ERGÓMETRO CON DETECCIÓN DE ARRITMIAS
EMPLEANDO REDES NEURONALES
G. Messineo, R. A. Gonzalez
Directores: Mr Ing I. Passoni, Ing. F. Clara
Ingeniería Electrónica
Resumen
El trabajo realizado consistió en el
diseño y construcción de un ergómetro
basado en PC, y en el desarrollo de un
software basado en redes neuronales que
permite detectar patrones anómalos en las
señales registradas. Este equipo adquiere
y muestra en pantalla y en tiempo real
cuatro señales que corresponden a las
derivaciones cardíacas DII, V2 y V5,
utilizándose el cuarto canal como
explorador. Las señales pueden ser vistas
simultáneamente o en forma individual. A
medida que las señales son adquiridas se
almacenan en un registro, que contiene
además los datos del paciente, al que
podrá accederse posteriormente para
realizar el análisis.
Para efectuar el análisis mencionado
se utiliza una red neuronal de tipo
competitivo.
Introducción
El electrocardiograma estándar (ECG)
es la prueba que se realiza con mayor
frecuencia para estudiar la actividad
cardiaca por ser económico, no invasivo,
sencillo y poseer una utilidad diagnóstica
significativa.
La prueba de esfuerzo
ergometría consiste en registrar la actividad
eléctrica del corazón mediante un
electrocardiógrafo y la presión sanguínea
mediante un esfigmomanómetro, mientras
el paciente camina en un tapiz rodante o
pedalea en una bicicleta fija. La prueba de
esfuerzo se usa para:
Determinar si existe una
enfermedad del corazón
Determinar si el tratamiento para la
enfermedad del corazón es efectivo.
La interpretación del ECG es realizada
generalmente por un especialista, quien
mediante la observación visual del trazado
electrocardiográfico y basándose en su
conocimiento, llega a una conclusión
acerca de la existencia o no de trastornos
2004
en la actividad cardiaca. Como toda
observación subjetiva, y debido a factores
tales como fatiga, experiencia y capacidad
visual, la interpretación es propensa a
imprecisiones. Debido a lo anteriormente
dicho es que en las últimas décadas ha
cobrado gran auge la interpretación
automática del ECG y ya es común que los
electrocardiógrafos actuales incluyan esta
posibilidad. Todo esto ha sido posible
debido al grado de miniaturización, bajo
consumo y potencia de cómputo alcanzado
por las componentes electrónicos actuales,
así como por los avances en los métodos
para el procesamiento digital de
bioseñales.
El objetivo de este trabajo es el
armado de un equipo de adquisición de
señales cardiacas y el hallazgo de algún
tipo de parámetro que permita que la red
neuronal realice una clasificación de los
ciclos cardíacos en latidos de duración
normal y latidos cortos o anticipados, ya
sea por contracción ventricular o auricular
prematura. La red utilizada contiene a su
vez dos tipos de arquitectura: SOM y LVQ
(con aprendizaje no supervisado y
supervisado respectivamente), que utilizan
una clasificación competitiva.
Metodología
o
1. Sistema de adquisición
Este sistema puede dividirse en
cuatro bloques principales:
• amplificador de la señal analógica
(cardiaca);
• sistema de conversión de datos
analógicos a datos digitales;
• sistema de interfase a través del puerto
paralelo;
• sistema de gráfica en pantalla y
almacenamiento de los datos en
memoria.
La máxima amplitud de la señal
cardiaca es del orden del mV, y la misma
toma valores positivos y negativos de
tensión, dependiendo de la derivación que
se esté observando. El conversor A/D que
se utilizó acepta señales de hasta 5 V y no
trabaja con niveles de tensión negativos.
Es por eso que, una vez amplificada, a la
señal se le agrega un nivel de continua que
se extrae por software en un paso
posterior. Se tomó como nivel de continua
la mitad de la máxima tensión admisible por
el conversor A/D (2.5V) y se amplificó la
señal unas 600 veces.
