Sie sind auf Seite 1von 30

SISTEMA DE INFERENCIA ADAPTATIVO NEURO-DIFUSO PARA LA

DETECCIN DE SOPLOS CARDACOS A PARTIR DE CARACTERISTICAS


OBTENIDAS DE LA HVD APLICADA A SEALES FONOCARDIOGRFICAS



Adaptative Neuro-Fuzzy Inference System for murmur heart detection based on
characteristics obtain from HVD applied to phonocardiographic signals
2. El PROBLEMA

2.1 Descripcin

La Organizacin Mundial de la Salud (2013) en su informe de datos y cifras reporta
que las enfermedades no trasmisibles son las causantes de 36 millones de muertes
en seres humanos cada ao, y de esta cifra 17 millones de muertes, son debidas a
las enfermedades cardiacas, lo que representa el 47,2 %.
En colombia segn las estadsticas oficiales (Dane, 2011) se presentarn 193.077
muertes de seres humanos, de los cuales 25.977 de estos desesos el 13.45%
fuern clasificados como muertes por problemas cardiacos, en el Departamento de
Antioquia (Secretaria Seccional de Salud y Proteccin Social de Antioquia, 2011) se
presentaron un total de 29.427 fallecimientos de los cuales por fallas cardiacas
fueron: 4.720, el 16%, y en la ciudad de Medelln se presentaron: 12.877 muertes
no violentas de las cuales 1.721 el 13.4% fueron por afecciones cardiacas. Causas
de lo anterior pueden ser que los mtodos clnicos tradicionales como la
ecocardiografa son bastante limitados por su alto costo y por ello solo estn
presentes en clnicas u hospitales de tercer nivel que cuentan con mdicos
especializados. De esto se deriva que las poblaciones ms vulnerables y de
escasos recursos de la ciudad o incluso del pas no puedan acceder a este tipo de
tratamiento diagnstico.
Teniendo en cuenta lo anterior, es importante brindar a la medicina actual, apoyados
en tcnica de auscultacin cardiaca, un mtodo de bajo costo que permita
acompaar el fonocardigrafo existente, de un sistema que optimice la clasificacin
de las seales acsticas del corazn y diagnostique de forma precisa y eficiente
algunas de las patologas cardiacas que presentan estas poblaciones, aportando
con ello al mejoramiento de sus condiciones y a su calidad de vida, ya que en la
actualidad el mdico utiliza un estetoscopio para escuchar los sonidos
caractersticos del corazn, lo que lo lleva a depender totalmente de su agudeza
auditiva, la cual solo se va adquiriendo con el paso del tiempo, y puede hacer que
algunos pacientes con la patologa en sus etapas de inicio o ya desarrollada, pasen
inadvertidos al odo del mdico, lo cual impide que la enfermedad sea detectada en
el 100% de los pacientes a tiempo, para tratarse adecuadamente.


2.2 Formulacin


Cmo desarrollar un sistema para la deteccin de soplos cardiacos a partir de
caractersticas obtenidas de mtodo HVD eficiente y que sea optimo al momento
de clasificar si una seal tiene o no la patologa apoyado de la tcnica ANFIS?




2.3 Objetivos


2.3.1 General
Determinar una metodologa de clasificacin de seales fonocardiogrfcas (FCG)
basado en ANFIS a partir de caractersticas obtenidas mediante mtodo de
descomposicin para vibraciones de Hilbert (HVD) para la deteccin de soplos
cardacos.

2.3.2 Especficos
1. Generar un espacio de representacin basado en el anlisis de seales
fonocardiogrfcas mediante HVD, para realzar los soplos cardacos
sobre los sonidos funcionales del corazn.
2. Identificar un sistema de clasificacin de seales fonocardiogrficas a
partir de un modelo ANFIS (Sistema de Inferencia Difusa), adecuado para
la deteccin de soplos cardiacos.
3. Evaluar el sistema de clasificacin propuesto, mediante anlisis del
desempeo de clasificadores.


2.4 JUSTIFICACIN

Lo que se pretende con el desarrollo de este proyecto es aportar un sistema de
clasificacin que ayude a encontrar un diagnstico ms acertado y eficiente en
instituciones hospitalarias de primer nivel, disminuyendo la posibilidad de que
pacientes enfermos sean diagnosticados de una manera errnea, pues aunque en
el mercado se cuenta con equipos de auscultacin digital como el fonocardigrafo,
estos equipos no cuentan con un sistema de clasificacin para estas seales y
mucho menos logran identificar la patologa en forma eficiente y precisa, con lo
que se podra aumentar la deteccin temprana de los soplos cardiacos y como
consecuencia disminuir la tasa de mortalidad.

En lo acadmico este proyecto da un avance en los estudios sobre mtodos de
descomposicin y reconstruccin de seales FCG, demostrando la aplicacin del
HVD para descomponer seales FCG, con el fin de obtener caractersticas de alto
poder discriminante entre las seales normales y las que presentan soplo.

