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

Acondicionamiento de la señal ECG y extracción

de parámetrosclínicamente útiles.

Acondicionamiento de la señal ECG y extracción

de parámetrosclínicamente útiles.

Análisis de la señal de ECGAnálisis 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 bioeléctricasgeneradas por el cuerpo contienen información relevantesobre los sistemas biológicos subyacentes.

Su decodificación ha permitido identificary clarificar un gran número de condiciones patológicas.

Las señales bioeléctricasgeneradas por el cuerpo contienen información relevantesobre los sistemas biológicos subyacentes.

Su decodificación ha permitido identificary clarificar un gran número de condiciones patológicas.

Origen de la señal de ECGOrigen de la señal de ECG

Origen de la señal de ECGOrigen de la señal de ECG

Registro de la señal ECGRegistro de la señal ECG

Registro de la señal ECGRegistro de la señal ECG

Características la señal ECGCaracterísticas la señal ECG

•Pseudo periódica

•Transitoria

•No estacionaria

Información Clínica en la señal ECGInformación Clínica en la señal ECG •Estática

Información Clínica en el ECGInformación Clínica en el ECG

•Dinámica

•Alternancias

•Heart RateVariability

•QT/RR

Tratamiento de señales biomédicas: Objetivos

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

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

ApplicationsLeif 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

Dificultad en el tratamiento de las señales biomédicas

Las señales biomédicas se originan en el interior del cuerpohumano su contenido informativo se conoce solo parcialmente.

En Consecuencia: la “verdad” raramente está disponible.

Las señales biomédicas se originan en el interior del cuerpohumano su contenido informativo se conoce solo parcialmente.

En Consecuencia: la “verdad” raramente está disponible.

A diferencia de otras aplicaciones en tratamiento de señal:

Reducir la subjetividad de

las medidas manuales

Reducir la Reducir la subjetividad de subjetividad de

las medidas las medidas manualesmanuales

Las ondas del ECG: P-QRS-TLas ondas del ECG: P-QRS-T

P-wave

R-wave

T-wave

Q-waveS-wave

ST-segment

P-duration

QRS-duration

PQ- interval QT- interval

P-wave

R-wave

T-wave

Q-waveS-wave

ST-segment

P-duration

QRS-duration

PQ- interval QT- interval

El final de la onda T es una fuente de problemas

Hay grandes diferencias, también, entre las delimitaciones manuales de distintos cardiólogos...

Delimitación de ondas Delimitación de ondas Fácil

ECG

Menos fácil

Señal de ayuda

ECG

Difícil

Señal de ayuda

ECG

Señal de ayuda

Reducción de ruido

ReducciReduccióón de n de ruidoruido

y su partes oscuras...y su partes oscuras...

Ruido – Enemigo #1Ruido – 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.

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 fundamentalPrincipio 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.

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 electrocardiográficoRuido electrocardiográficoVariaciónes de la linea de base

Artefactos de movimiento de los electrodos

Ruido mioeléctrico (EMG)

Filtrado de 50/60 HzFiltrado de 50/60 Hz

Señal original

Filtro notch (estándar)

Observar:Este ruido aparece por causa de la filtración

Filtro nolineal

Cuidado: artefactos interpre-tados como potenciales tardíos.Cuidado: artefactos interpre-

tados como potenciales tardíos.

Los potenciales tardíos son importantes como factor de riesgo para pacientes que han sufrido un ataque de corazón.

zoom

Variaciones de la línea de base en el ECG

Variaciones de la línea de base en el ECG

0 50 100 150-6000

-4000

-2000

0

2000

4000

0 2 4 6 8 10 12 14 16 18 20-6000

-4000

-2000

0

2000

0 50 100 150-6000

-4000

-2000

0

2000

4000

0 2 4 6 8 10 12 14 16 18 20-6000

-4000

-2000

0

2000

tiempo (s)

tiempo (s)

Filtrado de las variaciones de la línea de base

Filtrado de las variaciones de la línea de base

Señaloriginal

Filtrado de las variaciones de la linea de base

Filtrado de las variaciones de la linea de baseObservaruna grave distorsiónen la onda T

Señaloriginal

Señal filtrada(fase

nolineal)

Señal filtrada(fase

lineal)

Señaloriginal

Señal filtrada(fase

nolineal)

Señal sin distorsión con este filtro

Filtrado de las variaciones de la linea de base

Filtrado de las variaciones de la linea de base

Implementación del filtroImplementación del filtro

•Diezmado e Interpolación

•FIR/IIR

-.-.-.-. FIR 400 coef. FIR 1142 coef.

