Universidade Feeral de Santa Catarina - UFSC

Processamento de Sinais Biomédicos

Amanda Delatorre, Heron Pereira, Kleisson Tedesco
December 5, 2017

1 Introdução
O eletrocardiograma (ECG) é um exame responsável pelo registro da atividade elétrica do
coração por meio de eletrodos colocados sobre a superfície corporal. O ECG representa a somatória
de todas as atividades elétricas que ocorrem a cada instante do ciclo cardíaco. O ECG constitui
um dos mais úteis métodos não invasivos de diagnóstico médico. É utilizado para diagnosticar e
acompanhar a evolução de arritmias cardíacas e diversas outras patologias do coração.
A fim de produzir um diagnóstico correto, um algoritmo para análise de eletrocardiograma deve
conseguir neutralizar o máximo possível de interferências provenientes da rede elétrica e artefatos
musculares.
A principal composição da forma de onda do eletrocardiograma é a onda P, PR e o com-
plexo QRS. O segmento ST, a onda T e o intervalo QT que representa a polarização dos átrios e
ventrículos de forma sequencial (PRASAD; VARADARAJAN).
Este trabalho está organizado em seção A e B. Onde na seção A é realizado o processamento
digital de ECG de um canal, e na seção B, o processamento de ECG de quatro canais. O pro-
cessamento realizado em ambas as seções foram realizados por meio de interpolação, detecção do
complexo PQRST, cálculo da frequência cardíaca e O QUE MAIS

2 Seção A
2.1 Desenvolvimento
2.1.1 Aquisição e pré processamento do sinal
O sinal de ECG utilizado foi adquirido com uma frequência de amostragem de 1 kHz e possui
um canal. O pré processamento do sinal consistiu em realizar a amostragem do sinal em um
intervalo de 3:00 a 3:10 minutos

2.1.2 Interpolação
Para realizar o tratamento adequado do sinal, primeiramente deve-se realizar a interpolação.
O processo de interpolação permite a criação de um novo conjunto de dados que descrevem o sinal
desejado com um numero superior de amostras.
Para realizar essa operação, é necessário que o sinal já tenha sido amostrado a uma frequência
satisfazendo o teorema da amostragem. O sinal originalmente amostrado a 240 amostras/segundo
foi interpolado para uma taxa de 1000 amostras/segundo, respeitando teorema de Nyquist. A
figura ?? evidencia o aumento de amostras do sinal de referência original e o interpolado.

1
 Figure 1: Sinal Original- 240 amostras/s

Figure 2: Sinal Interpolado - 1000 amostras/s

Normalização do Sinal Nesta fase é realizada a normalização da amplitude do sinal. A segmen-

tação do ECG consiste em delimitar a parte de maior interesse do batimento cardíaco, o complexo
QRS. A figura

2
 Figure 3: Sinal interpolado antes da normalização

Figure 4: Sinal interpolado depois da normalização

2.1.3 Detecção do complexo PQRST

Detecção dos picos R

2.1.4 Detecção dos batimentos

2.2 Cálculo de coeficientes e implementação do filtro notch

A segunda etapa da seção A consistiu em projetar e implementar os coeficientes do filtro notch.
Para o cálculo dos coeficientes do filtro notch foi utilizado o método da colocação de polos e
zeros baseados nas seguintes especificações:

• Notch frequency 60Hz

• 3dB width of notch 5Hz

3
 • Sample frequency 1000Hz

Para cálculo de polos e zeros foi utilizada a seguinte equação:

2πF0
ω0 =
Fs
2π · 60
1000
= 26, 1◦ (1)

O raio r dos polos é determinado pela largura de faixa desejada.