En el mbito profesional, con este proyecto se fortalecer en los estudiantes
investigadores las habilidades investigativas y argumentativas, as como el
conocimiento y la profundizacin de algunas categoras propias de la carrera
estudiada, entre ellas: anlisis de seales, redes neuronales y modelos de sistemas,
todo esto con el fin de formar profesionales ms ntegros capaz de crear e innovar
nuevos productos o soluciones a los problemas propios de su ambiente laboral.
2.5 Alcance

Se espera con este proyecto dar un paso en la aplicacin del mtodo
HVD para descomponer las seales FCG que permita extraer
caractersticas de representacin para ingresar a un clasificador ANFIS el
cual tratara apoyar el diagnostico de manera ms eficiente,.

fruto de este ejercicio la produccin de un artculo publicable en alguna
revista .


MARCO REFERENCIAL

2.6 Antecedentes del problema

Los sistemas de anlisis para seales FCG, requieren un alto nivel de investigacin
y aplicacin de conceptos de ingeniera que pueden conducir en ltima instancia al
diagnstico eficiente de una patologa cardiaca, La seal fonocardiogrfca
corresponde a la adquisicin digital de las vibraciones mecnicas provenientes del
corazn y transmitidas por los tejidos vecinos hacia la pared torcica. En la creacin
de estos fenmenos acsticos participan todos los eventos mecnicos que se
presentan durante el ciclo cardaco, entre los que se incluye la contraccin
muscular, la apertura (distole) y cierre de las vlvulas (sstole) y el desplazamiento
del flujo sanguneo.


Martnez 2005, present un mtodo selectivo de compresin del fonocardiograma,
basado en eventos, que funciona detectando en primer lugar los eventos bsicos
del ciclo cardiaco. Posterior mente se comprimen estos con una determinada
calidad, y despus se comprime el resto de la seal donde no hay eventos cardiacos
y por ende informacin relevante se comprime con una menor calidad. Esta
investigacin se apoya en la trasformada wavelet para descomponer la seal.


Cerquera 2005, presenta una metodologa para la caracterizacin de seales FCG
normales y patolgicas, estas ltimas correspondientes a pacientes con presencia
de soplos causados por valvulopatas cardacas. En esta investigacin La
extraccin de caractersticas de la seal FCG se realiz mediante tcnicas
orientadas al anlisis de complejidad y acstico. Tambin se compar la diferencia
entre clases producto de las caractersticas obtenidas y para finalizar se realiz la
deteccin mediante un clasificador bayesiano.


Castellanos et al 2006, exponen la metodologa para la deteccin de soplos
cardiacos mediante el anlisis computarizado de registros fonocardiografcos
utilizando especficamente algoritmos de anlisis acstico y tcnicas de dinmica
no lineal.

Martnez 2006, en su investigacin presenta toda una estructura jerrquica basada
en la abstraccin de seales para el anlisis e interpretacin de la seal
fonocardiogrfca con el objetivo de servir de ayuda al diagnstico de patologas
valvulares. La estructura consta de diferentes niveles, que a su vez estn
compuestos de varios bloques de procesamiento que realizan tareas muy definidas.
Entre las tcnicas propuestas se encuentran el clculo de la frecuencia instantnea
para proporcionar informacin en el plano tiempo-frecuencia, o de la auto
correlacin de envolventes como mtodo robusto para detectar el ritmo cardiaco
medio a partir nicamente de la seal fonocardiogrfca.

Castao et al, 2007, presentaron una metodologa basada en el anlisis acstico de
seales fonocardiogrficas (FCG) para detectar soplos cardacos. En primer lugar,
desarrollaron un sistema de filtracin basado en la transformada wavelet para
reducir las perturbaciones que usualmente se presentan en la etapa de adquisicin;
y con ello, ajustar la calidad del sonido de acuerdo a los requerimientos clnicos y
validados por especialistas en semiologa, (p.172).De igual forma, Castao et al.,
(2007),propuso un algoritmo de segmentacin, basado en la energa promedio
normalizada de Shannon y la transformada wavelet, donde posteriormente se
extraen caractersticas derivadas del anlisis acstico y espectral en los segmentos
de la seal. La efectividad de las caractersticas son evaluadas mediante un modelo
en cascada de clasificadores basado SVM (mquina de soporte vectorial) con el
cual se estructuran 3 clases: normal, soplo y otros.

Osorio et, al 2007, presentan el diseo de un fonocardigrafo con la capacidad de
amplificar y filtrar las seales acsticas derivadas del corazn; el dispositivo permite
la toma de datos y su visualizacin en tiempo real, ofreciendo de esta forma un
mtodo diagnstico efectivo e inmediato. Asimismo plantean la posibilidad de un
autodiagnstico basado en la informacin suministrada por un programa
especialmente diseado para el procesamiento y el anlisis de los datos, facilitando
de esta forma la tarea del mdico. Posteriormente se realiza una conversin
anlogo-digital de las seales para ser enviadas por puerto serial a un entorno
grfico en LabVIEW para su registro y anlisis en tiempo real.


Chauhan et, al 2007, muestran un sistema basado en HMM (Modelos Ocultos de
Markov) y MFCC(Coeficientes Ceptrales en las Frecuencias Mel) para la
auscultacin automtica de pacientes, los autores utilizan MFCC para extraer
caractersticas representativas y desarrollan modelos ocultos de Markov (HMM )
para la clasificacin de seales.

