1

Nombre del Laboratorio de Electronica III.

Ejemplo (Control de giro de un motor DC)
Autores
Grupo de laboratorio Nro. X
Laboratorio de Electronica III Nro.
Profesor: Willy Condori
Instituto Tecnologico Superior
Especialidad ...
Fecha...
correo electronico del representante del grupo, ejmp. wcondori@tecsup.edu.pe

Abstract
El resumen del laboratorio: El planteamiento general, los
resultados de simulaciones y las conclusiones. Es decir si el
laboratorio sirvio de algo... No debe tener mas de 200 palabras.
ejemplo:
Se presenta la propuesta para el analisis y desarrollo de meto
dos para extraccion de parametros de senales
de ECG, basados
en tecnicas de proceso heursticas y de transformadas tiempofrecuencia. El analisis considera el preprocesamiento que incluye tecnicas de deteccion de ruido y artefactos (interferencia de la
de
red, ruido de artefactos), segmentacion de eventos de la senal
ECG (complejo QRS, onda P, onda T, entre otros) mediante transformadas de Fourier, as como de las transformadas de Wavelets.
La extraccion de parametros a realizar esta orientada al reconoci
miento de senales
normales de ECG y con tipos predeterminados
de patologas cardacas del tipo de cardiopata coronaria (infarto
y angina de pecho).
Index Terms
Son las palabras clave, ejemplo:
Analisis de ECG, Caracterizacion de ECG, Segmentacion de ECG,
Reconocimiento de ECG, patologas Cardacas, extraccion de
parametros, Bioingeniera.

I. INTRODUCCI ON
Las enfermedades cronicas y, especialmente las cardiovasculares representan la principal causa de muerte en varios pases
[13]. En el diagnostico de enfermedades cardiovasculares el
analisis de la senal electrocardiografica (ECG), para extraer informacion de sus caractersticas, da como resultado un numero
muy elevado de posibles patologas cardacas, tales como arritmias, enfermedades coronarias, entre otras. [12]
La electrocardiografa es la tecnica mas usada para el estudio
electrofisiologico del corazon, debido a que es un metodo no
invasivo y permite registrar la actividad electrica del corazon
desde la superficie del cuerpo humano. La electrocardiografa
es uno de los campos donde la medicina ha recibido grandes
contribuciones de distintas disciplinas. En las u ltimas decadas,
la Bioingeniera ha permitido incorporar tecnicas de instrumentacion y procesado digital de senales para mejorar aspectos de

adquisicion, monitorizacion, almacenaje y procesado automatico de las senales cardacas, en particular de las senales de ECG.
[12]
Es por esto que se han desarrollado herramientas mas efectivas en el diagnostico de la funcionalidad de los registros de
ECG, el cual esta relacionado con la cuantificacion directa de
sus diferentes parametros morfologicos (ritmo, estimacion de
intervalos y amplitudes de eventos, etc.) con ayuda de reglas relativamente simples. Sin embargo, las limitaciones de los metodos de analisis son severas, particularmente cuando las senales
de ECG deben ser evaluadas en relacion con factores de influencia internos (sincronismo del mismo fenomeno de ECG
en sus diferentes derivaciones) o externos (estado funcional de
otros o rganos, habitos del paciente, factores congenitos, etc.).
El ECG de cada estado de actividad cardaco-electrica (normal o patologico) algunas veces es extremadamente difcil de
describir mediante ponderaciones exactas de las formas de sus
picos, ondulaciones bruscas u otros patrones anormales que el
especialista detecta a simple vista. [12]
Los anteriores factores exigen al tratamiento de la senal de
ECG que implica tanto el preproceso y la extraccion de caractersticas, un completo desempeno a la hora de realizar cualquier analisis en su estructura morfologica con una diversidad de metodos que incluyen analisis en el tiempo, frecuencia,
tiempo-frecuencia, los cuales representan la base fundamental
para el proceso de clasificacion y reconocimiento de patologas
cardacas.
El presente trabajo se enmarca dentro de la investigacion
aprobada por el DIMA, denominado Analisis automatizado de
senales cardacas, que realiza el Grupo de Control y procesamiento Digital de Senales (GC&PDS).

