Resumen—En el presente trabajo se muestra la imple- Derivación II (DII): es la derivación bipolar que mide la
mentación de un algoritmo para la detección del complejo QRS, diferencia de potencia entre el brazo derecho (polo negativo)
una de las ondas principales presentes en un electrocardiograma y la pierna izquierda (polo positivo) y en el cual el eje de la
(ECG). El algoritmo utiliza la Transformada Wavelet Discreta
(DWT), de esta forma se obtiene la descomposición de la señal en derivación es de 0°.
los diferentes niveles frecuenciales, se seleccionan las frecuencias Como ya se mencionó anteriormente la actividad eléctrica
que pertenecen al complejo QRS y luego se reconstruye la del corazón se ve plasmada en un ECG por medio de un
señal, utilizando la antitransformada Wavelet Discreta Inversa gráfico que contiene un grupo de ondas que reflejan diferentes
(IDWT). Para evaluar los resultados de la implementación del
etapas del ciclo cardíaco; Dentro de las ondas más importantes
algoritmo se ha utilizado un sistema de adquisición digital de
electrocardiografía de una derivación, basado en el amplificador que se pueden observar en un electrocardiograma se pueden
de instrumentación y un sistema de conversión análogo-digital mencionar las siguientes:
(ADC, por sus siglas en ingles analog to digital converter), Onda P: Es la deflexión producida por la despolarización
utilizando la tarjeta de audio de un computador personal (como auricular. Es una onda redondeada con una amplitud normal
convertidor) y amplificadores operacionales. Para el estudio se
utilizo la segunda derivación bipolar, o segunda derivación de
no mayor de 0.25 mv y una duración entre 60 y 100 ms.
Einthoven. El sistema se desarrollo bajo la plataforma del lengua- Complejo QRS: corresponde a la activación ventricular,
je imterpretado de MATLAB, demostrando así, la efectividad del refleja la despolarización de los ventrículos izquierdo y dere-
algoritmo en la detección de los complejos QRS inmersos dentro cho. La rotulación de las deflexiones que corresponde a los
de la señal de ECG. complejos QRS es arbitraria quedando establecida así:
Index Terms—DWT, DWTI, ECG, Matlab. Onda Q: deflexión negativa no precedida por deflexión
positiva Onda R: primera deflexión positiva del complejo.
I. I NTRODUCCIÓN Onda S: Primera deflexión negativa después de la primera
N electrocardiograma (ECG) describe la actividad eléc- deflexión positiva.
U trica en el corazón registrado por electrodos posicionados
en la superficie del cuerpo. Las variaciones de voltaje medidas
Segmento ST: comprende desde el fin del complejo QRS
hasta el inicio de la onda T. Debido a que no hay
por los electrodos son causados por las variaciones de los mayor cambio de potencial durante esta fase suele ser
potenciales de acción ocurridos durante el ciclo cardíaco. El isoeléctrico en los electrocardiogramas normales.
latido cardiaco resultante es registrado en el ECG y se ve Onda T: corresponde con la repolarización ventricular y
manifestado por una serie de de ondas cuya morfología y aparece al final del segmento ST.
tiempo de duración y aparición proveen información que es La presencia del complejo QRS y su tiempo de aparición es
utilizada para diagnosticar enfermedades que se ven reflejadas información requerida en todos los tipos de procesamiento
por disturbios en la actividad eléctrica del corazón [1]. de señales relativas a ECG, por lo que resulta de suma
La disposición de los electrodos sobre el cuerpo del paciente importancia una correcta detección de cada complejo QRS
durante el registro de ECG es denominada derivación, un elec- contenido en la señal. Se muestra mucho más problemático
trocardiograma completo está compuesto por 12 derivaciones el no detectar alguno de los complejos QRS que tener falsos
que son clasificadas dependiendo de su posición en el cuerpo complejos generados por ruido, debido a que estos últimos
y tipo de polaridad utilizada. pueden ser tratados con diversos métodos que pueden aten-
Las Derivaciones del plano frontal dentro de las cuales uarlos o eliminarlos, a diferencia de los primeros que sería
se encuentran las derivaciones bipolares son las que se han una omisión de información y por lo tanto se trabajaría con
tomado como base en el estudio, con mayor énfasis en la datos erróneos; algunos de los algoritmos utilizados para la
derivación II. disminución del efecto de estos ruidos son los siguientes [2]:
Derivaciones bipolares: cada una de ellas corresponde a dos Autocorrelación: se define como la relación cruzada de
electrodos aproximadamente equidistantes al corazón. la señal consigo misma tras un desfase η. Resulta de
gran utilidad para encontrar patrones repetitivos dentro de
Laboratorio de Investigación en Ingeniería Eléctrica (LIIE), Departamento
de Electrónica e Informática, Universidad Centroamericana “José Simeón una señal. Sin embargo para el caso del procesamiento
Cañas” UCA, San Salvador, El Salvador de señales como ECG que se ven afectadas por ruido
2
mioeléctrico y variaciones en la línea base, resulta muy muestreo de 250 Hz (frecuencia de muestreo comúnmente
inapropiado. utilizada para la adquisición de ECG). La decimación se
Algoritmos basados en derivadas: son simples y rápidos, realiza para disminuir la cantidad de memoria utilizada por
derivan la señal y la comparan con un umbral, también el computador al momento de realizar el procesamiento de
pueden llegar a usar un segundo umbral de decisión la señal, además que ayuda como un primer prefiltrado de la
obtenido de la señal original. Son bastante robustos frente señal, eliminando todas las frecuencias superiores a la mitad
a ruidos debidos a contracciones musculares pero son de la nueva frecuencia de muestreo (125 Hz para nuestro caso).
