Beruflich Dokumente
Kultur Dokumente
Presentado a
INGENIERO ELECTRÓNICO
por
Asesor: Antonio José Salazar Gómez, Profesor Asociado, Universidad de Los Andes
2 OBJETIVOS 3
2.1 Objetivos generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Alcance y productos finales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4 MARCO TEÓRICO 4
4.1 Marco Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
6 METODOLOGÍA 7
6.1 Plan de Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.2 Búsqueda de información . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.3 Alternativas de desarrollo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
7 TRABAJO REALIZADO 8
7.1 Descripción del Resultado Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
9 DISCUSIÓN 17
10 CONCLUSIONES 18
11 AGRADECIMIENTOS 19
References 19
12 APÉNDICES 20
12.1 Propuesta inicial del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.1.1 CARACTERIZACIÓN DEL PROBLEMA . . . . . . . . . . . . . . . . . . 20
12.1.2 MARCO TEÓRICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.1.3 CARACTERIZACIÓN DEL PROYECTO . . . . . . . . . . . . . . . . . . . 22
12.1.4 Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
12.1.5 Alcance del proyecto (compromisos) . . . . . . . . . . . . . . . . . . . . . 23
12.2 CONTEXTO DEL PROYECTO Y TRATAMIENTOS . . . . . . . . . . . . . . . . 23
12.2.1 Suposiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
12.2.2 Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
12.3 Factores de riesgo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
12.4 CRONOGRAMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
12.4.1 Identificación y descripción de hitos . . . . . . . . . . . . . . . . . . . . . . 23
1
12.4.2 Cronograma (Diagrama de Gant) . . . . . . . . . . . . . . . . . . . . . . . . 24
12.5 Recursos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2
1 INTRODUCCIÓN
Este documento presenta los contenidos que se requirieron con el fin de completar el proyecto de
realizar un simulador de señales electro fisiológicas. Se presentan los objetivos y motivaciones de
este proyecto, así como un marco teórico necesario para tener una mejor comprensión de los temas
tratados. También se presenta el trabajo que se realizo con el fin de alcanzar los objetivos, este con
sus respectivos resultados y validación de estos. Por ultimo se discute y concluye acerca de lo que se
logro en este proyecto.
2 OBJETIVOS
2.1 Objetivos generales
El objetivo de este proyecto, es el desarrollo de algoritmos que puedan recrear las señales electro-
fisiológicas del cuerpo humano, mas específicamente las señales adquiridas por medio de un ECG y
un EEG. Esto con el fin de poder implementar un dispositivo que sirva como fuente de estas señales
con diferentes patologías. Con el propósito de que este dispositivo sea utilizado para el desarrollo de
equipos médicos o elaboración de algoritmos para detección de patologías, así ahorrando complica-
ciones de hacer pruebas clínicas con pacientes.
• Implementar un dispositivo, con el cual el usuario sea capaz de decidir que señal y patología
quiere generar.
Producto final:
3
• Se logró satisfactoriamente implementar opciones de simulación que permitan al usuario definir
un tiempo para que aparezca una patología especificada y una duración de esta.
Con estas señales se pueden detectar desde arritmias en el corazón hasta cambios significativos en
las ondas cerebrales para pacientes que sufren de hipoglucemia [4]. Debido a la importancia de estas
pruebas, se busca realizar algoritmos e implementar dispositivos con diferentes aplicaciones basán-
dose en las señales electro fisiológicas del cuerpo, como por ejemplo detectar las patologías y avisarle
al usuario, o mantener un control de estas señales entre otras aplicaciones.
Para poder diseñar y probar correctamente estos dispositivos, normalmente requeriría pruebas
clínicas. Lo cual conlleva una gran cantidad de problemas y planeamiento. Por esto, nace la mo-
tivación de realizar un simulador se señales electro fisiológicas, ya que si se tuviera un simulador
confiable que permita probar estos dispositivos con este dispositivo y no con pacientes reales, seria
posible promover el desarrollo de estos ya que se evitan muchas complicaciones como la logística
de un ensayo clínico, aprobación de un comité de ética y el consentimiento y colaboración de los
pacientes.