II. OBJETIVOS
Se citan los objetivos general y especficos. Si no hay objetivos especficos, colocar el objetivo general. a continuacion se
muestra un ejemplo.

A. Objetivo General
Extraer y seleccionar los parametros adecuados con el fin de
clasificar las diferentes caractersticas electricas del corazon en
condiciones normales y en cardiopata coronaria, en la poblacion del Hospital de Caldas.
B. Objetivos Especficos
Analisis y desarrollo de tecnicas para extraccion de
parametros de senales ECG, basadas tanto en metodos
heursticos, como las basadas en el empleo de transformadas de frecuencia y tiempo-frecuencia, que permitan
la clasificacion y reconocimiento de normalidad cardacoelectrica y del tipo de cardiopata coronaria (infarto y angina de pecho).
Seleccionar los parametros adecuados con el fin de clasificar las diferentes caractersticas electricas del corazon
en condiciones normales y en cardiopata coronaria, en la
poblacion objeto de estudio.
Desarrollar un metodo de comparacion entre las tecnicas
analizadas de extraccion de parametros para senales de
ECG, que tengan en cuenta el mejor rendimiento de un
clasificador determinado.
III. MARCO TEORICO
En esta parte va el marco teorico del laboratorio.
este es un ejemplo de una formula:
X
f (t) =
al l (t)

(1)

A. Estados de funcionalidad cardaca del corazon

El estudio de la senal de ECG obtenida mediante electrodos de superficie es una de las pruebas medicas mas frecuentes
en la exploracion de la actividad cardaca en el diagnostico de
arritmias, defectos de conduccion, infartos, hipertrofias y otras
anomalas [2]. El analisis de los registros ECG complementan
los clnicos, enzimaticos, etc. [14].
Este estudio es complementado con otras evaluaciones como la coronariografa, el cual permite visualizar el flujo sanguneo por las arterias coronarias mediante el uso de sustancias
radiopacas, y la ecocardiografa, el cual realiza un sondeo por
ultrasonido. Estos procedimientos complementarios ayudan a
evaluar los transtornos funcionales y estructurales del corazon
[7]. Dichos trastornos conllevan a una serie de patologas de
caracter isquemico, denominado Cardiopata Isquemica, la cual
se refiere a la falta de oxgeno ocasionada por una disminucion
en la perfusion. Este termino abarca una amplia gama de alteraciones de diversas causas cuyo denominador comun es el
desequilibrio entre la demanda de oxgeno por el miocardio y
el suministro del mismo. Este desequilibrio en general se relaciona ya sea con una reduccion absoluta del flujo coronario, o
bien con una incapacidad para aumentar el flujo coronario en
relacion con las necesidades del corazon; la mayora de las veces debido a obstruccion arteroesclerotica de las arterias coronarias principales. La isquemia altera las propiedades electricas
del corazon, la modificacion temprana mas caracterstica del

