XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica

Mar del Plata, 28 al 30 de septiembre de 2011

Dispositivo para la adquisición de electrocardiografía fetal

M A Alfonso1, F M Pessana1, 2, W E Legnani1, 2

1
Centro de Procesamiento de Señales e Imágenes, Facultad Regional Buenos Aires,
Universidad Tecnológica Nacional, Medrano 951, C.A.B.A.
2
Facultad de Ingenieria y Ciencias Sociales, Universidad Favaloro, Belgrano 1723,
C.A.B.A.

E-mail: malfonso0@gmail.com

Abstract. El monitoreo de la frecuencia cardiaca fetal es una de las metodologías para evaluar
el bienestar fetal y para diagnosticar problemas graves, como por ejemplo la hipoxia. El
objetivo del presente trabajo fue la implementación de un dispositivo de bajo costo para la
obtención no invasiva del electrocardiograma (ECG) fetal. Para ello, se utilizó un procesador
digital de señales (DSP) y, mediante un filtro adaptativo, se filtró la señal de ECG abdominal
de la madre para obtener la señal de ECG fetal. Como primera etapa se simuló el dispositivo en
Matlab para hallar las configuraciones óptimas del filtro (coeficientes, grado y formato
numérico). Posteriormente se simuló con VISUAL DSP, se verificó el rendimiento del filtro y
se comparó el resultado con lo obtenido en Matlab. En la etapa final, se evaluó el código en el
kit de desarrollo ADSP-2181 EZ-Kit Lite. Se obtuvieron los parámetros constitutivos del filtro
adaptativo y de pudo verificar el funcionamiento del dispositivo, teniendo una rápida
convergencia y un mínimo error. El dispositivo desarrollado podría llegar a ser adaptado para
su utilización conjuntamente con un electrocardiógrafo para la obtención del ECG fetal.

1. Introducción
El monitoreo de la frecuencia cardiaca fetal (FCF) es una de las metodologías para evaluar el bienestar
fetal y para diagnosticar posibles anormalidades. El monitoreo fetal durante el embarazo permite al
médico obstetra diagnosticar y reconocer una condición patológica, en especial la hipoxia [1].
Aunque el dispositivo de ultrasonido de efecto Doppler se utiliza actualmente para el monitoreo de
la FCF, no es adecuado para un monitoreo a largo plazo, debido a su sensibilidad al movimiento, y su
seguridad para la exposición a largo plazo que aún no ha sido establecida [2].
Además del ultrasonido, la electrocardiografía no invasiva se ha utilizado para obtener valiosa
información clínica sobre el bienestar fetal durante el embarazo. La extracción del electrocardiograma
(ECG) fetal puede llevarse a cabo a través de electrodos en la piel, adherida al abdomen materno. Sin
embargo, el ECG abdominal (ECGA) siempre está corrupto con interferencia de líneas de energía,
ECG materno (ECGM) y el electromiograma, cuya variabilidad es influenciada por la edad
gestacional, la posición de los electrodos y la impedancia de la piel [3]. Por lo tanto, son necesarias
técnicas apropiadas de procesamiento de la señal para la obtención del ECG fetal (ECGF) a partir del
ECGA.
Varios esfuerzos de investigación se han propuesto para extraer el ECGF a partir de la ECGA como
ser: filtrado adaptativo [4] y técnicas de correlación [5] entre otros. La FCF se puede calcular mediante
la determinación de los intervalos R-R a partir del ECGF extraído. Sin embargo, el ECGF extraído
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

está todavía contaminado por residuos picos del ECGM (especialmente sus complejos QRS) y por lo
tanto, la detección del ECGF sigue siendo un objeto de estudio para su debida separación del resto de
las señales que lo acompañan.
En este trabajo, se propone realizar un dispositivo utilizando un algoritmo básico de cancelador de
ruido adaptativo (CRA) para extraer el ECGF a partir de la ECGA. El rendimiento del dispositivo
(algoritmo) es evaluado utilizando señales de la base de datos del Physikalisch-Technische
Bundesanstalt [6].

