Acondicionamiento de la señal ECG y extracción de parámetros

Acondicionamiento de la
señal ECG y extracción
de parámetros
clínicamente útiles.
Pablo Laguna
TÉCNICAS AVANZADAS DE TRATAMIENTOS DE SEÑAL PARA LA MEJORA DEL PROCESO
ASISTENCIAL EN EL ENTORNO DE LA MEDICINA ESPECIALIZADA
CURSOS DE VERANO DE LA UNIVERSIDAD DE CANTABRIA
Análisis de la
señal de ECG
TÉCNICAS AVANZADAS DE TRATAMIENTOS DE SEÑAL PARA LA MEJORA DEL PROCESO
ASISTENCIAL EN EL ENTORNO DE LA MEDICINA ESPECIALIZADA
CURSOS DE VERANO DE LA UNIVERSIDAD DE CANTABRIA
Las señales
bioeléctricas
generadas por el
cuerpo contienen
información relevante
sobre los sistemas
biológicos
subyacentes.
Su decodificación ha
permitido identificar
y clarificar un gran
número de
condiciones
patológicas.
Origen de la señal de ECG
Origen de la
señal de ECG
Registro de
la señal ECG
Registro de
la señal ECG
Características la
señal ECG
•Pseudo periódica
•Transitoria
•No estacionaria
Información Clínica en la
•Estática
señal ECG
Información Clínica
en el ECG
•Dinámica
•QT/RR
•Alternancias
•Heart Rate
Variability
Tratamiento de señales
biomédicas: Objetivos
Reducir la subjetividad de las medidas
manuales
Reducción de ruido
Extraer nueva información
Equipos y nuevas funcionalidades
Modelado de señales
Visualización de eventos
Bioelectrical Signal Processing in
Cardiac and Neurological
Applications
Leif Sörnmo & Pablo Laguna
Elsevier/Academic Press, 2005
Libro de texto cuyo objetivo es unir la Ingeniería
-tratamiento de las señales bioeléctricas- con la
fisiologia.
Dificultad en el tratamiento
de las señales biomédicas
A diferencia de otras aplicaciones en
tratamiento de señal:
Las señales biomédicas se originan en el interior del cuerpo
humano Æ su contenido informativo se conoce solo
parcialmente.
En Consecuencia: la “verdad” raramente está disponible.
Reducir la
subjetividad de
las medidas
manuales
Las ondas del ECG: P-QRS-T
R-wave
R-wave
T-wave
T-wave
P-wave
P-wave
ST-segment
ST-segment
Q-wave
Q-wave
PPduration
duration
PQPQ-interval
interval
S-wave
S-wave
El f i n
a
o nd a l d e l a
T
fuent es una
e
probl de
emas
QRSQRSduration
duration
QTQT-interval
interval
Hay grandes diferencias, también, entre las
delimitaciones manuales de distintos cardiólogos...
Delimitación de ondas
Fácil
Menos fácil
Difícil
ECG
ECG
ECG
Señal de ayuda
Señal de ayuda
Señal de ayuda
Reducci
ón de
Reducción
ruido
y su partes oscuras...
Ruido – Enemigo #1
Orígen externo como interferencia
de la red eléctrica, incluyendo
problemas de los equipos como
sensores (electrodos, catéteres) y
amplificadores.
Orígen fisiológico como la actividad
de los músculos cuando se desea
detectar los complejos QRS.
Principio fundamental
Cada tipo de ruido debe ser
combatido con su algoritmo
especifico, i.e.,
casi nunca se puede usar un
algoritmo estándar y aplicarlo sin
mayor refleción, sino que:
su adaptación es muy importante
para no destruir las características
de las señales.
Ruido electrocardiográfico
Variaciónes de la linea de base
Artefactos de movimiento de los electrodos
Ruido mioeléctrico (EMG)
Filtrado de 50/60 Hz
Obse
r
Este var:
r
apare uido
c
causa e por
filtrac de la
ió n
Señal original
Filtro notch
(estándar)
Filtro nolineal
Cuidado: artefactos interpretados como potenciales tardíos.
zoom
Los potenciales tardíos son importantes como factor de riesgo
para pacientes que han sufrido un ataque de corazón.