------------ IIR orden 5 forward/backward

Filtrado variante en el tiempoFiltrado variante en el tiempo

•Filtro variante en el tiempo

•Espectro variante en el tiempo

Filtrovariante en el tiempo

Frecuencia de corte función:•Ritmo cardiaco •potencia del residuo

Filtrado variante en el tiempoFiltrado variante en el tiempo•Interpolación polinómica

•Detección fiable de QRS

•Equivalente a un filtro variante en el tiempo

ResultadosResultados

•ECG

•TI Filtering

•TV HR dependent

•TV cubic spline

Cancelación de 50/60 HzCancelación de 50/60 HzProblema Solución: polos/ceros

Mas problema

Cancelación de 50/60 HzCancelación de 50/60 HzSolución: 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 HzCancelación de 50/60 HzSolución: Estimación por sustracción

Equivale a Filtro

Es lineal?

1.Se estima en un segmento silente

2.Se extrapola a otrossegmentos y se resta

Cancelación EMGCancelación EMGLos espectros están solapados

EMG

Filtros variantes en el tiempo•Alta frecuencia corte en QRS•Baja en P y T

Delineación de ECGDelineación de ECG

Automatic annotations:

Manual annotations:

Group 1 : me < 40 msSD < 50 ms

Well detectedend of T- wave

Automatic annotations:

Manual annotations:

Group 2 : me > 40 msSD < 50 ms

Morphology identificationerror (systematic)

Automatic annotations:

Manual annotations:

Group 3 : me < 40 msSD > 50 ms

Noise or smallT wave amplitude

Automatic annotations:

Manual annotations:

Group 4 : me > 40 msSD > 50 ms

Morphology identificationerrors and low SNR

Detector Pon P Poff QRSon QRSoff Ton T ToffWT 10.7 8.2 9.9 8.9 9.5 26.6 20.3 22.9LPD 11.2 9.3 12.7 9.5 9.3 24.7 25.6 26.9Tolerance 10.2 - 12.7 6.5 11.6 - - 30.6

Mean Standard Deviation (in ms )

Detector Pon P Poff QRSon QRSoff Ton T ToffWT 1.3 -7.8 0.3 -6.6 -0.4 2.3 -6.1 0.7LPD -9.4 -0.1 5.4 3.5 1.3 -3.3 -24.0 -19.7

Bias (in ms) between automatic and manual anotations

Delineación de ECG: Validación

Delineación de ECG: Validación

Delineación de ECG: Multilead

Delineación de ECG: Multilead

• ECG lead: projection of the electrical vector into one direction.

Delineación de ECG: Multilead

Delineación de ECG: Multilead

Delineación de ECG: MultileadDelineación de ECG: Multilead

EASI lead systemPhilips

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

a=

0 132.σ

Alineado • Libre de ruido

• Registros ruidosos•

• Interpolación

• Disminuye

• Disminuye el efecto paso bajo

• Mejor estimación de señal

σaminTs= 2 3

σ σa amin≥

Ts

Ts

τ = ⋅0 4, TsQRS t( )−τ

QRS t( )

σaminTs= 2 3

Ejemplo de latidos desalineados

s(k)

Fs = 1000 Hz

-0,3

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0 50 100 150

ms

σa ms= 1

Fc = 132 Hz

-0,3

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0 50 100 150

ms

Fc = 26 Hz

-0,3

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0 50 100 150

ms

σa ms= 5

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)

Deviation signalDeviation signal

Correlation SW TCNIWANo alignmentAveraged signal overprinted on originalAveraged signal overprinted on original

mV

-0,4

0

0,4

0,8

1,2

100

-0,4

0

0,4

0,8

1,2

100

-0,4

0

0,4

0,8

1,2

100

-0,4

0

0,4

0,8

1,2

100

ms-0,4

0

0,4

0,8

1,2

100

-0,4

0

0,4

0,8

1,2

100

Comparación de Metodos

0

0,1

0,2

0,3

0,4

1000

0,1

0,2

0,3

0,4

1000

0,1

0,2

0,3

0,4

1000

0,1

0,2

0,3

0,4

100 ms0

0,1

0,2

0,3

0,4

100

mV

0

0,1

0,2

0,3

0,4

100

Reducción del nivel de ruidoReducción del nivel de ruido

#latidos

Nivel de ruido en cada latido

Reducción del ruido en función del

número de latidospromediados

El efecto resultante es un filtrado paso bajo

El efecto resultante es un filtrado paso bajo

Variaciones gaussianas Variaciones uniformes

Estimación de la latencia:Un ejemplo

Estimación de la latencia:Un ejemplo

QuickTime™ and aVideo decompressor

are needed to see this picture.

