Análisis de señal ECG

Empleando Wavelets
 Las señales ECG por naturaleza son no
estacionarias y seudoperiodicas

Normalmente, el rango de frecuencia de una

señal ECG es de 0.05 a 100 hz, con amplitud
de 1 a 10 mV. La mayor información y la más
valiosa se encuentra contenida en el rango de
0.5 a 45 hz.
 forma de onda estándar de la señal ECG para un
ciclo cardiaco
La señal ECG está caracterizada por máximos y mínimos
nombrados P, Q, R, S, T, U.
El análisis de la señal ECG requiere información tanto en
el dominio del tiempo, así como en el dominio de la
frecuencia, para el diagnóstico clínico.
Algo de Wavelets

actualmente se aplica a una gran variedad de señales

biomédicas, como pueden ser EMG, EEG, sonidos
clínicos, patrones de respiración, presión de sangre,
secuencias de ADN, y; diagnóstico de anormalidades
en la señal ECG
 La transformada wavelet de una señal se obtiene al
comparar la señal de entrada con una versión dilatada y
corrida de una señal llamada wavelet madre.

La transformada wavelet es una herramienta muy útil para

detectar puntos característicos de un ECG, por medio de
habilidad para descomponer señales en funciones bases
bien localizadas; y distinguir la señal ECG del ruido
Wavelet divide la señal en un conjunto ondas
wavelets con distinta posición (adelantar o
retrasar) y escala (estirar o encoger) del wavelet
original
La más grande ventaja es su habilidad
para realizar análisis local; es decir,
analizar un área localizada de una señal
más grande. Veamos un ejemplo:
una gráfica de los coeficientes de wavelets muestran
claramente la localización exacta, en el tiempo, de la
discontinuidad.
Descomposición de una señal en wavelets
y funciones de escala
Definición de Transformada Wavelet Continua (CWT)
La transformada wavelet de una señal x(t) se
determina calculando el producto interno de x(t) con
versiones corridas y dilatadas de una función Ψ(t) ε L2(R),
definida como
 La WT se puede entender como el análisis de un filtro
pasa banda aplicado a una señal x(t), en otras palabras
como la convolucion de x(t) con la wavelet espejo y
escalada

W(b,a) son los coeficientes de la wavelet, los

cuales se pueden visualizar en un escalograma,
por lo que se habla de análisis tiempo-escala, y
son obtenidos al escalar la wavelet
 The Haar wavelet and its scaling function

Una wavelet es una forma de onda de duración limitada y con

un valor promedio igual a cero
Otra ventaja es la variedad de funciones wavelet disponibles
Ejemplo: se tiene una señal x(t)=σ(t-3)-σ(t-6), donde σ representa la función
escalón, se pide determinar la CWT considerando la wavelet Haar, con una escala a=1 a
6, para obtener una buena aproximación.
Los coeficientes de la CWT se obtienen al calcular la correlación entre la señal x(t), y la
función wavelet corrida y escalada

x(t)=σ(t-3)-σ(t-6),
Como se observa en el escalograma resultante al calcular la CWT en las escalas pedidas,
los puntos brillantes indican la correlación más alta en la escala específica, en un tiempo
determinado
Los máximos valores se observan en la escala a=6, y en t=3, y t=6
Para que una función pueda ser considerada Wavelet debe satisfacer la condición de
admisibilidad definida por

Ψ(ω) es la transformada de Fourier de la wavelet Ψ(t)

Ejemplo Se analizaran dos sinusoides de frecuencia
10hz, y 20hz, con dos pulsos adicionales en t=0.84s y
t=0.94s, y uno sinusoide más de 70hz se agrega a los
2s, esta vez se utilizara la wavelet Morlet compleja,
definida por
 En la figura b se observan las senoides de 10hz y 20hz,
asi como los impulsos, y la señal de 70hz pero esta por la
mala resolucion a altas frecuencias no se define
correctamente
Transformada Wavelet Discreta (DWT) y análisis multiresolucion (MRA)

La DWT en particular evalua el plano tiempo-escala, en escalas

diadicas am y puntos de muestreo bm,n

Muestreo diadico para un plano tiempo-escala.

Los coeficientes de DWT no transportan redundancia, lo que los hace interesante para
compresión de señales.

El fundamento matemático para generar bases de funciones ortonormales es

el análisis multiresolucion (MRA), propuesto por Mallat en 1989.

La señal discretizada x[n] es igual a la proyeccion x(t) en el subespacio Vo, y

los coeficientes wavelet o de detalle se asumen cero, es decir es la
representacion mas exacta
La DWT se determinan aplicando la señal de interés en un banco de filtros
Algoritmo de detección de la onda R
Algoritmo de detección del complejo QRS
Con el toolbox WFDB para MATLAB se tiene acceso a los registros de la
base de datos del MIT_BIH.
con el siguiente comando se tiene el ECG marcado con el registro 100

>> plotATM('100m')
Modelos para realizar análisis de ECG
 Cadenas de Markov
 Módulo Máximo
 Algoritmo de Pan-Tompkins
Métodos para la detección del complejo QRS
 Filtros de Coincidencia
 Criterio de pendiente
 Modelo oculto de Markov (HMM)
 Banco de Filtros
 Redes Neuronales
Métodos para la detección de complejo QRS, basadas en
transformaciones no lineales y transformada wavelet
 Mediciones de Diagnostico
 Análisis no Lineal de Componentes Principales
 Transformada Wavelet