de QRS y también
el enfoque WT proporciona el mayor porcentaje (alrededor del 77 %) de proporciona las ubicaciones de los picos de las ondas P, Q, R, S, R' y T, y
registros bien detectados en la onda T. fin. la P , QRS y límites de onda T usando una sola etapa de análisis: la
En este grupo, el error medio fue insignificante mientras que la desviación transformada de ondícula diádica de la señal de ECG. El algoritmo ha sido
estándar del error en la determinación final de T se reduce a tres muestras validado utilizando varias bases de datos anotadas estándar, con diferentes
(12 ms). frecuencias de muestreo y una amplia diversidad de morfologías, lo que
Las anotaciones manuales de CSEDB se realizaron con información hace un total de más de 980 000 latidos para la detección de QRS, más
de todos los clientes potenciales, mientras que el delineador basado en de 790 000 latidos para el inicio de QRS y más de 3500 latidos para otros
WT presentado funciona en un solo canal. Observamos que el rendimiento significativos. puntos.
de la delineación de derivaciones múltiples fue extraordinariamente Los resultados se compararon con los de otros enfoques publicados y
sensible a los parámetros elegidos de la regla multicanal. En la Tabla VI, demostraron que el algoritmo desarrollado proporciona una delineación
obtuvimos resultados claramente peores que los reportados en [16] para confiable y precisa de la señal de ECG, superando a otros algoritmos y
el final del QRS y el final del T, con ligeras diferencias en los otros puntos. con errores dentro de las variaciones intercardiológicas observadas. La
Sahambi et al. informado en [20] desviación estándar de error inferior en mejoría más significativa se encontró en el extremo de la onda T, que
el CSE, especialmente en los límites QRS, aunque no tenemos información presenta, en general, la mayor dificultad en su determinación, lo que se
sobre qué conjunto de datos y qué regla de una derivación a múltiples refleja en las mayores diferencias intercardiológicas. La clave para esta
derivaciones se utilizaron. En cuanto a las tolerancias admitidas, los mejora del rendimiento es, según nuestro entendimiento, el enfoque
“criterios sueltos” fueron cumplidos por nuestro sistema de delineación. multiescala, que permite atenuar el ruido en escalas aproximadas y luego
Los "criterios estrictos" solo se cumplieron esencialmente en los límites de refinar la precisión de las posiciones con la ayuda de escalas más finas.
la onda P. De todos modos, la significación de estos resultados está
limitada por el reducido número de latidos ( ),
del
y peor
nfoque
la gran
mdultiderivación.
ependencia
Si bien la evaluación de los detectores de QRS se puede realizar de
Finalmente, los resultados en las anotaciones automáticas de inicio de manera razonable y confiable con las bases de datos estándar existentes,
QRS del EDB revisadas por árbitros permitieron validar la delineación en encontramos dificultades para la evaluación de los algoritmos de
una extensa colección de latidos ( ). Usando un conjunto
de datos
grande, el tsan
esgo delineación de una sola derivación. El número de latidos anotados aún es
fue insignificante y la desviación estándar del error fue de alrededor de insuficiente para tener una buena representación de las posibles
dos intervalos de muestreo. morfologías encontradas en las señales de ECG. Además, según nuestro
Además de las características discutidas anteriormente, el método conocimiento, no existe ninguna base de datos disponible con "anotaciones
presentado puede detectar y delinear las ondas individuales del complejo de derivación única", lo que permitiría una evaluación y comparación más
QRS. Sin embargo, no pudimos evaluar su rendimiento. eficaces de los algoritmos de delineación de derivación única.
APÉNDICE [6] I. Murthy y GD Prasad, "Análisis de ECG de modelos polocero",
Trans. IEEE. biomedicina Ing., vol. 39, págs. 741–751, julio de 1992.
Los umbrales de amplitud en los algoritmos presentados se [7] J. Vila, Y. Gang, J. Presedo, M. FernandezDelgado y M. Malik, "Un nuevo enfoque para la
pueden agrupar en tres tipos. caracterización del complejo TU", IEEE Trans. biomedicina
Ing., vol. 47, págs. 764–772, junio de 2000.