latencia estimada

SNR buena

SNR media

SNR mala

ECG Real: VLP

Actual ECGFs = 1000 Hz3 leadsWAButterworth BFHigh-pass 40 Hz

QRSd = 105 msRMS40 = 17,9 uVLAS = 48 ms

0

50

100

75 125 175 225 275 325

uV

247142

38.75 uV

msQRSd = 110 msRMS40 = 17,8 uVLAS = 48 ms

0

50

100

75 125 175 225 275

uV

39 uV

137.5 247.5

325ms

No interpolacionFs=1000 Hz

No interpolacionFs=1000 Hz

InterpolacionFs=4000 Hz

InterpolacionFs=4000 Hz

Otra aplicación del promediado: La prueba de esfuerzo

Otra aplicación del promediado: La prueba de esfuerzo

onset of exercise

end of exercise

Ischemia

Otra aplicación del promediado: La prueba de

esfuerzo

Otra aplicación del promediado: La prueba de

esfuerzo

Sano

ensemble variance

averaged beat

Otra aplicación del promediado: La prueba de esfuerzo

Otra aplicación del promediado: La prueba de esfuerzo

• Robust estimation method• preprocessing

•QRS detection (Aristotle)•baseline wander attenuation (cubic splines)

•Weighted averaging of beats

Exercise ECGExercise ECG--based CAD diagnosisbased CAD diagnosis

• Robust estimation method• postprocessing

•rejection of outliers (MAD)

variance

median

median absolute deviation (MAD)

criterium for rejection

>

Exercise ECGExercise ECG--based CAD diagnosisbased CAD diagnosisConclusions

• Estudio en simulación

ExerciseExercise ECGECG--based CAD diagnosisbased CAD diagnosis

• Simulation study

Exercise ECGExercise ECG--based CAD diagnosisbased CAD diagnosis

• Evaluation of the robust estimation method

Extraer nueva

información

Extraer Extraer nueva nueva

informaciinformacióónn

Estudiar la apnea del sueñosin registros respiratorios

Estudiar la apnea del sueñosin 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?

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)Ritmo normal (sinusal)

Respiratory sinus rhythm

Normal sinus rhythm

Intervalo RR

respiración gradualmente mas lenta

Información respiratoria derivada del ECG (ritmo)Información respiratoria derivada del ECG (ritmo)

Información respiratoria derivada del ECG (amplitud)

Información respiratoria derivada del ECG (amplitud)

El vectorcardiograma (VCG)El vectorcardiograma (VCG)

-0.50

0.51

1.5

-0.5

0

0.5

1-0.5

0

0.5

1

X (mV)Z (mV)

Y (m

V)

• QRS-VCG loop rotation

Bucles VCG sucesivos tienen

direcciones espaciales que son algo diferentes a

causa de la respiración.

El bucle VCGEl bucle VCG

Señal respiratoria obtenida del ECG

Señal respiratoria obtenida del ECG

señal ECG

variaciónen volumen

ángulos

Los ángulos de rotación

constituyen la base de la señal

respiratoria.

ECG derived respiratory frequencyECG derived respiratory frequency• Beat substitution in low SNR leads

0 . 5 0 . 7- 1

1 . 5

m i n

V

7 . 4 7 . 6- 1

1 . 5

m i n

V

0 . 5 0 . 7- 1

1

m i n

AU

7 . 4 7 . 6- 1

1

m i n

AU

Obtención de la respiración a partir del ECG: EDR

Obtención de la respiración

0 5 10 150.2

0.3

0.4

0.5

0.6

Hz

min0 5 10 15

0.2

0.3

0.4

0.5

0.6

min

Hz

ECG derived respiratory frequencyECG derived respiratory frequency• Simulation study

Codificación: Analisis porcomponentes principales: PCA

Codificación: Analisis porcomponentes principales: PCA•Segmentación en latidos

componentes principales: PCAcomponentes principales: PCA

PCA maximiza la varianza de las componentes transformadas

Estimarla del aprendizaje

PCA:

PCA: quitar la media en x

KLT: dejar la media en xDiferente interpretación!!

Valores propios

componentes principales: PCAcomponentes principales: PCAIntrabeat correlation

componentes principales: PCAcomponentes principales: PCAInterbeat correlation

Truco para eficiencia computacional

Calculo de PCA: SVDCalculo de PCA: SVD

Los vectores base son la descomposición en valores singulares de X

SVD Vectores propios

Analisis MultiderivaciónAnalisis Multiderivación

Apilamiento

PCA

Analisis MultiderivaciónAnalisis Multiderivación

PCA

Aplicaciones: Compresion datosAplicaciones: Compresion datos

Quitando redundancias con transformaciones

Aplicaciones: Compresion datosAplicaciones: Compresion datos

Intrabeat correlation

Aplicaciones: Compresion datosAplicaciones: Compresion datos

Base Universal Base especifica

Mejor codificaciónRequiere info-lateral

Compresion datos: Evaluaciónde prestaciones

Compresion datos: Evaluaciónde prestaciones

Depende de la FsInicial 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: Evaluaciónde prestaciones

Compresion datos: Evaluaciónde prestaciones

Aplicaciones: Monitorizaciónisquemia

Aplicaciones: Monitorizaciónisquemia

Interpretación!!

