Search

Nowadays, the analysis of biomedical signals has become an important source of information in the health sector by providing relevant data on the different systems that constitute the human body. One of the most studied signals is the electric performance of the heart obtained by electrocardiography. Furthermore, these signals contain information related to the respiratory activity. The main objective of this project is to characterize the respiratory signal from the electrocardiographic signal, considering the position of the subject sitting and supine. Different algorithms have been developed to determine the characteristic parameters of the electrocardiographic signal for the identification of the QRS complex. Methods related to the area, the slopes and the angles of the complex QRS have been implemented to obtain the respiratory signal from the ECG. The signals from leads I, II, III and Chest have been analyzed and compared with the respiratory volume signal. Based on the correlation between the different signals, their similarity to the respiratory signal has been determined as a function of the position of the subject. Taking into consideration the results obtained, we observe that Chest lead presents the highest similarity to the respiratory signal for the three methods., Actualmente el análisis de señales biomédicas se ha convertido en una fuente de información muy importante en el ámbito de la salud, ya que estas proporcionan datos relevantes de los diversos sistemas constituyentes del cuerpo humano. Una de las señales más estudiadas corresponde al funcionamiento eléctrico del corazón obtenida a partir de la electrocardiografía. Adicionalmente, estas señales contienen información relacionada con la actividad respiratoria. El objetivo principal de este proyecto es caracterizar la señal respiratoria a partir de la señal electrocardiográfica, considerando la posición del sujeto supino y sentado. Se han desarrollado diferentes algoritmos para determinar los parámetros característicos de la señal electrocardiográfica, para la identificación del complejo QRS. Métodos relacionados con el área, las pendientes y los ángulos del complejo QRS, han sido implementados para obtener la señal respiratoria a partir del ECG (EDR). Se han analizado las señales de derivaciones I, II, III y Chest, comparándolas con la señal de volumen respiratorio. A partir de la correlación entre las diferentes señales, se ha determinado su similitud con la señal respiratoria en función de la posición del sujeto. De acuerdo con los resultados obtenidos, se observa que la derivación Chest es la que presenta la mayor similitud con la señal respiratoria para los tres métodos., Pregrado, Ingeniero(a) Biomédico(a)

En Journal of Veterinary Internal Medicine. Hoboken (New Jersey, Estados Unidos): John Wiley & Sons. Vol. 34, n. 5, pp. 2101-2108 (01 sep. 2020). ISSN 0891-6640. e-ISSN 1939-1676. Este es el artículo que se ha publicado de forma definitiva en: https://onlinelibrary.wiley.com/doi/epdf/10.1111/jvim.15795 Este trabajo fue presentado en el 11th ECEIM Anual Congress, November, Genk, Bélgica. Background: Comparisons between smartphone ECG (SpECG) recordings obtained from the right and left sides of the thorax have not been reported in animals. Objectives: To evaluate the screening potential of a SpECG obtained from both sides of the thorax and to compare the degree of agreement between the SpECG and a reference ECG (rECG) for measurement of the duration of baseline electrical deflections recorded over both sides of the thorax. Animals: Fifty horses admitted to the equine hospital, university-owned horses, and horses from an endurance riding facility. Methods: Prospective observational study. Simultaneous rECG and SpECG tracings were recorded on both sides of the thorax and evaluated by 2 experienced observers for interpretability, presence and classification of arrhythmias, and duration of deflections of the electrical baseline. Results: Fifteen (15/50) horses had spontaneous arrhythmias. Excellent agreement was found between the 2 devices (κ = 0.91; P < .001; 95% confidence interval [CI] 0.79-1.03) for the detection of arrhythmias. Significantly more P waves were of diagnostic quality from the right side (20 versus 5, P = .001) and significantly more QRS and QT intervals were of diagnostic quality from the left side (66 versus 38 and 62 versus 34, respectively, P < .001). Substantial agreement for the duration of deflections between devices only was observed for the QRS interval (SpECG left). Conclusions and Clinical Importance: It is important to obtain SpECG tracings from both sides of the thorax in horses. The SpECG is a useful stall-sidearrhythmiascreening tool for some common arrhythmias in horses.

