Procesamiento Digital del ECG con Bancos de Filtros

Pisarello, Mara Ins - Kleisinger, Gretchen H. - Monzn, Jorge E. Departamento de Ingeniera Elctrica - Facultad de Ciencias Exactas y Naturales y Agrimensura - UNNE. 9 de Julio 1449 - (3400) Corrientes - Argentina. Telfono/Fax: +54 (3783) 423126 / 473930 E-mail: jemonzon@exa.unne.edu.ar

ANTECEDENTES

La presencia casi permanente de ruido superpuesto en los registros de biopotenciales, debido en general a interferencias electromagnticas, artefactos de movimiento o a las caractersticas de la interfase electrodoelectrolito, ha dado lugar a diversos mtodos de realzamiento de seal. Entre los mtodos ms recientes debe destacarse el concepto de Bancos de Filtros (FB Filter Banks), estrategia utilizada para descomponer la seal en sub-bandas de frecuencias y procesarla en estas sub-bandas antes de recomponerla. Los algoritmos FB tienen en cuenta distribuciones especficas de energa de la seal en el dominio de la frecuencia (Afonso, 1996; Afonso y col., 1996). Una gran variedad de algoritmos ha sido desarrollada para ciertas tareas de procesamiento, tales como el mejoramiento de la seal y la deteccin de parmetros caractersticos. Los algoritmos para cada una de estas tareas representan soluciones nicas, sin el beneficio de otras tareas. Con esta modalidad de trabajo, cada algoritmo requiere un grupo diferente de filtros de procesamiento, los que no son comunes a otras tareas de procesamiento. En general, estos algoritmos son diseados para operar a la tasa de muestreo (velocidad de muestreo) original de la seal de inters. La estructura del Banco de Filtros (FB), sin embargo, permite mltiples tareas de procesamiento de una seal, que son realizadas por un nico grupo de filtros. Como ventaja adicional, cada una de estas tareas simultneas puede ejecutarse a velocidades de muestreo menores que las originales de adquisicin de la seal bajo estudio. El objetivo del presente trabajo es evaluar el comportamiento de los Bancos de Filtros para el procesamiento digital de seales electrocardiogrficas.

MATERIALES Y METODOS

Hardware. Procesador Intel Pentium II, 32 Mb de RAM, bajo sistema operativo Windows'98 Software. Se utiliz el sistema de clculo matricial MATLAB (The Mathworks, Natick, Massachusetts), que posibilita una codificacin sencilla y eficiente por estar orientado al procesamiento de matrices (Hanselman y Littlefield, 1995) Seales. Hemos extrado registros electrocardiogrficos de la base de datos de arritmias cardacas del MIT-BIH (1999), correspondientes a la serie 100 (pacientes normales). Las muestras estn digitalizadas a 11 bits y velocidad de captura de 360 Hz (Moody, 1997; Moody y Mark, 2001) Banco de Filtros. Un banco de filtros es simplemente un conjunto de filtros pasabajos, pasa-altos y pasabanda, cada uno de los cuales cubre una banda en el espectro de frecuencia. Otros posibles componentes de un banco de filtros incluyen los bloques sub-muestreadores (downsamplers), los bloques sobre-muestreadores (upsamplers) y los elementos de retardo.

La Figura 1 ilustra la estructura utilizada para el banco de filtros de M canales de tiempo discreto, mximamente dividido. La En la etapa de anlisis, la seal de entrada x[n] pasa a travs de un banco de M filtros de Anlisis de transferencia Hi (z). Cada uno de estos filtros preserva una banda de frecuencias de ancho uniforme e igual a /M. Las M seales son divididas por M para mantener la tasa de muestreo de todo el sistema. Las seales resultantes en las sub-bandas pueden ser codificadas, procesadas o transmitidas en forma independiente o conjunta.. El bloque Proceso (Fig. 1) agrupa todas estas actividades y en general no es considerado como un componente del banco de filtros. En la ltima etapa del FB, las sub-bandas son combinadas por un grupo de sobre-muestreadores y M filtros de Sntesis de transferencia Fi(z), y as obtener la seal reconstruida x[n]. En filtros ideales no se presenta el efecto de aliasing, por lo que se logra una reconstruccin perfecta. En la prctica, y para un comportamiento similar, es necesario hacer una eleccin cuidadosa de los parmetros de Hi(z) y Fi(z) (Tran, 1999).

x[n] z z
1 1

M M

M z H(z )
M 1 1

PROCESO

M F(z )
M

x[n] Sub-muestreo Anlisis Sntesis Sobre-muestreo

Figura 1. Banco de Filtros de M canales (mximamente dividido)

Para este trabajo hemos implementado un FB de 32 filtros (M=32), cada uno de los cuales consta de 64 coeficientes y han sido diseados utilizando la Transformada Ortogonal Superpuesta (LOT Lapped Orthogonal Transform), que brinda ventajas significativas sobre otras transformadas de bloque, como la Transformada Discreta de Coseno (DCT Discrete Cosine Transform), pues permite la transformacin de cada uno de los bloques en forma superpuesta, y al reconstruir la seal no existe discontinuidad (Pereira y col., 1999). La transformada LOT genera un bloque representado por una matriz 64x32. Como los filtros diseados son de respuesta finita al impulso (FIR Finite Impulse Response), el FB resultante no presenta aliasing, como tampoco distorsiones de magnitud o fase, logrndose reconstruccin perfecta. Cada uno de los 32 filtros es de fase lineal y ancho de banda de 5.6 Hz. Debido al proceso de submuestreo, los filtros son operados una vez cada 32 muestras. Las sub-bandas resultantes son computadas al costo de un filtro y con alta eficiencia por la implementacin de polifase utilizada (Tran y Nguyen, 1997).