Variaciones de la línea de
base en el ECG
4000
4000
2000
2000
0
0
-2000
-2000
-4000
-4000
-6000
-60000
50
50
0
100
100
tiempo (s)
150
150
2000
2000
0
0
-2000
-2000
-4000
-4000
-6000
-60000
0
2
2
4
4
6
6
8
8
10
10
tiempo (s)
12
12
14
14
16
16
18
18
20
20
Filtrado de las variaciones
de la línea de base
Señal
original
Filtrado de las variaciones
de la linea de base
Obse
r
una g var
r
disto ave
r
en la sión
onda
T
Señal
original
Señal
filtrada
(fase
nolineal)
Filtrado de las variaciones de
la linea de base
Señal
original
Señal
filtrada
(fase
nolineal)
Señal
filtrada
(fase
lineal)
Seña
l
disto sin
r
con e sión
s
filtro te
Implementación del filtro
•FIR/IIR
FIR 400 coef.
FIR 1142 coef.
------------ IIR orden 5 forward/backward
-.-.-.-.
•Diezmado e Interpolación
Filtrado variante en el tiempo
•Espectro variante
en el tiempo
•Filtro variante en
el tiempo
Filtro
varia
n
el tie te en
mpo
Frecuencia de corte función:
•Ritmo cardiaco
•potencia del residuo
Filtrado variante en el tiempo
•Interpolación polinómica
•Detección fiable de QRS
•Equivalente a un filtro
variante en el tiempo
Resultados
•ECG
•TI Filtering
•TV HR dependent
•TV cubic spline
Cancelación de 50/60 Hz
Problema
Solución: polos/ceros
Mas problema
Cancelación de 50/60 Hz
Solución: Filtro no-lineal
•Restar una sinusoide
•Se introduce una función de error
•Se actualiza la sinusoide a sustraer con el error
•Se resta la estimación del ruido
Cancelación de 50/60 Hz
Solución: Estimación por sustracción
1.Se estima en un
segmento silente
2.Se extrapola a otros
segmentos y se resta
Equivale a Filtro
Es lineal?
Cancelación EMG
Los espectros están solapados
EMG
Filtros variantes en el tiempo
•Alta frecuencia corte en QRS
•Baja en P y T
Delineación de ECG
Group 1 :
Automatic annotations:
Manual annotations:
Well detected
end of T- wave
me < 40 ms
SD < 50 ms
Group 2 :
Morphology identification
error (systematic)
Automatic annotations:
Manual annotations:
me > 40 ms
SD < 50 ms
Group 3 :
Automatic annotations:
Manual annotations:
Noise or small
T wave amplitude
me < 40 ms
SD > 50 ms
Group 4 :
Morphology identification
errors and low SNR
Automatic annotations:
Manual annotations:
me > 40 ms
SD > 50 ms
Delineación de ECG:
Validación
Detector
WT
LPD
Detector
WT
LPD
Tolerance
Bias (in ms) between automatic and manual anotations
Pon
P
Poff
QRSon QRSoff Ton
T
1.3
-7.8
0.3
-6.6
-0.4
2.3
-6.1
-9.4
-0.1
5.4
3.5
1.3
-3.3
-24.0
Toff
0.7
-19.7
Mean Standard Deviation (in ms )
Poff
QRSon QRSoff
9.9
8.9
9.5
12.7
9.5
9.3
12.7
6.5
11.6
Toff
22.9
26.9
30.6
Pon
10.7
11.2
10.2
P
8.2
9.3
-
Ton
26.6
24.7
-
T
20.3
25.6
-
Delineación de ECG:
Multilead
• ECG lead: projection of the electrical
vector into one direction.