Se elaboró un algoritmo para detectar las características de la señal electrocardiográfica (ECG) de pacientes con arritmias cardiacas y pacientes con enfermedad de Chagas crónico del departamento del Meta, y registros de personas sanas haciendo uso de la función wavelet Symlets 7 (sym 7), como una forma alternativa del análisis de Fourier para este tipo de señales. Se creó una base de datos de registros electrocardiográficos (ECG) de alta resolución de personas de la región con afecciones cardiacas y enfermedad de Chagas crónico, quienes fueron informados y aceptaron voluntariamente siguiendo todas las recomendaciones bioéticas. Los registros se tomaron en las instalaciones de la Universidad de los Llanos con un equipo de alta resolución y en derivada D II. Este algoritmo permitió identificar las características más importantes de cada registro ECG de los pacientes con arritmias cardiacas y enfermedad de Chagas, midiendo los intervalos PR, QT, QTc, RR, complejo QRS y amplitudes de las ondas y la frecuencia cardiaca con una exactitud mayor al 98%, convirtiéndose en una herramienta para obtener un mejor diagnóstico de los síntomas de anomalías cardiacas y del mal de Chagas crónico. An algorithm was constructed for ascertaining the characteristics of electrocardiograph (ECG) signals for detecting patients having abnormal heart rhythms (called arrhythmias) and patients suffering chronic Chagas’ disease from the Meta department and recordings for healthy people, using the Symlets 7 (sym 7) wavelet as an alternative form of Fourier analysis for this type of signal. A database was created containing high resolution ECG of people from the region suffering heart disease and chronic Chagas’ disease who were informed about the study and voluntarily accepted taking part in it; all bioethical recommendations were followed. The ECG recordings were taken in the Universidad de Los Llanos’ facilities using high resolution equipment (derivation D II). This algorithm led to the most important characteristics of each ECG recording being identified for patients having abnormal heart rhythms and Chagas’ disease. The PR, QT, QTc, RR and QRS-complex intervals were measured, as were wave heights (amplitude) and heart rate with greater than 98% precision, thereby making this approach a useful tool for obtaining a better diagnosis for symptoms of cardiac abnormalities and of chronic Chagas’ disease. Foi desenvolvido um algoritmo para detectar as características do sinal de eletrocardiograma (ECG) de pacientes com arritmias cardíacas e pacientes com doença de Chagas crônica, no departamento de Meta, e registros de pessoas saudáveis, utilizando a funcao wavelet Symlets 7 (sym) como uma forma alternativa de análise de Fourier para este tipo de sinais. Foi estabelecido um banco de dados de eletrocardiograma (ECG), de alta resolução de pessoas da região com doença cardíaca e doença de Chagas crônica, que foram informados e concordaram voluntariamente seguindo todas as recomendações de bioética. Os registros foram tomados nas instalações da Universidade dos Llanos com equipamento de alta resolução e em derivada D II. Este algoritmo identificou as características mais importantes de cada registro de ECG de pacientes com doenças cardíacas e arritmias Chagas, medindo os intervalos PR, QT, QTc, RR, e complexo QRS e amplitudes complexas de ondas e de frequência cardíaca com precisão maior de 98%, tornando-se uma ferramenta para obter melhor diagnóstico dos sintomas de anormalidades cardíacas e doença de Chagas crônica.

Introducción: El situs inversus totalis es un hallazgo poco común. Sólo un pequeño porcentaje presentará cardiopatías asociadas, por lo que el diagnóstico suele realizarse de forma casual. Objetivo: Destacar las claves diagnósticas del situs inversus totalis y la importancia de un diagnóstico temprano. Caso clínico: Presentamos dos pacientes pediátricos de 9 y 14 años que fueron diagnosticados de forma incidental. El primer caso fue estudiado por dolor precordial, en la auscultación cardíaca se escuchaba aumento de ruidos cardíacos en precordio derecho y atenuados en el izquierdo. El electrocardiograma (ECG) mostró eje QRS y onda P de +150°, QRS estrecho de voltaje atenuado en precordiales V3-V6 y ondas T negativas en V1-V4 y aVL. La radiografía de tórax confirmó dextrocardia, además se apreció burbuja gástrica a la derecha y sombra hepática a la izquierda. La ecocardiografía evidenció dextrocardia especular clásica sin malformaciones asociadas. En el segundo caso se encontró incidentalmente dextrocardia en radiografía solicitada para evaluación de escoliosis. El ECG objetivó eje QRS +120°, eje onda P +150°, QRS estrecho de voltaje atenuado en precordiales izquierdas. La ecocardiografía doppler confirmó dextrocardia especular sin anomalías asociadas. En ecografía abdominal el hígado se encontró en hipocondrio izquierdo y el bazo en hipocondrio derecho. Conclusión: El diagnóstico temprano del situs inversus totalis es importante, dado que el abordaje quirúrgico torácico y abdominal es diferente y determinadas patologías pueden presentarse con clínica inusual. Además, tras el diagnóstico de situs inversus se puede estudiar la presencia de patologías asociadas como discinesia ciliar primaria (Síndrome de Kartagener).

