SISTEMA DE ADQUISICIÓN Y ANÁLISIS DE SEÑALES DE ECG

Transcripción

1 Revista CENIC Ciencias Biológicas, Vol. 36, No. Especial, 2005 SISTEMA DE ADQUISICIÓN Y ANÁLISIS DE SEÑALES DE ECG M. Caggioli 1,S. Ponce 1, M. Roberti 1, V. Arévalo 1, C. E. D Attellis 2 1 UTN FRSN / GADIB, San Nicolás, Argentina 2 UTN Univ. Favaloro / GADIB, Buenos Aires, Argentina mcaggioli@frsn.utn.edu.ar ABSTRACT: In this paper a description of an acquisition system and a wavelet-based software to be used in the analysis of ECG signals is presented. The development of an acquisition system was decided as the unique form for using algorithms based on modern techniques of signal processing, given the closed structure of commercial equipment. This system is based on a microcontroller (PIC) and the signal is stored in a Compact Flash Card (CF). An algorithm for detection of RR intervals based on multiresolution analysis, and the results obtained, are shown. Key words: Wavelets, PIC, CF, RR intervals. I. INTRODUCCIÓN Las enfermedades cardiovasculares son unas de las causas más comunes de muerte en la población adulta. Por tal motivo los investigadores desarrollan continuamente técnicas y herramientas para diagnosticar el estado patológico del corazón. Una de ellas es estudiar la señal proveniente de un electrocardiograma (ECG), la cual está caracterizada por varios parámetros. Uno de los más importantes es el llamado intervalo R-R y nos indica el tiempo existente entre cada latido del corazón. El intervalo R-R se puede observar al analizar la onda QRS que son ondas características del ECG. El estudio de la variabilidad de los intervalos R-R, su espectro y otras herramientas matemáticas en torno a este parámetro le indican al profesional médico un diagnóstico del paciente y el grado de riesgo de infarto que este posee. Surge como conclusión que la exactitud en la detección de dicho intervalo es de vital importancia para arribar a resultados válidos. En algunas señales con ruido, interferencia, etc los métodos tradicionales no son confiables. Además de los inconvenientes para el análisis se suma el hecho que en los equipos comerciales para realizar este tipo de estudios, las empresas proveedoras no dan a conocer el formato en que guardan los datos digitalizados, lo que hace imposible usar software desarrollado a base de otras técnicas de análisis de señales. Es el objetivo del presente trabajo, entonces, encontrar un algoritmo adecuado para la detección de los intervalos R-R [1], y además diseñar y construir un equipo de adquisición con un software de visualización y análisis de la señal de ECG adquirida que usará dicho algoritmo. El control de calidad para la evaluación de la eficiencia del método propuesto se realiza comparando con los ECG de la base de datos del MIT/BIH, un patrón de prueba internacional. El análisis mediante Wavelets [2] es favorable para la detección de intervalos R-R. Esta herramienta se utiliza para localizar en el tiempo las características particulares del ECG, en este caso los picos R de la señal, que vienen dadas para distintas frecuencias [3]. Esto permite separar la señal de ECG de los movimientos de la línea de base, los ruidos de alta frecuencia y artefactos que comúnmente corresponden al movimiento del paciente (ruido muscular). El uso de un microcontrolador PIC [4] junto con el hardware asociado permite adquirir la señal de ECG y poder modificar el algoritmo y filtros de entrada según las necesidades, algo que no sería posible en un equipo comercial. La grabación de los datos con un formato conocido en la tarjeta de memoria Compact Flash [5] brinda la posibilidad de portabilidad de gran cantidad de información, confiabilidad y todas las ventajas con que se cuenta con memorias de estado sólido.