En primer lugar, los umbrales utilizados para decidir si un par de valores máximos
[8] M. Nygards y L. Sörnmo, "Delineación del complejo QRS utilizando la envolvente del ECG",
los módulos con signo opuesto pueden representar una , , Med. Biol. Ing. Computación, vol. 21, págs. 538–547, marzo de 1983.
, onda: (para la detección de QRS) y (en la delineación
[9] ASM Koeleman, HH Ros y TJ van den Akker, “Medición del intervalo latido a latido en el
de ondas T/P). Estos umbrales son proporcionales al valor RMS del electrocardiograma”, Med. Biol. Ing. Computación, vol. 23, págs. 213–219, 1985.
WT en las escalas correspondientes. Para la detección de QRS, en
cada extracto de muestras [10] A. Algra y HLBC Zeelenberg, “Un algoritmo para la medición por computadora de los
intervalos QT en el ECG de 24 horas”, en Computers in Car diology. Los Alamitos, CA:
RMS IEEE Computer Society Press, 1987, págs. 117–119.
(A.1)
RMS (A.2) [11] P. de Chazal y B. Celler, "Medición automática del inicio y el final del QRS en derivaciones
de ECG individuales", presentado en la 18.ª reunión Ann. En t. Conf.
Para ondas T y P Ing. IEEE Medicina. Biol. Soc., Ámsterdam, Países Bajos, 1996.
[12] IK Daskalov, IA Dotsinsky y II Christov, "Desarrollos en adquisición, preprocesamiento,
medición y registro de parámetros de ECG", IEEE Eng. Medicina. Biol. Mag., vol. 17, págs.
RMS (A.3) 50 a 58, 1998.
RMS (A.4) [13] I. Daskalov e I. Christov, "Preprocesamiento de señales de electrocardiograma para la
detección automática de límites QRS", Med. Ing. Físico, no. 21, págs. 37–44, 1999.
donde se mide el RMS en cada intervalo entre dos QRS [14] , “Detección automática del final de la onda T del electrocardiograma”, Med.

consecutivos. Biol. Ing. Computación, vol. 37, págs. 348–353, 1999.
[15] JGC Kemmelings, AC Linnenbank, SLC Muilwijk, A. Sippens Groenewegen, A. Peper y CA
La morfología de los complejos QRS y el tipo de ondas T/P
Grimbergen, "Detección automática de inicio y compensación de QRS para el mapeo
dependen del número de módulos máximos significativos. integral de QRS de la superficie corporal de la taquicardia ventricular", IEEE Trans.
Los umbrales para determinar si son significativos, y , biomedicina Ing., vol. 41, págs. 830–836, septiembre de 1994.
, , están relacionados con la amplitud del módulo
[16] P. Laguna, R. Jané y P. Caminal, “Detección automática de límites de onda en señales de
máximo global dentro de la ventana de búsqueda correspondiente ECG multiderivación: Validación con la base de datos CSE”, Comput. biomedicina Res.,
(sw) vol. 27, núm. 1, págs. 45–60, febrero de 1994.
[17] G. Speranza, G. Nollo, F. Ravelli y R. Antolini, “Medición latido a latido y análisis del intervalo
RT en registros Holter de ECG de 24 h”, Med. Biol. Ing. Computación, vol. 31, núm. 5,
(A.5)
págs. 487–494, septiembre de 1993.
(A.6) [18] S. Meij, P. Klootwijk, J. Arends y J. Roelandt, "Un algoritmo para la medición automática
latido a latido del intervalo QT", en Computers in Cardiology: IEEE Computer Society
(A.7) Press, 1994, págs. 597–600.
[19] C. Li, C. Zheng y C. Tai, "Detección de puntos característicos de ECG mediante transformadas
(A.8)
wavelet", IEEE Trans. biomedicina Ing., vol. 42, págs.
21–28, enero de 1995.