INTRODUCTION AND OBJECTIVES In the absence of right ventricular hypertrophy or bundle-branch block, a prominent R wave in V(1) or V(2) is considered to reflect a lateral myocardial infarction. We investigated the differences in infarct location, size and transmural extent between patients with prominent R wave in V(1) and those with prominent R wave in V(2). METHODS We studied 50 patients with a previous first infarction involving left ventricular inferior and/or lateral wall at contrast-enhanced magnetic resonance. RESULTS A prominent R wave in V(1) was present in 8 patients (16%), in V(2) in 23 (46%). At magnetic resonance, the infarction involved the inferior wall in 11 patients (22%), the lateral wall in 6 (12%), and both walls in 33 patients (66%). The sensitivity of a prominent R wave in V(1) in detecting a lateral infarction was low (17.9%), while the specificity was high (90.9%). The sensitivity and specificity of a prominent R wave in V(2) were 46.2% and 54.5%, respectively. In patients with a prominent R wave in V(1), infarct size and lateral and transmural extent were greater than in patients without this pattern (P

Trabajar con señales bioeléctricas del cuerpo humano no es una tarea simple. Es necesario conocer aspectos biológicos y eléctricos propios del cuerpo humano. Este trabajo describe conocimiento y pasos necesarios para el diseño e implementación de un sistema digital para la adquisición y tratamiento de una señal eléctrica del cuerpo humano: la señal electrocardiográfica (ECG). Algunos de los aspectos más importantes a ser considerados en la implementación de un sistema de procesamiento digital de señales (DSP, del inglés digital signal processing) para trabajar con señales bioeléctricas humanas son descritos: computación gráfica, diseño de circuitos electrónicos con restricciones de tiempo real, análisis de señales eléctricas del cuerpo humano y diseño de algoritmos en línea. En el contexto de los últimos dos aspectos señalados, se dan a conocer algunos algoritmos de filtrado de la señal ECG y se muestran algunos resultados de mejoras a un algoritmo clásico para la detección de complejos QRS de la señal ECG. To work with bioelectrical signals of the human body is not an easy work. It is necessary to know some biological and electric aspects of the human body. This paper describes necessary knowledge and steps for designing and implementing a digital system for acquisition and processing of an electric human body signal: electrocardiographic signal (EKG). Some of the most important aspects to be considered in the implementation of a digital signal processing (DSP) system to work with human bioelectric signals are described: graphic computation, electronic circuits design with real time restrictions, human body electric signals analysis and online algorithms design). In the context of the last two indicated aspects, some algorithms for the signal filtering are described and some improvements to a classic algorithm for QRS detection of an ECG signal are shown.

La identificación temporal de complejos QRS en una señal electrocardiográfica (señal ECG) es una tarea de amplia investigación y numerosas aplicaciones prácticas. Este trabajo presenta las mejoras realizadas a un algoritmo para la detección de complejos QRS de una señal ECG conocido como algoritmo de Holsinger, utilizando características presentes en un detector de complejos QRS conocido como algoritmo de Hamilton-Tompkins.Se detalla cada una de las mejoras graduales realizadas en algoritmo de Holsinger, con la revisión de su rendimiento en la identificación temporal de complejos QRS sobre registros de señales electrocardiográficas (señales ECG) de una base de datos pública (base de datos de arritmias del MIT - MIT BIH), con el objetivo de demostrar empíricamente, que es posible obtener un mejor rendimiento en algoritmo simple de detección de complejos QRS, con la conservación de su simplicidad, mediante la inclusión de técnicas clásicas de procesamiento digital de señales (DSP). The temporal identification of QRS complex in an electrocardiographic signal (EKG signal) is a task with extended research and many practical applications. This work presents the improvements done to an algorithm for detecting QRS complex of an EKG signal known as Holsinger algorithm. For this effect, characteristics present in a complex QRS detector known as Hamilton-Tompkins algorithm are used. Each progressive improvement done to the Holsinger algorithm is detailed showing its QRS complex temporal identification performance over electrocardiographic signal records (EKG signals) from a public database (arrhythmia MIT database - MIT BIH), with the objective of showing in practice that it is possible to get a better performance, preserving simplicity, with a simple QRS detection algorithm including classical digital signal processing (DSP) characteristics.