2. Materiales y Métodos
En la Figura 1, se observan los vectores eléctricos cardiacos de la madre y del feto. La detección del
ECGF no puede realizarse únicamente con derivaciones ubicadas en el abdomen de la madre, ya que
su amplitud es varias veces menor que el ECGM y la señal se encuentra contaminada por ruido
proveniente de la actividad muscular (miográfico).
La estimación de una señal contaminada con ruido aditivo requiere de un filtrado especial con el fin
de suprimir el mismo sin provocar alteraciones en la señal. Los filtros utilizados con este propósito son
de parámetros fijos o adaptativos. El diseño de los filtros de parámetros fijos se basa en el
conocimiento a priori de la señal deseada y del ruido. Sin embargo los filtros adaptativos tienen la
habilidad de ajustar sus propios parámetros automáticamente y su diseño requiere un menor
conocimiento de las características de las señales a procesar.

Figura 1. a) Vectores eléctricos de la madre y el feto. b)

Posicionamiento de las distintas derivaciones. Figura
adaptada de [7]

En el sistema básico de cancelación de ruido (Figura 2), la entrada principal del cancelador está
formada por la señal (s) sumada al ruido no correlacionado (n0). Un segundo canal recibe el ruido (n1)
de la misma naturaleza que n0 y constituye la entrada de referencia. El ruido n1 es filtrado para
producir una salida réplica de n0. Esta salida (y) es sustraída de la entrada principal obteniendo la
salida del sistema (ε). La entrada de referencia es procesada por un filtro adaptativo, que ajusta sus
coeficientes mediante un algoritmo de minimización del error cuadrático instantáneo en respuesta a la
señal de salida del sistema.
El sistema se modeló de acuerdo al diagrama en bloques de la Figura 2 utilizando como señal de
referencia el ECG de las derivaciones torácicas (ECGT), y como señal de entrada el ECG de la
derivación abdominal [7].
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

Figura 2. Sistema básico de cancelación de ruido. Figura

adaptada de [10]

El ECGA es fuertemente interferido por el ECGM debido a su mayor amplitud frente al ECGF. La
señal obtenida de las derivaciones torácicas, sirve de entrada de referencia para filtrar la señal
abdominal. Al restar las señales obtenidas luego del filtrado, el error cometido constituye la señal fetal
que se deseaba obtener.
El trabajo se dividió en tres etapas: simulación numérica en Matlab [8], simulación del algoritmo
en Visual DSP [9] e implementación del mismo en el kit de desarrollo ADSP-2181 EZ-Kit Lite.
En la primera etapa, se implementó el algoritmo de obtención del ECGF en Matlab, y mediante
registros generados, se buscaron los parámetros óptimos del filtro; estos son: la velocidad de
convergencia (µ) y la cantidad de pesos a utilizar en el filtro (L); como parte de los resultados se
obtuvo el formato numérico a utilizar. En la segunda etapa se generó el algoritmo en Visual DSP, se
verifico el formato numérico elegido y se comprobó su rendimiento frente a Matlab. En la tercer y
última etapa, se implementó el código en el kit de desarrollo ADSP-2181 EZ-Kit Lite y se comprobó
su funcionamiento.

2.1. Ecuaciones del Modelo

Figura 3. Combinador lineal adaptativo. Figura adaptada de [10]

La Figura 3 muestra el esquema general del combinador lineal adaptativo. En este sistema
definimos:
X k  xk , xk 1 ,..., xk  L 
T
(1)
Siendo Xk el vector de entrada, y sus correspondientes pesos ajustables:
Wk  wk , wk 1 ,..., wk  L 
T
(2)
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

La salida queda determinada por el producto escalar de los vectores anteriores:

L 1
y k   wkl xk l (3)
l 0

yk  X kT Wk  WkT X k (4)

Como su nombre lo indica, el combinador lineal adaptativo consta básicamente de una señal de
salida dada por combinación lineal de los componentes de entrada. Sin embargo, la dependencia de los
pesos con la señal de entrada, hace que la salida no siga siendo una función lineal de la misma.
En el proceso de adaptación con realimentación, se ajusta el vector de pesos con el objetivo de
conseguir que la salida (yk) se asemeje tanto como sea posible a la señal deseada (dk). Esto implica la
minimización del error (ε) que se produce al restar la señal de salida con la señal deseada:
 k  d k  yk (5)
 k  d k  X kT Wk (6)
El proceso de adaptación está orientado a la minimización del error cuadrático entre la señal
deseada a la salida y la salida real del filtro adaptativo. Esto se logra ajustando continuamente los
coeficientes del filtro (wk) a medida que se tiene una nueva muestra a la entrada.
Los coeficientes se actualizan utilizando el algoritmo de mínimos cuadrados (LMS por sus clásicas
siglas en inglés) [10], sustentado en el método de descenso más escalonado [11] y en las estimaciones
“ruidosas” como el gradiente del error cuadrático instantáneo. De (6) y utilizando el algoritmo LMS,
se calcula el gradiente:
  2 
k   2
Wk Wk
T
   