Delgado 2008, presenta un nuevo mtodo de entrenamiento para obtener la
representacin efectiva de datos involucrados en la dinmica cardaca, con el fin de
desarrollar un sistema de deteccin automtica de isquemia y deficiencias
valvulares sobre registros de la actividad cardaca. Se presenta un mtodo de
reduccin de dimensiones basado en un esquema nuevo compuesto por tres niveles
de aplicacin (proyeccin, interpretacin y visualizacin), el cual ayuda a encontrar
la interpretacin del espacio inicial de entrenamiento, indicando cules
caractersticas son las que realmente aportan a la deteccin y tambin conecta esas
caractersticas con la representacin fisiolgica de las seales cardacas.


Castellanos et, al 2009, presentan el uso de la transformada wavelet discreta
calculada a partir de bancos de ltros, de forma que se pueden resaltar cualidades
determinantes mediante la representacin que ofrece de la seal FCG (coecientes
wavelet), facilitando el reconocimiento de estados funcionales. En general, una
seal se representa como una serie de aproximaciones (baja frecuencia) y detalles
(alta frecuencia) en diferentes resoluciones.

Ospina et al, 2010, realizaron una investigacin sobre la capacidad discriminatoria
que caractersticas de la dinmica no lineal, en particular, el Exponente de Hurst, el
Mximo Exponente de Lyapunov y la Dimensin de Correlacin, puedan proveer en
la deteccin de soplos cardacos usando seales Fonocardiogrficas contaminadas
con diferentes niveles de ruido. A su vez se hacen comparaciones con
caractersticas obtenidas a partir de representaciones tiempo frecuencia. Los
resultados muestran la fortaleza de las caractersticas basadas en dinmica no
lineal para tareas de clasificacin de estados funcionales, an sobre seales con
altos niveles de ruido.

Becerra, 2010, presento un sistema digital para asistencia diagnstica por medio de
la clasificacin binaria de sonidos cardiacos , usando mtodos de reconocimiento
de patrones como la caracterizacin mediante MFCC y los PLP (Perceptual Linear
Prediction), la clasificacin se realiz por medio de una red neuronal
backpropagation.


Martnez 2011, propone una metodologa para la reduccin de dimensin en
representaciones tiempo frecuencia (TFRs) enfocada a la clasificacin de seales
no estacionarias como lo son las seales FCG, dicha reduccin de dimensin se
hace por medio de la descomposicin lineal.


Becerra et al, 2012 se proponen una metodologa para la deteccin de soplos en
seales FCG empleando un sistema de clasificacin basado en HMM Ergdico
continuo sin realizar segmentacin, lo que permite reducir el costo computacional
y discriminar la seal de cada individuo mediante la captura de la dinmica total de
esta, evitando as que el sistema entrene y valide el mismo sujeto.

Becerra, 2013 present una metodologa dinmica sobre espacios de
representacin abstracta basada en tcnicas estocsticas orientada a la deteccin
de soplos cardiacos a partir de los cuatro focos de auscultacin, utiliz la
descomposicin en modo emprico (EMD) para construir el espacio de
representacin a partir de los momentos estadsticos obtenidos por medio de la
transformada de Hilbert Huang, para luego utilizar un clasificador basado en un
modelo oculto de markov (HMM) en esta investigacin se demostr alto desempeo
y altos niveles de confiabilidad para este mtodo en casos cuando el soplo no es
detectable para algunos de los focos de auscultacin.

2.7 Bases tericas

Fisiologa de las Seales Fonocardiogrficas
El ciclo cardiaco es el conjunto de eventos que suceden dentro de las cavidades
superiores e inferiores del corazn y su duracin es desde el inicio de un latido hasta
el inicio del prximo, cada ciclo cardiaco consta de un periodo de relajacin o
distole, durante el cual el musculo cardiaco se llena de sangre, seguido de un
periodo de contraccin llamado sstole, el corazn cuenta con cuatro cavidades; dos
cavidades superiores o aurculas y dos inferiores o ventrculos, estas se encuentran
separadas por medio de dos vlvulas auriculoventriculares denominadas: mitral y
tricspide las cuales son las compuertas que controlan la entrada y salida de la
sangre que circula entre las aurculas y los ventrculos, en la cavidad conocida como
el ventrculo derecho se encuentra otra vlvula llamada sigmoidea pulmonar la cual
permite el paso de sangre a la arteria pulmonar, en la cavidad de enseguida
conocida como el ventrculo izquierdo encontramos la vlvula sigmoidea artica que
alimenta la arteria aortica, es este conjunto de vlvulas lo que permite el adecuado
intercambio de flujo sanguneo vital para el buen funcionamiento del corazn
(Ganong.1986).
La vlvulas mitral y tricspide son las que impiden el flujo retrogrado de la sangre
de los ventrculos a las aurculas durante la sstole, y las vlvulas Aortica y pulmonar
impiden que la sangre de las arterias aorta y pulmonar regrese a los ventrculos
durante la distole (Ganong.1986).












