Escolar Documentos
Profissional Documentos
Cultura Documentos
IMPLEMENTAÇÃO DE TÉCNICAS DE
PROCESSAMENTO DIGITAL DE SINAIS PARA
OBTENÇÃO DE INFORMAÇÕES DE SINAIS
ELETROCARDIOGRÁFICOS
FLORIANÓPOLIS, 2020.
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE
SANTA CATARINA - CÂMPUS FLORIANÓPOLIS
DEPARTAMENTO ACADÊMICO DE ELETRÔNICA
CURSO SUPERIOR DE ENGENHARIA ELETRÔNICA
IMPLEMENTAÇÃO DE TÉCNICAS DE
PROCESSAMENTO DIGITAL DE SINAIS PARA
OBTENÇÃO DE INFORMAÇÕES DE SINAIS
ELETROCARDIOGRÁFICOS
Orientador:
Prof. Dr. Pedro Giassi Junior
FLORIANÓPOLIS, 2020.
Ficha de identificação da obra elaborada pelo autor.
Este trabalho foi julgado adequado para obtenção do Título de Engenheira Eletrônica em
Outubro de 2020 e aprovado na sua forma final pela banca examinadora do Curso de Engenharia
Eletrônica do instituto Federal de Educação Ciência, e Tecnologia de Santa Catarina.
Banca Examinadora:
Agradeço, primeiramente, à Deus que esteve sempre comigo me dando forças pra
continuar em meio às adversidades.
À minha família, principalmente aos meus pais, Izália e Marco Antonio, que sempre
me apoiaram e me incentivaram a seguir em frente. Também aos meus irmãos, Ana Paula e
João Vitor, pelos momentos de descontração em meio à quarentena que tornaram os dia mais
leves.
Aos meus amigos, que dividiram momentos de incertezas e alegrias ao longo da
graduação.
Ao meu namorado, Diego, que leu meu texto várias vezes e me incentivou nos meus
momentos de dúvidas.
Aos meus professores, que me proporcionaram tanto aprendizado, e, em especial,
ao meu orientador Pedro Giassi, por toda a dedicação e conhecimento compartilhado. Também
à professora Cláudia Silveira, que ao longo do semestre colaborou para uma melhor escrita.
"Quando acordei hoje de manhã eu sabia quem eu era, mas acho que já mudei
muitas vezes desde então."(Alice no País das Maravilhas - Lewis Carroll)
RESUMO
The electrocardiogram is a simple, safe and non-invasive procedure to measure the electrical
activity of the heart. Health professionals use it to diagnose cardiovascular problems, and
supervise the cardio-activity during a treatment. Nowadays, this procedure is also present in
everyday devices, such as digital watches, helping its user during physical activity. This work
aims to implement digital signal processing techniques and to apply them to electrocardiogram
signals to extract information to assess the electrical activity of the heart. Using the Python
programming language, several signal processing techniques were implemented to filter undesired
signals and extract information associated with the electrical activity of the heart. In one of the
activities, the performance of the implemented technique was also evaluated using mathematical
performance metrics to measure its sensitivity and reliability. The implemented digital signal
processing techniques illustrates the advantage of using such approach to process and extract
information from ECG signal.