2 II. DESARROLLO A. Detección de intervalos R-R. El esquema de multiresolución que se define a partir de la transformada Wavelet [6] se implementa como banco de filtros digitales [7]. Los filtros H( y G(, se definen como: H ( = ikw hk e (1) con G ikw ( = gk e (2) g k = [ -2, 2 ] y h k = [ 1/8, 3/8, 3/8, 1/8 ] para la ondita elegida, en negrita se indica el índice cero. Trabajando con estos dos filtros (1) (2), se tienen los diferentes esquemas para los distintos niveles de la multirresolución: Q j( = G ( j = 1 Q j( = G (2 H ( j = 2 Q j( = G (2 j 1 H (2 j 2... H ( j > 2 La banda de frecuencias discretas para estos filtros (ancho de banda a 3 db) se muestran en la Tabla 1. En este caso se utilizará hasta el nivel cuatro. Tabla 1: Frecuencias de corte de los filtros Escala Frec. Inferior Frec. Superior Muestreando a 250Hz S= Hz S= Hz S= Hz S= Hz S= Hz Se puede ver que las bajas escalas reflejarán los componentes de alta frecuencia, mientras que las componentes de baja frecuencia se verán en las escalas mayores. La mayor energía del complejo QRS, el cual es de nuestro interés, se verá en las escalas mayores (nivel 4). Cuando se realiza el filtrado se efectúa una convolución, por lo que se necesita la antitransformada de Fourier de los diferentes filtros. Como los filtros aplicados Qj( salen de G( y H(, entonces se requiere la antitransformada de Fourier de los mismos, obteniendo, así, g(n) y h(n): g(n) = [ -2, 2 ] y h(n) = [ 1/8, 3/8, 3/8, 1/8 ]. Con los valores de g(n) y h(n) se procede a calcular los coeficientes wavelets (q j (n)) con las siguientes fórmulas: S W 2 j 2 j f ( n) = f ( n) = hk S gk S 2^( j 1) 2^( j 1) f ( n 2^ ( j 1) k) f ( n 2^ ( j 1) k) (3) Una vez obtenidos los coeficientes Wavelets de los primeros cuatro niveles se utiliza un algoritmo para la determinación de los módulos máximos en cada nivel.

3 B. Forma de la ondita utilizada La forma de ondita resultante de aplicar los dos filtros anteriores (3) es una spline, que es la derivada de una onda gaussiana. Para cada nivel, analizando en el tiempo aquellos filtros Qj( antitransformados, resultan la ondita spline escalada en un orden s = 2 j y j = Se utiliza la ondita spline, porque al ser la derivada de una gaussiana en los cruces por cero de la transformada Wavelet se tienen los máximos de la señal, que coincidirán con los picos R [8]. Obviamente, al obtener los picos R, se tienen los intervalos R-R, que es parte del trabajo. Para tener los cruces por cero se calculan los módulos máximos en cada nivel; entre los módulos máximos se tienen los cruces por cero. C. Determinación de los módulos máximos. Es claro que los cruces por cero se hallarán entre dos módulos máximos de diferente signo. El cruce por cero en la primer escala es el más acertado, ya que al ser un banco de filtros digitales existe un retardo. Dicho retardo se incrementará en las escalas o niveles superiores. Por esto y por la presencia del ruido es que para el cálculo de los cruces por cero se comienza a analizar las cercanías de los cruces por cero en las escalas superiores, y se va focalizando el entorno de la búsqueda del cruce al ir hacia las escalas inferiores, hasta llegar a la uno. No se trabaja en la escala mayor debido al retardo existente. Por esto se comienza definiendo un rango de estudio en el nivel cuatro, que determinará un rango de estudio para el nivel tres, y así sucesivamente hasta el nivel uno. El análisis directo de los cruces por cero en el nivel uno no se realiza debido a que la señal de ECG es una señal con ruido, en el cual este último se vería reflejado en las escalas inferiores, es decir de mayor frecuencia. En ese hipotético caso el análisis de los cruces por cero en el nivel uno se hace harto dificultoso y se procede, de esa manera, al análisis en donde el ruido tenga menos impacto y no perjudique, es decir los niveles superiores o de menor frecuencia. El método de cálculo, consiste entonces en encontrar todos los módulos máximos mayores a un nivel εj para la escala j, luego en este entorno calculado en esta escala encontrar los módulos máximos mayores al umbral ε j-1 para la escala j-1, y así sucesivamente hasta llegar a la escala uno. La determinación de estos umbrales es en forma iterativa y a través de los siguientes cálculos: ε j = 0.3 * A j (4), j= 1..5 sino Si A W f ( n ) 2 A j m m+1 m 2 ^ j k j (5) => A j = Aj (6) m = Aj W 2^ jf ( n m+ j 1 k j ) (7) D. Eliminación de los módulos máximos redundantes y aislados. La banda de frecuencias de ruido, movimientos, interferencias con otros artefactos, etc. se superponen con el complejo QRS. Los filtros pasabanda comunes no pueden eliminar estos efectos. Es por ello, que cuando se encuentran los módulos máximos, algunos pueden ser debido a las causas mencionadas anteriormente. Eliminación de módulos máximos aislados: La onda R corresponde a un cruce por cero entre dos módulos máximos, un par máximo positivo mínimo negativo. Se supone que n 1 1 es la ubicación de un máximo positivo (mínimo negativo) de W 2^j f(n) en la escala 2 1, y n k 1 es la ubicación de un mínimo negativo (máximo positivo) de W 2^j f(n) en la misma escala. Si el intervalo entre n 1 1 y n k 1 (k 1) es mayor que un intervalo umbral definido por el usuario, entonces n 1 1 es considerado un máximo (mínimo) aislado. En este caso se elimina esta ubicación del conjunto de módulos máximos. Empíricamente el intervalo umbral es de 120 mseg asociado a cantidad de muestras. Eliminación de módulos máximos redundantes: En el caso de ruido de cualquier naturaleza en la vecindad de un pico R aparecen dos o más módulos máximos del mismo signo, de los cuales uno sólo es útil. Esos módulos máximos se eliminan siguiendo las siguientes reglas. Ejemplo: en la vecindad (120 mseg) de un módulo máximo positivo existen dos módulos mínimo negativos. Se supone que los mínimos sean Min1 y Min2, sus valores absolutos A1 y A2, respectivamente, y los intervalos entre los mínimos y máximos L1 y L2. Las reglas para juzgar cuando se tiene módulos máximos redundantes es como sigue:

4 Regla 1: Si A1/L1 > 1.2 * A2/L2, Min2 es redundante. Regla 2: Si A2/L2 > 1.2 * A1/L1, Min1 es redundante. Regla 3: Si Min1 y Min2 están del mismo lado respecto al máximo positivo, entonces el mínimo más lejano al máximo es redundante. Si Min1 y Min2 están a ambos lados del máximo positivo, entonces el mínimo que está a la derecha del máximo es redundante. El procedimiento es similar en el caso de un mínimo negativo y dos máximo positivos. E. Equipo de adquisición y almacenamiento. Del equipo desarrollado se pueden distinguir dos partes constitutivas fundamentales, tal como se puede ver en la Figura 1 en un diagrama en bloques: A.- Etapa analógica de entrada. B.- Etapa digital y de almacenamiento. Figura 1. Diagrama en bloques general F. Etapa analógica La etapa analógica está constituida por los electrodos de piel, el amplificador de instrumentación, el circuito de blindaje, el circuito de retroalimentación negativa de pierna derecha, los filtros activos pasa alto y pasa bajo, el filtro activo notch y una etapa amplificadora final. El amplificador de instrumentación es el primer paso de amplificación de los potenciales diferenciales presentes en la superficie del tórax del paciente. El circuito de blindaje tiene por objeto activar el blindaje con el potencial de modo común, reduciendo el valor de la capacidad parásita de entrada. El circuito de retroalimentación negativa de pierna derecha reduce el potencial de modo común en el propio paciente. El filtro pasa-banda, formado por un filtro activo pasa alto y uno pasa bajo en cascada tiene frecuencias de corte que se adapta según la configuración elegida para el sistema de adquisición, es decir sistema de adquisición modo holter o modo electrocardiógrafo. La última etapa analógica consta de una etapa amplificadora final con ganancia ajustable para poder obtener un nivel de tensión adecuado antes de ingresar al conversor A/D de la etapa digital. G. Etapa digital El PIC es el encargado de muestrear y convertir cada una de las señales de entrada mediante el módulo de conversión A/D de 8 bits a una tasa de muestreo de 250 Hz para luego guardarlos en la CompactFlash en forma continua, sector por sector. Esta memoria puede trabajar en distintos modos, entre ellos Memoria común y modo IDE. Los dos modos son muy similares, se necesitan como mínimo 8 líneas de datos, 3 de direcciones y 2 de control. La CF es vista por el host como una serie de registros que pueden ser direccionados por las 3 líneas de direcciones y cargados ó leídos a través de los 8 bits de datos junto con el pulso correspondiente de lectura o escritura. El PIC almacena los datos en la CF configurada en modo Memoria común. Luego pueden ser transmitidos haciendo uso del módulo UART del mismo PIC hacia la PC. Otra alternativa para transmitir los datos es conectar la CF al puerto IDE de la PC con un adaptador CF/IDE o haciendo uso de una lectora CF/USB para lograr un menor tiempo de transmisión.