Delineación de ECG:
Multilead
Delineación de ECG: Multilead
EASI lead system
Philips
Promediado y Potenciales tardios
• Promediado en ECG de alta revolución
• Análisis de VLP
• RMS40, QRSd, LAS40
• Análisis de His-Purkinge
• Estimación de señal
• Análisis de la variabilidad latido a latido
• La potencia del “ensemble variance”
• Limitaciones:
• Señal No estacionaria
• Ruido
• Misalignment --> Filtro paso bajo
Fc =
0 . 132
σa
Alineado
QRS(t )
• Libre de ruido
σamin = Ts
Ts
2 3
• Registros ruidosos
•
σa ≥σamin
QRS(t − τ )
τ = 0,4 ⋅ Ts
• Interpolación
• Disminuye
σamin = Ts
• Disminuye el efecto paso
bajo
• Mejor estimación de señal
2 3
Ts
Ejemplo de latidos desalineados
0,7
0,7
0,7
0,6
0,6
0,6
0,5
0,5
0,5
0,4
0,4
0,4
0,3
0,3
0,3
0,2
0,2
0,2
0,1
0,1
0,1
0
0
0
-0,1 0
50
100
150
-0,2
-0,3
-0,1 0
50
100
150
-0,2
ms
s(k)
Fs = 1000 Hz
-0,3
-0,1 0
50
100
150
-0,2
ms
σa = 1 ms
Fc = 132 Hz
-0,3
ms
σa = 5 ms
Fc = 26 Hz
Métodos de alineamiento
• Correlacion
• Alineamiento de Woody (WA)
• Correlacion iterativa
• Integrales normalizadas (NI)
• Differencia d ela integral entre dos registros
• Cruce por doble umbral (TC)
Comparación de Metodos
Averaged
Averaged signal
signal overprinted
overprinted on
on original
original
No alignmentWA
Correlation
NI
SW
TC
1,2
1,2
1,2
1,2
1,2
1,2
0,8
0,8
0,8
0,8
0,8
0,8
0,4
0,4
0,4
0,4
0,4
0,4
0
100
-0,4
100
100
100
100
100
0
0
0
0
0
-0,4
-0,4
-0,4
-0,4
-0,4
Deviation
Deviation signal
signal
0,4
0,4
0,4
0,4
0,4
0,4
0,3
0,3
0,3
0,3
0,3
0,3
0,2
0,2
0,2
0,2
0,2
0,2
0,1
0,1
0,1
0,1
0,1
0,1
0
100
0
100
0
100
0
0
100
100
mV
0
ms
mV
100
ms
Reducción del nivel de ruido
Nivel de ruido en cada
latido
Reducción del ruido
en función del
número de latidos
promediados
#latidos
El efecto resultante es
un filtrado paso bajo
Variaciones gaussianas
Variaciones uniformes
Estimación de la latencia:
Un ejemplo
SNR buena
SNR media
QuickTime™ and a
Video decompressor
are needed to see this picture.
SNR mala
latencia estimada
ECG Real: VLP
No
No interpolacion
interpolacion
Fs=1000
Fs=1000 Hz
Hz
100
Interpolacion
Interpolacion
Fs=4000
Fs=4000 Hz
Hz
100
39 uV
uV
uV
38.75 uV
50
50
142
247
247.5
137.5
0
Actual ECG
Fs = 1000 Hz
3 leads
WA
Butterworth BF
High-pass 40 Hz
0
75 125 175 225 275 325
ms
QRSd = 105 ms
RMS40 = 17,9 uV
LAS = 48 ms
75 125 175 225 275 325
ms
QRSd = 110 ms
RMS40 = 17,8 uV
LAS = 48 ms
Otra aplicación del promediado:
La prueba de esfuerzo
onset of exercise
end of exercise
Otra aplicación del
promediado: La prueba de
esfuerzo
Ischemia
Sano
Otra aplicación del promediado:
La prueba de esfuerzo
• Robust estimation method
• preprocessing
• QRS detection (Aristotle)
• baseline wander attenuation (cubic
splines)
• Weighted averaging of beats
averaged
beat
ensemble
variance
Exercise ECG-based CAD diagnosis
• Robust estimation method
• postprocessing
• rejection of outliers (MAD)
ƒvariance
ƒmedian
ƒmedian absolute deviation (MAD)
criterium for rejection
>
Exercise ECG-based CAD diagnosis
• Estudio en simulación
Conclusions
Exercise ECG-based CAD diagnosis
• Simulation study
Exercise ECG-based CAD diagnosis
• Evaluation of the robust estimation method
Extraer
nueva
informaci
ón
información
Estudiar la apnea del sueño
sin registros respiratorios
Las consecuencias de la apnea del
sueño pueden ser: riesgo elevado de
hyper-tensión, infarto cardíaco,
trombosís.