Tabela 1 –
Anotações nos sinais da base de dados physionet . . . . . . . . . . 34
Tabela 2 –
Sensibilidade e preditivo positivo na base de dados physionet . . . . 42
Tabela 3 –
Índices retirados do gráfico de Poincaré. . . . . . . . . . . . . . . . . 45
Tabela 4 –
Índices retirados do gráfico de Poincaré. Comparação da utilização
de atropina e esmolol. . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Tabela 5 – LF e HF da curva RR. . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Tabela 6 – LF e HF da curva RR com uso de medicações bloqueadoras do
sistema nervoso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
LISTA DE ABREVIATURAS E SIGLAS
ECG Eletrocardiograma
HL High frequency
LF Low frequency
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.1 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Definição do Problema . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . 19
2.1 Sistema cardiovascular . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 O coração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Eletrocardiograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 Interferências no sinal elétrico cardíaco . . . . . . . . . . . . . . . . . . . . 23
2.1.4 Complexo P-QRS-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.5 Anomalias Cardíacas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.6 Curva de variabilidade cardíaca . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Processamento Digital de Sinais . . . . . . . . . . . . . . . . . . . . . 25
2.2.1 Convolução discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.2 Filtros Digitais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.3 Wavelet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.4 Transformada rápida de Fourier . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.5 Densidade espectral de potência . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.6 Gráfico de Poincaré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.7 Espectrograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1 Métodos Aplicados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4 RESULTADOS E DISCUSSÃO . . . . . . . . . . . . . . . . . . . . . 34
4.1 Bases de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Remoção de artefatos . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Detecção do Complexo QRS . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.1 Avaliação do detector QRS . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4 Variabilidade da frequência cardíaca (VFC) . . . . . . . . . . . . . . . 43
4.4.1 Análise da VFC a partir de características temporais . . . . . . . . . . . . . 43
4.4.2 Análise da VFC no domínio da frequência . . . . . . . . . . . . . . . . . . 48
4.5 Detecção de desordens no sinal de ECG . . . . . . . . . . . . . . . . 54
5 CONSIDERAÇÕES FINAIS . . . . . . . . . . . . . . . . . . . . . . . 56
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
16
1 INTRODUÇÃO
As arritmias são desordens cardíacas comuns que podem ser diagnosticadas por
meio do ECG e que podem causar riscos à vida das pessoas. A identificação automática de
desordens cardíacas pode auxiliar o médico em um diagnóstico mais rápido e preciso podendo
ser obtidos por meio da aplicação de técnicas de Processamento Digital de Sinais (PDS) no
sinal de ECG (ROGAL, 2008).
O Processamento Digital de Sinais (PDS) traz grandes vantagens no processamento
de informações de ECG, pois ele permite técnicas mais agressivas de redução de ruído em relação
às técnicas de processamento analógico. Como exemplo, tem-se a captação analógica de sinais
de ECG que sofre com interferência do sinal da rede de energia, de artefatos de movimento e
atividade elétrica produzida pela atividade muscular. Esses problemas são facilmente resolvidos
no domínio digital. Além disso, PDS também está presente na implementação de algoritmos
que destacam informações trabalhosas de se obter visualmente em longos registros, acelerando
o processo de laudo médico, além de extrair informações não visuais presentes no sinal, como
a frequência cardíaca média e suas oscilações ao longo do tempo.
A atividade elétrica do coração contém diversas informações acerca da funcionalidade
e fisiologia desse órgão. Nesta pesquisa, serão investigadas como técnicas de processamento
digital de sinais podem ser aplicadas a sinais de ECG para extrair informações úteis acerca do
funcionamento do coração.
A estruturação deste trabalho dar-se-á da seguinte forma: após o capítulo da
introdução, será apresentada a fundamentação teórica para a compreensão dos capítulos
posteriores; em seguida será descrita a metodologia utilizada para a realização do estudo;
posteriormente, serão apresentados os resultados e discussão, pontuando as bases de dados
utilizadas, trazendo a detecção dos complexos, a formação do gráfico da VFC e seu estudo e a
detecção de desordens no sinal de ECG e, por fim, serão pontuadas as considerações finais
sobre a pesquisa.
1.1 Justificativa
Uma análise automatizada prévia do exame reduz o tempo que o médico precisa
para analisá-lo e já identifica os pontos de atenção, isso deixa o processo muito mais rápido e
seguro. Assim, este trabalho se justifica por trazer estudos acerca de aplicações de técnicas de
PDS que ajudem o processo de análise da condição cardíaca do paciente, bem como a detecção
de patologias cardíacas.
A análise do sinal de ECG geralmente é feita por um cardiologista que faz uma
análise visual da sua forma de onda; porém, esse processo, além de lento e exaustivo, é muito
suscetível a erros. Além disso, nem toda a informação presente no sinal de ECG pode ser obtida
visualmente, necessitando-se de processamento computacional para adquiri-la.