ECG es la que afecta el fenomeno de repolarizacion: inversion

de la onda T y mas tarde desplazamiento del segmento ST. Otra
consecuencia importante de la isquemia miocardica es la inestabilidad electrica que puede desembocar en arritmias graves.
Dentro de la clasificacion de Cardiopatas isquemicas, se evaluaran las 2 mas importantes de acuerdo al ndice alto de morbimortalidad que presentan: Angina de Pecho e Infarto Agudo
del Miocardio (IAM). La primera es un sndrome clnico producido por la isquemia miocardica transitoria. El ECG en reposo,
puede ser normal en un 50 % de los pacientes, en el momento en que no hay dolor. Las ondas T invertidas p ueden ser la
u nica manifestacion del fenomeno, aunque esto tambien puede
ser debido a pericarditis, miocarditis y a fenomenos de vasorregulacion. La alteracion mas caracterstica es la depresion del
segmento ST, aunque a veces se puede elevar. Para el caso de
IAM se presenta una lesion del miocardio cuya manifestacion
del ECG muestra la presencia de ondas Q o la perdida de ondas
R precordiales. Se dice que el infarto no es transmural (que no
atraviesa toda la pared cardaca) si presenta alteraciones en las
ondas T y el segmento ST.
En la clasificacion del IAM se emplean varias escalas de
acuerdo con el ndice cardaco y la presion capilar pulmonar
(ndice de Forrester) o de acuerdo con la tasa de mortalidad
(ndice de Killip)
Killip I: No hay signos de falla (mortalidad 0-10 %)
Killip II: S3, Galope, Crepitos Basales Pulmonares
(mortalidad17-20 %)
Killip III: Edema Pulmonar Agudo (mortalidad del 3840 %)
Killip IV: Choque Cardiogenico (81-90 %)
Entre parentesis se indican los resultados de estudios realizados en [8].
B. Caractersticas morfologicas de senales ECG
El ECG presenta un comportamiento repetitivo, asociado a la
actividad del musculo cardaco. Cada recurrencia o ciclo de la
senal ECG consta de una serie de ondas en una secuencia determinada, que representan una fase diferente del latido cardaco,
y se denotan respectivamente por las letras del alfabeto: P, Q,
R, S y T. La onda P representa la despolarizacion del musculo
de la aurcula. La siguiente secuencia de ondas Q-R-S (complejo QRS) refleja la combinacion de la despolarizacion de los
ventrculos y la repolarizacion de las aurculas, que ocurren
practicamente al mismo tiempo. La onda Q es la deflexion negativa inicial, la onda R es la deflexion positiva y la onda S es
la deflexion negativa que sigue a la onda R. Una o mas de estas
ondas pueden no estar presentes y, en ocasiones, aparecer una
segunda onda R que se denota como R. La onda T representa
la repolarizacion de los ventrculos. En ocasiones, posterior a
la onda T aparece una onda U de escasa amplitud y origen incierto, aunque existen bases experimentales que la asocian con
la repolarizacion de las fibras de Purkinje o a post-potenciales
[12]. El intervalo PR va desde el inicio de la onda P hasta el
inicio del complejo QRS, y esta relacionado con el tiempo de
propagacion del impulso electrico desde el nodo sinusal hasta el comienzo de la despolarizacion de los ventrculos, incluyendo el tiempo de retraso que conlleva la activacion del nodo

auriculo-ventricular (AV). El segmento ST comprende desde el

final del complejo QRS hasta el inicio de la onda T, e indica
el tiempo entre el final de la despolarizacion y el inicio de la
repolarizacion ventricular, siendo e ste un corto perodo de relativa inactividad. El intervalo QT se prolonga desde el inicio del
complejo QRS (Q o R), hasta el final de la onda T. Los intervalos PP y RR miden las distancias comprendidas entre dos ondas
consecutivas P y R, respectivamente.
El analisis de la actividad electrica del corazon a traves de los
registros ECG, esta relacionado con la cuantificacion directa de
las secuencias determinadas anteriormente, (ritmo, estimacion
de intervalos y amplitudes de eventos, etc.). As, por ejemplo, el
intervalo RR es la base de calculo de la frecuencia cardaca y se
emplea en la investigacion de variadas patologas [3] [11] [12],
mientras que las manifestaciones electricas de la enfermedad
coronaria van desde alteraciones del nivel sobre el plano ST,
inversion de la onda T, aparicion de ondas Q, hasta alteraciones
del ritmo cardaco y otras alteraciones temporales de la senal
que eventualmente pueden llevar a la asistolia o la muerte.
C. Tecnicas de registro de ECG
La tecnica inicial es conocida como vector cardiograma, que
emplea vectores para representar los potenciales electricos del
corazon, los cuales discurren en una direccion concreta en cada
instante del ciclo cardaco. El vector marca la direccion del potencial generado por el paso de corriente. En la tecnica de monitoreo, el ECG se registra con solo dos electrodos [3]. Sin embargo, solo se pueden detectar anomalas en el ritmo cardaco.
Con un electrodo mas se detectan, aunque con poca precision,
insuficiencias en el suministro de sangre para el corazon e infartos [14]. Aunque, el registro en momentos de esfuerzo fsico
del paciente se ve afectado por la actividad electrica de los diferentes musculos, distorsionando el biopotencial medido.
La tecnica de medicion mas completa es el ECG estandar
de 12 derivaciones, o pares de electrodos de polaridad opuesta
ubicados en la superficie del cuerpo. El ECG de 12 derivaciones provee informacion acerca del flujo de corriente electrica a
traves del miocardio durante el ciclo cardaco de despolarizacion y repolarizacion, correspondientes a los movimientos de
sstole y diastole electrica [3]. Esta tecnica registra conjuntamente senales de diferentes partes del cuerpo, localizando sitios
de aberraciones de conduccion entre la aurcula y el ventrculo.
Ademas, se detecta la presencia de anomalas fsicas, tales como el aumento en el volumen del corazon, defectos congenitos,
etc. [3] [2]. As, al tomarse las mediciones muy cerca del corazon, es frecuente que las alteraciones relativamente minusculas de los ventrculos, originen cambios intensos en los trazados
electrocardiograficos [18].
El registro de las senales de ECG puede ser del tipo ambulatorio, en orden a monitorear el ritmo del corazon, detectando
anomalas en su ritmo [2], para lo cual se requiere menos puntos (se emplean las tecnicas de registro vectocardiograma o de
monitoreo). El registro es del tipo clnico cuando se tiene toda la informacion de la actividad cardaca y exige la tecnica de
doce derivaciones.
La adquisicion de senales de ECG deben cumplir las siguientes caractersticas:

Amplitud pico de la senal: Toma valores en el rango de

1mV , alcanzando valores hasta de 4mV o 5mV .
Ancho de banda: El registro clnico estandar del ECG de
12 derivaciones es 0.05 a 100Hz. Para aplicaciones de
monitoreo, en pacientes de cuidado intensivo y pacientes
ambulatorios, el ancho de banda es restringido desde 0.5
hasta 50Hz. Un tercer ancho de banda usado para medir
el ritmo cardaco (cardiometros) mejora la relacion senal
ruido en la deteccion del complejo QRS. De esta manera,
se filtra la frecuencia de repeticion del QRS mientras se
debilita el ruido, ademas de las ondas diferentes al QRS
en la senal, por ejemplo, las ondas P y T. Sin embargo,
la filtracion orientada a la deteccion del complejo QRS,
distorsiona el ECG tanto que la apariencia de la senal filtrada no es clnicamente aceptable. En otras aplicaciones
se extiende el ancho de banda hasta los 500Hz para medir potenciales tardos, que corresponden a senales de baja
amplitud y alta frecuencia presentados en el ECG despues
del complejo QRS [1].
D. Procesamiento de senales de ECG
El procesamiento de la senal de ECG abarca procedimientos
importantes para el analisis como el preprocesamiento, segmentacion, extraccion y seleccion de parametros.
1) Preprocesamiento: . La reduccion de ruido en el ECG
ha sido uno de los temas mas abordados en la bibliografa sobre
procesado de ECG. Han sido y son muy diversas las maneras de
afrontar el problema y no existe un u nico metodo de aplicacion
universal. Una de las primeras opciones es el filtrado de la senal,
mediante filtros lineales o no lineales que maximicen la relacion
senal a ruido, por ejemplo el filtro de Wiener [?]. Cuando el
espectro de la senal de interes y el ruido se solapan, las tecnicas
de filtrado dejan de ser eficaces.
Otra de las tecnicas comunes es el promediado de la senal. Es
la tecnica mas utilizada en el procesado de senales biologicas.
Su utilizacion resulta eficaz siempre y cuando la senal y el ruido
a reducir cumplan ciertas condiciones.
El filtrado adaptativo ha sido otra de las tecnicas que han
obtenido buenos resultados en la reduccion de ruido de ECG
[?, 9]. Es conocido desde los anos 50, pero su aplicacion no
ha devenido importante hasta el desarrollo de la informatica y
algoritmos de calculo mas rapidos, como el LMS. [5].
Tambien existen tecnicas de filtrado como la aproximacion
mediante funciones basadas en el reconocimiento de formas, y
basados en la transformada Wavelet. [9]
2) Caracterizacion de senales de ECG: . La segmentacion de eventos es el primer paso en la caracterizacion de las
senales de ECG, buscando parametros (duracion, amplitud, regularidad, etc.) que proporcionen informacion sobre el estado
fisiologico del paciente en el diagnostico clnico.
En los u ltimos anos, se han desarrollado diferentes metodos
de segmentacion automatizada de senales, basados en tecnicas
de procesamiento digital de senales que brindan rapidez, eficacia y versatilidad, entre los cuales se encuentran: La filtracion
no lineal, la estimacion selectiva de parametros, Redes Neuronales, Cadenas ocultas de Markov, algoritmos geneticos, trans-