3.2.2. Sonidos Cardiacos

Son La consecuencia al comportamiento mecnico de las vlvulas que controlan la
correcta direccin de flujo sanguneo, el cierre o la apertura de estas vlvulas
producen sonidos caractersticos, que permiten deducir si el funcionamiento del
corazn es adecuado o sea si se est produciendo en el momento e intensidad
normal.

La seal fonocardiogrfca corresponde a la adquisicin de las vibraciones
mecnicas o sonidos provenientes del corazn y transmitidas por los tejidos vecinos
hacia la pared torcica. En la creacin de estos fenmenos acsticos participan
todos los eventos mecnicos que se presentan durante el ciclo cardaco, entre los
que se incluye la contraccin muscular, la apertura y cierre de las vlvulas y el
desplazamiento del flujo sanguneo.
Primer Ruido Cardaco (S1). Se atribuye al sonido generado por el cierre de las
vlvulas mitral y tricspide al comienzo de la sstole ventricular. El ruido S1 est
dividido en cuatro componentes: el primero de baja frecuencia, ocurre cuando la
primera contraccin del miocardio en el ventrculo empuja la sangre hacia las
aurculas; el segundo componente es de alta frecuencia y comienza con la tensin
abrupta del cierre de las vlvulas aurculoventricular (AV). El tercer componente es
generado por las oscilaciones de la sangre entre la raz de la aorta y las paredes
ventriculares; y el cuarto componente es generado por las vibraciones producidas
por la turbulencia en la expulsin de la sangre a travs de la aorta y la arteria
pulmonar.
Segundo ruido cardiaco (S2). Ocurre en el fin de la sstole ventricular y el
comienzo de la relajacin ventricular, constituyendo dos componentes de alta
frecuencia: cierre de la vlvula aortica y pulmonar. El ruido S2 generalmente
presenta componentes de alta frecuencia que S1 y generalmente su duracin es
menor que la de S1.

Tercer y cuarto ruidos cardiacos (S3 y S4). En algunos casos se escucha un
tercer ruido cardaco S3, que corresponde a la fase de llenado ventricular. Es un
ruido de baja frecuencia y se puede presentar entre 0.12 y 0.16s despus de S2. El
cuarto ruido cardiaco S4 es producido en la final de la distole y se genera por la
contraccin de las aurculas desplazando el flujo de los ventrculos











Figura1 figura2


El tiempo que hay entre S1 y S2 se denomina periodo sistlico, y el tiempo que hay
entre S2 y S1 se conoce como periodo diastlico (Echeverry et al.2007).



Los sonidos cardiacos tienen un tiempo de duracin que oscila entre los 0.04s y los
0.12s, con unos componentes de frecuencia dentro del rango de 20hz a 150 hz,
especificados de acuerdo con el sonido como se describe en la Tabla
1.1(Ewing,1988)

Ruido Duracin (s) Rango frecuencia (Hz)
S1 0.1 0.12 20 150
S2 0.08 014 50 60
S3 0.04 0.05 20 50
S4 0.04 0.05 < 25


3.2.3. Soplos cardiacos

Los soplos cardiacos son sonidos anormales que se escuchan en el musculo
cardiaco, el flujo sanguneo es laminar y no turbulento hasta cierta velocidad, pero
cuando esta velocidad aumenta tal flujo se torna turbulento generando ruidos
anormales cuando la sangre pasa por el corazn y los grandes vasos. Este cambio
de velocidad en el flujo ocurre por una brusca disminucin en el calibre de una
arteria o vlvula cardiaca (Ganong, 2010). Esta anomala valvular ocasiona
vibraciones anormales del flujo sanguneo, produciendo sonidos de alta frecuencia
denominados soplos cardiacos (ver tabla 2) relacionados con la estenosis, la cual
consiste en la inadecuada apertura valvular y a la regurgitacin mitral que se
presenta cuando alguna vlvula no se cierra completamente, ocasionando un reflujo
en sentido inverso al normal.














3.2. Bases de Datos
La base de datos de sonidos FCG con la que se realiz este proyecto de
investigacin, pertenece al grupo de investigacin de control y procesamiento digital
de seales de la Universidad Nacional de Colombia Seccional Manizales y a
Telesalud de la Universidad de caldas. Esta consta de 526 seales obtenidas de 55
pacientes etiquetados como normales y 657 seales obtenidas de 88 pacientes con
evidencia de algn soplo cardiaco las seales fueron adquiridas sin limitaciones en
edad ni sexo, con un estetoscopio electrnico marca welchAllyn modelo Meditrn,
con una frecuencia de muestreo de 44.1kHz y con una precisin de 16 bits, dentro
de una cabina acstica del Hospital Infantil Universitario Rafael Henao Toro, luego
de haber valorado el estado clnico de cada sujeto y obtenido su respectivo
consentimiento informado. Las seales fueron obtenidas entando cada sujeto





2.8 Pre procesamiento
Las seales FCG de las bases de Datos utilizadas tienen componentes de
frecuencia entre 1 Hz y 1kHz aproximadamente, una amplitud no normalizada y
frecuencia de muestreo de 44.1kHz que se considera excesiva respecto al teorema
de Nyquist, que es suficiente para evitar el aliasing, pero demanda un costo
computacional muy elevado para su procesamiento. Por lo anterior, para obtener
un adecuado desempeo del clasificador, se realiz un re muestreo a 4410Hz
aplicando un filtro FIR pasa-bajo antialiasing.
En la adquisicin de seales FCG se presentan perturbaciones o ruidos que
contaminan la seal y disminuyen la eficacia en el proceso de clasificacin, para
disminuir estos efectos, se realiza re muestreo, filtrado y normalizado.