Un tercer grupo de umbrales se utiliza para determinar el inicio/ [20] JS Sahambi, S. Tandon y RKP Bhatt, "Uso de la transformada wavelet para la caracterización
final del complejo QRS, las ondas T y P. Son proporcionales a la de ECG", IEEE Eng. Medicina. Biol., vol. 16, núm. 1, págs. 77–83, 1997.
amplitud del WT en el primer/último módulo máximo del complejo
[21] M. Bahoura, M. Hassani y M. Hubin, "Implementación de DSP de transformada wavelet para
u onda. detección de formas de onda de ECG en tiempo real y análisis de frecuencia cardíaca",
Comput. metanfetamina Programas Biomed., núm. 52, págs. 35–44, 1997.
si
si (A.9)
[22] P. Strumillo, "Filtrado de la mediana anidada para detectar el desplazamiento de la onda T
en los ECG", Electron. Lett., vol. 38, núm. 14, págs. 682 y 683, julio de 2002.
si [23] E. SoriaOlivas, M. MartínezSober, J. CalpeMaravilla, JF Guerrero Martínez, J. Chorro
si
(A.10)
Gascó, and J. EspíLópez, “Aplicación del procesamiento adaptativo de señales para
determinar los límites de Ondas P y T en un ECG”, IEEE Trans. biomedicina Ing., vol. 45,
(A.11) págs. 1077–1080, agosto de 1998.
[24] H. Vullings, M. Verhaegen y H. Verbruggen, "Segmentación de ECG automatizada con
(A.12)
deformación dinámica del tiempo", en Proc. 20 de enero. En t. Conf.
(A.13) IEEE Engineering in Medicine and Biology Soc., Hong Kong, 1998, págs. 163–166.
(A.14) [25] Z. Dokur, T. Olmez, E. Yazgan y O. Ersoy, "Detección de formas de onda de ECG por redes
neuronales", Med. Ing. Phys., vol. 19, núm. 8, págs. 738–741, 1997.
REFERENCIAS [26] W. Bystricky y A. Safer, "Modelado de extremos en T en Holter ECG por perceptrones de 2
capas", en Proc. Informática en Cardiología. Los Alamitos, CA: IEEE Computer Society
[1] B.U. Köhler, C. Hennig y R. Orglmeister, “Los principios de la detección de QRS por Press, 2002, vol. 29, págs. 105–108.
software”, IEEE Eng. Medicina. Biol. Mag., vol. 21, págs. 42–57, enero/feb. 2002. [27] L. Clavier, J.M. Boucher, R. Lepage, J.J. Blanc y J.C. Cornily, “Análisis automático de
ondas P de pacientes propensos a la fibrilación auricular”, Med.
[2] O. Pahlm y L. Sörnmo, “Detección de QRS por software en el monitoreo ambulatorio: una Biol. Ing. Comp., vol. 40, núm. 1, págs. 63–71, enero de 2002.
revisión”, Med. Biol. Ing. Comp., vol. 22, págs. 289–297, 1984. [28] GB Moody y RG Mark, “The MITBIH arrhythmia database on CDROM and software for use
[3] F. Gritzali, "Hacia un esquema generalizado para la detección de QRS en formas de onda with it”, en Computers in Cardiology. Los Alamitos, CA: IEEE Computer Society Press,
de ECG", Signal Processing, vol. 15, págs. 183–192, 1988. 1990, págs. 185–188.
[4] GM Friesen et al., "Una comparación de la sensibilidad al ruido de nueve algoritmos de
detección de QRS", IEEE Trans. biomedicina Ing., vol. 37, págs. 85–98, enero de 1990. [29] P. Laguna, R. Mark, A. Goldberger y G. Moody, "Una base de datos para la evaluación de
algoritmos para la medición de QT y otros intervalos de forma de onda en el ECG", en
[5] L. Sörnmo, "Un enfoque basado en modelos para la delineación de QRS", Comput. Computers in Cardiology 1997. Los Alamitos , CA: IEEE Computer Society Press, 1997,
biomedicina Res., vol. 20, págs. 526–542, 1987. págs. 673–676.
[30] A. Taddei, G. Distante, M. Emdin, P. Pisani, GB Moody, C. Zeelenberg y C. Marchesi, “La Rute Almeida nació en Oporto, Portugal, en 1979.
base de datos europea STT: Estándares para evaluar sistemas para el análisis de ST Recibió una licenciatura de 4 años en matemáticas aplicadas a la
Cambios de T en electrocardiografía ambulatoria”, Eur. Corazón J., vol. 13, págs. 1164– tecnología de la Facultad de Ciencias de la Universidad de Oporto
1172, 1992. (FCUP), en 2000. Desde octubre de 2001, está trabajando para
[31] JL Willems et al., “Una base de datos de referencia para programas de medición computarizada obtener el Ph.D. Licenciatura en el Departamento de Matemáticas
de electrocardiograma de derivaciones múltiples”, J. Amer. Col. Cardiol., vol. 10, núm. 6, Aplicadas de la FCUP, con el apoyo de una beca de la Fundación
págs. 1313–1321, 1987. para la Ciencia y la Tecnología (Portugal) y el Fondo Social Europeo.