4 MARCO TEÓRICO
4.1 Marco Conceptual
Con el fin de simular señales electro fisiológicas, es necesario primero entender como funcionan es-
tas, a continuación se describen las señales de mayor interés para este proyecto. Las cuales son las
señales de ECG y EEG.
Una onda normal que se obtiene por medio de un ECG, consta de diferentes partes que se nombran
PQRST, tal como se muestra en la figura 29.
4
Figure 1: Señal normal de un ECG.(imagen tomada de [2])
• Intervalo PR: El intervalo PR se mide desde el inicio de la onda P hasta el inicio de la onda Q.
Representa la duración de la despolarización de las aurículas. La duración regular es de 0.12 a
0.20 segundos. Si el intervalo PR es superior a 0.20 segundos, podría estar presente un bloqueo
atrio-ventricular.
• Complejo QRS: El complejo QRS se mide desde el inicio de la onda Q hasta el final de la onda
S. Representa la duración de la despolarización ventricular. La duración regular es de 0.08 -
0.12 segundos. Si la duración es más larga, podría indicar la presencia de un bloqueo de rama.
• QT/QTc: El QT / QTc se mide desde el inicio de la onda Q hasta el final de la onda T. El in-
tervalo QT representa la duración de la activación y recuperación del músculo ventricular. Esta
duración varía inversamente con la frecuencia cardíaca. El QTc regular es de aproximadamente
0.41 segundos.
• Segmento ST: El segmento ST se mide desde el final de la onda S, el punto J, hasta el inicio de
la onda T. Este segmento es importante para identificar patologías como infartos de miocardio
(elevaciones) e isquemia (depresiones).
Como se menciona anteriormente, estas componentes de la onda del ECG, pueden indicar difer-
entes patologías, entre ellas la arritmia cardiaca. La arritmia es un ritmo anormal o irregular del
corazón resultante de cualquier cambio, desviación o mal funcionamiento en el sistema de conduc-
ción del corazón. El diagnóstico rápido de una arritmia es muy importante. Esto se debe a que cuanto
más tiempo dura una arritmia sin ninguna detección o tratamiento, mayores serán las posibilidades de
daño permanente y disfunción cardíaca adicional.
5
Ahora bien, con el fin de generar la señal del ECG, se opta por hacer la reconstrucción de esta
por medio de la transformada de fourier. Esto se puede lograr, utilizando las relaciones matemáti-
cas descritas en [6]. Adicionalmente también mencionan, que solo se requiere de los primeros 15
armónicos para una reconstrucción, lo cual significa que no se requiere tanta información de la señal
original y esto ayuda a ahorrar espacio en memoria computacional para el desarrollo de los algoritmos.
Por ultimo, existen diferentes patologías que se pueden evidenciar en un ECG como se describe
en [8]. Estas patologías, se presentan como cambios en la amplitud, cambios en la periodicidad de la
señal, cuando se omiten partes de la señal o retrasos en esta, entre otros. Debido a esto, es posible
simular las patologías deseadas variando la señal normal para que se ajuste a la característica de la
patología.
En cuanto al EEG, primero es importante entender que las señales que se obtienen por este medio,
no son periódicas en el tiempo y pueden presentar cambios abruptos. Debido a esto con el fin de
representar la señal se requiere utilizar métodos diferentes al ECG. Así mismo, en el EEG, se pueden
presentar distintos tipos de onda que se clasifican según su frecuencia como mencionan en [13]. Esta
clasificación, se muestra a continuación:
Onda Frecuencia
Delta menor a 4Hz
Theta 4-8Hz
Alpha 8-12Hz
Beta 13-30 Hz
Gamma mayor a 30Hz
Al igual que el ECG, la información obtenida por medio del EEG, revela condiciones clínicas en
los pacientes, como por ejemplo ataque de epilepsia [10], o ataques de hipoglucemia [4]. Teniendo en
cuenta las características de las señales que se pueden evidenciar en un EEG, se pueden utilizar estos
parámetros para asemejar las patologías basándose en una señal generada que contenga las diferentes
bandas de frecuencia.