2.9 Re muestreo y Filtrado
Es muy importante tener en cuenta la tasa de muestreo ya que esta determinara la
posibilidad de reconstruir la seal a partir de muestras sin prdida de informacin
y se debe cumplir son los siguientes parmetros:

Cuanto mayor es la tasa de muestreo, la reconstruccin de la seal es ms
idntica a la original, (Handy.2009)

Cuando las seales son muestreadas, su espectro de frecuencia se repite a
lo largo de toda frecuencia en mltiplos de Fs.

El sobre muestreo ocurre cuando las seales son muestreadas con una tasa
superior a 2Fm, las cuales pueden ser reconstruidas por medio de filtros
pasa-bajos.


Cuando no se cumple el teorema de Nyquist, ocurre un traslapamiento de la
banda lateral inferior con la banda lateral superior, resultando una distorsin
denominada aliasing, la cual puede ser eliminada o reducida, seleccionando
una adecuada frecuencia de muestreo, o aplicando un filtro de orden superior
denominado antialiasing.


Figura#

Figura#


A pesar de cumplir el teorema de Nysquist, cuando se realiza el re muestre, se
puede generar aliasing y un decremento de la relacin seal a ruido cuando se
reduce la tasa de muestreo de un conjunto de datos en un factor N, donde N>1. Lo
anterior se puede evitar si la frecuencia de corte del filtro antialiasing del decimador,
cumple lo expresado por:

/2


Donde,

: Frecuencia de corte de Filtro j-esimo

: Tasa de datos de salida del estado j-esimo

: Tasa de muestreo de entrada





3.5 Normalizacin
En la adquisicin de datos, los niveles de diferentes seales pueden variar de
escala, as las caractersticas con valores mayores tendrn mayor influencia en la
funcin de costo que las caractersticas con valores menores, pudiendo afectar el
desempeo del clasificador. Por ello se debe recurrir a la normalizacin para ajustar
todas las seales adquiridas a la misma escala. Las seales pueden ser
normalizadas de diferentes maneras de acuerdo con los requerimientos especficos.
Los dos tipos de normalizacin aplicados a las seales FCG y a las caractersticas
que en este trabajo se obtendrn partir de la aplicacin del mtodo HVD

Bipolar con intervalo [-1.1], mediante la expresin (chauhan,2008):

()

=
x(k)
max x(k)

Donde,
(): Seal a normalizar.
()

: Seal normalizada.

Unipolar con intervalo [0,1], mediante la expresin (Hu et al.2007):

()

=
x(k)

()
max x(k)








3.2.5 El mtodo HVD

Durante las ltimas dcadas se han descubierto varios mtodos para la
descomposicin y el procesamiento de seales no estacionarias, una de ellos es el
Modo de Descomposicin Emprica (EMD) el cual permite separar seales en
diferentes monocomponentes de acuerdo con sus escalas, a partir del clculo de
las funciones de modo intrnseco (IMF), las cuales son funciones base dependientes
, con significado estadstico y con las que se puede discriminar el ruido de la
informacin y determinar sus caractersticas (Huang & Shen, 2005). En otras
palabras una seal es expresada como la suma de sus IMFs y su residuo,k lo que
permite reconstruir una nueva seal sumando n IMFs, el clculo de las IMFS, se
basa en la envolvente obtenida a partir de los mnimos y mximos locales
(formados por medio del ajuste spline cubico) y son estimados mediante un
procedimiento iterativo denominado sifting (kopsinis & MclaUglin, 2009).