O sinal elétrico do coração contém informações morfológicas e de funcionamento
do coração do indivíduo em questão. Este trabalho se propõe investigar a aplicação de técnicas
para a obtenção de informações relevantes sobre esse funcionamento para auxiliar o prognóstico
médico. Deste modo, a pesquisa visa responder: Que tipos de informações as técnicas de
processamento de sinais podem oferecer acerca do sinal eletrocardiográfico?
2 FUNDAMENTAÇÃO TEÓRICA
Este capítulo tem por finalidade introduzir conceitos necessários para o desenvol-
vimento do trabalho de conclusão de curso. Inicialmente apresentam-se conceitos do funcio-
namento do coração e da captação do sinal, assim como conceitos de anomalias cardíacas e
variabilidade cardíaca e, por fim, apresentam-se conceitos relacionados a processamento digital
de sinais.
2.1.1 O coração
cardíacas se contraem e relaxam de maneira coordenada. O átrio direito recebe das veias cavas
superior e inferior o sangue desoxigenado, proveniente da circulação sanguínea sistêmica, e o
envia para o ventrículo direito, que tem por função bombear esse sangue, pobre em oxigênio,
para o pulmão. O átrio esquerdo recebe o sangue oxigenado vindo de quatro veias pulmonares
que é depositado no ventrículo esquerdo, de onde é bombeado para o restante do corpo, através
da artéria aorta (HINKLE; CHEEVER, 2018).
O tecido cardíaco possui três camadas: 1) a camada mais externa, denominada
pericárdio, 2) a camada mais interna, denomina endocárdio e 3) a uma camada intermediária
entre essas duas, denominada miocárdio. Esta última tem a função de produzir a força
eletromecânica de contração do coração e está conectada a um sistema de condução elétrica
que permite a rápida propagação de impulsos elétricos por todo tecido cardíaco, formando o
chamado fluxo ou ciclo cardíaco (LOURENÇO, 2020).
O coração, por meio do nodo sino atrial, gera seu próprio estímulo elétrico no
músculo cardíaco, o qual permite que ele se contraia ritmicamente. Apesar disso, a força e
a frequência de contração podem ser alterados através do sistema neural parassimpático e
simpático, além do sistema endócrino (PATWARDHAN, 2006).
O sistema nervoso parassimpático atua por meio do nervo vago, o qual vai do
cérebro até o abdômen. Ao longo desse trajeto, esse nervo se conecta a vários órgãos, um deles
é o coração. Sua ativação produz uma redução na frequência cardíaca, sendo sua atividade
predominante durante o repouso. Já o sistema nervoso simpático é predominante em momentos
de estresse ou exercícios, sua estimulação eleva a frequência cardíaca. Esses dois sistemas agem
de maneira complementar e têm papel fundamental na regulação rápida da frequência cardíaca,
batimento a batimento.
O sistema nervoso central pode ser visualizado na Figura 3, é o principal responsável
por essa ação regulatória e age através de interações combinadas entre seus ramos autonômicos
(simpático e parassimpático) para manter o equilíbrio ótimo do sistema cardiovascular (URSINO;
MAGOSSO, 2003).
21
2.1.2 Eletrocardiograma
A fase de aquisição de sinal é composta por eletrodos, dispostos sobre a pele, que
captam essas variações de potencial elétrico e enviam para um sistema de processamento. A
função do sistema de captação é amplificar (através do amplificador de instrumentação) e
remover (através do filtro) determinadas componentes de frequência do sinal captado. Por fim,
tem-se um somador para nível DC. O resultado do processo de captação e processamento é
22
um sinal que contém informação sobre a atividade elétrica do coração, sendo denominado sinal
de ECG.
A representação gráfica desse sinal pode ser visualizada na Figura 5 e permite um
exame simples e não invasivo do coração.