sensibles ante los cambios en la línea base no teniendo Filtrado de la señal: Como segundo paso, se utiliza un
un buen desempeño frente a señales que presentan ruido filtro pasabanda con respuesta infinita al impulso (IIR), cuyas
de alta frecuencia. El mayor problema que presentan frecuencias de corte son 0.5 Hz y 50 Hz. Para evitar la
estos algoritmos es el tener que escoger un umbral de modificación en la fase de la señal se ha utilizado la técnica de
pendiente por ensayo y error, dependiendo de las carac- filtrado directo e inverso en el tiempo. Este tipo de filtrado da
terísticas de la señal sin tener un método de selección la ventaja de los filtros de respuesta finita al impulso (FIR), de
del mismo. mantener la fase lineal, pero, además, ofrecen un mejor filtrado
Algoritmos basados en filtros digitales: este tipo de de la señal con un sistema de un menor orden, acelerando el
algoritmos presenta dos etapas, una de preprocesamiento procesamiento de la señal [3].
de la señal para dar énfasis al complejo QRS y otra etapa
de decisión mediante el uso de umbrales u otros métodos Descomposición de la señal utilizando la DWT: Tras filtrar
de detección descritos anteriormente. la señal se usa la DWT, utilizando la función de Haar como
Algoritmo de Tompkins: implementa un filtro pasa ba- madre de la transformada, para descomponer la señal del ECG
jos y un filtro pasa altas, para reducir el ruido. Un en sus distintas componentes de frecuencia, enfocándonos en
derivador acentúa las altas frecuencias y atenúa las bajas. los niveles entre 7.5 a 60 Hz, ya que entre esas frecuencias
Posteriormente se eleva al cuadrado la señal para que se encuentra comprendido el complejo QRS. Se separa cada
todos los puntos sean positivos, por último se pasa una nivel, dependiendo del componente del ECG que se desea
ventana móvil de aproximadamente 150 ms y en cada detectar y los demás niveles se hacen cero para trabajar
desplazamiento se integra la señal. únicamente en el rango de frecuencias que nos interesa.
Aplicación de la transformada Wavelet: se selecciona una Cada nivel posee la mitad de frecuencias que el anterior, a
Wavelet madre y se calculan los niveles de descomposi- excepción de los últimos dos, que poseen el mismo rango de
ción Wavelet de la señal; se identifican las bandas de frecuencias entre ellas, para complementar el espectro de la
frecuencia que poseen ruido; Se aplica un umbral δ a los señal. La forma de onda de la señal madre, utilizada para la
coeficientes del nivel o niveles de descomposición del descomposición de la señal de ECG, se muestra en la Fig.1.
ruido y por último se reconstruye la señal tomando como El flujograma que describe la descomposición, usando la
base los coeficientes de aproximación y los coeficientes DWT, de la señal de ECG, en los diferentes niveles, se muestra
modificados de los niveles de descomposición de detalles. en la Fig.2 [4].
De la aplicación con Transformada Wavelet, existen tres tipos:
Wavelet continuo, Wavelet semidiscreto y Wavelet discreto;
siendo este último el que se toma como base para el algoritmo
desarrollado, por su capacidad de descomponer en bandas
de frecuencias normalizadas en función de la frecuencia de
muestreo (cada banda es la mitad de la frecuencia de la
banda anterior), su facilidad de interpretación y bajo costo
computacional, ya que sólo utiliza filtros digitales para la
separación de las bandas y la reconstrucción de la señal.