EMD es una metodologa practica y altamente adaptable ya que se ha concluido en
investigaciones anteriores (M Becerra, 2013) que La descomposicin y
reconstruccin de seales FCG mediante EMD, permite atenuar perturbaciones y
realzar los componentes de seal correspondientes a los soplos en las seales
FCG, mejorando la posibilidad de discernir entre clases y por ende mejorando el
rendimiento del clasificador. Sin embargo este mtodo demanda un costo
computacional muy elevado, lo cual lo hace complejo de implementar en un sistema
de apoyo diagnstico para tiempo real.
Ms recientemente se desarroll el Mtodo de Descomposicin de vibracin de
Hilbert (HVD) propuesto por el Dr M. Feldman en 2006: quien apoyado en la
transformada de Hilbert-Huang (HHT) para obtener la frecuencia instantneas de la
seal inicial, HVD es una algoritmo iterativo que extrae el componente dominante
de la seal, ya que este primer componente es el que contiene la amplitud ms alta
variable, la seal residual luego de la extraccin del primer mono-componente
contiene simplemente informacin sobre los dems componentes de menor
amplitud.
HVD se basa en la hiptesis que si observamos la fase (o la frecuencia) de forma
analtica de una seal con inicial, su evolucin global est impulsada por el mono-
componente dominante (el que tiene mayor amplitud) de la seal. Los otros
componentes aparecen como simples oscilaciones alrededor de la fase
perteneciente a la mono dominante. Se puede demostrar que las componentes
varias iteraciones despus de la principal tienden a desvanecerse cuando se
integran en el tiempo,(M, Bertha,2014), en otras palabras la seal inicial est
formada por la superposicin de funciones cuasi-armnicas que tambin contienen
una lenta variacin de DC offset y el mtodo HVD lo que permite que una funcin
inicial mono-componente no estacionaria se pueda descomponer en un pequeo
nmero de seales mono-componente ms simples con las cuales se poder realizar
clculos de forma ms sencilla y posiblemente sin alto costo computacional como
la extraccin de caractersticas de una seal FCG .
En mtodo HVD utiliza para aislar el componente dominante presente en la seal
inicial, un filtro pasa bajo, como se muestra en el esquema (ver figura), y por ltimo
el componente dominante se extrae de la seal usando una demodulacin sncrona
basada en la frecuencia del modo dominante, una vez que se obtiene lo que
llamaremos la seal residual se repite todo el proceso para obtener los
componentes restantes.

1
() =
1
()
1
()













3.2.5.1 Transformada de Hilbert Huang (HHT)

Es una mtodo simple para analizar los cambios de frecuencia y amplitud de una
seal en el tiempo, el cual solo puede ser aplicada sobre seales mono-
componentes, diferentes tipos de seales presentan caractersticas no lineales y
no estacionarias, e.g seales de voz, de vibracin, FCG, entre otras, presentando
gran cantidad de cambios tanto en amplitud como en frecuencia. Sin embargo para
descomponer este tipo de seales en sus respectivos mono-componentes, se
aplican los EMD, facilitando su anlisis por medio de la HHT.
La transformada de Hilbert (HT) de una funcin real (), resulta de la convolucin
entre funcin analizar () y el inverso del tiempo 1/nt, lo que enfatiza en las
propiedades locales de la funcin y est definida por (Ramrez & Montejo, 2011;
Tseng at al., 2012):
[()] =
1

()

+

d
La HHT consiste en el paso de una funcin () a travs de un sistema, el cual deja
la magnitud sin cambio, pero cambia la fase de todos los componentes de
frecuencia e /2, permitiendo la construccin de una seal analtica compleja
() en la que su parte imaginaria es la HHT de () y su parte real es igual a la
seal original, y su espectro de frecuencia es nulo para frecuencias negativas. Esta
funcin analtica es descrita por:
() = () + [()] = ()
()

Donde,
() = [()
2
+([()])
2
]
1/2


() = arctan (
[()]
()
)

() =
d ()

]
() =
1
2
() []
(): Amplitud instantnea
(): Fase instantnea
(): Frecuencia instantnea en rad/s
(): Frecuencia instantnea en Hz

A partir de la amplitud instantnea y la frecuencia instantnea (FI) es posible obtener
la representacin tiempo-frecuencia denominada espectro de hilbert Huang (Tseng
et al., 2012). LA FI es una progresin natural a partir de la frecuencia en estado
estable de la seal y se considera un parmetro muy importante en seales que
presentan variacin de su frecuencia en el tiempo, ya que define la ubicacin de la
mxima amplitud espectral de la seal a lo largo del tiempo y se interpreta como la
frecuencia de una onda sinusoidal que ajusta localmente a la seal bajo anlisis,
teniendo significado solo en seales mono-componentes que solo tienen una
frecuencia o un rango estrecho de frecuencias, las cuales varan en funcin del
tiempo, y deben ser positivas para tener un significado complejo.


3.2.4 Caracterizacin y Espacios de Representacin

Se han realizado varias investigaciones en procedimientos para el reconocimiento
de patrones e interpretacin en seales FCG (kumar et al,2006; Orrego & Delgado,
2011).
Para un sistema de reconocimiento Automtico de patrones es necesario
implementar un universo de trabajo definido, el cual tiene elementos que se tratarn
de reconocer individualmente de forma automtica. Estos elementos toman el
nombre de patrones o clase (ovalle &caon, 1997).
Para efectuar el reconocimiento automtico de seales, es indispensable extraer de
cada seal un conjunto de caractersticas principales que la describan. La
caracterizacin tiene como objetivo reducir la dimensin de la representacin de la
seal, de modo que las distancias entre patrones de iguales clases disminuyan y
aumente entre patrones de diferentes clase (montes, Guarn y Castellanos,2005).
Para Ovalle y Can (1997) la caracterizacin depende mucho de su aplicacin y
su base es la intuicin sumada a la experiencia, por lo que se puede considerar
ms un arte que una ciencia. Aunque hay tcnicas formales que ayudan a la
caracterizacin, estas son a posteriori; lo que significa que cuando se tiene un
conjunto de caractersticas de deben realizar varias pruebas para verificar su
fiabilidad como discriminantes.
Existen varias alternativas para el diseo de sistemas de asistencia diagnostica, a
partir de las cuales se pueden realizar una representacin de la seal mediante
estimaciones de coeficientes o ndices matemticos que aunque no son medidas
con sentido clnico, pueden brindar de manera consistente la separabilidad entre
patrones correspondientes a distintas clases (Delgado.2008).
Para la deteccin de soplos cardiacos a partir de seales FCG se necesita de la
extraccin o seleccin de caractersticas y del entrenamiento de un clasificador que
en este caso ser ANFiS como etapas fundamentales, por lo que resultara de alta
relevancia la correcta eleccin de modelos de representacin que sean compactos
y que proporcionen una estructura discriminante de manera que la efectividad en la
deteccin no se atribuya exclusivamente al clasificador (Mahmoud et al , 2006)