 2 k  k  k  (7)
 w0 k wLk 
 2 k X k
En este mismo algoritmo la actualización de los pesos se calcula teniendo en cuenta [10], que
indica que debemos movernos hacia un mínimo mediante una proporción en contra del gradiente de
error cuadrático instantáneo:
Wk 1  Wk 1  k
(8)
En donde µ es un parámetro de convergencia constante que regula la velocidad y estabilidad de la
adaptación y está relacionado con la inversa de la potencia de la señal de entrada al conminador lineal
adaptativo [7].
Partiendo de (7) y (8) se obtiene:
Wk 1  Wk 1  2 k X k
(9)

2.2. Simulación
Para las pruebas de laboratorio y validación de la presente propuesta se utilizaron registros de 12
derivaciones obtenidas de la base de datos de Physikalisch-Technische Bundesanstalt [6].
Se seleccionaron las derivaciones pares de distintos registros para simular los ECG y las impares
para simular los fetales. Luego de ser normalizadas, se les aplicó un coeficiente de 0.7 y 0.3
respectivamente, se les genero un offset aleatorio a las señales fetales para producir un desplazamiento
temporal y se las sumo para generar los registros abdominales. De esta forma se obtuvieron 25
registros de ECGF, ECGA y fueron utilizados para la experimentación y el cálculo de los parámetros
óptimos del filtro adaptativo.
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

La codificación numérica implementada en Matlab en las primeras simulaciones es de punto

flotante, haciendo uso de una precisión de 2*10-16. Como se indica más adelante, dado que el DSP
utilizado en este trabajo posee una arquitectura de 16 bits de punto fijo (precisión máxima de 3*10-5),
se debió seleccionar una codificación numérica acorde para que los resultados fuesen consistentes.
Se observa en la Figura 4, un diagrama de flujo del filtro adaptativo. Primero se filtra la señal
torácica, luego se obtiene la salida del filtro (E) y por último se actualizan los valores del filtro
minimizando el error.

Figura 4. Diagrama de flujo del algoritmo implementado

2.2.1. Simulación en Matlab. Se realizaron simulaciones en las que se probaron distintos valores de
parámetros de convergencia (µ) y la cantidad de polos del filtro, es decir el orden del mismo (L). En
cada caso se registró el ECGF obtenido y se calculó el error cuadrático medio frente al ECGF original.
La selección de los valores de µ y L se realizó teniendo en cuenta las siguientes premisas:
1. El tiempo que tarda el filtro en ajustar sus coeficientes para lograr la minimización del
error cuadrático instantáneo, es llamado “tiempo de establecimiento”. Se consideró como
requisito que este tiempo no superara los 20 segundos.
2. Que el error cometido a partir del tiempo de establecimiento no supere el 5% del valor pico
de la señal fetal obtenida.
3. Si frente a dos valores distintos de L la convergencia obtenida es similar, teniendo en
cuenta las premisas 1 y 2, se opta por utilizar el L de menor tamaño, disminuyendo así los
tiempos computacionales.
4. Si frente a dos valores distintos de µ la convergencia es similar, teniendo en cuenta las
premisas 1 y 2, se utiliza el mayor de ambos. Se evita de esa forma posibles underflows en
el código.
Partiendo de las premisas anteriores, se procedió a la obtención de la velocidad de convergencia µ
y de la cantidad de pesos (L+1) óptimos en distintas señales; evaluando en cada una de ellas la
evolución del error cuadrático instantáneo en función al tiempo. Para la obtención de los valores
óptimos se realizó una prueba que se compuso de dos pasos:
Se adaptó con valores de µ = 0,5 – 0,1 – 0,05 – 0,01 – 0,005 – 0,001 manteniendo el orden del
filtro fijo (L=10).
Se adaptó con valores de L= 2 – 5 – 10 – 20 – 50 – 100 manteniendo µ fijo (obtenido en el primer
paso).
Luego de realizar estas pruebas para todos los registros se pudo apreciar que los 25 registros
analizados pueden dividirse en 3 grupos según su convergencia y error.
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