[32] JP Martínez, S. Olmos y P. Laguna, “Evaluación de un detector de forma de onda de ecg
basado en ondículas en la base de datos qt”, en Computers in Cardiology. Los Alamitos, Estuvo en el Centro de Estudios de la Función Autonómica del
CA: IEEE Computer Society Press, 2000, págs. 81–84. Hospital S. João entre marzo y octubre de 2000, trabajando en
métodos para la delineación automática del ECG. Sus principales
[33] S. Mallat y S. Zhong, "Caracterización de señales del borde multiescala", IEEE Trans. Patrón intereses de investigación son los métodos de escala de tiempo y el análisis automático del ECG; a
Anal. Inteligencia de máquina, vol. 14, págs. 710–732, julio de 1992. saber, el estudio de la repolarización ventricular.
[34] JS Sahambi, S. Tandon y RKP Bhatt, "Análisis del segmento ST basado en ondículas", Med.
Biol. Ing. Computación, vol. 36, núm. 9, págs. 568–572, septiembre de 1998.
[35] S. Mallat, "Descomposiciones de canales multifrecuencia de imágenes y modelos wavelet",
IEEE Trans. acústico Procesamiento de señales, vol. 37, págs.
2091–2110, diciembre de 1989.
Salvador Olmos (A'01–M'03) nació en Valencia, España, en 1969.
ˇ El trasfondo matemático”,
[36] A. Cohen y J. Kovacevic ́, “Wavelets:
Recibió el título de Ingeniero Industrial y el Ph.D. grado de la
proc. IEEE, vol. 84, págs. 514–522, abril de 1996.
Universidad Politécnica de Cataluña, Cataluña, España, en 1993 y
[37] M. Akay, Detecton and Estimation Methods for Biomedical Sig
1998, respectivamente.
nals San Diego, CA: Académico, 1996.
[38] NV Thakor, JG Webster y WJ Tompkins, "Estimación del espectro de potencia complejo QRS
Actualmente es Profesor Asociado de Procesado de Señales y
para el diseño de un filtro QRS", IEEE Trans.
Comunicaciones en el Departamento de Ingeniería Electrónica y
biomedicina Ing., vol. BME31, págs. 702–706, noviembre de 1984.
Comunicaciones de la Universidad de Zaragoza, Zaragoza, España.
[39] GB Moody y RG Mark, "Desarrollo y evaluación de un programa de análisis de ECG de 2
De agosto de 2000 a agosto de 2001, estuvo en el Departamento
derivaciones", en Computers in Cardiology. Los Alamitos, CA: IEEE Computer Society
de Electrociencia de la Universidad de Lund, Lund, Suecia, con el
Press, 1982, págs. 39–44.
apoyo de una beca de investigación posdoctoral del Gobierno
[40] VX Afonso, WJ Tompkins, TQ Nguyen y S. Luo, "Detección de latidos de ECG mediante
español. Sus intereses de investigación profesional se centran en el procesamiento de señales de
bancos de filtros", IEEE Trans. biomedicina Ing., vol. 46, págs.
señales biomédicas.
192–201, febrero de 1999.
[41] J. Lee, K. Jeong, J. Yoon y M. Lee, "Un algoritmo simple de detección de QRS en tiempo real",
en Proc. 18avo. En t. Conf. IEEE Engineering in Medicine and Biology Soc., 1996, págs.
1396–1398.
