Proyecto de Tesis

Bioseñal: corresponde a la medida a realizar. Dependiendo de la accesibilidad

de la medida, podemos distinguir los siguientes tipos: interna (por ejemplo, la
presión sanguínea), superficial (ECG), emanar del cuerpo (radiación infrarroja)
o derivar de una muestra de tejido (biopsia). El primer tipo correspondería a
captación invasiva, mientras que el resto son de tipo no invasivo.
(ECG_3.-procesado-analogico)

A signal is a physical quantity that can carry information. Physical and biological
signals may be classified as deterministic or stochastic. The stochastic signal contrary
to the deterministic one cannot be described by a mathematical function. An
example of a deterministic signal may be the time course of a discharging capacity
or the position of a pendulum. Typical random process may be the number of
particles emitted by the radioactive source or the output of a noise generator.
Physiological
signals can be qualified as stochastic signals, but they usually consist of a
deterministic and a random component. In some signals, the random component is
more pronounced while in others the deterministic influences prevail. An example
of the stochastic signal, where random component is important may be EEG. Another
class of signals can be represented by an ECG which has a quite pronounced
deterministic component related to propagation of the electrical activity in the heart
structures, although some random component coming from biological noise is also
present.

A process may be observed in time. A set of observations of quantity x in function

of time t forms the time series x(t). In many cases the biophysical time series can be
considered as a realization of a process, in particular the stochastic process.

(Practical Biomedical Signal Analysis Using MATLAB)

El electrocardiograma es una de las técnicas de diagnóstico médico más utilizadas

Existen diversas líneas de investigación

Electrocardiografía de alta Resolución.- Permite la detección y el análisis de señales cardiacas de

baja amplitud; micropotenciales, como es la actividad eléctrica del sistema His-Purkinje, así como
zonas e intervalos del ECG donde aparecen micropotenciales relacionados con zonas concretas del
corazón y/o determinados estados o patologías.

Diferentes micropotenciales del ECG

Potenciales auriculares tardíos (PAT)

Actividad del haz de His y fibras de Purkinje
Muescas o melladuras en el QRS
Potenciales ventriculares tardíos (PVT)

Todas estas señales tienen en común su baja amplitud, entre 1 V y 40 V, cuando son
registradas en la superficie del cuerpo, y un ancho de banda comprendido entre 25 Hz y 500 Hz.
Debido a su pequeña amplitud en comparación al ECG convencional, 1 mV, y a las fuentes de
ruido presentes en la medida, estas señales quedan enmascaradas
La proximidad del esófago al corazón y el alejamiento de una de las principales fuentes
de ruido en electrocardiografía, el electromiograma, hacen que el electrocardiograma esofágico,
eECG, sea una técnica a considerar en HRECG
La primera aplicación de HRECG fueron los estudios del sistema de His-Purkinje. Se obtuvo la
actividad eléctrica del haz de His mediante promediado en la superficie del cuerpo. La señal de
sincronismo utilizada proviene de un catéter situado en el corazón.

La segunda aplicación que se le dio a la HRECG fue la detección de potenciales

ventriculares tardíos, (Berbari, 1988) . Estas señales aparecen después de la despolarización del
ventrículo, el complejo QRS, y no pueden ser registradas con electrocardiógrafos estándar. Su
origen está en las zonas del tejido muscular del miocardio dañadas.
Más adelante, Berbari et al. (1978) aplicaron las técnicas de
promediado en los registros con potenciales ventriculares tardíos, PVT, obtenidos sobre la
superficie del tórax, y establecieron así la importancia de los PVT como marcadores de
arritmias reentrantes.
A diferencia de los
PVT, que son más acentuados y frecuentes en pacientes con taquicardia ventricular, los
potenciales auriculares tardíos suelen detectarse con mayor frecuencia en pacientes con
fibrilación auricular paroxística que en pacientes con taquicardia auricular.
El análisis espectral permite detectar micropotenciales que pueden quedar
enmascarados por señales de mayor amplitud, onda P o complejo QRS, en pacientes con
alteraciones en el sistema de conducción. La señal registrada se enventana y se obtiene su
transformada de Fourier. En este caso se analizan las componentes de alta frecuencia del
espectro obtenido, así como el área del espectro a altas frecuencias y la relación del área del
espectro a alta frecuencia con el área total del espectro.