2.2.1.1 Primer Paso: Obtención velocidad de convergencia. Para el primer grupo (Figura 5), se
observa que un mayor valor de µ resulta en una rápida convergencia. Sin embargo el sistema
no llega a adaptarse adecuadamente en los picos del ECG teniendo un nivel de error mayor
al 5% (no cumple satisfactoriamente la primer premisa). Se obtiene una mejor respuesta del
sistema con valores de velocidad de convergencia menores pese a su mayor tiempo de
adaptación. Para el segundo grupo (Figura 6), se observa que con valores de µ muy
pequeños se obtienen tiempos de adaptación muy elevados (no se cumple la tercera
premisa). Son los valores intermedios de µ quienes logran cumplir con los requisitos del
diseño. Para el tercer grupo (Figura 7), la señal es muy ruidosa y se observan valores de
error acotados para µ=0,01 y µ=0,005.

2.2.1.2 Segundo Paso: Obtención cantidad de pesos L. Utilizando µ de 0,01 se procedió de la

misma forma para la obtención del L óptimo. En los tres grupos mientras menor fuese el
número de coeficientes más rápida resultó la convergencia, y en todos los casos se mantuvo
por debajo del 5% del error. Por esta razón y recordando la premisa 3, se optó por la
cantidad de pesos L=2.

0.1
0.05
0
0 10 20 30 40 50 60 70 80
0.1
0.05
0
0 10 20 30 40 50 60 70 80
0.1
0.05
0
0 10 20 30 40 50 60 70 80
Amplitud

0.1
0.05
0
0 10 20 30 40 50 60 70 80
0.1
0.05
0
0 10 20 30 40 50 60 70 80
0.1
0.05
0
0 10 20 30 40 50 60 70 80
Tiempo (s)
Figura 5. Gráfico de error cuadrático para una señal del primer grupo, con µ variando
entre 0.5 y 0.001. La línea continua pertenece al 5% del error.
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
Amplitud

0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
Tiempo (s)

Figura 6. Gráfico de error cuadrático para una señal del segundo grupo, con µ
variando entre 0.5 y 0.001. La línea continua pertenece al 5% del error.

0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
Amplitud

0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
0.1
0.05
0
0 10 20 30 40 50 60 70
Tiempo (s)
Figura 7. Gráfico de error cuadrático para una señal del tercer grupo, con µ variando
entre 0.5 y 0.001. La línea continua pertenece al 5% del error.

2.3.1. Simulación en VisualDSP. Una vez obtenidos los parámetros constructivos del filtro se procedió
a su simulación en Visual DSP para la plataforma del ADSP 2181, el cual posee una arquitectura de
16 bits de punto fijo. Para verificar el formato numérico utilizado, se debió tener en cuenta la cantidad
de overflows y underflows que se producen al realizar el filtrado. Los cuales deben producirse en
casos aislados o cuando sean permitidos.
Dado que las señales se encuentran normalizadas en el intervalo [-1,1] y con el fin de obtener la
mayor precisión en la parte fraccional se utilizó el formato numérico Q15. Esto significa que se utiliza
1 bit de signo y 15 bits de parte fraccional (1.15). La representación decimal para el formato 1.X es:
N 1
x10  bN   bm 2 m (10)
m 0
Donde bN representa la parte entera y bm son los bits fraccionarios que forman el número en Q15
(N=15). La precisión está dada por el menor valor representable, en este caso 2-15 (3x10-5).
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

En la Figura 8 se puede observar la diferencia obtenida entre la señal obtenida en punto flotante y
la obtenida con formato Q15.

0.3

0.2
a)
0.1

-0.1
0 200 400 600 800 1000 1200 1400 1600 1800 2000

-4
x 10
2

b)
0

-2
0 200 400 600 800 1000 1200 1400 1600 1800 2000
muestras

Figura 8. a) Se grafican conjuntamente las señales obtenidas en Matlab en

punto flotante y en punto fijo. Por cuestiones de escala no se visualizan
diferencias entre ambas b) Diferencia entre ambas.

2.3. Implementación en kit ADSP-2181 EZ-Kit-Lite

El código generado fue diseñado basándose en el hardware disponible y teniendo en cuenta sus
limitaciones. Este incluyó la programación de tres bits del puerto de entradas/salidas (E/S) con el fin
de comprobar la frecuencia de muestreo del conversor analógico digital de los dos canales utilizados,
el tiempo utilizado por el algoritmo y un último bit que cambia su estado en caso de generarse un error
al procesar una muestra.