I = EL − ER
II = EF − ER
(1)
III = EF − EL
I + III = II
Figura 7 – Fases do ciclo cardíaco: A fase 1 mostra o estado inicial seguido pela
fase 2 que representa a contração dos átrios formando a onda P. Em
seguida, na fase 3, o tempo entre a ativação dos átrios até a ativação dos
ventrículos configura o segmento PQ. A fase 4 corresponde à contração
dos ventrículos, responsáveis pelo complexo QRS. Na fase 5 o tempo
entre a contração dos ventrículos e o retorno ao estado de repouso é
representado pelo segmento ST. E por fim, na fase 6, é o retorno ao
estado de repouso representado pela onda T.
As arritmias impedem o coração de bombear sangue suficiente para o corpo, e algumas delas
podem ser fatais. Para a detecção de anomalias em um eletrocardiograma, é preciso analisar e
interpretar as formas de ondas e os complexos (FERREIRA, 2019).
O diagnóstico de arritmias geralmente ocorre com um profissional da área analisando
longos registros e identificando os possíveis pontos fiduciais. Esse é um processo longo e pode
ser automatizado com técnicas de processamento de sinais.
em que y[n] é o sinal filtrado, h[n] é o filtro digital, caracterizado por sua resposta ao impulso;
x[n] é o sinal de entrada do filtro, n é o tempo discreto e k, a variável do domínio em que a
convolução é realizada.
Na prática, x[n] e h[n] são finitos e possuem e comprimento Nx e Nh , respectiva-
mente. Dessa forma, a operação em (2) é dada pela Equação 3:
Xh −1
Nx +N
y[n] = h[k]x[n − k] (3)
k=0
N N
(4)
X X
y[n] = ai .x[n − i] − bi .y[n − i]
i=0 i=1
Figura 10 – (a) chirp com frequências acima de 25Hz atenuadas e (b) a as frequên-
cias presentes ao decorrer do tempo no chirp após a filtragem.
(a) (b)
Um filtro ideal teria uma transição abrupta de banda de passagem para banda de
rejeição; porém, para um filtro real é permitida uma região de transição localizada entre ωp e
ωs . A frequência de passagem, em radianos, é ωp e a de rejeição é ωs . O ripple permitido na
banda de passagem é dado por δ1 e o ripple permitido na banda de rejeição é dado por δ2 .
A tarefa de projetar filtros digitais consiste na determinação dos coeficientes da
Equação 4. No caso de filtros FIR (resposta ao impulso finito) os coeficiente bi são zerados
restando determinar os coeficientes ai . Uma maneira de determinar tais coeficientes são
28
algoritmos iterativos, como por exemplo o algoritmo de McClellan e Parks (2005), que promove
uma maior aproximação.
2.2.3 Wavelet
O termo wavelet é utilizado para descrever pequenas ondas com duração limitada
no domínio do tempo (ZANANDREA; SAOTOME; FREITAS, 2004). Dentre as wavelets mais
conhecidas estão Coiflet, Daubechies, Haar e Symmlet e podem ser visualizadas na Figura 12.
1
P SD[x] = .|F F T [x]|2 (6)
fs .N
A partir da PSD do sinal da variabilidade cardíaca é possível calcular índices que
estão relacionados a modulação simpática e parassimpática, sendo eles HF (High Frequency )
que compreende o somatório da energia entre as frequências de 0,15 Hz e 0,4 Hz, e LF (Low
Frequency ) que compreende o somatório da energia entre as frequências 0,05 Hz e 0,15 Hz
(CAMM et al., 1996).
2.2.7 Espectrograma
3 METODOLOGIA
detecção de desordens no sinal de ECG, neste caso visou-se encontrar batimentos prematuros
atrial aberrante (APBs) de um registro contido na base de dados da physionet. Os APBs
são arritmias causadas pela má ativação dos átrios caracterizada pela onda P do batimento
cardíaco. Esta anomalia foi escolhida pois na base de dados utilizada, era a única que não
estava misturada com outras arritmias junto, ou seja, com menos chance de um falso positivo.