3.2.5.2 MOMENTOS ESTADISTICOS
Apoyados en investigaciones anteriores identificamos el uso de los momentos
estadsticos tiles para extraccin de caractersticas de seales (Pinzon et al 2009),
los cuales caracterizan la funcin de distribucin permitiendo determinar la similitud
entre este tipo de funciones E.g si dos distribuciones tienen las mismas medidas de
sus momentos, se puede decir que son iguales.

El primer momento estadstico, denominado la media, es la medida del valor
central de la variable aleatorio, el cual permite determinar el promedio de las
caractersticas espaciales y est definido por medio de la ecuacin:

=[]=

()


El segundo momento la varianza, proporciona informacin sobre la
variabilidad (dispersin y expansin), de un conjunto de datos est definido
por la ecuacin

2
= [(

)
2
] = ( )
2

()


El tercer momento, la media de simetra skewness, tiene como objetivo
estudiar la deformacin horizontal de los valores de la variable respecto al
valor central de la media y la concentracin de la variable hacia uno de sus
extremos, est definido por la ecuacin:

= [(

)
3
]
El cuarto momento, denominado kurtosis, pretende comparar la curva de
una distribucin con la curva de la variable normal, proporcionando
informacin de la figura de la distribucin, cuya forma puede ser leptocrtica
si la kurtosis es mayor que 3, mesocrtica si la kurtosis es igual a 3, es decir,
la distribucin de datos corresponde a la de una variable normal, o,
platicrtica si es menor de 3. Este momento est definido por la ecuacin:

= [(

)
4
]



El quinto momento, Entropa es una medida estadstica que define de
modo generalizado el grado de desorden de una seal, la interpretacin de
este fenmeno se basa en el nexo que existe entre la entropa y las
probabilidades.

= ( log
2
())
=1


El sexto momento entropa shanoon

= (
2
log
2
(
2
))
=1

El sptimo momento entropa de baja energa

= (log())
=1


Escriba aqu la ecuacin.
3.2.5 Normalizacin de caractersticas.
3.2.5 Normalizacin de caractersticas.

Para incrementar la capacidad discriminante de los espacio de representacin y por
ende, mejorar el rendimiento del clasificador ANFIS del cual se hablara ms
adelante se ajustaron los atributos, en el rango [-1,1] aplicando normalizacin
bipolar


3.2.6 Clasificadores
Es un sistema que a partir de una informacin base disponible, en donde se pueden
agrupar elementos similares en un conjunto, de modo que se puedan diferenciar de
otros conjuntos que no cuentan con las mimas caractersticas. Asi que cada
conjunto puede ser etiquetado y cada etiqueta representa la clase a la que
pertenece todo el conjunto, en otras palabras el clasificador es quien recibe una
descripcin de un objeto para ser catalogado, y con eso es quien decide la clase de
objetos a la que pertenece, como salida del clasificador tenemos la etiqueta, para
un sistema de decisin o de clasificacin, cada registro contiene un conjunto de
atributos donde uno de ellos es la clase.
Encontrar un modelo para el atributo de la clase como la funcin de los valores de
los otros atributos, es la tarea fundamental de un clasificador, para ello normalmente
la base de datos es dividida en subconjuntos, uno de prueba que se utiliza para
construir el modelo y uno de entrenamiento para determinar la precisin del modelo
o validarlo. Una regla comn para dividir la base de datos es utilizar el 70 % de los
registros para el entrenamiento y el 30 % para la validacin de la cual hablaremos
ms adelante, sin embargo esta divisin es usualmente aleatoria, con el fin de
garantizar que ambos subconjuntos son muestras aleatorias de la misma
distribucin, tambin puede ser razonable un muestreo estratificado, lo que significa
asegurarse de que cada clase est presente en la misma proporcin en los
subconjuntos de entrenamiento y validacin.
Dicho proceso de clasificacin se puede dividir en tres tipos( Issa,2006):

Clasificacin con aprendizaje supervisado: los elementos de un
universo se agrupan en un nmero determinado de clases, donde cada
muestra de entrenamiento se sabe a qu clase pertenece y cuando una
nueva muestra aparece, se debe determinar a qu clase pertenece con
mayor probabilidad.

