T02TCVe09

Módulo de Procesamiento de Señales Electrocardiográficas para un
Sistema de Tele-monitoreo Vía Internet
Jacobo Schneider, Maryana Escalante, Mary Díaz
Grupo de Bioingeniería y Biofísica Aplicada.
Universidad Simón Bolívar. Apartado 89000. Caracas, 1080A. Venezuela.
Telf: 58-212-9064014. Fax: 58-212-9064009
http://www.gbba.usb.ve
mdiaz@gbba.usb.ve
Resumen: Los sistemas de monitoreo de señales electrocardiográficas (ECG) son de vital importancia dentro de la
práctica médica. En la actualidad, la versatilidad de estos sistemas se ha visto incrementada ya que pueden
conectarse a una intranet o a internet, haciendo posible su aplicación en ambientes no clínicos.
El módulo de procesamiento digital de señales que se presenta, forma parte de un Sistema de Monitoreo de
ECG basado en un módulo de adquisición de datos multicanal (MAD), una Personal Digital Assistant (PDA) como
estación local para la visualización, almacenamiento y procesamiento de las señales adquiridas, y una computadora
personal (PC), configurada como estación remota, donde un especialista analiza las señales recibidas y puede emitir
un diagnóstico. Las estaciones local y remota poseen una interfaz que le permite al usuario configurar los MAD de
manera sencilla. La visualización de los registros se realiza según los estándares médicos, adaptados a la pantalla de
la PDA y la PC.
El procesamiento realizado por el módulo se divide en varias fases: en una primera etapa de
acondicionamiento se mejora la visualización de la señal y se realiza la compresión de la misma. En una segunda
fase se extraen parámetros latido a latido, como la detección del QRS y además se genera un latido promedio sobre
el cual se realizan mediciones de diversos parámetros del electrocardiograma, como intervalo QT, onda P, entre
otros, que son relevantes para el diagnóstico y monitoreo de la actividad cardíaca del paciente. La aplicación
también presenta la opción de crear, editar y almacenar datos clínicos de los pacientes y sus respectivos registros de
ECG. La conexión de las estaciones se puede realizar a través de una intranet, la red telefónica o la red inalámbrica
CDPD.
I
INTRODUCCIÓN
Los avances tecnológicos de los últimos años han permitido considerables progresos en
la práctica médica. Estos logros no se limitan sólo al desarrollo de la instrumentación necesaria
para la investigación, el diagnóstico y el tratamiento de los pacientes, sino también a la
optimización del manejo de los recursos, humanos y materiales, de los sistemas de salud.
Las bondades que ofrecen las redes de comunicaciones e interconexión de datos en la
actualidad, han permitido el nacimiento de una nueva disciplina denominada Telemedicina, la
cual consiste en la prestación de servicios de salud y asistencia médica utilizando plataformas de
computación y telecomunicaciones, que permitan el intercambio de datos, vídeo e imágenes
asociadas a un paciente, entre centros hospitalarios, o entre el paciente y el médico reduciendo
así las limitaciones de tiempo, distancia y acceso a lugares remotos [1]. Las unidades de
tele-monitoreo son un ejemplo de las formas que pueden tomar las aplicaciones tele-médicas.
El trabajo que se presenta en este artículo, está enmarcado en una serie de proyectos,
orientados al desarrollo de un sistema tele-médico de electrocardiografía, realizados en el Grupo
de Bioingeniería y Biofísica Aplicada (GBBA) de la Universidad Simón Bolívar [2,3,4,5,6,7,8].
El objetivo general del trabajo es el de crear módulos de procesamiento digital, en tiempo real, y
transmisión del ECG en reposo, para ser incluidos en aplicaciones de adquisición y
visualización de la señal de ECG (para PC y para PDA), previamente desarrolladas.
II
SISTEMA DE TELE-MONITOREO DEL ECG
Los sistemas tele-médicos para monitorización de pacientes vía Internet se basan
típicamente en instrumentación virtual realizada alrededor de arquitecturas PC, lo que permite
actualizar el sistema fácilmente, tanto en software como en hardware, siguiendo los avances de
la tecnología [7]. Generalmente, cuando se monitorean signos vitales, los sistemas consisten en:
módulos de adquisición de datos (MAD) conectados a dispositivos PC, donde aplicaciones
locales (stand alone) o aplicaciones cliente/servidor forman equipos o servicios médicos para la
adquisición y manejo en general de las señales [9].
En la figura 1 se muestra un esquema general de un sistema de monitoreo basado en una
arquitectura cliente – servidor. En primer lugar, se encuentra el MAD conectado al paciente, que
junto con la PDA o la PC constituyen la estación local. Posteriormente se observa la etapa de
transmisión de los datos al servidor y a la estación remota, donde se encuentra generalmente el
especialista.