formada de Fourier, criterios de optimizacion para busqueda

no heurstica de bases para segmentacion automatica de ECG,
transformada Wavelet, entre otros [17]. La filtracion lineal es
el metodo mas comun para la deteccion del QRS por su sencilla implementacion y menor tiempo de computo, sin embargo,
tiene como desventaja el que la variacion de frecuencia en los
complejos QRS afecta su desarrollo. En particular, el rango de
la frecuencia de los complejos, generalmente, es afectado por el
ruido, resultando una falsa deteccion del QRS [20]. En [10], se
presenta la deteccion del complejo QRS empleando la filtracion
adaptativa basado en redes neuronales artificiales (RN) para seleccionar las frecuencias mas bajas de la senal ECG. El resto de
la senal, la cual contiene en su mayor parte energa del QRS de
alta frecuencia, es pasada a traves de un filtro lineal acoplado
para detectar la localizacion del complejo. El algoritmo actualiza de manera adaptativa el filtro acoplado al patron del detector
del complejo QRS, que es especfico para cada persona, resultando en procedimiento efectivo.
Por cuanto las senales de ECG son no estacionarias, es
preferible la realizacion del analisis no parametrico en su
segmentacion, durante la extraccion de la informacion, el cual
se lleva a cabo empleando la Transformada Wavelet (WT), que
permite la localizacion conjunta en los dominios de tiempo y
frecuencia. La WT puede ser analizada como la salida de un
banco de filtros del tipo Q-constante (esto es, Df /f 0 = k,
donde k es constante, siendo Df la banda de paso y f 0 la
frecuencia central del filtro). El analisis Q-constante de las WT
ofrece una fina resolucion en el tiempo en altas frecuencias o
fina resolucion en frecuencia para bajas frecuencias, siendo
esta su mayor ventaja sobre el STFT en el proceso de senales.
Se sugiere en [20] [15] el empleo de la WT en la segmentacion
de senales de ECG para la deteccion confiable en tiempo real
de los intervalos de tiempo que definen la morfologa desde
el inicio hasta la terminacion de la onda, obteniendose as la
localizacion, el inicio y el final del complejo QRS, de las ondas
P y T; y los intervalos PR, ST y QT con alta precision. La WT
ofrece entre otras ventajas, la disminucion significativa del
ruido, la invariabilidad respecto a la frecuencia de muestreo de
la senal, que permite analizar cualquier tipo de registro ECG,
la extraccion de parametros mediante coeficientes u tiles para
la segmentacion, caracterizacion, clasificacion, compresion y
transmision de las senales [16] [19] [20] [22] [23]. En [20], se
desarrolla un algoritmo concreto de segmentacion, empleando
la WT continua diadica, que identifica los complejos de la
senal ECG, utilizando la primera derivada de la WT con
funcion madre gaussiana, cuya transformada de Fourier sobre
diferentes escalas tiene afinidad con el espectro de frecuencia
de los complejos de ECG. Los coeficientes resultantes de la
transformacion son utilizados como fuentes de segmentacion,
utilizando as umbrales y reglas de decision para su deteccion.
En la extraccion de parametros es importante tener en cuenta
los siguientes factores: la variabilidad de registros de un paciente a otro, la relacion senal a ruido proporcionada por el equipo,
el mal contacto de los electrodos y la ubicacion de los mismos,
la posicion del paciente, las contracciones musculares del paciente en el momento de la toma de la senal ademas del estado
fsico y anmico del paciente.