La amplificación se realiza en dos
etapas, una etapa diferencial y la otra en
modo común. La primera esta compuesta
por amplificadores diferenciales a los que
se conectan los electrodos colocados sobre
la piel del paciente. Estos amplificadores se
implementaron con el integrado LM324,
que es un encapsulado de 4 amplificadores
operacionales. La amplificación teórica de
esta etapa es de 50 veces.
La segunda etapa de la amplificación de
la señal, para llegar así a las 600 veces, se
realiza con el filtro pasa banda que
determina el ancho de banda del
instrumento, implementado con un
amplificador operacional y que tiene una
ganancia teórica de 12 veces. Este filtro es
diseñado para que las frecuencias de corte
en baja y alta sean 0.05Hz y 100Hz
respectivamente, y se respete la ganancia
antes mencionada. A la salida del filtro se
le añade a la señal el nivel de continua ya
mencionado.
Luego de que la señal es amplificada,
ingresa al conversor A/D (ADC 0808), para
su digitalización. Se eligió una frecuencia
de muestreo de 500Hz, generada con un
LM555.
La señal, una vez digitalizada, se
adquiere a través del puerto paralelo de la
PC en modo unidireccional, por lo que se
cuenta con 5 bits para adquirir los datos de
8 bits. Para hacer esto posible se
multiplexa la señal con un 74LS 157, que
divide al dato de 8 bits (Byte) en 2 de 4 bits
(Nibbles). Este dato se lee a través de los
bits 10, 11, 12, 13 del registro de estados
del puerto paralelo
Posteriormente, mediante software, se
arma el byte transmitido, se lo muestra en
pantalla y se lo guarda en memoria. El
software para el manejo de las líneas del
puerto paralelo y la adquisición, gráfica, y
almacenamiento de los datos se
implementó en C++.
2. Detección del complejo QRS
La señal cardiaca contiene la
denominada onda R que es la onda de
mayor amplitud en la mayoría de las
derivaciones cardíacas. Esta onda, junto
con la onda Q y la onda S forman el
denominado complejo QRS, que
corresponde a la despolarización de los
ventrículos antes de su contracción.
El complejo QRS de señal cardiaca es
el parámetro más utilizado en la detección
de anormalidades en dicha señal, debido a
que es el que tiene mayor amplitud en casi
todas las derivaciones y a que por su
espectro de frecuencia angosto se puede
aislar fácilmente mediante el filtrado.
El algoritmo, implementado en Matlab,
posee dos partes bien diferenciables. Una
de ellas es la de filtrado de la señal ECG,
basado en el método desarrollado por Pan
y Tompkins, y la otra es la etapa de
detección de los picos de la señal filtrada.
El método desarrollado por Pan y
Tompkins utiliza:
- un filtro pasa banda (realizado con
un filtro pasa bajos con frecuencia
de corte en 20Hz y un filtro pasa
altos con fc en 8Hz), para reducir el
ruido y las señales interferentes
fuera de la banda de frecuencias
en la que se encuentra el complejo
QRS;
- un derivador que enfatiza las
pendientes de la onda R;
- un bloque que eleva al cuadrado a
la señal de salida del derivador,
para aumentar aún más las altas
frecuencias del complejo QRS;
- por último se hace una estimación
de la energía de la señal con una
ventana móvil del tamaño del QRS
más largo sin llegar a la onda T.
Una vez procesada la señal mediante el
mencionado algoritmo se procede a la
detección de los picos R.
El algoritmo de detección de picos
consta de las siguientes etapas:
- Búsqueda del primer punto de la
señal filtrada que supere el umbral
de detección. En caso de que no
se encuentre dicho punto dentro de
un tiempo equivalente a dos veces
el periodo cardiaco promedio, se
realiza una rebúsqueda, utilizando
un umbral mínimo.
- Búsqueda del máximo absoluto en
una ventana de la señal filtrada
establecida a partir del punto
donde se supera el umbral.
- Determinación del pico R en la
señal de ECG. Una vez detectado
el máximo en la señal filtrada se la
afecta por los retardos introducidos
 por los filtros, para obtener así el
punto correspondiente al pico R de
la señal cardiaca original.
- Actualización del salto. Se realiza
después de cada detección de un
pico R y se calcula el salto como el
39% de la raíz cuadrada de un
intervalo RR.