Aplicación
Local
Servidor
Base de Datos
Aplicación Remota
PDA
Serial
Bluetooth
Módem
CDPD
Internet
Tarjeta de
Red
Chat
TCP/IP
PDA
MAD
Figura 1. Esquema general de un sistema tele-médico.
A continuación se describen los elementos del sistema de monitoreo de ECG
desarrollados previamente, a los que se agregó el módulo de procesamiento digital de la señal
ECG.
A. Estación remota
La estación remota es aquella en la que se encuentra el especialista. La aplicación de
software para esta localidad, llamada eMonitor, opera bajo ambiente Windows y está
implementada bajo MFC (Microsoft Foundation Class), con programación multihilo. El
eMonitor permite:
• Crear, editar y almacenar datos clínicos de pacientes y sus respectivos registros de ECG.
• Visualizar y almacenar los registros para uso del especialista.
•
Configuración del MAD para poder fijar variables como la frecuencia de muestreo,
ganancia y canales a adquirir.
B. Estación local
La estación local está conformada por el MAD y una PDA, la cual actúa como puerta de
entrada o gateway a Internet; de esta manera, se establece la conexión entre la estación local y la
PC del especialista localizada en la estación remota.
B.1 Módulo de adquisición de datos (MAD)
El MAD comprende los dispositivos necesarios para conectarse a un paciente y adquirir
las señales biomédicas. El MAD que se emplea es un prototipo desarrollado en el GBBA [6,8],
que soporta adquisiciones estándares de 3, 5 y 12 derivaciones de ECG. La conexión a la red
puede hacerse a través de una PC, una PDA, módulos de Internet Embebidos, etc. En la
aplicación desarrollada se trabaja con las dos primeras modalidades (por PC y PDA), donde el
sistema se conecta a través de diversos dispositivos como tarjetas de red o módems (alámbricos
o inalámbricos).
B.2 PDA
La estación local, basada en una PDA, tiene un nivel relativamente bajo de interfaz
hombre-máquina debido a que sus recursos son limitados en comparación con una PC [2,3]. En
este caso, la PDA soporta Microsoft Windows CE 3.0 (Pocket PC). El software desarrollado
para la PDA [3], denominado eMonitor para Pocket PC, permite adquirir, visualizar y
almacenar las señales de ECG del paciente.
III MÓDULO DE PROCESAMIENTO DIGITAL DEL ECG
El módulo de procesamiento digital de la señal se implementó para la estación local (PC)
y la estación remota (PDA) del sistema de tele-monitoreo. El procesamiento se divide en dos
etapas: una fase de acondicionamiento, en la que se mejora la visualización del ECG, y se
realiza la compresión de los datos para su almacenamiento y transmisión; una segunda fase en la
que se extraen parámetros latido a latido, como la detección del QRS y el ritmo cardíaco, y
además, se genera un latido promedio sobre el que se realizan las mediciones de diversos
parámetros del ECG (intervalo PR, QT, QRS, elevación del segmento ST), todos relevantes para
el diagnóstico y monitoreo de la actividad cardíaca del paciente [9].
A. Acondicionamiento de la señal
A.1 Filtrado
Esta fase del procesamiento, brinda al usuario, una serie de opciones para mejorar la
visualización de la señal. Para reducir el ruido producto de la actividad muscular, el usuario
puede seleccionar la activación de un filtro pasa bajo de 35, 50 o 100 Hz con función de
transferencia dada por (1).
H ( z) =
a0
Y ( z)
=
−1
−2
X ( z ) 1 + b1 z + b2 z + b3 z −3 + b4 z − 4
(1)
Además si la línea de alimentación produce interferencia, se puede aplicar un filtro
Notch de 60/50 Hz con función de transferencia:
Y ( z ) a 0 + a1 z −1 + a 2 z −2
=
H ( z) =
X ( z)
1 + b1 z −1 + b2 z − 2
(2)
Los filtros de visualización se diseñan para frecuencias de muestreo de 250Hz, 500Hz y
1KHz.
A.2 Eliminación del movimiento de línea de base de la señal de ECG
La línea de base generalmente se encuentra contaminada por una variedad de factores
que pueden o no estar relacionados con la actividad cardíaca. El movimiento de la línea de base
resultante de estas interferencias, dificulta el seguimiento de los cambios de los segmentos y
amplitudes de las ondas dentro del ECG. Por lo tanto, deben eliminarse todos los elementos de
baja frecuencia que no estén relacionados con la actividad eléctrica cardíaca, sin alterar la forma
y amplitud de los complejos PQRST [10]. El esquema de remoción del movimiento de la línea
de base implementado, es la primera etapa del propuesto por Shusterman et al [10], que se
muestra en la figura 2.
