Ortogonalización de derivaciones de electrocardiograma

Autores/as

Palabras clave:

delineador multiderivación de señales electrocardiográficas, transformada Wavelet, ortogonalización de derivaciones de señales electrocardiográficas

Resumen

Introducción: El delineador de señales electrocardiográficas (ECG) multiderivación basado en la transformada wavelet posee alta resolución espacial y permite eliminar las diferencias interderivación que aparecen tradicionalmente en los métodos uniderivación. Para esto necesita de derivaciones de señales electrocardiográficas ortogonales entre sí para la obtención de un bucle espacial.

Objetivo: Desarrollar métodos de ortogonalización de dos o tres derivaciones de señales electrocardiográficas que permitan la generalización del delineador multiderivación basado en la transformada wavelet en cualquier base de datos señales electrocardiográficas con más de una derivación.

Métodos: Se implementaron tres métodos de ortogonalización de derivaciones de señales electrocardiográficas: ortogonalización de dos derivaciones a partir de la proyección de vectores, ortogonalización a partir de componentes principales y ortogonalización a partir del método clásico de Gram-Schmidt.

Resultados: Se comparó el funcionamiento del delineador multiderivación de ECG cuando es usado cada método de ortogonalización, mediante el cálculo de la media aritmética y la desviación estándar teniendo en cuenta diferentes combinaciones de derivaciones de ambas bases de datos para cada una de las marcas analizadas. Los mejores resultados se obtuvieron con el método análisis de componentes principales y el peor comportamiento con el método de ortogonalización de dos derivaciones.

Conclusiones: Los algoritmos de ortogonalización que obtuvieron los mejores resultados fueron los basados en tres derivaciones ortogonales, en la que fue ligeramente superior la descomposición en componentes principales y, por tanto, se considera el método más adecuado para la generalización del delineador multiderivación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

1. Serra MA, Serra M, Viera M. Las enfermedades crónicas no transmisibles: magnitud actual y tendencias futuras. Rev Finlay. 2018 [acceso: 22/01/2020]; 8(2):140-8. Disponible en: https://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2221-24342018000200008

2. Asamblea Mundial de la Salud. Informe sobre los resultados de la OMS. Presupuesto por programas 2018-2019: examen de mitad de periodo. Organización Mundial de Salud. 2019 [acceso: 22/01/2020];72. Disponible en: https://apps.who.int/iris/handle/10665/328788

3. Martínez JP, Almeida R, OlmosS, Rocha AP, Laguna P. A Wavelet-Based ECG Delineator: Evaluation on Standard Databases. IEEE Trans Biomed Eng. 2004 [acceso: 22/01/2020];51(4):570-81. Disponible en: http://diec.unizar.es/~laguna/personal/publicaciones/wavedet_tbme04.pdf

4. Almeida R, Martínez JP, Rocha AP, Laguna P. Multilead ECG delineation using spatially projected leads from wavelet transform loops. IEEE Trans Biomed Eng. 2009 [acceso: 20/01/2020];56(8):1996-2005. Disponible en: https://ieeexplore.ieee.org/document/4915796

5. Almeida R. ECG Characterization: Application to QT Interval Variability [PhD]. [Portugal]: Universidade do Porto; 2007.

6. Mallat S, Zhong S. Characterization for signals from multiscale edge. IEEE Trans Pattern Anal Mach Intell. 1992 [acceso: 21/01/2020]; 14:710-32. Disponible en: https://www.di.ens.fr/~mallat/papiers/MallatEdgeCharact92.pdf

7. Malmivuo J, Plonsey R. Bioelectromagnetism – Principles and Applications of Bioelectric and Biomagnetic Fields. New York: Oxford University Press; 1995.

8. Berati G. Gram - Schmidt Process in Different Pararell Platform. Int J Adv Res Artif Intell. 2015 [acceso: 21/01/2020]; 4(6):35-9. Disponible en: https://thesai.org/Downloads/IJARAI/Volume4No6/Paper_6-Gram_Schmidt_Process_in_Different_Parallel_Platforms.pdf

9. Lever J, Krzywinski M, Altman N. Points of Significance. Principal component analysis. Nat Methods. 2017 [acceso: 22/01/2020]; 14(7):641-2. Disponible en: https://www.nature.com/articles/nmeth.4346

10. Jolliffe IT, CadimaJ. Principal component analysis: a review and recent developments. Phil Trans R Soc. 2016 [acceso: 20/01/2020]; 374:1-16. Disponible en: https://royalsocietypublishing.org/doi/10.1098/rsta.2015.0202

11. Recommendations for measurement standards in quantitative electrocardiography. The CSE Working Party. Eur Heart J. 1985;6(10):815-25.

12. Christov I, Otsinsky I, Simova I, Prokopova R, Trendafilova E, Naydenov S. Dataset of manually measured QT intervals in the electrocardiogram. Biomedical Eng Online. 2006 [acceso: 25/01/2020]; 5(31). Disponible en: https://biomedical-engineering-online.biomedcentral.com/articles/10.1186/1475-925X-5-3

13. Jasak Z. Benford’s Law and Wilcoxon Test. J Math Sci Adv Appl. 2018 [acceso: 23/01/2020]; 52:69-81. Disponible en: http://scientificadvances.co.in/admin/img_data/1278/images/JMSAA7100121981ZoranJasak.pdf

14. Noriega M, Carcases E, Durán K, Marañón EJ, Martínez JP, Almeida R. Instantaneous respiratory rate estimation from multilead ECG delineation using VCG directions, in Computers in Cardiology. IEEE Comput Soc Press. 2016 [acceso: 25/01/2020]; 43:397-400. Disponible en: https://zaguan.unizar.es/record/63118/files/texto_completo.pdf

Descargas

Publicado

2020-07-30

Cómo citar

1.
Guerrero Sánchez G, Noriega Alemán M. Ortogonalización de derivaciones de electrocardiograma. Rev Cubana Inv Bioméd [Internet]. 30 de julio de 2020 [citado 15 de julio de 2025];39(3). Disponible en: https://revibiomedica.sld.cu/index.php/ibi/article/view/e500

Número

Sección

ARTÍCULOS ORIGINALES