Algoritmos mas robustos se basan en la hipotesis de que la

deteccion confiable del QRS pueda ser mejorada si se procesan
caractersticas multiples, incluyendo el intervalo RR, la duracion y amplitud del pulso, entonces es menos probable que un
ruido de amplitud muy grande, pero de corta duracion pueda
ser confundido con un QRS. Similarmente, es mas probable que
un QRS verdadero con baja amplitud, pero con ancho normal
e intervalo RR pueda ser correctamente detectado. En [10] se
presenta un sistema de inferencia difusa, adecuado satisfactoriamente para esta aplicacion, en el cual los parametros de inferencia difusa son determinados por la conexion de los pesos de
una RN especializada.
Existen algoritmos que selectivamente estiman los valores,
por ejemplo, la amplitud y la primera derivada, otros solo en la
primera derivada y, por u ltimo, algoritmos que utilizan la primera y segunda derivada para obtener parametros caractersticos de la senal de ECG . Estos procedimientos pueden ser facilmente implementados en tiempo real por su baja carga computacional [20].
Un parametro de analisis de la senal cardaca corresponde
a la medida de las desviaciones del segmento ST, importante
en la caracterizacion de anormalidades en la conduccion del
impulso cardaco, asociadas con la presencia de isquemia
miocardial [3]. Sin embargo, este parametro puede presentar
ambiguedad, as, en casos como un simple cambio de postura
pueden causarse manifestaciones similares de isquemia en el
segmento ST. Por esta razon se han buscado nuevas tecnicas,
entre ellas la medida de la variabilidad cardaca [6], que complementan la informacion obtenida del segmento ST y mejoran
el diagnostico de la anormalidad. La recursividad y secuencia
ordenada de los eventos de las senales de ECG, puede ser
descrita empleando los modelos ocultos de Markov (Hidden
Markov Model, HMM). El HMM es una maquina estocastica
de estados que calcula la probabilidad de la secuencia del
ECG original [20]. En la caracterizacion de las senales de
ECG se ha empleado el analisis de los potenciales tardos,
que corresponde a la actividad de baja amplitud (pocos mV )
y alta frecuencia (50 200Hz), ocurrida en la parte final del
complejo QRS [10]. Las tecnicas de deteccion estadsticas son
ampliamente usadas en la de estimacion de los parametros
de analisis durante la segmentacion de eventos, en particular
las orientadas a la deteccion de cambios abruptos [4], que
emplean diferentes criterios de deteccion entre ellos maxima
verosimilitud [4], sumas cumulativas [16], entre otras, todas
ellas permiten obtener medidas de duracion de los potenciales
tardos mas precisas y con mas alta reproducibilidad que
empleando metodos heursticos.
En general, el ECG puede ser analizado por diversos metodos que pueden ser evaluados en el dominio del tiempo o la
frecuencia. Los parametros resultantes pueden ser descritos por
momentos estadsticos (p.e. la media, desviacion estandar, etc.),
analisis de forma geometrica (p.e. ndice triangular), e indicadores de balance simpato-vagal [21].
IV. SIMULACIONES Y CALCULOS
En caso de realizar simulaciones y/o calculos en el laboratorio e utiliza esta seccion.

V. RESULTADOS
En esta parte van los resultados obtenidos en la practica,
graficas o valores , tablas, etc.
si se desea incluir una grafica se utiliza la plantilla que esta
en el editor, a continuacion muestro algunos ejemplos:

Nombre
qrsw
pamp
namp
pqrs
nqrs
areat
ivr
lst
stsl
pr
ta
tp
qtd

Descripcion
Ancho del QRS
Amplitud positiva del QRS
Amplitud negativa del QRS

Area
positiva del QRS

Area
negativa del QRS

Area
de la onda T
Repolarizacion ventricular invertida
Nivel del segmento ST
Pendiente del segmento ST
Intervalo PR
Amplitud de la onda T
Posicion de la onda T respecto al pico R
Intervalo QT

TABLE I
C ONJUNTO DE MEDICIONES CARACTERIZANDO CADA LATIDO .

Fig. 1
AYAYAYAYY

Fig. 2
C IRCUITO I NTEGRADO ACTUAL

Fig. 3
P RIMER CIRCUITO INTEGRADO ACTUAL

donde cronog.pdf es la grafica que se va a utilizar, en este

caso se encuentra en el directorio donde estan los archivos
principales del laboratorio, si se desea tambien se crea una
carpeta independiente para graficas, como figuras/cronog.pdf
Si deseas colocar una tabla este es un ejemplo.
VI. CONCLUSIONES Y RECOMENDACIONES
Se citan las conclusiones principales que se plantearon en
cada uno de los objetivos

