Desarrollo de herramientas para la detección automática de artefactos e interferencias en señales electrohisterográficas registradas en superficie abdominal en mujeres gestantes

Abstract

[CA] Recents estudis han demostrat que el registre de l'activitat mioelèctrica uterina (electrohisterograma, EHG) és una alternativa factible a la tocodinamometría per al monitoratge de la dinàmica uterina. Açò és degut al fet que amb aquesta nova tècnica es poden fer millors estimacions a l'hora de predir un part prematur o caracteritzar d'una manera més fiable la resposta de l'activitat uterina davant els medicaments d'inducció. Això comporta una major fiabilitat en establir prediccions en l'èxit de la inducció, entre d'altres aspectes. Desgraciadament l'aplicació dels registres EHG és molt escassa malgrat les seus exitosos resultats. Un dels principals inconvenients a causa d’utilitzar aquesta tècnica a les clíniques és la dificultat d'obtenir informació fiable i substanciosa de manera automàtica. Encara que un problema del registre EHG són les petites amplituds de l'activitat uterina el principal obstacle radica en una sèrie d'interferències fisiològiques relacionades amb la respiració i altres artefactes en continu moviment. L'existència d'aquests artefactes podrien ser causants d'una distorsió de la distribució de l'energia del senyal, la qual cosa porta a una interpretació errònia dels resultats. Avui en dia molts investigadors decideixen descartar els processos de senyal amb artefactes abans de caracteritzar el senyal EHG. A conseqüència d'evitar aquesta tasca tan complicada s'ha desenvolupat aquest projecte. L'objectiu no és altre que el desenvolupament d'eines per a la detecció automàtica dels trams de senyal artefactats en base a les característiques del senyal EHG registrat, sent l'objectiu últim l'acostament d'aquesta tècnica a l'aplicació clínica. Per dur a terme aquest fi s'ha emprat una base de dades formada per 96 registres EHG obtinguts a partir de dones amb amenaces de parts prematurs i aquesta informació està etiquetada en trams analitzables i no analitzables. Primer, mitjançant la utilització de 90 paràmetres de naturalesa diferent s'ha realitzat una caracterització d'aquests trams per poder establir la caracterització d'un senyal EHG. Seguidament s'ha elaborat una reducció de la dimensionalitat de la informació mitjançant una anàlisi per components principals (PCA) i s'han confeccionat i analitzat dos classificadors basats en xarxes neuronals i regresió logística per efectuar un correcte descart dels senyals artefactades respecte els senyals analitzables. El model que ha proporcionat resultats més satisfactoris és el model basat en xarxes neuronals amb una l'especificitat és del 96.48% i sensibilitat i exactitud d'un 86.05% i un 93.36% respectivament. Igualment s'ha pogut comprovar que els trams de senyal que són analitzables i detectats de forma automàtica mitjançant aquest mitjà poden ser emprats per a la caracterització de registres EHG adquirits en dones que tenen amenaça de part prematur, la qual cosa possibilita el discriminar si el part és produït en un interval inferior a 7 dies. Els resultats obtinguts permeten considerar que la detecció automàtica d'artefactes desenvolupada podria ser de gran ajuda a l'hora de considerar una caracterització robusta del senyal EHG, acostant per tant aquesta tècnica a l'aplicació clínica.