[42] PS Hamilton y W. Tompkins, "Investigación cuantitativa de las reglas de detección de QRS
utilizando la base de datos de arritmias MIT/BIH", IEEE Trans Biomed. Ing., vol. BME33,
págs. 1157–1165, diciembre de 1986. Ana Paula Rocha nació en Coimbra, Portugal, en 1957. Recibió la
[43] J. Pan y WJ Tompkins, "Un algoritmo de detección de QRS en tiempo real", licenciatura en Matemáticas Aplicadas y el Ph.D. Licenciado en
Trans. IEEE. biomedicina Ing., vol. BME32, págs. 230–236, marzo de 1985. Matemáticas Aplicadas, Teoría de Sistemas y Procesamiento de
[44] R. Poli, S. Cagnoni y G. Valli, "Diseño genético de detectores QRS lineales y no lineales Señales, por la Facultad de Ciencias de la Universidad de Oporto
óptimos", IEEE Trans. biomedicina Ing., vol. 42, págs. (FCUP), Oporto, Portugal, en 1980 y 1993, respectivamente.
1137–1141, noviembre de 1995.
[45] J. Moraes, M. Freitas, F. Vilani y E. Costa, “Un algoritmo de detección del complejo QRS Actualmente es Profesora Auxiliar en el Departamento de
usando cables de electrocardiograma”, en Computers in Cardiology Los Alamitos, CA, Matemática Aplicada de la FCUP. Sus intereses de investigación
2002, vol. 29, págs. 205–208. son señales biomédicas y análisis de sistemas (EMG, análisis de
[46] P. Hamilton, "Análisis de ECG de código abierto", en Computers in Cardiology. Los Alamitos, sistemas cardiovasculares y caracterización del sistema nervioso
CA: IEEE Computer Society Press, 2002, vol. 29, págs. 101–104. autónomo), análisis de señales de tiempofrecuencia/escala de
tiempo, análisis espectral de procesos puntuales y tratamiento e interpretación de datos.
[47] R. Jane, A. Blasi, J. García y P. Laguna, “Evaluación de un detector automático de límites de
formas de onda en holter ECG con la base de datos QT”, en Computers in Cardiology. Los
Alamitos, CA: IEEE Computer Society Press, 1997, págs. 295–298.
[48] “Recomendaciones para estándares de medición en electrocardiografía cuantitativa”, en Eur.
Heart J.: El grupo de trabajo del CSE, 1985, vol. 6, págs. 815–825.
Pablo Laguna (M'02) nació en Jaca, España, en 1962. Recibió la
licenciatura en física y el doctorado. Licenciado por la Universidad
de Zaragoza (UZ), Zaragoza, España, en 1985 y 1990,
Juan Pablo Martínez nació en Zaragoza, Aragón, España, en 1976. respectivamente.
Recibió el M.Sc. Licenciado en Ingeniería de Telecomunicación El doctorado La tesis de grado fue desarrollada en la División de
(con la máxima distinción) por la Universidad de Zaragoza (UZ), en Ingeniería Biomédica del Instituto de Cibernética (IC), Universidad
1999. Politécnica de Cataluña (UPCCSIC), Barcelona, España.
De 1999 a 2000, estuvo en el Departamento de Ingeniería Actualmente es Profesor Asociado en el Departamento de
Electrónica y Comunicaciones, UZ, como investigador asociado. Ingeniería Electrónica y Comunicaciones, UZ, e investigador en el
Desde el año 2000 es Profesor Asistente en el mismo departamento. Instituto Aragonés de Investigación en Ingeniería (I3A), UZ. De 1987
También participa como Investigador en el Instituto Aragonés de a 1992, trabajó como Profesor Asistente en el Departamento de Ingeniería de Control de la Universidad
Investigación en Ingeniería (I3A), UZ. Su actividad profesional de Politécnica de Cataluña, Barcelona, España y como Investigador en la División de Ingeniería
investigación se sitúa en el campo del procesamiento de señales Biomédica del Instituto de Cibernética. Sus intereses de investigación profesional se encuentran en
biomédicas, con principal interés en señales de origen cardiovascular. el Procesado de Señales, en particular aplicado a aplicaciones biomédicas.

Un Delineador de ECG Basado en Wavelet: Evaluación en Bases de Datos Estándar

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Un Delineador de ECG Basado en Wavelet: Evaluación en Bases de Datos Estándar

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

donde se mide el RMS en cada intervalo entre dos QRS [14] , “Detección automática del final de la onda T del electrocardiograma”, Med.

También podría gustarte