Este dispositivo, encontraría uso en un ámbito de bioingeniería, ya que su uso puede facilitar las
pruebas de otros dispositivos especializados en la detección de patologías encontradas en estas señales
u otras aplicaciones que requieran de estas señales.
6
5.2 Especificaciones
Restricciones y funciones del dispositivo:
• Se requiere del software de programación LabView con el fin de poder generar las señales a
través del dispositivo NI myRIO.
• Este dispositivo solo se encarga de generar las señales, lo cual quiere decir que no clasifica
o identifica que tipo de patología se genera, eso depende del usuario para lo cual existe una
interfaz en la cual es simple saber esto.
• El dispositivo cuenta con 2 perfiles de simulación, uno que genera una misma señal de manera
continua y otro dinámico en el cual se puede definir un tiempo de espera para que ocurra una
patología y un tiempo de duración de esta.
6 METODOLOGÍA
6.1 Plan de Trabajo
Debido a los objetivos del proyecto, se pude separar los pasos necesarios para su desarrollo.
• Etapa de recopilación de información: Esta es la primera etapa para poder lograr el proyecto. En
esta etapa, se enfatiza en investigar y conocer los conceptos con los cuales se van a trabajar en el
transcurso del proyecto. En este caso, se requería investigar acerca de las señales en condiciones
normales de un ECG y un EEG. Posteriormente, al entender en que condiciones una señal de
ECG y de EEG se considera normal, se vuelve necesario buscar que tipo de patologías se
pueden evidencias en estas señales y que las caracteriza. Una vez se entienda la naturaleza de
estas señales se vuelve necesario encontrar un programa que permita lograr los objetivos del
proyecto.
• Etapa de implementación física: En esta etapa se utiliza las simulaciones logradas anterior-
mente con el fin de que el dispositivo myRIO pueda ser utilizado para generar estas señales
para que sea utilizado en diferentes aplicaciones médicas sin la necesidad de pacientes.
7
Los estudios con pacientes, fueron realmente importantes ya que se buscaba simular señales se-
mejantes a lo que se vería en una situación real. Así mismo, los documentos que contenían estudios
comparando las diferentes señales y sus patologías, en especial los de EEG, fueron muy útiles e indis-
pensables para lograr los perfiles de simulación predeterminados debido a la inexperiencia con señales
electrofisiológicas, esta etapa del proyecto fue indispensable. Las fuentes que realizaban un análisis
mas matemático como la descripción y características del espectro en frecuencia de estas señales tu-
vieron un papel importante ya que en estos temas se tiene mas conocimiento y permite entender mejor
las señales y por ende tener una simulación mejor.
7 TRABAJO REALIZADO
Con el fin de lograr simular las señales mas eficientemente, se utilizo el biomedical toolkit el cual
es un addon del software LabView. Este addon contiene herramientas que facilitan la simulación
tanto del ECG y del EEG, esto permite tener simulaciones mas dinámicas y menos predecibles que
al reconstruir una señal a partir de valores de esta, lo cual implica una gran ventaja para poder tener
simulaciones que asemejan mejor la realidad. La herramienta de ECG, genera las señales normales
y de patologías. Con el fin de cambiar la amplitud de salida de las señales, se escala el vector de
salida dependiendo del valor deseado, en cuanto a las opciones de ruido, se multiplica la señal por
una onda sinusoidal de 60 o 50Hz, ya que estas son las frecuencias de ruido mas comunes, también
se multiplica por una función de ruido blanco en caso que se desee y por ultimo se tiene en cuenta los
parámetros de entrada del ritmo de respiración para incluir el ruido de esta en la señal.