Señal
Original
Filtro
Pasabajo
Butterworth
-1
+
Señal
Filtrada
Figura 2 Esquema de Remoción de movimiento de la Línea de Base.
La señal de entrada es filtrada por un filtro Butterworth pasa-bajo de segundo orden, con
una frecuencia de corte igual a 0.6Hz en ambos sentidos (filtrado bi-direccional), para evitar la
distorsión de fase. Este filtro cumple con las recomendaciones de la AHA la cual establece que
la frecuencia de corte para señales de ECG debe ser menor o igual 0.67Hz [10].
La función de transferencia del filtro pasa bajo es:
H ( z) =
Y ( z ) a 0 + a1 z −1 + a 2 z −2
=
X ( z)
1 + b1 z −1 + b2 z − 2
(3)
A.3 Compresión de datos
Para optimizar el espacio de almacenamiento y el tiempo de transmisión de los datos se
implementó la opción de compresión en el módulo de procesamiento de la señal. Se empleó la
codificación Huffman en su versión estática, que es el algoritmo de compresión recomendado
por el Comité Europeo de Estandarización (CEN), para señales electrocardiográficas [11]. Se
modificó la propuesta original del algoritmo y se codificó la diferencia entre muestras sucesivas
en lugar del valor absoluto de las muestras, reduciendo de esta forma el rango de valores de la
señal a transmitir y almacenar, y por ende el número de bits necesarios para su codificación.
Se implementaron dos modalidades de compresión: fuera de línea y en línea. En el
primer caso se adquiere toda la señal y con la estadística completa de la misma, se hace la
compresión. En el segundo caso la estadística de la data se adquiere al inicio de la medición del
ECG, por un periodo de 10 latidos. Se considera que en este periodo la data recolectada es
representativa de todo el registro, y que la probabilidad de los símbolos es estable. Además, se
introduce un nodo extra en el árbol de codificación, para considerar los valores de la señal que
no se presentan durante el periodo de aprendizaje.
B. Extracción de parámetros
El primer paso en todo análisis de ECG consiste en determinar la presencia de un latido,
para ello se detecta, en tiempo real (latido a latido), el complejo QRS, luego se hace el cálculo
del ritmo cardíaco y del intervalo RR. El resto de los parámetros, caracterizados por las
mediciones de amplitud y de duración de las ondas del ECG, se calculan sobre el latido
promedio tomando como punto fiduciario la onda R.
B.1 Parámetros extraídos latido a latido
Detección de QRS
Para la detección del QRS, se implementó el algoritmo propuesto por Pan y Tompkins
[12], el cual se basa en la utilización de filtros digitales de coeficientes enteros conectados en
cascada que minimizan el tiempo de cómputo. El resultado de este filtraje es analizado usando
umbrales adaptativos para la determinación de la existencia de un complejo QRS. El algoritmo
requiere un periodo de aprendizaje, de dos segundos de duración, para inicializar los umbrales.
Ritmo cardíaco
Una vez que el complejo QRS es detectado, se fija la posición de la onda R,
calculándose el ritmo cardíaco como la distancia en tiempo entre dos ondas R consecutivas.
Variabilidad del intervalo RR
Se ha demostrado que los cambios bruscos y repentinos del ritmo cardíaco están
precedidos por pequeñas variaciones del intervalo RR, por ello se incluyó en el módulo de
procesamiento la representación de una curva de tendencia, que muestra la duración del
intervalo RR a lo largo del registro. La frecuencia de muestreo mínima para que esta curva sea
fidedigna es de 250Hz [13].
B.2 Parámetros extraídos sobre el latido promedio
Generación del latido promedio
Una vez determinada la ubicación de los complejos QRS se procede a la construcción de
un latido promedio o patrón. Para ello se definen, a partir de la ubicación de la onda R, el inicio
y el final del latido. En la promediación, intervienen sólo aquellos latidos que tienen una alta
semejanza con el promedio anterior. Esta similitud se determina a través del cálculo del índice
de correlación (IC), entre el latido en consideración y el patrón. El IC debe ser superior a 0.9
(90%). Una vez seleccionados los latidos, se procede a alinearlos para promediarlos muestra a
muestra; la alineación se logra efectivamente cuando se consigue maximizar el IC en una
ventana de 11 muestras [14].