Clasificacin con aprendizaje parcial: es similar al supervisado, su
diferencia radica en que hay al menos una clase de elementos de los que no
se tiene ninguna muestra.
l
Clasificacin sin aprendizaje o no supervisada: debido a que no cuenta
con el conocimiento de las clases a las que pertenecen los elementos de un
universo, los va agrupando de acuerdo a las caractersticas de estos.
Es fundamental para el desarrollo de un sistema de clasificacin contar con un
entrenamiento, en donde el sistema observe muestra tomadas con anterioridad, y
de las cuales se pueda saber la clase a la que pertenece cada una, con el fin de
poder aprender a clasificar estas muestras no etiquetadas. Tampoco se debe
olvidar una tcnica de aprendizaje la cual tenga como objeto extraer conocimiento
representativo entre todas las muestras que entran al sistema, para que partir de
una serie de datos de entrenamiento sea capaz de generar un sistema clasificador
de informacin

3.3 ANFIS

El modelo ANFIS (Sistema de inferencia difusa Basado en Redes Adaptativas) es
un sistema hbrido que combina el aprendizaje de las redes neuronales y la
lingstica de las reglas de la lgica difusa. Este modelo utiliza reglas de inferencia
difusa propuestas por Takagi y Sugeno (TS) en 1985. Suponiendo dos reglas SI
ENTONCES tipo TS, tenemos:

1 Regla : si es
1
y es
1
Entonces =
1
= p1x +q1Y+r1
2 Regla: si x es A2 y Y es B2 Entonces Z2 = p2x +q2Y+r2
Donde X yY son entradas , donde cada entrada tiene dos funciones de pertenencia;
Ai y Bi son conjuntos difusos, Zi la salida dentro de la regin especifica difusa, Pi ,qi
y Ri son los parmetro de diseo que se determinan durante el entrenamiento


La arquitectura ANFIS est compuesta por 5 capas (Jang, 1993), en donde cada
una de ellas efecta un proceso especifico en la inferencia de la salida del sistema
y todos los nodos de una misma capa realizan la misma funcin, los nodos
representados grficamente por un cuadrado son adaptativos, es decir que sus
parmetros son ajustables durante el entrenamiento y los nodos representados
grficamente con un circulo son fijos, no representan cambios en el
entrenamiento.(Ver grafica#)





4. DISEO METODOLGICO

4.1 Tipo de proyecto:
La propuesta que se presenta posee caractersticas propias del enfoque
cuantitativo ya que se pretende identificar la patologa por medio de la identificacin
de sus caractersticas.
De acuerdo con Hernndez, Fernndez y Baptista (2010), las investigaciones con
enfoque cuantitativo deben tener procesos estandarizados que cumplan con las
siguientes condiciones: secuenciales, deductivos, probatorios y objetivos.
Asimismo, debe garantizar: generacin de resultados, control de los fenmenos
estudiados, precisin en la ejecucin del proceso de experimentacin y prediccin
o identificacin del fenmeno estudiado. En este caso la presencia de la patologa
en la seal FCG.
Teniendo en cuenta lo anterior, el tema investigativo que aqu se plantea tendr un
avance secuencial que se desarrollar en cuatro etapas claramente definidas y con
procesos especficos cada una. Esta investigacin tambin se apoyar en
conclusiones o razonamientos que parten de estudios realizados por grupos de
investigacin como el GEA entre otros; tambin se utiliza el mtodo ANFIS como
herramienta importante a la hora de clasificar seales, y todo lo anterior se realizar
de forma organizada, secuenciada y controlada con el fin de garantizar rigurosidad
en el proceso.
El alcance de esta investigacin ser de carcter exploratorio ya que el problema
de la falta de herramientas que optimicen la clasificacin de las seales
fonocardiogrficas disminuyendo el costo computacional, ser indagado desde una
perspectiva innovadora, al tratar de descomponer la seal normalizada por medio
de HVD y que de esta manera se prepar el camino para futuros estudios que
implementen el sistema completo de diagnstico cardiaco.
El enfoque de la investigacin ser experimental porque se identificarn las
variables estadsticas, calculadas a partir de los resultados de la aplicacin del
mtodo HVD a la seal FCG.


4.2 Metodologa














Una descripcin detallada por etapas del proceso experimental es la siguiente:


1. Anlisis de la base de datos para la seleccin de seales FCG

2. Re muestreo, filtrado y normalizacin de la seal.

3. Descomposicin de la seal por medio de HVD y utilizacin de tcnicas para
la extraccin y seleccin de caractersticas.

4. Validacin cruzada para medir el rendimiento del sistema de clasificacin.



5 Analisis
HVD estima la frecuencia no estacionario del componente ms grande como una
funcin de la media de la frecuencia instantnea del registro de oscilacin, y la
envolvente correspondiente se calcula de acuerdo con emulacin sncrono. HVD
puede detectar diferentes componentes individuales en una seal de oscilacin con
variacin lenta amplitud instantnea de una frecuencia

Das könnte Ihnen auch gefallen