En cuanto a la señal del EEG, la herramienta se encarga de generar señales entre las diferentes
bandas de frecuencia que se encuentran en un EEG, las cuales se explican en el marco teórico de este
documento. Debido a esto, se recurre a la literatura para obtener las características de las diferentes
señales de un EEG, es decir, se varían los parámetros de amplitud, frecuencias picos, ancho de bandas
y potencias de las diferentes componentes de la señal con el fin de que cumplan las características
descritas en la literatura [5], [9], [13]. La comparación de los resultados con las señales reales, se
realiza en profundidad en la sección de validación de resultados.
Se desea generar punto por punto de la señal simulada para que la simulación ocurra de manera
fluida, sin embargo las simulaciones entregan la onda completa. Por esto, se realizo un ciclo que
genera la señal completa y otro ciclo que gráfica punto por punto de la señal generada. Teniendo esto
en cuenta, la lógica de programación utilizada para integrar las diferentes simulaciones y aplicar las
funcionalidades deseadas se describe en el diagrama de flujo a continuación:
8
Figure 2: Diagrama de Flujo lógica de programación.
Con el fin de generar la señal deseada por el usuario, se utilizaron casos, en donde cada caso
corresponde a un tipo de señal diferente. Con el fin de generar la señal completa, el ciclo que genera
cada punto tiene como criterio de parada que el numero de iteraciones sea igual al tamaño del vector
de puntos.
En cuanto al ECG, la interfaz que se realizo consiste en 2 gráficas, las cuales se pueda evidenciar
concretamente la señal que se esta generando y otra en la cual se pueda evidenciar la señal que se esta
generando como se muestra a continuación:
9
Figure 3: Gráficas salida/entrada ECG de la interfaz de usuario.
La interfaz también cuenta con una sección que contiene los parámetros que el usuario puede
cambiar para modificar la salida de la señal como se muestra a continuación:
Cabe resaltar que para el tipo de simulación dinámica las gráficas se evidencias de manera idén-
tica, sin embargo se añaden los parámetros extra necesarios para que el usuario defina los tiempos de
cambio y duración de la señal como se muestra en la siguiente figura:
10
Figure 5: Parámetros modificables ECG simulación dinámica de la interfaz de usuario.
La interfaz del EEG se realizo de manera similar. La diferencia es que se agregaron mas salidas,
esto debido a la naturaleza de las señales de un EEG ya que cada salida representa un electrodo y
los electrodos pueden presentar comportamientos diferentes, así dándole mas versatilidad al usuario.
Adicionalmente, también se agrego una gráfica del espectro en frecuencia de la señal generada para
que resulte mas fácil ver que se esta generando.
11
Figure 7: Parámetros modificables EEG de la interfaz de usuario.
En resumen, se verifica que la señal simulada cumpla los parámetros requeridos y posteriormente
se procede a verificar que esta señal se genere físicamente de manera correcta.
12
Figure 8: Señal generada y recibida ECG nor-
mal.
Esta patología se identifica ya que no se diferencian correctamente las ondas P y T debido a que
se mezclan como se muestra en las imágenes [11].
13
Figure 15: Imagen de como debería ser un
Figure 14: Señal generada y recibida ECG ECG con taquicardia de la unión [1].
con taquicardia de la unión.
EEG
Al igual que el ECG, para el EEG se valido que la señal física generada concordara con la recibida.
Así mismo, se procede a realizar un análisis de los perfiles predeterminados ya que en el EEG es mas
difícil de evidenciar los parámetros que caracterizan una condición especifica.
14
Se simulo un EEG que se considera normal de la etapa 2 de sueño, los parámetros que definen
esta onda, se explican en [13].
