Design of a leads reconstruction algorithm for ambulatory ECG

Abstract

[ES] Las enfermedades cardiovasculares (ECV) causan 17,9 millones de muertes al año, el 31% del total de muertes en el mundo. La American Heart Association sostiene que la mayoría de los casos se pueden prevenir mediante la detección temprana, la cual puede suponer la diferencia entre la vida y la muerte. Una de las maneras más importantes de evaluar el riesgo de padecer una ECV es adquirir y analizar la señal de electrocardiograma (ECG) del corazón del paciente. Para aumentar la sensibilidad en el diagnóstico, el ECG se adquiere a menudo en un sistema ambulatorio, ya que los síntomas pueden ocurrir mientras el médico no monitorea de forma directa al paciente. El objetivo principal de este trabajo es estudiar la posibilidad de reconstruir el sistema estándar completo de 12 derivaciones electrocardiográficas midiendo el menor número de derivaciones posible. Este objetivo puede lograrse reconstruyendo la señal de ECG a partir de un conjunto reducido de derivaciones en una ubicación determinada. Este propósito ha sido determinado para el diseño de un dispositivo de registro de ECG ambulatorio (aECG). Para reconstruir la señal de ECG, se estudiarán algunos métodos, incluyendo la normalización del ECG, la segmentación del ECG, la reconstrucción mediante regresión lineal o la reconstrucción mediante redes neurales artificiales. Los resultados obtenidos sugieren que el mejor algoritmo de reconstrucción es el basado en redes neuronales artificiales, el cual reconstruye perfectamente la representación visual de la señal de ECG, como los parámetros de evaluación empleados lo atestiguan. Esto confirma la hipótesis de que es posible reconstruir el sistema estándar de 12 derivaciones utilizando un dispositivo de registro de aECG basado en un parche.

[EN] Cardiovascular diseases (CVD) cause 17.9 million deaths per year, the 31% of the total deaths in the world. The American Heart Association stands that most cases are preventable by early detection, which can be the difference between life and death. One of the most important ways to assess the risk of getting CVD is to acquire and to analyze the electrocardiogram (EEG) signal of the patient¿s heart. To increase diagnostic sensitivity, ECG is often acquired in an ambulatory system, as symptoms may occur while the doctor is not monitoring him/her. The main objective of this work is to study the possibility to reconstruct the complete Standard 12-Lead System by measuring the smallest number of leads possible. This objective can be achieved by reconstructing the ECG signal from a reduced set of leads in a given location. This purpose has been determined for the design of an ambulatory ECG (aECG) recording device. To reconstruct the ECG signal, some approaches will be studied, including ECG normalization, segmentation, linear regression reconstruction or artificial neural network reconstruction. The results obtained suggest that the best reconstruction algorithm is that based on artificial neural networks, which reconstructs to perfection the visual representation of the ECG signal, as shown by the employed evaluation parameters. This confirms the hypothesis that it is possible to reconstruct the Standard 12-Lead System using a patch-based aECG recording device.

[CA] Les malalties cardiovasculars causen 17,9 milions de morts a l'any, el 31% del total de morts en el món. L'American Heart Association sosté que la majoria dels casos es poden previndre per mitjà de la detecció primerenca, la qual pot suposar la diferència entre la vida i la mort. Una de les maneres més importants d'avaluar el risc de patir una malaltia cardiovascular és adquirir i analitzar el senyal d'electrocardiograma (ECG) del cor del pacient. Per a augmentar la sensibilitat en el diagnòstic, l'ECG s'adquirix sovint en un sistema ambulatori, donat que els símptomes poden ocórrer mentres el metge no monitorea de forma directa al pacient. L'objectiu principal d'este treball és estudiar la possibilitat de reconstruir el sistema estàndard complet de 12 derivacions electrocardiográfices mesurant el menor nombre de derivacions possible. Este objectiu pot aconseguir-se reconstruint el senyal d'ECG a partir d'un conjunt reduït de derivacions en una ubicació determinada. Este propòsit ha sigut determinat per al disseny d'un dispositiu de registre d'ECG ambulatori (aECG). Per a reconstruir el senyal d'ECG, s'estudiaran alguns mètodes, incloent la normalització de l'ECG, la segmentació de l'ECG, la reconstrucció per mitjà de regressió lineal o la reconstrucció per mitjà de xarxes neuronals artificials. Els resultats obtinguts suggerixen que el millor algoritme de reconstrucció és el basat en xarxes neuronals artificials, el qual reconstruïx perfectament la representació visual del senyal d'ECG, com els paràmetres d'avaluació empleats ho testifiquen. Açò confirma la hipòtesi que és possible reconstruir el sistema estàndard de 12 derivacions utilitzant un dispositiu de registre d'aECG basat en un pegat.