- Actualización del umbral. Se realiza
después de cada detección de pico
como el promedio entre el umbral
actual y la cuarta parte de la altura
del pico R de la señal filtrada. La
actualización del umbral mínimo se
actualiza una vez cada 80
pulsaciones como la suma del 75%
del umbral mínimo estimado y el
25% del umbral mínimo anterior. El
umbral mínimo estimado se calcula
como el 5% del promedio de la
altura de los 80 picos R pasados.
3. Análisis de la Señal con Redes
Neuronales
Una vez obtenidos los registros
electrocardiográficos el sistema brinda la
opción de realizar un análisis mediante el
cual se obtiene una clasificación del
período cardíaco en “largo” y “normal”. Los
parámetros de la señal que se extraen para
realizar esta clasificación son, por ejemplo,
el período R-R, la duración del complejo
QRS y la altura de la onda R.
Una vez obtenidas, estas características
son utilizadas como entradas de la red
neuronal.
Existen diferentes tipos de redes
neuronales que otorgan estructuras de
procesamiento adecuadas a una aplicación
particular. El denominado Modelo de
Kohonen resulta útil para el estudio de
señales biológicas y pertenece al grupo de
algoritmos de codificación del vector. Dicho
modelo genera un mapa topológico para
ubicar de manera óptima un número fijo de
vectores en el espacio de entrada, de
mayor dimensión que al espacio de salida,
y así facilitar la compresión de datos. Dos
variantes de este modelo son el Mapa
Auto-Organizativo (SOM) y el Learning
Vector Quantization (LVQ). El primero
corresponde a un paradigma de
aprendizaje no supervisado y un algoritmo
de aprendizaje competitivo; por su parte el
LVQ es un método no supervisado que
utiliza un algoritmo adaptativo, el cual
encuentra un conjunto óptimo de vectores
de referencia.
En este caso se utilizó una red SOM
seguida por una LVQ, lo que incrementa el
rendimiento del detector. Los parámetros
extraídos de la señal para usar como
entradas de la red son el período R-R, la
diferencia entre dos períodos consecutivos
y la duración del complejo QRS. Con estos
datos la red SOM es capaz de determinar
si los latidos son cortos, normales o largos.
Este dato es la salida de la red SOM y la
entrada que se le brinda a la LVQ, que
posteriormente determina si hubo un latido
anticipado o no.
La red SOM elegida fue una con tres
neuronas de salida, una para cada tipo de
período: corto, normal y largo. La capa de
salida actúa en forma competitiva, es decir,
dado un vector de entrada sólo una de las
neuronas de salida responde (la neurona
ganadora) indicando de qué tipo de latido
se trata. Las entradas que se le dieron a
esta red fueron dos: el período cardíaco,
Tcard, y la diferencia entre dos períodos
consecutivos, DTCard. La arquitectura de
la red LVQ consiste en una capa de 4
neuronas a las que se le ingresa la salida
de la red SOM y la duración del complejo
QRS. La salida de la red LVQ indica si el
latido fue normal o anticipado.
Para el entrenamiento y prueba de la
red se utilizaron señales de la Base de
Arritmias del MIT-BIH. Específicamente se
utilizó el registro 106 que contiene 2027
latidos entre los cuales hay 520 PVC
(contracciones ventriculares prematuras)
multiformes. Este registro se dividió en tres:
con el segundo tramo se entrenó la red
SOM, con el tercero la LVQ y la primera
parte se utilizó para probar la red completa.
También se utilizó para probar la red el
registro 100, que contiene 2273 latidos, en
su mayoría normales.
4. Resultado y Discusión
Durante el proceso de desarrollo del
equipo, tanto el hardware como el software
fueron sometidos a ensayos con el fin de
comprobar el desempeño del equipo y su
estabilidad. Se efectuaron registros
electrocardiográficos de cuatro canales
sobre voluntarios sanos, con resultados
totalmente satisfactorios con respecto a la
relación señal ruido, a la estabilidad de la
línea de base y a la respuesta en
frecuencias.