Según [13], En esta etapa del sueño, las frecuencias son lentas y varían entre1 y 7 Hz, así mismo
se caracteriza por tener complejos K, los cuales son los picos repentinos que aparecen en la señal.
EL espectro en frecuencia obtenido de la señal simulada refleja que las señales mas dominantes se
encuentran en los rangos de frecuencia especificados y también se logran obtener picos repentinos en
la señal que asemejan en comportamiento del complejo k.
Para simular un ataque de hipoglucemia, principalmente se tuvieron en cuenta los estudio [4] y
[9]. En los cuales encontraron que cuando se da un ataque de hipoglucemia, las ondas del EEG se
vuelven mas lentas y por ende de mayor amplitud. A continuación se muestra un contraste de estas
diferencias encontradas por los estudios mencionados anteriormente.
Teniendo en cuenta lo anterior, se ajustaron los parámetros pertinentes para lograr la simulación
de esta señal. A continuación se muestra la señal simulada de un EEG cuando ocurre un ataque de
hipoglucemia.
15
Figure 24: Simulación de un EEG durante un ataque de hipoglucemia y su espectro en frecuencia.
Como se describe en [4], en esta señal se encuentran las bandas delta (1-4Hz), theta (4-8Hz)y alfa
(8-13Hz). Adicionalmente también se menciona que existe una distribución de potencia consistente
entre estas bandas de frecuencia. Como se evidencia en el espectro en frecuencia de la señal, se logra
tener una potencia distribuida consistentemente a través de las diferentes bandas.
Para simular un ataque epiléptico, se tomo en cuenta la información descrita en [5], en donde
describen que las frecuencias encontradas durante los ataques tienen rangos de 2 a 4Hz, estas señales
no duran mucho tiempo y no son tan discretas ya que pueden llegar a amplitudes de hasta 200 uV. A
continuación se muestra los datos reales de un ataque:
Con los parámetros mencionados anteriormente, se simulo la señal de EEG cuando ocurre un
ataque de epilepsia.
16
Figure 26: Simulación de un EEG durante un ataque de epilepsia y su espectro en frecuencia.
El modo de simulación dinámica, el cual permite establecer un tiempo en que se da una patología y
el tiempo de duración de esta, permite ver un mas claro contraste entre la señal normal y las patologías.
Figure 27: Simulación dinámica del EEG con Figure 28: Simulación dinámica del EEG con
hipoglucemia. epilepsia.
9 DISCUSIÓN
En resumen, se utiliza el software LabView para simular las señales que se generan por medio de un
ECG y un EEG, también se simulan señales que asemejan patologías que se pueden encontrar por es-
tos medios. Estas simulaciones, se generan de manera análoga por medio del dispositivo NI myRIO.
Con el fin de que un usuario pueda editar y personalizar estas señales se realizo una interfaz de usuario
intuitiva que permita usar las funcionalidades programadas. Estas funcionalidades, son poder cam-
biar amplitudes de la señal, frecuencias de muestreo, características especificas para un ECG o EEG
y añadir opciones de ruido. También se implementaron 2 perfiles de simulación, el primero consiste
17
en generar la misma señal continuamente hasta que el usuario pare la aplicación. EL otro consiste
en permitirle al usuario definir un tiempo de espera antes de que suceda una patología y un tiempo
de duración de la patología, para luego volver a la señal normal, esto permite al usuario tener mas
flexibilidad en lo que desee lograr.
En general ambos perfiles de simulación funcionan correctamente, sin embargo, el perfil de sim-
ulación dinámico, solo permite visualizar una patología una vez en el transcurso de la simulación y
luego el usuario debe parar la simulación para cambiar los parámetros en este perfil, se podría progra-
mar una lógica para que se pueda establecer estos tiempo durante la simulación. Así mismo, debido a
la manera que se realizo la programación las señales de ECG se concatenan y cuando se simulan con
opciones de ruido la concatenación de las señales puede generar puntos indeseados. En cuanto a la
generación física de las señales, el dispositivo myRIO cuenta con 4 salidas análogas, por lo cual en el
caso de un EEG, solo se pueden simular 4 electrodos a la vez. Así mismo, estas salidas análogas solo
generan voltajes entre 0V y 5V lo cual limita las opciones de modificar las amplitudes de las señales.