0.2
a)
0.1
0
-0.1
0 500 1000 1500 2000
-5
x 10
5
Figura 9. a) Señal fetal
obtenida en Matlab
b) utilizando punto fijo y la
0
obtenida en el kit de forma
serial. Por cuestiones de
escala no se visualizan
-5
0 500 1000 1500 2000 diferencias entre ambas. b)
muestras diferencia entre ambas

Se generaron señales de audio, de las señales torácicas y abdominales previamente diseñadas,

mediante funciones propias del Matlab. Para la verificación del algoritmo estas señales se ingresaron
al kit mediante la utilización de la entrada analógica estéreo provista por el mismo (Canal derecho –
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

Señal torácica, Canal Izquierdo – Señal abdominal). Las señales fetales obtenidas en el hardware
difirieron de las obtenidas en la simulación computacional debido a la presencia de un filtro pasa
banda (20 Hz a 20 kHz) previo a la entrada del códec AD1847 (presente en el kit) y luego de la salida
del mismo. Estos filtros recortan el espectro de las señales de ECG, las cuales poseen gran contenido
de potencia debajo de los 20 Hz.
Ante la imposibilidad de verificar el filtro mediante la utilización de señales de audio se decidió por
el envío de las mismas por transmisión serial. Para ello se modificó el módulo de envío y recepción de
datos del firmware del DSP con el fin de comunicarse con la PC vía RS-232.
Desde la PC, la transferencia de la información se realizó mediante un código en Matlab en el cual
se envían los registros de las señales abdominal y torácica al DSP. Y Como respuesta se obtiene el
ECGF, procesado muestra a muestra por el algoritmo implementado, el cual es almacenado para su
posterior análisis (Figura 9).

3. Resultados
El análisis de la búsqueda de los parámetros óptimos del filtro permitió encontrar que los valores del
orden del filtro (L) y el coeficiente de convergencia (µ) fuesen 2 y 0.01 respectivamente. Como dato
adicional calculó el valor medio y el desvío estándar de los coeficientes del filtro obtenidos en la
simulación del filtrado de las distintas señales con L y µ optimo, dando 0.52±0.04 para el primer
coeficiente y 0.48±0.03 para el segundo.

En la Figura 10 se observa la cancelación de ruido utilizando el µ y L calculado en la simulación,

obteniéndose así el ECG fetal buscado.
1

0
a)

-1
0 5 10 15 20 25 30
1

0
b)

Figura 10. Se observa

-1
0.5
0 5 10 15 20 25 30 la señal abdominal (a),
torácica (b), y fetal de
0
c)

la base de datos (c),

-0.5
0 5 10 15 20 25 30 junto con la fetal
0.4
obtenida con el filtro
0.2
(c), y el error
d)

0
0 5 10 15 20 25 30 cuadrático cometido
tiempo [s]
(d).

4. Discusión
El objetivo del presente trabajo, fue la realización de un dispositivo (basado en un DSP), utilizando un
algoritmo básico de cancelador de ruido adaptativo, para extraer la señal de electrocardiograma fetal
(ECGF) a partir de la señal de electrocardiografía abdominal (ECGA) de la madre.
Para ello, en primer lugar, se simularon en Matlab distintos órdenes de filtros y velocidades de
convergencia de un algoritmo de minimización por mínimos cuadrados bajo una estructura adaptativa
de filtros con todos sus polos en el origen (FIR, finite impulse response por sus siglas en inglés).
Posteriormente, se simuló la performance en tiempo real del sistema a desarrollar, teniendo en cuenta
la longitud de palabra y los errores por truncamiento de las mismas, a fin de verificar posibles
desviaciones de esta segunda simulación con la implementación física final. Finalmente, se
implementó el cancelador adaptativo con el orden de filtro y velocidad de convergencia óptima en un
DSP correspondiente al kit de desarrollo ADSP-2181 EZ-Kit Lite.
El diseño del KIT de desarrollo, y más puntualmente, su filtro pasa banda en las entradas
analógicas, impidieron que se utilice su conexión estéreo para el envió de información. Esto hubiera
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