5 Figura 2. Equipo de adquisición y almacenamiento La Figura 2 muestra el equipo de adquisición y almacenamiento de las señales ECG. H. Software de visualización y análisis. El software para visualización y análisis de los datos se desarrolló en Visual Basic. Dicho software brinda una interfaz amigable con el usuario y varias opciones de configuración. La Figura 3 muestra el gráfico de una señal ECG grabada en la memoria CF por el equipo y capturada a través del puerto serie al software en cuestión. Aquí también se tienen varias opciones y herramientas para la visualización. Figura 3: Gráficos de una lectura de la CF Además de lo expresado se desarrolló como parte del trabajo un software en ASP para poder adjuntar los archivos de la señal ECG grabado en la CF en un server de la FRSN junto con los datos del paciente. De esta manera, en cualquier momento, o cualquier punto del planeta, un médico especialista puede consultar la base de datos entrando a la página de Internet con el correspondiente permiso y brindar su diagnóstico. I. RESULTADOS El algoritmo desarrollado se probó con señales de la base de datos MIT/BIH obteniéndose resultado satisfactorios. En la Tabla 2 se muestran dos de los mejores y peores resultados. La serie 201 presenta mayor error debido que la señal no presenta un claro complejo QRS, lo que dificulta la precisión en la determinación del R

6 Tabla 2. Algunos resultados del algoritmo Tipo Total de pulsos Errores % error ch ch ch ch ch ch El prototipo construido fue sometido a pruebas con pacientes y con un simulador de señales de ECG. En ambos casos, tanto la relación señal/ruido, la morfología de la señal y su frecuencia correspondían con el valor esperado. III. CONCLUSIONES El método de detección de R-R por transformada Wavelets resulta de gran eficacia. El algoritmo revela ventajas comparativas en señales ruidosas, etc. respecto a otros métodos. Un buen resultado de detección de intervalos R-R asegura un procesamiento confiable de la señal. Se concluye que algoritmos con transformada Wavelets resultan satisfactorios en señales biológicas, donde es interesante poder distinguir tiempo y frecuencia. El equipo de adquisición digital con memoria de estado sólido brinda, además, las ventajas de: evitar el uso del papel térmico, impresión de estudios ECG en impresoras estándares, almacenamiento del estudio en CD, posibilidad de aplicación de nuevos algoritmos de análisis de la señal de ECG, portabilidad del estudio, arquitectura abierta para sumar módulos analógicos de adquisición de nuevas señales de variables fisiológicas. La velocidad utilizada de transferencia de datos serie entre el PIC y la PC, no es adecuada para tamaños de CF que superen los 2Mb. Para tales casos, es conveniente utilizar un lector externo de CF. En el próximo prototipo la comunicación serie RS232 será reemplazada por USB. REFERENCIAS 1. Cuiwei Li, Chongxun Zheng, Changfeng Tai, Detection of ECG Characteristic Points Using Wavelet Transform, IEEE Transactions on Biomedical Engineering, 42, C. Chui, Introduction to Wavelets, Academic Press, USA (1990). 3. J.S. Sahambi, S.N. Tandon, R.K.P. Bhatt, An Automated Approach to Beat-by-Beat QT-Interval Analysis, IEEE Engineering in Medicine and Biology, 47, (2000). 4. Microchip Technology, PIC16F87X Data Sheet, Microchip, USA (2001) 5. Compact Flash Association, CF+ and CompactFlash Specification Rev1.4, CFA Press, USA (2002). 6. W. Suter, Multirate and Wavelet Signal Processing, Academic Press, USA (1998). 7. G. Strang, T Nguyen, Wavelets and Filter Banks, Cambridge Press, USA (1996). 8. S. Mallat, Zero crossing of a Wavelet Transform, IEEE Trans. Inform. Theory, 37, , 1991.