Los objetivos iniciales del proyecto, proponían reconstruir por métodos matemáticos las señales
de ECG y EEG, lo cual al principio fue pensado para ser realizado en el software MatLab y luego
emplear los resultados en el software LabView, esto genero complicaciones en el desarrollo ya que
debido a la inexperiencia con LabView no se logro hacer esto. Las desventajas de este primer método
mencionado a excepción de la inexperiencia con el software de programación, es que en el caso del
EEG, al reconstruir la señal se podría tener una onda relativamente periódica y con un comportamiento
muy similar en todos los casos, aunque si se busca que la señal tenga un comportamiento bajo unos
parámetros específicos, estos parámetros pueden variar significativamente debido a la naturaleza de
la señal de EEG. Teniendo esto en cuenta, se opto por utilizar las herramientas de simulación de estas
señales, disponibles en el Biomedical Toolkit de LabView, lo cual implico una gran ventaja para la
simulación de EEG. Pero significo limitaciones en la simulación de ECG ya que solo permite simular
la señal y sus patologías en configuración LEAD II. Por esto un trabajo futuro puede ser la simulación
del ECG en diferentes configuraciones de los electrodos.
10 CONCLUSIONES
• Se lograron los objetivos del proyecto que consistían en simular las señales de ECG y EEG con
diferentes patologías y generarlas físicamente por medio del dispositivo myRIO.
• Se logró editar la herramienta de simulación del ECG y EEG para que se pudieran cambiar
programáticamente las opciones de ruido y las especificaciones de salida como frecuencias de
muestreo, amplitudes, tiempos de simulación entre otros.
• Se logró definir unos perfiles predeterminados para las señales del EEG basándose en la infor-
mación de la literatura consultada. Estos resultados resultan satisfactorios ya que cumplen con
los requerimientos definidos por las referencias.
• Se implemento una interfaz de usuario intuitiva que permite ver la señal generada, la señal
recibida y cambiar los parámetros de simulación de las señales.
Trabajos Futuros
• Como se menciono anteriormente, se podría simular las señales de ECG en las diferentes con-
figuraciones de los electrodos utilizadas en pacientes.
18
• Se pueden implementar diferentes perfiles predeterminados para las señales de EEG, ya que
existen características especificas de estas señales bajo diferentes condiciones. Es decir definir
la señal de EEG de una persona despierta con parpadeos o alguna de las diferentes etapas del
sueño. También se pueden incluir mas patologías que se pueden evidenciar en un EEG.
En general los resultados del proyecto son satisfactorios ya que se lograron los objetivos definidos.
11 AGRADECIMIENTOS
Quisiera agradecer a mi mamá y a Diana Herrera por su gran apoyo con el cual no hubiera logrado
esto.
References
[1]
[4] L. Anine, H. Kurt, P. Mikael Kjær, M. Rasmus Elsborg, and J. Claus B. "hypoglycemia-
associated electroencephalogram and electrocardiogram changes appear simultaneously". Jour-
nal of Diabetes Science and Technology, 7(1):93–99, 2013.
[6] S. C. Bera, R. Sarkar, and N. Mandal. A review work on reconstruction of ecg wave from
fourier harmonic components. In 2008 IEEE Region 10 and the Third international Conference
on Industrial and Information Systems, pages 1–5, Dec 2008. doi: 10.1109/ICIINFS.2008.
4798438.
[8] . DailyCare BioMedical Inc. Introductory guide to identifying ecg irregularities. URL
http://www.dcbiomed.com/proimages/materials/EKG_Introduction/
portableEKG_weitere_Informationen.pdf.