Los algoritmos que realizan la
clasificación del ECG fueron probados con
señales de la Base de Arritmias del MIT-
BIH. Los resultados obtenidos se
encuentran en la tabla 1.
La tasa de falsos positivos es la
cantidad de latidos que la red detecta como
anticipados sobre la cantidad de latidos
anticipados que en realidad contiene el
registro mencionado. La columna de latidos
detectados se refiere a la cantidad total de
latidos que se detectan en el registro.
Tabla 1
Latidos Tasa de
registro
detectados / falsos
latidos reales positivos
100 2272/2273 0.52
105 2600/2572 2.82
106 2094 / 2072 1.15
200 2718 / 2601 0.46
203 3275 / 2980 1.92
5. Conclusión
Como puede observarse en la TFP la
mejor detección se realiza con la señal 106,
que fue la utilizada para entrenar la red.
En la señal 100 se detectaron
prácticamente todos los latidos, pero la
tasa de latidos cortos detectados es
baja a pesar de que es la señal más
“limpia”. Esto puede ser consecuencia
de que nuestro clasificador tiene como
parámetro de entrada la diferencia
entre dos períodos consecutivos y no
hay diferencia de períodos entre los
latidos con APC (contracción
ventricular prematura) dado que
ocurren en episodios prolongados, por
lo que están siendo clasificados como
normales. De todas formas al comienzo
y al final de esos episodios sí aparecen
latidos anómalos, por lo que el
profesional médico podrá detectarlos.
En la señal 105 se observa una alta
tasa de falsos positivos, esto puede
deberse al alto nivel de ruido que
presenta la señal y a la presencia de
artefactos que pueden confundirse con
falsos complejos QRS. Como puede
verse en la tabla, el total de latidos
detectados fue de 2600, cuando en el
registro hay sólo 2572 latidos.
En cuanto a las últimas dos señales,
según los comentarios de MIT-BIH, son
sumamente difíciles de analizar, incluso
para el ojo del médico, lo que
justificaría los resultados obtenidos.
La red también fue ensayada
finalmente con señales provenientes de
individuos sanos y exentos de arritmias.
En un total de 1000 ciclos cardíacos, la
red no reportó ningún latido anormal, tal
como era de esperar.
Referencias
- El diagnóstico electrocardiográfico de
las arritmias. Metodología de análisis y
definiciones. Dra. M. Susana Halpern
- The principles of QRS detection. Bert-
Uwe Köhler, Carsten Hemmig,
Reinhold Orglmeister. Universidad de
Tecnología de Berlín. IEEE
Enero/Febrero 2002.
- Optimal QRS detection algorithms.
Aman Cohen y Mladen Poluta.
Universidad Ben Gurion, Israel y
Universidad de Cape Town, Sudáfrica.
- QRS detection using a fuzzy neural
network. Kevin P. Cohen, Willis J.
Tompkins, Adrianus Djohan, John G.
Webster y Yu H. Hu. Universidad de
Wisconsin. IEEE 1995.
- Utilización de Modelo de Kohonen y
del perceptrón multicapas para
detectar arritmias cardíacas. L.B.
Barbosa, G.H. Kleisinger, A.D. Valdez,
J.E. Monzón. Universidad Nacional de
Nordeste, Corrientes, Argentina.
Congreso Latinoamericano de
Ingeniería Biomédica, La Habana 2001,
Cuba.
- Detection of the QRS complex, P
wave and T wave in electrocardiogram.
K.F. Tan, K.L. Chan y K. Choi. City
University, Hong Kong.
- Procedimiento digital para la
detección del complejo QRS y el
establecimiento de la marca fiducial.
Rubén Orozco Morales. Dic. 1998,
Cuba.
- Detección de parámetros
electrocardiográficos con modelo SOM
y LVQ de redes neuronales. G.H.
Kleisinger, Eduardo Del Valle, Jorge
Monzón. Universidad Nacional de
Nordeste. Corrientes, Argentina.
- Tesis doctoral: “Estudio de Métodos
para el procesamiento y agrupación de
señales electrocardiográficas”. David
Cuesta Frau. Universidad Politécnica
de Valencia.