Los metodos estándar detectan
apnea a base de la monitorización
respiratoria, utilizando equipos
molestos para el sujeto.
Puede utilizarse el ECG para derivar
la información respiratoria?
Ritmo normal (sinusal)
Normal sinus rhythm
Intervalo RR
Respiratory sinus rhythm
Información respiratoria
derivada del ECG (ritmo)
respiración gradualmente mas lenta
Información respiratoria
derivada del ECG (amplitud)
El vectorcardiograma (VCG)
El bucle VCG
1
Y (m V)
0.5
0
-0.5
1
1.5
0.5
1
Bucles VCG
sucesivos tienen
direcciones
espaciales que son
algo diferentes a
causa de la
respiración.
0.5
0
0
Z (mV)
-0.5
-0.5
X (mV)
• QRS-VCG loop
rotation
Señal respiratoria obtenida
del ECG
señal ECG
variación
en volumen
ángulos
Los ángulos de
rotación
constituyen la
base de la señal
respiratoria.
ECG derived respiratory frequency
• Beat substitution in low SNR leads
Obtención de la respiración
1 .5
Obtención de la
respiración a partir del
ECG: EDR
V
V
1 . 5
-1
0 .5
- 1
7 . 4
0 .7
m in
1
m
in
7 . 6
m
in
7 . 6
AU
AU
1
- 1
0 . 5
m
in
- 1
7 . 4
0 . 7
0.6
0.5
0.5
Hz
0.6
Hz
0.4
0.4
0.3
0.2
0
0.3
5
10
min
15
0.2
0
5
10
min
15
ECG derived respiratory frequency
• Simulation study
Codificación: Analisis por
componentes principales: PCA
•Segmentación en latidos
componentes principales: PCA
PCA:
PCA maximiza la varianza de las
componentes transformadas
Valores propios
PCA: quitar la
media en x
KLT: dejar la
media en x
Diferente interpretación!!
Estimarla
del
aprendizaje
componentes principales: PCA
Intrabeat correlation
componentes principales: PCA
Interbeat correlation
Truco para
eficiencia
computacional
Calculo de PCA: SVD
SVD
Vectores propios
Los vectores base son la
descomposición en valores
singulares de X
Analisis Multiderivación
Apilamiento
PCA
Analisis Multiderivación
PCA
Aplicaciones: Compresion datos
Quitando
redundancias con
transformaciones
Aplicaciones: Compresion datos
Intrabeat correlation
Aplicaciones: Compresion datos
Base Universal
Base especifica
Mejor codificación
Requiere info-lateral
Compresion datos: Evaluación
de prestaciones
Depende de la Fs
Inicial no de la calidad
Depende de magnitud
de la señal no del error
absoluto
Depende del error
matemático
Índice clínico, depende valor de
las medidas o del error manual
Compresion datos: Evaluación
de prestaciones
Aplicaciones: Monitorización
isquemia
Interpretación!!