[9] R. Elsborg, L. Remvig, H. Beck-Nielsen, and C. Juhl. Detecting hypoglycemia by using the
brain as a biosensor. Biosensors for Health, Environment and Biosecurity, 2011. doi: 10.5772/
17018.
[10] S.-A. Lee, D. D. Spencer, and S. S. Spencer. Intracranial eeg seizure-onset patterns in neocortical
epilepsy. Epilepsia, 41(3):297–307, 2000. ISSN 1528-1167. doi: 10.1111/j.1528-1157.2000.
tb00159.x. URL http://dx.doi.org/10.1111/j.1528-1157.2000.tb00159.
x.
19
[11] E. Rhythms. Atrial tachycardia is easier to catch in telemetry floors,
2017. URL http://learningecg.blogspot.com.co/2016/02/
atrial-tachycardia-is-easier-to-catch.html.
12 APÉNDICES
12.1 Propuesta inicial del proyecto
12.1.1 CARACTERIZACIÓN DEL PROBLEMA
En la actualidad, existen distintas formas de obtener señales electro fisiológicas del cuerpo. Entre
estas, esta el electro cardiograma (ECG) y el electro encefalograma (EEG). Gracias a estas señales,
los expertos en el área son capaces de identificar irregularidades en estas señales patológicas que in-
volucran alguna condición que afecta la salud del paciente.
Con estas señales se pueden detectar desde arritmias en el corazón hasta cambios significativos en
las ondas cerebrales para pacientes que sufren de hipoglucemia [4]. Debido a la importancia de estas
pruebas, se busca realizar algoritmos e implementar dispositivos con diferentes aplicaciones basán-
dose en las señales electro fisiológicas del cuerpo, como por ejemplo detectar las patologías y avisarle
a usuario, o mantener un control de estas señales entre otras aplicaciones.
Para poder diseñar y probar correctamente estos dispositivos, normalmente requeriría pruebas
clínicas. Lo cual conlleva una gran cantidad de problemas y planeamiento. Por esto, nace la mo-
tivación de realizar un simulador se señales electro fisiológicas, ya que si se tuviera un simulador
confiable que permita probar estos dispositivos con este dispositivo y no con pacientes reales, seria
posible promover el desarrollo de estos ya que se evitan muchas complicaciones como la logística
de un ensayo clínico, aprobación de un comité de ética y el consentimiento y colaboración de los
pacientes.
Una onda normal que se obtiene por medio de un ECG, consta de diferentes partes que se nombran
PQRST, tal como se muestra en la figura 29.
20
Figure 29: Señal normal de un ECG.(imagen tomada de [2])
• Intervalo PR: El intervalo PR se mide desde el inicio de la onda P hasta el inicio de la onda Q.
Representa la duración de la despolarización de las aurículas. La duración regular es de 0.12 a
0.20 segundos. Si el intervalo PR es superior a 0.20 segundos, podría estar presente un bloqueo
atrio-ventricular.
• Complejo QRS: El complejo QRS se mide desde el inicio de la onda Q hasta el final de la onda
S. Representa la duración de la despolarización ventricular. La duración regular es de 0.08 -
0.12 segundos. Si la duración es más larga, podría indicar la presencia de un bloqueo de rama.
• QT/QTc: El QT / QTc se mide desde el inicio de la onda Q hasta el final de la onda T. El in-
tervalo QT representa la duración de la activación y recuperación del músculo ventricular. Esta
duración varía inversamente con la frecuencia cardíaca. El QTc regular es de aproximadamente
0.41 segundos.
• Segmento ST: El segmento ST se mide desde el final de la onda S, el punto J, hasta el inicio de
la onda T. Este segmento es importante para identificar patologías como infartos de miocardio
(elevaciones) e isquemia (depresiones).