Feigenbaum junto con otros investigadores de Stanford

dieron comienzo al Proyecto de Programación Heurística, PPH, dedicado a
determinar
el grado con el que la nueva metodología de los sistemas expertos podía aplicarse a
otras
áreas de la actividad humana. El siguiente gran esfuerzo se realizó en el área
del diagnóstico
médico. Feigenbaum, Buchanan y el doctor Edward Shortliffe diseñaron el programa
MYCIN, para el diagnóstico de infecciones sanguíneas. Con 450 reglas
aproximadamente,
MYCIN era capaz de hacer diagnósticos tan buenos como los de un experto y, desde
luego,
mejores que los de un médico recién graduado. Se distinguía de DENDRAL en dos
aspectos
principalmente. En primer lugar, a diferencia de las reglas de DENDRAL, no se
contaba
con un modelo teórico desde el cual se pudiesen deducir las reglas de MYCIN. Fue
necesario
obtenerlas a partir de extensas entrevistas con los expertos, quienes las habían
obtenido
de libros de texto, de otros expertos o de su experiencia directa en casos
prácticos. En segundo
lugar, las reglas deberían reflejar la incertidumbre inherente al conocimiento
médico. MYCIN
contaba con un elemento que facilitaba el cálculo de incertidumbre denominado
factores de
certeza (véase el Capítulo 13), que al parecer (en aquella época) correspondía muy
bien a la
manera como los médicos ponderaban las evidencias al hacer un diagnóstico.
La importancia del conocimiento del dominio se demostró también en el área

Diagnosis: los programas de diagnóstico médico basados en el análisis

probabilista
han llegado a alcanzar niveles similares a los de médicos expertos en algunas
áreas
de la medicina.

Estos son algunos de los ejemplos de sistemas de inteligencia artificial que

existen
hoy en día. No se trata de magia o ciencia ficción, son más bien ciencia,
ingeniería y matemáticas,
para los que este libro proporciona una introducción.

Russell.-IA

digital signal processing has evolved as a major engineering

discipline. The fields of signal processing have grown from the origin
of fast Fourier transform and digital filter design to statistical spectral analysis
and array processing, image, audio, and multimedia processing, and shaped developments
in high-performance VLSI signal processor design. Indeed, there
are few fields that enjoy so many applications—signal processing is everywhere
in our lives.

Signal processing can be broadly defined as the application of analog or digital

techniques to improve the utility of a data stream. In biomedical engineering
applications, improved utility usually means the data provide better diagnostic
information. Analog techniques are applied to a data stream embodied as a timevarying
electrical signal while in the digital domain the data are represented as
an array of numbers. This array could be the digital representation of a timevarying
signal, or an image.

The major difference for biomedical engineers

is in the level of understanding required for appropriate use of this technology.
An electrical engineer may be required to expand or modify signal
processing tools, while for biomedical engineers, signal processing techniques
are tools to be used. For the biomedical engineer, a detailed understanding of
the underlying theory, while always of value, may not be essential. Moreover,
considering the broad range of knowledge required to be effective in this field,
encompassing both medical and engineering domains, an in-depth understanding
of all of the useful technology is not realistic. It is important is to know what

tools are available, have a good understanding of what they do (if not how they
do it), be aware of the most likely pitfalls and misapplications, and know how
to implement these tools given available software packages. The basic concept
of this text is that, just as the cardiologist can benefit from an oscilloscope-type
display of the ECG without a deep understanding of electronics, so a biomedical
engineer can benefit from advanced signal processing tools without always understanding
the details of the underlying mathematics

Semmlow.biosignal