Vargas LJL, Mayr W, Cortés RJA

Idioma: Ingles.
Referencias bibliográficas: 26
Paginas: 53-62
Archivo PDF: 826.61 Kb.

RESUMEN

Este trabajo presenta una metodología para la extracción de la actividad respiratoria derivada de un ECG (EDR, por sus siglas en ingles), basado en el enfoque de amplitud modulada (AM). Esto permite redefinir las metodologías actuales para obtener una señal EDR más continua, con altos factores de correlación y un retraso menor entre la EDR y la actividad respiratoria. Se implementaron dos algoritmos: uno utilizando la modulación de la amplitud del pico R (EDRAM) y el otro aplicando un filtro paso-banda en el espectro de frecuencia de la respiración. A diferencia de otros trabajos en la literatura, se utilizan filtros convencionales de bajo orden pero sin sacrificar el factor de correlación (0.76 y 0.67) y manteniendo un retardo de 0.27s (con EDRAM) en un ciclo de 6s. Se realizó una prueba de robustez, donde se muestra una tolerancia a ruido blanco de hasta un 20% del valor máximo antes de que el factor de correlación bajara considerablemente. El algoritmo EDRAM se aplicó con éxito en un prototipo de sistema portable. Las dos metodologías propuestas muestran ventajas como el procesamiento en tiempo real y robustez bajo ciertos ruidos. La perspectiva de AM propuesta soporta el uso de ambos algoritmos para aplicaciones típicas con alta eficiencia, bajo costo computacional y facilidad de implementación. Estas características hacen que esta técnica facilite el desarrollo de sistemas portátiles, así como para incrementar la información de las bases de datos actuales.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Travaglini A, Lamberti C, DeBie J, Ferri M. Respiratory signal derived from eight-lead ECG. Comput. Cardiol. 1998. Cleveland, USA: IEEE; 1998. p. 65-8.

2. Varanini M, Emdin M, Allegri F, Raciti M, Conforti F, Macerata A, et al. Adaptive filtering of ECG signal for deriving respiratory activity. Comput. Cardiol. 1990. Chicago, USA: IEEE Comput. Soc. Press; 1990. p. 621-4.

3. Ding S, Zhu X, Chen W,Wei D. Derivation of respiratory signal from single-channel ECGs based on Source Statistics. Int. J. Bioelectromagn. 2004;6.

4. Madhav KV, Ram MR, Krishna EH, Komalla NR, Reddy KA. Estimation of respiration rate from ECG, BP and PPG signals using empirical mode decomposition. Instrum. Meas. Technol. Conf. 2011. Binjiang, China: IEEE; 2011. p. 1-4.

5. Moody GB, Mark RG, Zoccola A, Mantero S. Derivation of Respiratory Signals from Multi-lead ECGs. Comput. Cardiol. 1985. Washington, DC: IEEE Computer Society Press; 1985. p. 113-6.

6. Arunachalam SP, Brown LF. Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal. Eng. Med. Biol. Soc. 2009. EMBC 2009. Annu. Int. Conf. IEEE. Minneapolis, USA: IEEE; 2009. p. 5681-4.

7. O’Brien C, Heneghan C. A comparison of algorithms for estimation of a respiratory signal from the surface electrocardiogram. Comput. Biol. Med. 2007;37:305-14.

8. Lazaro J, Alcaine A, Gil E, Laguna P, Bailon R. Electrocardiogram derived respiration from QRS slopes. Conf. Proc. IEEE Eng. Med. Biol. Soc. 2013;2013:3913- 6.

9. Ramya K, Rajkumar K. Respiration Rate Diagnosis Using Single Lead ECG in Real Time. Glob. J. Med. Res. 2013;13:7-12.

10. Langley P, Bowers EJ, Murray A. Principal component analysis as a tool for analyzing beat-to-beat changes in ECG features: application to ECG-derived respiration. IEEE Trans. Biomed. Eng. 2010;57:821-9.

11. Zhao L, Reisman S, Findley T. Respiration derived from the electrocardiogram during heart rate variability studies. Proc. 16th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. Baltimore, USA: IEEE; 1994. p. 123- 4.

12. Widjaja D, Taelman J, Vandeput S. ECG-derived respiration: Comparison and new measures for respiratory variability. Comput. Cardiol. 2010. Belfast, Northern Ireland: IEEE; 2010. p. 149-52.

13. Mazzanti B, Lamberti C, de Bie J. Validation of an ECG-derived respiration monitoring method. Comput. Cardiol. 2003. Thessaloniki, Greece: IEEE; 2003. p. 613-6.

14. Pflugradt M, Mann S, Feller V, Orglmeister R. On-line Learning Algorithms for extracting respiratory activity from Single Lead ECGs based on Principal Component Analysis. Biomed. Tech. (Berl). 2012;57:352-4.

15. Boyle J, Bidargaddi N, Sarela A, Karunanithi M. Automatic detection of respiration rate from ambulatory singlelead ECG. IEEE Trans. Inf. Technol. Biomed. 2009;13:890-6.

16. Guyton AC, Hall JE. Tratado de Fisiología Médica. 12a ed. ELSEVIER, editor. 2011.

17. Goldberger A, Amaral L, Glass L. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation. 2000;

18. Babaeizadeh S, Zhou SH, Pittman SD, White DP. Electrocardiogram-derived respiration in screening of sleep-disordered breathing. J. Electrocardiol. 2011;44:700-6.

19. Moussavi ZK, Leopando MT, Pasterkamp H, Rempel G. Computerised acoustical respiratory phase detection without airflow measurement. Med. Biol. Eng. Compu.. 2000;38:198-203.

20. Prutchi D, Norris M. Design and Development of Medical Electronic Instrumentation. Hoboken, NJ, USA: John Wiley & Sons, Inc.; 2005.

21. Company-Bosch E, Hartmann E. ECG Front-End Design is Simplified with MicroConverter. Analog Dialogue. 2003;37:1-5.

22. Godse AP, Bakshi UA. Communication Engineering. Technical Publications; 2009.

23. Iyengar N, Peng CK, Morin R, Goldberger a L, Lipsitz L a. Age-related alterations in the fractal scaling of cardiac interbeat interval dynamics. Am. J. Physiol. 1996;271:R1078-84.

24. Pereda E, Quiroga RQ, Bhattacharya J. Nonlinear multivariate analysis of neurophysiological signals. Prog. Neurobiol. 2005;77:1-37.

25. Anand S, Sanjay H, Suraj K, Krishnaswamy U. ECG-Derived respiration as a Screening Tool for OSA. Indian J. Sleep Med. 2012;7:94.

26. Dobrev D, Neycheva T, Mudrov N. Simple two-electrode biosignal amplifier. Med. Biol. Eng. Comput. 2005;43:725-30.