Como se menciona anteriormente, estas componentes de la onda del ECG, pueden indicar difer-
entes patologías, entre ellas la arritmia cardiaca. La arritmia es un ritmo anormal o irregular del
corazón resultante de cualquier cambio, desviación o mal funcionamiento en el sistema de conduc-
ción del corazón. El diagnóstico rápido de una arritmia es muy importante. Esto se debe a que cuanto
más tiempo dura una arritmia sin ninguna detección o tratamiento, mayores serán las posibilidades de
daño permanente y disfunción cardíaca adicional.
21
Ahora bien, con el fin de generar la señal del ECG, se opta por hacer la reconstrucción de esta
por medio de la transformada de fourier. Esto se puede lograr, utilizando las relaciones matemáti-
cas descritas en [6]. Adicionalmente también mencionan, que solo se requiere de los primeros 15
armónicos para una reconstrucción, lo cual significa que no se requiere tanta información de la señal
original y esto ayuda a ahorrar espacio en memoria computacional para el desarrollo de los algoritmos.
Por ultimo, existen diferentes patologías que se pueden evidenciar en un ECG como se describe
en [8]. Estas patologías, se presentan como cambios en la amplitud, cambios en la periodicidad de la
señal, cuando se omiten partes de la señal o retrasos en esta, entre otros. Debido a esto, es posible
simular las patologías deseadas variando la señal normal para que se ajuste a la característica de la
patología.
En cuanto al EEG, primero es importante entender que las señales que se obtienen por este medio,
no son periódicas en el tiempo y pueden presentar cambios abruptos. Debido a esto con el fin de
representar la señal se requiere utilizar métodos diferentes al ECG. Así mismo, en el EEG, se pueden
presentar distintos tipos de onda que se clasifican según su frecuencia como mencionan en [? ]. Esta
clasificación, se muestra a continuación:
Onda Frecuencia
Delta menor a 4Hz
Theta 4-8Hz
Alpha 8-12Hz
Beta 13-30 Hz
Gamma mayor a 30Hz
Al igual que el ECG, la información obtenida por medio del EEG, revela condiciones clínicas
en los pacientes, como por ejemplo ataque de epilepsia [10], o ataques de hipoglucemia [4]. Como
se menciono anteriormente, debido a que las señales del EEG, no son periódicas en el tiempo, se
requiere otra estrategia para su reconstrucción, en [? ], se utiliza un algoritmo de compresión, basado
en paquetes de wavelets y la optimización de los wavelets madre. Así, se puede lograr una adecuada
reconstrucción de cada tipo de onda en un EEG y un EEG en total.
22
• Reconstruir por medio de discrete wavelet transforms (DWT) las señales que se presentan en
un EEG.
• Implementar un dispositivo, con el cual el usuario sea capaz de decidir que señal y patología
quiere generar.
12.2.2 Restricciones
• Se debe referencia correctamente todas las fuentes de información de este proyecto con el fin
de no realizar plagio.
• El dispositivo debe cumplir las normas de seguridad establecidas para dispositivos electrónicos.
12.4 CRONOGRAMA
12.4.1 Identificación y descripción de hitos
• Lo primero que se desearía hacer, es la implementación de los algoritmos computacionales que
permitan recrear todas las señales deseadas para este proyecto.
• Una vez ya se puedan generar las señales deseadas, se realizara el desarrollo del hardware
necesario para el proyecto.
23
• Después de pruebas preliminares, realizar un diseño mas detallado del prototipo físico final del
dispositivo, tales como diseño de PCBs y de carcasas.
24
25
Figure 30: Cronograma.
12.5 Recursos
Para este proyecto, se requiere buenos recursos de literatura académica sobre los temas tratados.
Adicionalmente, también se requieren dispositivos electrónicos tales como fuentes de voltaje, multi-
metros, osciloscopios, instalaciones para la impresión de PCBs, entre otras. La Universidad de los
Andes, proporciona los recursos necesarios de bases de datos académicas, equipos físicos y software
computacional necesarios para el desarrollo de este proyecto.
26