Académique Documents
Professionnel Documents
Culture Documents
B. Extracción de características
Figura 10. Superposición de los coeficientes de auto-correlación para
1. Algoritmo de Pan-Thompkins. diferentes señales del mismo sujeto.
Utilizando este algoritmo se extrajeron los picos de las
ondas R y se utilizaron para calcular el ritmo cardiaco el C. Clasificación.
cual sería una de las características a comparar en nuestro
Luego de obtener la matriz de distancias Euclídeas se realizo
análisis. En las Figuras 8 y 9 se observa el resultado final
un algoritmo que permitiera observar los resultados, de forma
del algoritmo y la ubicación de estos picos sobre la señal
que, se pudiera observar con claridad los errores de
filtrada de ECG.
identificación del algoritmo organizándolos en una tabla.
En la Tabla 1 se observan los resultados obtenidos. En la
columna izquierda se observa el sujeto al cual pertenecía la
señal de prueba y en la columna de la derecha, el sujeto con el
cual se le identifico con el algoritmo.
Sujet Clasificaci
os ón
1 1
2 2
Programa de Ingeniería Biomédica 4
Procesado de Señales e Imágenes Médicas SYSB2020-1
3 3
4 4 De la misma manera, se podrían utilizar otro tipo de
5 5 representaciones, utilizando la transformada Z o la
6 4 transformada de Laplace, en lugar de utilizar únicamente la
representación de señales en espectros de frecuencia, luego de
7 19
aplicar transformada de Fourier a una señal.
8 8
9 9 Asimismo, se podrían extraer más características del domino
10 1 tiempo como la amplitud de las otras ondas que componen un
11 12 pulso completo en un ECG. También se podrían hallar más
12 12 intervalos o pendientes entre estas diferentes ondas
13 2 encontradas previamente.
14 14
15 1
16 16
V. CONCLUSIONES
17 17
18 18
Las señales de ECG, debido a su universalidad y unicidad para
19 19
cada persona, permiten la identificación efectiva y precisa de
20 20
personas a partir de la extracción de características de estas
Tabla 1. Resultados de identificación para cada señal y cada señales, teniendo en cuenta su representación en dominio
sujeto evaluado. temporal y en dominio frecuencia.
Luego de obtener estos resultados se realizo el conteo de los
El algoritmo desarrollado funciona correctamente, pero es
Falsos Positivos obtenidos y luego se hallo el valor de la
impreciso con aquellos registros que tienen valores muy
sensibilidad del sistema de identificación realizado. Estos
cercanos entre ellos. Para solucionar este problema, se podrían
resultados se presentan en la Tabla 2.
extraer características que posean diferentes tipos de datos que
permitan diferenciar entre sujetos de forma más eficiente.
Sensibilida
F.P d El programa para el pre-procesamiento de la señal cumple la
30% 70% función de facilitar la extracción de características de estos
Tabla 2. Resultados obtenidos para la proporción de falsos registros, sin modificar sus datos, pero haciendo estos
positivos y el porcentaje de sensibilidad. comparables con los de otras grabaciones, al eliminar
elementos impropios de la señal y características que se
IV. ANÁLISIS DE RESULTADOS pudieron formar por errores cometidos en la toma de estos
Como se puede observar en los resultados de la clasificación, datos.
el algoritmo logra identificar una gran cantidad de sujetos con
respecto utilizando su señal de ECG como herramienta para REFERENCIAS
esto y, utilizando los coeficientes de correlación y la distancia [1]C. Macaya Miguel and A. López Farré, Libro de la salud cardiovascular
entre los picos R como parámetros de comparación entre del Hospital Clínico San Carlos y de la Fundación BBVA. Bilbao: Fundación
señales, tanto para el entrenamiento como para la prueba de BBVA, 2009.
[2]"Electrodos del Electrocardiograma, Ubicación", My-ekg.com, 2020.
estas. [Online]. Available: https://www.my-ekg.com/generalidades-ekg/electrodos-
ekg.html. [Accessed: 21- May- 2020].
Aun así, la sensibilidad del sistema es de solo 64%. Esto se [3]"Documento sin título", My-ekg.com, 2020. [Online]. Available:
pudo haber dado debido a que solo se utilizaron dos https://www.my-ekg.com/generalidades-ekg/. [Accessed: 21- May- 2020].
parámetros para identificar el sujeto al que corresponde la
señal de prueba. Esto sin tener en cuenta que, en realidad, los
coeficientes de auto-correlación son en total 400 valores que
se comparan también individualmente al calcular su distancia
euclídea.