Se dan recomendaciones para proximos laboratorios, o

errores que surgieron en la practica debido a equipos de
laboratorio
R EFERENCES
[1] Ahlstrom, M. and Tompkins, W. J. Digital filters for real-time ECG signal
processing using microprocessors. IEEE Trans. on Biomedical Engineering. Vol. 32, No 9 (1985); p. 708-713.
[2] et al. Amplification of biosignals by body potential driving. Medical &
Biological Engineering & Computing. (mar. 1982); p. 248-250.
[3] Arango, Juan Jose. Manual de electrocardiografa Corporacion para Investigaciones Biologicas. Medelln, Colombia.
[4] Basseville M., Benbeniste A. Detection of abrupt changes in signals and
dynamical systems. SV. 1986.
[5] Bjorck A. Numerical methods for least squares problems. SIAM, 1996.
[6] Bratko, I.; Mozetic I. KARDIO: A Study in Deep in Cualitative Knowledge
for Expert Systems The MIT Press Cambridge Massachusetts London,
England, 1989.
[7] Cohn P;Braunwald E. Cardiopata Isquemica. En: Principios de Medicina
Interna. Editorial McGraw-Hill. 10 de. Mexico 1985.
[8] Correa J. Ciruga no cardaca en Pacientes con Problemas Cardacos.
Editorial Universidad de Antioquia. Medelln 1985.
[9] Cuesta D. Estudio de metodos para procesamiento y agrupacion de senales
electrocardiograficas. PhD thesis, Valencia, 2001.
[10] et al. Developments in ECG acquisition, preprocessing, parameter measurement and recording. EMB Magazin. Vol. 17, No 2 (mar. - abr. 1998);
p. 50-58.
[11] Fredric, M. H.; Soowhan H. Classification of Cardiac Arrhythmias Using
Fuzzy ARTMAP IEEE Transactions on Biomedical Engineering Vol. 43
N. 4, April 1996.
[12] Giraldo, B. F. Contribucion al diagnostico automatico de arritmias
cardacas basado en el codigo Minnesota Instituto de Cibernetica, U.
Politecnica de Cataluna. Espana, 1996.
[13] GCPDS Analisis automatizado de senales cardacas Universidad Nacional de Colombia Sede Manizales, Proyecto de investigacion adjunto al
DIMA, 2003.
[14] Long, W. J.; Naimi S.; Criscitiello M. G. Development of a Knowledge
Base for Diagnostic Reasoning in Cardiology Computers and Biomedical
Research 25, 1992.
[15] Matlab Documentacion PDF del Toolbox de Wavelets.
[16] Mendel J.M. Tutorial on Higher-Order Statistics (Spectra) in Signal Processing and System Theory: Theoretical Results and Some Applications
Proc. of the IEEE, vol. 79, no 3, pags. 278-305, 1991.
[17] Pesket, J.C.; Brooks, Dana H.; Krim, Hamid ; MacLeod, Robert S. Best
Basis Segmentation of ECG Signals Using Novel Optimality Criteria.
CDSP, Center, ECE Dept, Northeastern University, Boston, MA. USA,
IEEE 1996.
[18] Pipberger, H.V. et al. Recommendations for standardization of leads and
of specifications for instruments in Electrocardiography and vectorcardiography. Vol52 (1975); p.11-31.
[19] Rudas A., Marcos. La Telemedicina Y Sus Aplicaciones. Dpto. Supervision y Control. C.V.G. EDELCA. Caracas 1060. Venezuela. 2000.
[20] Sahambi J.S., Tandon S.N., R.K.P, Bhatt. Using Wavelet Transforms for
ECG characterization Centre for Biomedical EngeeringIdian Institute of
Techonology Delhi IEEE (Engineering in medicine and biology) Revista
Volumen 16, 1997.

[21] T. Alligood Kathleen, D. Sauer Tim, A. Yorke James Chaos an Introduction to Dynamical Systems Springer. Textbooks in Mathematical Science.
Verlag New York. 1997.
[22] Tai, C.S. Six-Band Sub-Band Coder on ECG Waveforms. Med. Biol.
Eng. Comp., Vol.30, 1992, pp.187-192.
[23] Vaidyanathan, P.P. Multirate Systems and Filter Banks. Prentice-Hall
Inc., 1993.