En la Sección II, se detalla la metodología utilizada para
el acondicionamiento de la señal y el algoritmo programa-
do. La Sección III muestra los resultados obtenidos en el
procesamiento de las señales, adquiridas por nuestro sistema. Figura 1. Señal madre utilizada para la descomposición de la señal en los
Por último la Sección IV se discuten los resulatos que se diferentes niveles, a través de DWT
obtuvieron y se dan las conclusiones que ayudarán a futuros
trabajos de investigación.
Reconocimiento de los distintos componentes de la señal:
En base a los niveles de cada uno de los componentes del ECG
II. M ETODOLOGÍA caracterizados en el paso anterior, se reconstruye la señal para
Disminución de la Frecuencia de Muestreo (Decimación en cada caso. Utilizando criterios de umbral, detección de valles
tiempo) de la Señal: El primer paso del sistema consiste en y picos, para reconocer cada uno de los distintos componentes
disminuir el número de datos del sistema disminuyendo su del ECG. A partir de estos parámetros se determina el com-
frecuencia de muestreo de 8000 Hz (frecuencia de muestreo plejo QRS, y se identifica en la interfaz de usuario creada en
estándar de la tarjeta de audio), a una nueva frecuencia de MATLAB.
3
III. R ESULTADOS
III-A. Implementación de sistema para adquisición de ECG
Se muestrea la señal a una frecuencia de 8000 Hz, utilizando
la tarjeta de audio como medio de obtención de la señal de
ECG.
El software para el sistema de adquisición se desarrollo
en MATLAB, utilizando el Data Acquistion Toolbox, por
medio del cual se establecen los parámetros de frecuencia
Figura 2. Descomposición de la señal por medio de DWT de muestreo y tiempo de adquisición de la señal. Se diseño,
además, una interfaz gráfica, donde se muestra la señal de
Detección de la Onda R: los picos de la onda R, dentro de electrocardiografía submuestreada a una frecuencia de 250 Hz
la señal de ECG, son los de mayor amplitud. Para la detección junto a esta misma señal, pero, con la interferencia de la red
de estos picos, los detalles de las descomposiciones del nivel de 60 Hz removida.
3 (para una señal muestreada a 250 Hz, contiene la banda de
frecuencia de 30 a 60 Hz) al nivel 5 (para la misma frecuencia
de muestreo, contiene la banda de frecuencias de 7.5 a 15
Hz) se conservan, haciendo cero los detalles de las demás
descomposiciones, ver las descomposiciones de la señal en
la Fig. 3. Este procedimiento remueve las bajas y las altas
frecuencias del ECG; entonces ahora, sólo las transiciones de
mayor amplitud se mantienen. Posteriormente, se determina
la distancia entre las transiciones encontradas y se compara
contra 150 ms, si la distancia de las transiciones es menor, de
este tiempo, dichas transiciones se eliminan, por lo que, sólo
se conservan aquellas que pertenecen a las ondas R [4].
R EFERENCIAS
[1] R. Acharya, J. A. E. Spaan, J. Suri, S. M. Krishnan. Advances in Cardiac
Signal Processing. Springer-Verlag, Berlin Heidelberg, pp. 1-53, 2007.
[2] Andrade Mora, Sandra Marcela y Navarrete Mejía, Miguel Gonzalo.
Análisis y tratamiento de la señal electrocardiográfica para la detección
de parámetros de normalidad bajo la plataforma Labview “ADPAN-
ECG”. Trabajo de grado para optar al título de ingeniero eléctrico.
Bucaramanga, Colombia, Universidad Pontificia Bolivariana, pp. 32-46,
2006.
[3] L. P. Sörnmo. Bioelectrical Signal Processing in Cardiac and Neurolog-
ical Applications. Elsevier Academic Press, Londres, pp. 453-485, 2005.
[4] S. Z. Mahmoodabadi, A. Ahmadian, M. D. Abolhasani, ECG Feature
Extraction using Daubechies Wavelets. Visualization, Imaging and Images
Processing, Proceedings of Fifth IASTED International Conference, 343-
348, 2005.
[5] S. Suppappola, Y. Sun. Nonlinear transforms of ECG Signal for Digital
QRS Detection: A Quantitative Analysis. IEEE Transactions on Biomed-
ical Engineering, Vol. 41, 397-400, 1994.
[6] P. S. Hamilton, W. J. Tompkins. Quantitative Investigation of QRS De-
tection Rules Using the NIT/BIH Arrythmia Database. IEEE Transactions
on Biomedical Engineering, Vol. BME-33, NO. 12, 1157-1165, 1994