[EN] Recent studies have shown that the recording of uterine myoelectric activity (electrohysterogram, EHG) is a feasible alternative to tocodinamometry for the monitoring of uterine dynamics. This is due to the fact that with this new technique, better estimations can be made when predicting premature labor or characterizing in a more reliable way the response of uterine activity to induction medications. This leads to greater reliability when establishing predictions on the success of induction, among other aspects. Unfortunately, the application of the EHG registers is very scarce despite its successful results. One of the main drawbacks to using this technique in clinics is the difficulty of obtaining reliable and substantial information automatically. Although a problem of the EHG registry are the little amplitudes of uterine activity, the main obstacle lies in a series of physiological interferences related to respiration and other artifacts in continuous movement. The existence of these devices could cause a distortion of the distribution of signal energy, which leads to a wrong interpretation of the results. Nowadays many researchers decide to discard the signal processes with artifacts before characterizing the EHG signal. As a result of avoiding this complicated task, this project has been developed, whose objective is none other than the development of tools for the automatic detection of the artifacted signal sections based on the characteristics of the recorded EHG signal, the ultimate objective being the approach of this technique to the clinical application. To carry out this purpose, a database consisting of 96 EHG registers obtained from women with premature birth threats and whose information is labeled in analysable and non-analysable sections has been used. First, by using 90 parameters of a different nature, a characterization of these sections has been carried out in order to establish the characterization of an EHG signal. Then a reduction of the dimensionality of the information has been elaborated through a principal components analysis (PCA) and two classifiers based on neural networks and logistic regression have been made and analyzed to make a correct discarding of the artifacted signals with respect to the analysable signals. The model that has provided the most satisfactory results has been the model based on neural networks whose specificity is 96.48% and whose sensitivity and accuracy are 86.05% and 93.36% respectively. Likewise, it has been possible to verify that the signal sections that are analysable and detected automatically by this means can be used for the characterization of EHG records acquired in women who are threatened with premature birth, which makes it possible to discriminate whether delivery is produced in an interval less than 7 days. The results obtained allow us to consider that the automatic detection of artifacts developed could be of great help when considering a robust characterization of the EHG signal, thus bringing this technique closer to clinical application.

[ES] Recientes estudios han demostrado que el registro de la actividad mioeléctrica uterina (electrohisteriograma, EHG) es una alternativa factible a la tocodinamometría para la monitorización de la dinámica uterina. Esto es debido a que con esta nueva técnica se pueden hacer mejores estimaciones a la hora de predecir un parto prematuro o caracterizar de una manera más fiable la respuesta de la actividad uterina ante los medicamentos de inducción. Ello conlleva una mayor fiabilidad al establecer predicciones en el éxito de la inducción, entre otros aspectos. Desgraciadamente la aplicación de los registros EHG es muy escasa pese a sus exitosos resultados. Uno de los principales inconvenientes para emplear esta técnica en las clínicas es la dificultad de obtener información fiable y sustanciosa de manera automática. Aunque un problema del registro EHG son las pequeñas amplitudes de la actividad uterina el principal obstáculo radica en una serie de interferencias fisiológicas relacionadas con la respiración y demás artefactos en continuo movimiento. La existencia de estos artefactos podría ser causante de una distorsión de la distribución de la energía de la señal, lo cual lleva a una interpretación errónea de los resultados. Hoy en día muchos investigadores deciden descartar los procesos de señal con artefactos antes de caracterizar la señal EHG. A consecuencia de evitar esta labor tan complicada se ha desarrollado este proyecto, cuyo objetivo no es otro que el desarrollo de herramientas para la detección automática de tramos de señal artefactados en base a las características de la señal EHG registrada, siendo el objetivo último el acercamiento de esta técnica a la aplicación clínica. Para llevar a cabo este fin se ha empleado una base de datos formada por 96 registros EHG obtenidos a partir de mujeres con amenazas de partos prematuros y cuya información esta etiquetada en tramos analizables y no analizables. Primero, mediante la utilización de 90 parámetros de naturaleza distinta se ha realizado una caracterización de estos tramos para poder establecer la caracterización de una señal EHG. Seguidamente se ha elaborado una reducción de la dimensionalidad de la información mediante un análisis por componentes principales (PCA) y se han confeccionado y analizado dos clasificadores basados en redes neuronales y regresión logística para efectuar un correcto descarte de las señales artefactadas respecto las señales analizables. El modelo que ha proporcionado resultados más satisfactorios ha sido el modelo basado en redes neuronales cuya especificidad es del 96.48% y cuyas sensibilidad y exactitud son de un 86.05% y un 93.36% respectivamente. Igualmente se ha podido comprobar que los tramos de señal que son analizables y detectados de forma automática mediante este medio pueden ser empleados para la caracterización de registros EHG adquiridos en mujeres que tienen amenaza de parto prematuro, lo cual posibilita el discriminar si el parto es producido en un intervalo inferior a 7 días. Los resultados obtenidos permiten considerar que la detección automática de artefactos desarrollada podría ser de gran ayuda a la hora de considerar una caracterización robusta de la señal EHG, acercando por consiguiente esta técnica a la aplicación clínica.