34
4 RESULTADOS E DISCUSSÃO
Código Descrição
N Batida normal
A Batimento prematuro atrial
a Batimento prematuro atrial aberrante
V Contração ventricular prematura
+ Alteração do ritmo
˜ Alteração da qualidade do sinal
J Batida prematura nodal
V Contração ventricular prematura
A segunda base de dados é descrita por Giassi et al. (2013) e possui registros de
sinais de ECG e da atividade respiratória (RESP). Na metodologia de obtenção dessa base de
dados, o padrão respiratório do indivíduo foi controlado por meio de um metrônomo1 , que
emitia sinalização visual nas frequências de 0,20 Hz e 0,25 Hz, que correspondem a 12 e 15
respirações por minuto, respectivamente. Além disso, foram feitas gravações sob efeitos de
agentes farmacológicos bloqueadores da atividade neural.
A aquisição do padrão respiratório (RESP) do voluntário sob as mesmas condições
é feita a partir de um termistor NTC que faz parte de uma ponte Wheatstone e é posicionado
próximo às narinas do indivíduo. Esse termistor avalia a temperatura da respiração modificando
a resistência e assim também a diferença de potencial. O ar inspirado pelos pulmões, ao passar
pelo termistor, provoca o seu resfriamento, já o ar expirado aquece o termistor.
Os registros de ECG foram obtidos considerando duas posições diferentes do
voluntário no momento da gravação: em pé e decúbito dorsal 2 . Essa base de dados foi utilizada
para obtenção da curva de variabilidade cardíaca, obtenção dos índices LF e HF e análise da
influência na frequência da respiração e do posicionamento do corpo na frequência cardíaca.
Como o sistema não é de tempo real, utilizou-se uma técnica que consiste em
aplicar o filtro duas vezes, uma vez para frente e outra para trás. O filtro combinado tem fase
zero e uma ordem duas vezes maior que a original.
37
O sinal em azul representa a PSD do sinal antes da filtragem, nele é possível notar
alta energia em baixas frequências, decorrente da respiração ou movimentação entre eletrodo e
pele; alta energia em 60 Hz, decorrente do sinal da rede elétrica e o harmônico desse sinal em
120 Hz. Nota-se que após filtrados, esses sinais indesejados são eliminados, como pode ser
verificado pela curva em laranja. No canto superior direito da Figura 19, há um destaque para
as baixas frequências, em sua maioria, responsáveis pelo sinal elétrico cardíaco.
A Figura 20 apresenta a representação no domínio do tempo do sinal de um intervalo
de tempo do registro de um sinal de ECG obtido da base dados antes e após o processamento.
Figura 20 – Sinal de ECG. A Figura (a) apresenta o sinal de ECG sem processa-
mento, diretamente do banco de dados e (b) o sinal de ECG após a
aplicação dos filtros
(a) (b)
Nota-se que os sinais indesejados presentes no ECG não processado da Figura 20a
foram eliminados e, como consequência, a informação desejada foi enfatizada, obtendo como
resultado o ECG filtrado da Figura 20b.
38
A última etapa consiste na integração do sinal em uma janela móvel, dada por
n=0 s[n], em que N é determinado pelo número de amostras que corresponde a 80
PN
y[n] =
40
ms (Figura 25). A integração do sinal quadrado dentro de uma janela em movimento fornece
uma medida de como a energia é distribuída ao longo do tempo e ajuda na localização do pico
de interesse, esse sinal é representado como y[n].
Figura 26 – Janela de busca definida a partir dos passos anteriores, em azul (trace-
jado), e o sinal de ECG após a remoção dos artefatos, em laranja.