DISCUSION DE RESULTADOS

La Figura 2 muestra los resultados obtenidos con el Banco de Filtros. La seal electrocardiogrfica original se presenta en la Fig. 2(a), indicndose en el eje horizontal el nmero de 6.144 muestras procesadas, sobre un total disponible en el extracto de la seal de 30.000.

(a)

(b)

(c)

Figura 2. (a) ECG original sin filtrar; (b) ECG sub-muestreado; (c) ECG reconstrudo. (abscisa: nmero de muestras; ordenada: amplitud de la seal)

En la Fig. 2(b) se ilustra el resultado del proceso de sub-muestreo (downsampling). Este operador es un bloque de procesamiento comn en el proceso multi-tareas. En forma genrica, la relacin entre entrada y salida est dada por: yD(n) = x(Mn) con M entero e igual a 32 en nuestro caso. Como la salida yD(n) consiste en cada M-sima muestra de la seal x(n), la tasa de muestreo es 1/M de la de x(n). En la Fig. 2(a) se advierten las 192 muestras procesadas por downsampling. La transformada Z de la operacin de sub-muestreo es:
M-1

YD(z) = 1/M X(z

k=0

1/M

W)

donde W=e
j2/M

Se evita el efecto de aliasing limitando la entrada a /M, antes del sub-muestreo por el factor M. La Figura 2(c) indica la seal de ECG reconstruda despus del procesamiento por el banco de filtros. Ntese que como consecuencia del proceso de sobre-muestreo (upsampling) se ha recuperado el nmero de muestras originales de la seal. Para el operador de sobre-muestreo, la relacin entre las seales de entrada y salida es: x(n/M) yU(n) = 0 de otra manera si n es un entero mltiplo de M

con M entero (M=32). La operacin de sobre-muestreo inserta M-1 ceros luego de cada muestra en la entrada. No se pierde informacin durante esta operacin debido a que la entrada puede ser recuperada de yU(n) usando un divisor de M-pliegues. La transformada Z de la operacin de sobre-muestreo est dada por: YU(z) = X(z )
M

CONCLUSIONES

Los Bancos de Filtros (FB) representan alternativas tiles para el anlisis digital del ECG. Estos algoritmos son computacionalmente eficientes dado que operan con el nmero de muestras de las sub-bandas. Cada uno de los filtros FIR es de fase lineal y conduce a la reconstruccin perfecta de la seal electrocardiogrfica original. Los FB permiten el estudio de las bioseales en el dominio de la frecuencia y constituyen una herramienta adicional para el diagnstico mdico.

BIBLIOGRAFIA

Afonso VX, 1996. Improving ECG processing algorithms using filter banks. PhD Thesis. University of Wisconsin. Madison, Wisconsin. Afonso VX, Tompkins WJ, Nguyen TQ, Michler K, Luo S, 1996. Comparing Stress ECG Enhancement Algorithms. IEEE Engineering in Medicine & Biology Magazine, Vol. 15, No. 3, pp.37-44, May/June. Hanselman D, Littlefield B, 1995. MATLAB Users Guide. Englewood Cliffs, NJ, Prentice-Hall. MIT-BIH, 1999. Massachusetts Institute of Technology-Beth Israel Hospital Database Distribution, MIT, 77 Massachusetts Avenue, Room 20A-113, Cambridge, MA 02139. Moody GB, 1997. ECG Database Applications Guide, Tenth Edition. Harvard-MIT Division of Health Sciences. Biomedical Engineering Center. Moody GB, Mark RG, 2001. The Impact of the MIT-BIH Arrhythmia Database. IEEE Engineering in Medicine & Biology Magazine, Vol. 20, No. 3, pp.45-50, May/June. Pereira S, ORuanaidh JK, Pum T, 1999. Secure Robust Digital Water Marking Using the Lapped Orthogonal Transform. Computer Science Department. Univesity of Geneva. Ginebra, Suiza. Tran TD, 1999. Linear Phase Perfect Reconstruction Filter Banks: Theory, Structure, Design and Application in Image Compression. PhD Thesis. University of Wisconsin. Madison, Wisconsin. Tran TD, Nguyen TQ, 1997. On M-channel Linear-phase FIR Filter Banks and Application in Image Compression. IEEE Transactions on Signal Processing, Vol. 45, pp. 2175-2187, September.