permitido el uso del kit directamente en conjunto con un electrocardiógrafo convencional. Debido a
este impedimento se utilizó el envío y recepción de información mediante comunicación serie. Esto
ocasiona ciertas desventajas, como la necesidad de contar con una PC que retransmita los datos o con
electrocardiógrafos más sofisticados que cuenten con este tipo de comunicación.
La comunicación serie utilizada por el kit permite una velocidad de 9600 baudios. Esto imposibilito
el efecto deseado de procesamiento en tiempo real. Se propone como mejora futura, el aumento de la
velocidad de transmisión de datos, o la transmisión de paquetes de información que permitan un
procesado en tiempo real de las muestras.
Se contrastaron los valores obtenidos del filtro adaptativo implementado, obteniendo los resultados
esperados en cuanto al filtrado de la señal abdominal y recuperación del ECGF.
Existen estudios que han investigado profusamente la eliminación del ECGM del ECGF [12], como
así también optimización de algoritmos y velocidades de cálculos. Este trabajo propuso la
implementación en hardware de un cancelador adaptativo, con todas las consideraciones en cuanto a
errores de cuantificación, velocidad de datos y errores cometidos.
Una de las conclusiones más evidentes sobre el parámetro de convergencia µ (que resulta de
analizar los gráficos de error), es la necesidad de usar pasos pequeños. Esto es consecuencia de que la
señal de ECG es poco estacionaria en los picos, produciendo cambios abruptos en los parámetros
estadísticos e imposibilitando al filtro acompañar ese cambio. Al utilizar menores valores de µ, los
pasos son más pequeños, pudiéndose seguir mejor estos cambios.
Como posible mejora del algoritmo se podría plantear la utilización de un algoritmo más complejo
(estructura IIR adaptativa), que permita la eliminación de otras fuentes de ruido. Se podría plantear
además, la generación de una placa propia en la cual se eliminarían los filtros pasa banda presentes en
el kit para poder utilizar señales analógicas.
Aunque las derivaciones de ECG utilizadas pertenecen a una base de datos real, resta la instancia
de contar con registros propios de pacientes embarazadas para verificación del algoritmo.

5. Conclusión
Este desarrollo ha puesto en evidencia que no es trivial la implementación de un cancelador adaptativo
de ECG materno del ECG fetal. Longitudes de palabra en el DSP, velocidad de transferencia de datos,
orden y velocidad de convergencia del filtro adaptativo, son algunas de las consideraciones a tener en
cuenta para el diseño de un sistema on-line que permita además de la determinación efectiva de la
actividad eléctrica del corazón (ECG), correspondientes a la madre y su feto en desarrollo.

Referencias
[1] R.K. Freeman; T. J. Garite; M. P. Nageotte, "Fetal Heart Rate Monitoring", chpt.1, pp. 1–4,
Lippincott Williams & Wilkins ( 2003).
[2] G. M. Friesen, et al. "A Comparison of the Noise Sensitivity of Nine QRS Detection
Algorithms." IEEE Trans. Biomed. Engineering 37: 85–98 (1990).
[3] R.C. Goodlin, "History of fetal monitoring", Am.J.Obstet,Gynecol 133, 323-352 (1989).
[4] E. R. Ferrara and B. Widrow, "Fetal electrocardiogram enhancement by time-sequenced
adaptive filtering", IEEE Trans. Biomed. Eng. 29, 458–460 (1982).
[5] S. Abboud, A. Alaluf, S. Einav, and D. Sadeh, "Real time abdominal fetal ECG recording using
hardware correlator", Comput. Biol. Med., 22, 32–335 (1992).
[6] Physikalisch-Technische Bundesanstalt (PTB)
[7] “Adaptive signal processing”, B. Widrow. N.J.: Prentice-Hall, 1985, p.335-337
[8] Matlab® 7.0 – MathWorks, Inc, Massachussets, USA.
[9] Visual DSP®. Analog Devices.
[10] “The LMS Algoritm”. En “Adaptive signal processing”, B. Widrow. N.J.: Prentice-Hall,1985,
p.99-116.
[11] “Adaptive signal processing”, B. Widrow. N.J.: Prentice-Hall,1985, p.56.
[12] Fetal Heart Rate Monitoring Based on Adaptive Noise Cancellation and Maternal QRS
 XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica
Mar del Plata, 28 al 30 de septiembre de 2011

Removal Window. M. Sheikh M. Algunaidi, M. A. Mohd Ali, K. B. Gan, E. Zahedi.

European Journal of Scientific Research, pp.565-575 (2009).