Estimación adaptativaEstimación adaptativa

LMS

Detección de alternanciasDetección de alternancias

Espectro de las series de PCA

Fibrilación auricularFibrilación auricular

Estimación espectral de la AA

Fibrilación auricular: Multi-leadFibrilación auricular: Multi-lead

BSPM: Multi-leadBSPM: Multi-lead

Forzar tiempo/espacio Independientes

Reducción de complejidad

BSPM: Multi-leadBSPM: Multi-lead

BSPM: Multi-leadBSPM: Multi-lead

Apilamiento Decorrelacion t/s

Hypothesis: QT is affected by a history of RR intervals that can be expressed as an RR weighted average ( )

Elementary Elementary ElementaryTime-invariant analysis of the QT / RR relationship

QT lags behind RR changes:

RR

RRiRRj RRi-1

QTi

Modelado y análisisde la repolarición

Tratamiento de señales biomédicas

0 . 5 1 1 . 5 2 2 . 5 3

x 1 0 4

- 1

- 0 . 5

0

0 . 5

1

1 . 5

0 . 5 1 1 . 5 2 2 . 5 3

x 1 0 4

0 . 3

0 . 4

0 . 5

0 . 6

0 . 7

H

H+

+-

- e(n)( )g z,a

( )ˆˆg z,ay

y

+z

z

no (n)

x

ElementaryBeat-to-beat response of QT to abrupt changes

N = 1 N = 30 N = 50

Detección de ALternanciasDetección de ALternanciasEsquema general: preprocesadoEsquema general: preprocesado

Introducción Revisión Análisis de AOT basado en modelos Evaluación AOT en PTCA Conclusiones

Detección de AlternanciasDetección de Alternancias

[ ]== −10 ... MxxX

latidom

ues

tra

latido

mu

estr

a

=

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 alternanciasDeteccion de alternancias

latido

mu

estr

a

XN series de muestras

Y

latido

coef

icie

nte

P series de coeficientes

Introducción Revisión Análisis de AOT basado en modelos Evaluación AOT en PTCA Conclusiones

Detección de alternnaciasDetección de alternnaciasIntroducción Revisión Análisis de AOT basado en modelos Evaluación AOT en PTCA Conclusiones

Detección de alternnaciasDetección de alternnaciasIntroducción Revisión Análisis de AOT basado en modelos Evaluación AOT en PTCA Conclusiones

Detector Gausiano

Detector Laplaciano

Estimación de la alternancia

Repo a una muestra dada para latido i

BB BBBBBBBBBBAA AAAA AAAAAAAAIndices de riesgocardiaco: Alternancias

Tratamiento de señales biomédicas

Alternancias de onda T en isquemia

Ischemic patient

Healthy subject

Análisis de isquemia y HRV durante prueba de esfuerzo

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10200400600

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

200400600

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

200400600

PSD

(ms2

Hz-

1 )

Frequency (Hz)

P1VHFHFLFVLF

P2VHFHFLFVLF

P3VHFHFLFVLF

PSD

(ms2

Hz-

1 )PS

D (m

s2H

z-1 )

0 200 400 600 800 1000 120050

100

150

200

time (s)

Hea

rtR

ate

(bpm

) P1

P2 P3

Tratamiento de señales biomédicas

HRV No HRV No estacionariaestacionaria durantedurante pruebaprueba de de esfuerzoesfuerzo

• Modelling• Real exercise HRV signal • Model for exercise HRV

Freq

uenc

y (H

z)

Freq

uenc

y (H

z)

Real exercise HRV

• HRV low pass filtered at 0.9 Hz spurious 1 Hz componentdue to cycling?

Freq

uenc

y (H

z)

•Cuidado con la interpretación.•Siempre pensar dos veces!!

Annotated EpisodesDetected Episodes

Theshold detection.

S = 85 %

+P = 86 %

Detección de isquemia y BPC

Baja Sensibilidad/especificidad• Episodios de ruido• Cambios Posturales• Isquemia de demanda• Isquemia de suministro• Criterios de detección

ST deviation

Introduction Depolarization

Elementary

ConclusionsRepolarization (T-I) Repolarization (T-V)

Elementary ElementaryPendientes del QRS para isquemia

HF-QRS

QRS slopes

Clinical utility: ischemia monitoring

normal ischemic

Introduction Depolarization

Elementary

ConclusionsRepolarization (T-I) Repolarization (T-V)

Elementary ElementaryWave-based indices & QRS slopesRelative variations in mean over patients

derivation V3 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!