(Bw) ∗ π
r =1 −
Fs
10 ∗ π
1−
1000
0.968584 (2)

O cálculo de b0 asseugura que o ganho na banda de passagem seja 1.

|1 − 2 ∗ r ∗ cosω0 |
b0 =
2 ∗ |1 − cosω0 |
|1 − 2 ∗ r ∗ cos(21.6◦ )|
=
2 ∗ |1 − cos(21.6◦ )|
= 0.975606 (3)

Resultando na seguinte equação de diferenças:

b0 (z 2 − 2 ∗ cosω0 ∗ z + 1)
Hn (z) =
z 2 − 2 ∗ r ∗ cosω0 + r2
0.975606 ∗ z 2 − 1.814191 ∗ z + 1
= (4)
z 2 − 1.801133 ∗ z + 0.938154
A partir da equação 4 podemos obter a equação das diferenças:

y(n) = 1.801133y(n−1)−0.938154y(n−2)+0.975606x(n)−1.814191x(n−1)+0.975606x(n−2) (5)

Resultando nos coeficientes de filtro:

a0 = 0.975606
a1 = −1.814191
a2 = 0.975606
b1 = 1.801133
b2 = −0.938154

2.3 Pré processamento e implementação do filtro notch

Pré processameto O pré processamento consistiu em realizar a interpolação do sinal primeira-
mente amostrado a uma taca de 240 amostras/s para uma taxa de 1000 amostras/s, conforme visto
no item 2.1.2.

Implementação do filtro notch Para implementação do filtro notch utilizou-se o comando

"filtfilt". Este comando processa os dados de entrada tanto na direção direta como reversa, resul-
tado nas seguintes características:

• Distorção de fase zero;

4
 • Uma função de transferência de filtro igual à magnitude quadrada da função de transferência
de filtro original;

• Ordem de filtro resultante que apresenta o dobro da ordem do filtro dado pelos coeficientes
a0 , a1 , a2 , b1 , b2 .

A figura 5 mostra o resultado do sinal filtrado obtido por meio da implementação do filtro notch
em um intervalo de 214-218 amostras

Figure 5: Sinal antes e depois do filtro notch

3 Seção B
3.1 Aquisição do Sinal
O sinal provido contem uma frequência de amostragem de 1000 Hertz, durante um tempo total
de 5 minutos. o que nos da um total de 299 831 amostras. Como trata-se de um sinal de 3 canais
e os mesmos estão organizados em uma matriz, foi necessário subdividir em 4 vetores diferentes,
onde o primeiro consiste no canal referencia e dos demais nos canais X, Y e Z.

3.2 Interpolação dos Sinais

O problema pede para que o sinal seja interpolada para 4000 amostras por segundo, para que
o numero de amostras aumente e auxilie no processamento deste sinal. Utilizando-se a função
resample, provida pelo matlab, foi possível interpolar o sinal provido aumentando esta amostragem
para 1 199 324 valores. A figura 6 representa o sinal amostrado inicialmente em azul, assim
como o sinal re-amostrado em vermelho, com o método de interpolação selecionado. As figuras
subsequentes (7, 8 e 9) representam os canais X, Y e Z respectivamente. Também foi selecionada
uma janela de 3:00 a 3:10 minutos, cujo esta representada em segundos variando de 180 a 190.

5
 Figure 6: Sinal Original e interpolado

Figure 7: Canal X Original e Interpolado

6
 Figure 8: Canal Y Original e Interpolado

Figure 9: Canal Z Original e Interpolado

3.3 Detecção do complexo PQRST

Apos a interpolação, os 3 sinais foram filtrados por meio de um filtro noth de 50 Hz, com o
objetivo de se eliminar o ruido produzido pela rede elétrica. Esse filtro tem uma largura de banda

7
de 45 a 55 Hz e foi projetado utilizando-se a ferramente sistool provida pelo matlab. Também foi
utilizado um filtro FIR passa alta com frequência de corte em 0.5 Hz, com o intuito da remoção do
sinal DC. Todos os sinais foram pormediados por meio da detecção de picos do sinal de referência
utilizando-se o algoritmo R Detect cuja detecta os picos da onda R utilizando-se de um limiar
pré-estabelescido. A figura 10, a qual pode-se observar o complexo PQRST bem definido.

