Detección de anomalías cardiacas mediante técnicas de procesado digital y caracterización de la señal ECG

Abstract

Este proyecto se centró en el desarrollo de una cadena de procesamiento para analizar señales electrocardiográficas (ECG) con el objetivo de detectar anomalías cardíacas. La señal ECG, que describe la actividad eléctrica del corazón, se ve afectada por diversas fuentes de ruido, lo que dificulta su análisis y la identificación de los picos característicos. Las arritmias cardíacas son anomalías en la generación o conducción de los impulsos eléctricos del corazón. Se siguieron tres caminos simultáneos. En primer lugar, se generaron señales ECG sintéticas libres de ruido y se les añadieron interferencias para simular condiciones reales. En segundo lugar, se utilizaron señales reales de la base de datos MITBIH para su estudio. Por último, se obtuvieron señales ECG en tiempo real utilizando el chip AD8232 y el microprocesador Arduino UNO. Una vez obtenidas las señales deseadas, se aplicaron filtros para eliminar el ruido e interferencias comunes en el ECG. Posteriormente, se utilizó el algoritmo Pan Tompkins para detectar los picos R y, a partir de ellos, los demás picos y ondas de la señal. Mediante cálculos basados en la ubicación y medida de estos picos, se obtuvieron parámetros estadísticos para caracterizar la variación del ritmo cardíaco, así como otros cálculos referentes a las medidas normales de las ondas y picos de la señal, y estudiar posibles anomalías. Los resultados obtenidos permitieron la limpieza de las señales, la detección de los picos y la evaluación de parámetros relevantes para la clasificación de las señales ECG. Se demostró la utilidad de estos parámetros en el análisis de irregularidades en el ritmo cardíaco y en la detección de anomalías en la forma de la señal. Este enfoque proporciona una visión completa y precisa de las posibles anomalías cardíacas, lo que puede contribuir a una detección temprana y un tratamiento más efectivo.

This project focused on the development of a processing chain to analyze electrocardiographic (ECG) signals with the aim of detecting cardiac abnormalities. The ECG signal, which describes the electrical activity of the heart, is affected by various sources of noise, making it difficult to analyze and identify characteristic peaks. Cardiac arrhythmias are abnormalities in the generation or conduction of electrical impulses from the heart. Three simultaneous paths were followed. First, noise-free synthetic ECG signals were generated and had interference added to simulate real-world conditions. Secondly, real signals from the MIT-BIH database were used for their study. Finally, real-time ECG signals were obtained using the AD8232 chip and the Arduino UNO microprocessor. Once the desired signals were obtained, filters were applied to eliminate common noise and interference in the ECG. Subsequently, the Pan Tompkins algorithm was used to detect the R peaks and, from them, the other peaks and waves of the signal. Through calculations based on the location and measurement of these peaks, statistical parameters were obtained to characterize the variation of the heart rate, as well as other calculations referring to the normal measurements of the waves and peaks of the signal, in order to study possible anomalies. The results obtained allowed the cleaning of the signals, the detection of the peaks, and the evaluation of relevant parameters for the classification of the ECG signals. The utility of these parameters in the analysis of irregularities in the heart rhythm and in the detection of abnormalities in the shape of the signal was demonstrated. This approach provides a complete and accurate view of potential heart abnormalities, which can contribute to earlier detection and more effective treatment.