Estimación adaptativa
LMS
Detección de alternancias
Espectro de las
series de PCA
Fibrilación auricular
Estimación
espectral
de la AA
Fibrilación auricular: Multi-lead
BSPM: Multi-lead
Forzar tiempo/espacio Independientes
Reducción de complejidad
BSPM: Multi-lead
BSPM: Multi-lead
Apilamiento
Decorrelacion t/s
Elementary
Elementary
Time-invariant analysis of the QT / RR
relationship
Elementary
ƒ QT lags behind RR changes:
RRj
RRi-1
RRi
QTi
Hypothesis: QT is affected by a history of RR intervals that can
be expressed as an RR weighted average ( RR)
Tratamiento de señales biomédicas
Modelado y análisis
de la repolarición
no (n)
z
H
x
ẑ
Ĥ
g ( z,a )
ˆ ˆ)
g ( z,a
+
y
-
+
+
ŷ -
e(n)
1 . 5
1
0 . 5
0
- 0 . 5
- 1
0 . 5
1
1 . 5
2
2 . 5
3
x
1 0
4
0 . 7
0 . 6
0 . 5
0 . 4
0 . 3
0 . 5
1
1 . 5
2
2 . 5
3
x
1 0
4
Beat-to-beat response of QT to abrupt changes
Elementary
N=1
N = 30
N = 50
Introducción
Revisión
Análisis de AOT basado en modelos
Evaluación
AOT en PTCA
Conclusiones
Detección de ALternancias
Esquema general: preprocesado
Introducción
Revisión
Análisis de AOT basado en modelos
Evaluación
AOT en PTCA
Conclusiones
Detección de Alternancias
latido
=
muestra
X = [x 0 ... x M −1 ] =
muestra
latido
Matriz de complejos ST-T:
M latidos, con N muestras por complejo
Introducción
Revisión
Análisis de AOT basado en modelos
Evaluación
AOT en PTCA
Conclusiones
Deteccion de alternancias
latido
muestra
coeficiente
latido
X
Y
N series de muestras
P series de coeficientes
Introducción
Revisión
Análisis de AOT basado en modelos
Evaluación
AOT en PTCA
Conclusiones
Detección de alternnacias
Introducción
Revisión
Análisis de AOT basado en modelos
Evaluación
AOT en PTCA
Conclusiones
Detección de alternnacias
Repo a una
muestra dada
para latido i
Detector Gausiano
Detector Laplaciano
Estimación de la alternancia
Tratamiento de señales biomédicas
A B A B A B A B A B A B A
Indices de riesgo
cardiaco: Alternancias
Alternancias de onda T en
isquemia
Tratamiento de señales
biomédicas
Ischemic
patient
Healthy
subject
Heart Rate (bpm)
200
P1
150
100
P2
PSD (ms2Hz-1PSD
)
(ms2Hz-1PSD
)
(ms2Hz-1)
50
0
200
600 VLF LF
400
400
600
time (s)
800
HF
P3
1000
VHF
1200
P1
200
0
0
0.1
600 VLF LF
400
0.2
0.3
HF
0.4
0.3
HF
0.4
0.5
0.6
0.7
VHF
0.8
0.7
VHF
0.8
0.7
0.8
0.9
1
P2
200
0
0
0.1
600 VLF LF
400
0.2
0.5
0.6
0.9
1
P3
200
0
0
0.1
0.2
0.3
0.4 0.5 0.6
Frequency (Hz)
0.9
1
Análisis de isquemia y
HRV durante prueba de
esfuerzo
HRV No estacionaria durante prueba de
esfuerzo
• Modelling
• Model for exercise HRV
Frequency (Hz)
Frequency (Hz)
• Real exercise HRV signal
Real exercise HRV
•Cuidado con la interpretación.
•Siempre pensar dos veces!!
• HRV low pass filtered at 0.9 Hz Æ
Frequency (Hz)
due to cycling?
spurious 1 Hz component
Detección de isquemia y BPC
Baja Sensibilidad/especificidad
• Episodios de ruido
• Cambios Posturales
• Isquemia de demanda
• Isquemia de suministro
• Criterios de detección
Annotated Episodes
Detected Episodes
S = 85 %
+P = 86 %
Theshold detection.
Introduction
Elementary
Repolarization (T-I)
Repolarization (T-V)
Depolarization
Elementary
Pendientes del QRS para isquemia
ƒ ST deviation
normal
Conclusions
Elementary
ischemi
c
ƒ HF-QRS
ƒ QRS slopes
Clinical utility: ischemia monitoring
Introduction
Repolarization (T-I)
Elementary
Repolarization (T-V)
Depolarization
Wave-based indices & QRSElementary
slopes
ƒ Relative variations
derivation V3
Conclusions
Elementary
in mean over patients
derivation -aVR
In some leads (V2 – V4), ST superior to
In other leads (V1, V6, aVF, -aVR),
superior to ST
Muchas
gracias
por su
atención!