Algumas regras devem ser obedecidas para a classificação do pico R, sendo elas:
a) como resultado das propriedades dos tecidos cardíacos, há um tempo mínimo necessário
para repolarização (branqueamento refratário) do tecido, sendo assim um pico não pode
41
ser detectado até que se passe pelo menos 200 ms. Caso isso ocorra este ponto não
corresponde a um pico e deverá ser desclassificado;
b) caso dentro de um certo período nenhum pico seja detectado, é necessário diminuir o
limiar escolhido;
VP
Sensitivity = .100 (7)
V P + FN
VP
P ositiveP redictivity = .100 (8)
V P + FP
42
Como a maior parte dos trechos possuíram média superior à sensibilidade média
descrita na literatura, seguiu-se para a próxima métrica de desempenho, a qual consistiu em
submeter os sinais do banco de dados, retirado da pesquisa de Giassi et al. (2013), ao detector,
observando visualmente que se obteve uma boa resposta; então, seguiu-se para a análise da
variabilidade cardíaca em cima dos sinais RR provenientes destes sinais ECG.
Para a verificação qualitativa da detecção de picos nos sinais obtidos da pesquisa
de Giassi et al. (2013), aplicou-se a mesma técnica nos seis sinais em questão e visualmente
pode-se verificar que não houve falhas de detecção nestes sinais. A Figura 28 ilustra como
ocorreu a verificação visual.
43
Figura 30 – Sinal RR: os pontos da curva RR (asterisco verde) e uma linha de união
direta formando o sinal RR (linha verde).
Com o cálculo da PSD dos sinais de ECG é possível obter os índices LF e HF. Na
Tabela 5 avalia-se quantitativamente as baixas frequências (Low Frequency - LF) que são
definidas entre 0,04 Hz e 0,15 Hz e que estão relacionadas à modulação conjunta simpática e
parassimpática e as altas frequências (High Frequency - HF) definidas entre 0,15 Hz e 0,4 Hz,
que está relacionada à modulação parassimpática da variabilidade cardíaca.
A coerência entre os dois sinais, mostrados na Figura 40, pode ser observada na
Figura 41.
Quanto mais próximo de 100 , ou seja 1, mais semelhantes são os dois sinais.
Pode-se, assim, verificar que o sinal RR extraído do ECG e o sinal da respiração estão muito
correlacionados, reforçando que a amplitude encontrada na frequência respiratória do voluntário
deve-se à presença de componentes respiratórias no sinal de ECG.
A Figura 42 representa o comportamento das frequências ao longo do tempo,
nomeado espectrograma.
Com as anotações da base de dados, foi possível extrair a sensibilidade em 83, 33%,
e o preditivo positivo em 100%. O sinal, após a remoção de artefatos, foi convolvido com
a wavelet Coiflet9, conforme apresentado na Figura 12 (seção 2.2.3), ressaltando as curvas
semelhantes a si no sinal de ECG e atenuando as demais. Após isso, escolheu-se um limiar
para a detecção das desordens, dado pela Equação 9. Onde wavelet é a média do resultado
da transformada wavelet e max(wavelet)) é o valor máximo do sinal. Os valores acima deste
limiar foram considerados anomalias.
5 CONSIDERAÇÕES FINAIS
b) criar uma base de dados para inferir a atividade parassimpática a partir das técnicas
estudadas neste trabalho;
REFERÊNCIAS
APPLE. Monitor proativo de saúde. Sempre à vista. Sempre de olho. 2020. Disponível
em: <https://www.apple.com/br/apple-watch-series-5/health/>.
COSTA, C. de M.; GOVINDA, U.; REGIS, C. D. M. Detecçao dos principais pontos no sinal
de ecg para identificaçao do iam por meio do processamento digital do eletrocardiograma.
Revista de Tecnologia da Informação e Comunicação, v. 6, n. 1, p. 15–20, 2016.
HARDEN, S. DIY ECG Machine On The Cheap. 2009. Disponível em: <https://swharden-
.com/wp/2009-08-14-diy-ecg-machine-on-the-cheap/>.
RUBIA, R. Como a telemedicina pode otimizar a realização de ECG com laudo. 2017.
Disponível em: <https://portaltelemedicina.com.br/blog/ecg-com-laudo>.
World Health Organization. World Heart Day - Scale up prevention of heart attack
and stroke. 2020. Disponível em: <http://origin.who.int/cardiovascular diseases/world-heart-
day/en/>.
60