Figure 10: Sinais Pormediados

A tabela 3.3 representa número de complexos incluídos na promediação, número de rejeitados,

estimativa do ruído residual. Para o calculo do ruido residual foi do sinal promediado após a onda
T onde não existe nenhuma atividade do ECG. O mesmo foi obtido atraves do calculo do desvio
padrão do segmento

Table 1: Estimativa de Ruido

Sinal Ruido Residual

Referência 0.037324037963840
Canal X 0.205224783945429
Canal Y 0.188803936452194
Canal Z 0.212861980058518
Media 0.202296900152047

O vetor magnitude dos sinais esta representado pela figura 11, onde foram utilizados filtros
passa alta com frequência de cortem em 24, 40 e 80 Hz. Foi calculado atraves da equação 6.
p
mag = X 2 + Y 2 + Z 2 (6)

8
 Figure 11: Vetor Magnitude

3.4 Gráfico RR X Batimento

Todos os picos foram contabilizados utlizando-se o algoritmo de detecção de picos. Estes picos
foram armazenados em um vetor o mesmo foi utilizado para estimar o intervalo RR, entre um
batimento e outro. A figura 12 Representa este Gráfico.

9
 Figure 12: Gráfico RR x Batimento

3.5 Detecção intervalos QT e QTc

Utilizando-se um algoritmo para a detecção do complexo QT, foi possível obter o intervalo de
tempo entre estas duas ondas. Com este intervalo foi possível calcular o QT corrigido, cujo a
formula é dada pela equação ??.
QT
QTc = √ (7)
RR
A figura 13 representa este intervalo, juntamente com o intervalo corrigido utilizando-se a
formula definida por Bazzet, Foi possível se obter uma melhor estimativa deste período de tempo.

10
 Figure 13: Gráfico QT x Batimento

3.6 Filtros Mooving Average

Filtros Moving Average (MA) ou filtros de Média Móvel são filtros que suavizam sinais ruidosos.
São calculados e adaptativos, obtidos a partir da média de um conjunto de valores e utiliza a média
de um ponto mais n pontos prévios. O filtro seleciona uma janela de valores do sinal e realiza a
média dos dados contidos no intervalo, conforme equação , onde windowSize é o tamanho da janela
e X é o vetor, conforme representado na equação 8.
1
y[n] = ∗ (X[n] + X[n − 1] + X[n − windowSize]) (8)
WindowSize
O filtro de média móvel produz um filtro passa-baixa suave, reduzindo os sinais de alta frequên-
cia. Então, por exemplo, para um filtro passa-baixa de 50Hz em um sinal amostrado a 1000Hz, a
janela do filtro será de 20, já que 1000Hz/50Hz = 20 amostras em um ciclo de 50 Hz.
A figura 14 apresenta um filtro MA com uma janela de 20 termos, onde o sinal em azul representa
o sinal original, enquanto o vermelho o sinal filtrado.

11
 Figure 14: Filtro Mooving Average 20 Termos

3.7 Media, Desvio Padrão Variância e Valor RMS

Utilizando-se o sinal original (não interpolado) e o sinal filtrado com um filtro Mooving Average
de 3 termos, o sinal original e filtrado esta apresentado na figura 15 Foram calculados parâmetros
para ambos os sinais, utilizando as funções do matlab: mean, std, var e rms. Estes parâmetros
estão representados pela tabela 2.

12
 Table 2: Valores de 1 a 5 minutos
Desvio Desvio
Media Media Variância Variância Valor RMS Valor RMS
Padrão Padrão
Original Filtrada Original Filtrada Original Filtrado
Original Filtrado
1m 1.69 1.80 4.87 4.98 23.74 23.74 3.84 3.95
2m -0.09 -0.073 2.34 2.36 5.48 5.48 1.65 1.67
3m -2.83 -2.62 6.33 5.98 40.10 40.10 5.29 4.98
4m 4.61 -4.52 3.94 3.81 15.57 15.57 5.39 5.26
5m 2.67 2.64 6.37 6.31 40.59 40.59 5.24 5.18

Figure 15: Filtro Mooving Average 3 Termos

3.8 Intervalos RR para a faixa MRR − 2σ < RR < MRR + 2σ

De posse dos intervalos RR encontrados anteriormente no sinal de referência promediado, foi
calculada a média e o desvio padrão para o conjunto dos batimentos. A figura 16 representa o os
intervalos selecionados na faixa de valores especificados.

13
 Figure 16: Intervalo RR Selecionado

References

14