Detecção das ondas R de sinais de eletrocardiograma por meio da Local Mean Decomposition e da Empirical Mode Decomposition
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Gabriela Alves Trevizani
Renan Fernandes Kozan
Renan Fernandes Kozan
Resumo
A análise do sinal de Eletrocardiograma (ECG) é fundamental para a avaliação da atividade elétrica
cardíaca de indivíduos, sendo importante para a identificação de arritmias e cardiopatias. Esta
análise envolve a identificação das ondas características (P, Q, R, S e T), bem como do início e fim
delas. A identificação da onda R, em particular, é fundamental para o cálculo da frequência cardíaca
e sua variabilidade. Assim, este trabalho teve como objetivo a detecção de ondas R por meio das
técnicas Local Mean Decomposition (LMD), Empirical Mode Decomposition (LMD) e Método de
Pan-Tompkins (MPT) aplicados a quatro bases de sinais de ECG: MIT-BIH Normal Sinus Rhythm
Database (indivíduos saudáveis), Congestive Heart Failure RR Interval Database (indivíduos com
insuficiência cardíaca), MIT-BIH Supraventricular Arrhythmia Database (indivíduos com arritmia
supraventricular) e CU Ventricular Tachyarrhythmia Database (indivíduos com taquiarritmia
ventricular). A identificação correta ou incorreta das ondas R é verificada a partir da anotação de
sua ocorrência realizada por especialista. Para cada técnica foi calculado o Tempo de Execução
(TExec) médio. A MPT foi a mais rápida, seguida pela EMD, e, por último, a LMD. No entanto, a
LMD apresentou TExec médio variando de 1 a 5 s para processamento de sinais de 8 ou 10 minutos;
logo, mesmo esta técnica poderia ser aplicada para processamento online. Além disso, foram
calculados os Verdadeiros Positivos (VP), os Falsos Positivos (FP) e os Falsos Negativos (FN) para
cada técnica, e, a partir destes valores, obtidos os parâmetros Sensibilidade (Se), Valor Preditivo
Positivo (VPP) e Taxa de Erro (Erro%). Para as bases de ritmo sinusal normal e insuficiência
cardíaca, as três técnicas apresentaram desempenho excelente com Se e VPP muito elevados e
Erro% muito baixas. Para os sinais de taquiarritmia ventricular, todas as técnicas apresentaram
desempenho ruim, sendo a LMD a que obteve menor taxa de erro (cerca de 30%). E para a base de
arritmia supraventricular, a MPT apresentou bom desempenho, seguida da LMD e da EMD (com
sinal reconstruído a partir das Intrinsic Mode Functions IMF1-IMF2 e IMF1-IMF3) com
desempenhos intermediárias. Para a EMD (reconstruída com IMF1) a taxa de erro foi inaceitável
(>40%), assim como a Sensibilidade baixíssima (cerca de 60%). Os resultados indicaram a técnica
clássica MPT como a que obteve melhor desempenho geral. No entanto, os resultados da aplicação
da LMD e EMD podem ser considerados promissores, visto que o desempenho destas técnicas é
bastante dependente do critério utilizado para detecção. Neste trabalho, tanto para LMD, quanto
para a EMD foram utilizados critérios baseados em limiar de amplitude; no entanto, há outros
descritos na literatura que merecem investigação.
Abstract
The analysis of the Electrocardiogram (ECG) signal is fundamental for assessment of cardiac
electrical activity in individuals, being important for the identification of arrhythmias and
heart diseases. This analysis involves the identification of characteristic waves (P, Q, R, S,
and T), as well as their beginning and end. The identification of the R wave, specially, is
crucial for calculating heart rate and its variability. Thus, this work aimed at detecting R
waves using Local Mean Decomposition (LMD), Empirical Mode Decomposition (EMD),
and the Pan-Tompkins Method (PTM) applied to four ECG signal databases: MIT-BIH
Normal Sinus Rhythm Database (healthy individuals), Congestive Heart Failure RR Interval
Database (individuals with heart failure), MIT-BIH Supraventricular Arrhythmia Database
(individuals with supraventricular arrhythmia), and CU Ventricular Tachyarrhythmia
Database (individuals with ventricular tachyarrhythmia). The correct or incorrect
identification of R waves is verified based on the annotation of their occurrence made by a
specialist. For each technique, the average Execution Time (TExec) was calculated. PTM was
the fastest, followed by EMD, and lastly, LMD. However, LMD presented an average TExec
ranging from 1 to 5 seconds for processing 8 or 10-minute signals; thus, even this technique
could be applied for online processing. Additionally, True Positives (TP), False Positives
(FP), and False Negatives (FN) were calculated for each technique, and from these values,
Sensitivity (Se), Positive Predictive Value (PPV), and Error Rate (Error%) were obtained.
For the normal sinus rhythm and heart failure databases, all three techniques showed excellent
performance with very high Se and PPV and very low Error%. For ventricular
tachyarrhythmia signals, all techniques showed poor performance, with LMD having the
lowest error rate (around 30%). For the supraventricular arrhythmia database, PTM showed
good performance, followed by LMD and EMD (with signals reconstructed from the Intrinsic
Mode Functions IMF1-IMF2 and IMF1-IMF3) with intermediate performances. For EMD
(reconstructed with IMF1), the error rate was unacceptable (>40%), as was the very low
Sensitivity (around 60%). The results indicated the classical PTM technique as the one with
the best overall performance. However, the results of applying LMD and EMD can be
considered promising, as the performance of these techniques is highly dependent on the
detection criterion used. In this work, amplitude threshold-based criteria were used for both
LMD and EMD; however, other criteria described in the literature deserve investigation.
Assunto
Engenharia elétrica, Eletrocardiografia, Arritmia, Cardiopatias
Palavras-chave
Eletrocardiograma (ECG), Detecção de ondas R, Método de Pan-Tompkins (MPT), Local Mean Decomposition (LMD), Empirical Mode Decomposition (EMD)