Medición del segmento QT
La medición de QT se realiza con el algoritmo propuesto por Laguna et al. [15], con
algunas modificaciones ya que la medición se hace sobre un latido patrón. Este algoritmo se
basa en el uso de la primera derivada de la señal y umbrales de detección, para la ubicación y
delimitación de las ondas Q y T.
Medición de segmentos PQ (o PR) y QRS
El esquema utilizado para la medición de estos parámetros esta basado en el algoritmo
de medición de QT, expuesto anteriormente. Se parte de la ubicación de la onda R, conocida en
este punto del procesamiento, sin embargo se realiza una verificación de la misma en la señal
derivada; ésta consiste en la búsqueda del cruce por cero de dicha señal en una vecindad de 10
muestras alrededor del punto indicado como onda R dentro del latido patrón. Esto se realiza con
la finalidad de localizar la onda R con una mayor precisión y eliminar posibles errores producto
del retardo asociado al proceso de derivación.
Para determinar el inicio de P se adapta el procedimiento empleado para encontrar el
final de T. Análogamente, para determinar el final de la onda S, se usa el mismo algoritmo de
detección de inicio de Q.
Medición de la elevación del segmento ST
La medición del segmento ST no se realiza automáticamente, por el contrario, la
aplicación tiene un marcador móvil - desde el punto J (R+60 ms) hasta 90 ms a la derecha del
mismo - para que sea el especialista quien decida el punto donde realizar la medición. Como
punto de referencia o valor de la línea isoeléctrica, se toma el punto correspondiente al de la
onda R menos 55 ms [16].
C. Transmisión de datos
El sistema de comunicación entre el eMonitor para pocket PC y el eMonitor para PC, se
implementó usando sockets, éstos hacen que la comunicación entre la PC y la PDA sea
transparente a la forma en que cada una se conecta a la red (conexión alámbrica o inalámbrica).
La transmisión tiene dos modalidades, en línea y fuera de línea. En la primera la data se
transmite mientras es adquirida, se puede seleccionar la opción de comprimir o no los datos. En
la segunda, se transmite un archivo previamente almacenado.
Adicionalmente se implementa un protocolo de inicio de la comunicación entre el cliente
y el servidor (login), de esta forma el servidor sólo permite la comunicación en el caso de que el
cliente esté registrado en el sistema.
IV RESULTADOS
La validación de los resultados obtenidos se hizo de acuerdo a los recursos disponibles
en cada caso, como se describe en las secciones siguientes.
A. Detección de QRS
La efectividad del detector de QRS se probó con la base de datos del MIT [17], ya que
ésta posee anotaciones de los latidos en cada registro. Se seleccionaron los registros 100, 108 y
222. El primero es una muestra de un registro sano, mientras que en los dos últimos se presentan
situaciones anormales como latidos ectópicos, cambios de ritmo, ruido, etc., que aumentan la
exigencia de un detector automático.
Los resultados obtenidos se muestran en la tabla 1, se observa que el mayor número de
falsos positivos se tienen en el registro 108, esto porque la onda P es inusualmente aguda y se
clasifica como QRS. A pesar de las detecciones incorrectas que hace el algoritmo, la tasa de
falla obtenida es menor en comparación con otras implementaciones [12]. La efectividad
obtenida fue de un 97% .
También se realizaron pruebas del algoritmo sobre adquisiciones en tiempo real, usando
el MAD, un generador de latidos y un paciente voluntario. Los resultados obtenidos en este caso
son cualitativos, ya que no se disponía de la anotación de los eventos.
Tabla 1. Resultados del algoritmo de detección de QRS.
Registro
Falsos
Positivos
0
144
4
148
100
108
222
Total
Falsos
Negativos
1
20
65
86
Numero de
Latidos
2273
1763
6520
6520
Porcentaje
De Fallas
0.40
9,30
2,67
3,57
B. Detección de parámetros sobre el latido promedio
En este caso para evaluar el desempeño de los algoritmos desarrollados, se compararon
las mediciones automáticas realizadas por el módulo, con las anotaciones realizadas por dos
especialistas. Para esto se seleccionaron 20 latidos patrones provenientes de diversos registros
del ECG, sobre los cuales los especialistas, de manera independiente, midieron los intervalos de
interés (PR, QRS y QT). Para evaluar los resultados obtenidos, se comparan la diferencia media
entre las mediciones manuales y las automáticas, así como también la desviación estándar de las
mismas, para cada intervalo, además se comparan las mediciones de los especialistas entre sí.
Las tablas 2 y 3 reflejan los resultados obtenidos en cada caso.
Tabla 2. Comparación de la detección de parámetros automática y manual.
PR
QRS
QT
Especialista A
Diferencia Desviación
Media
Estándar
(ms)
(ms)
7,14
10,46
-9,43
7,22
0,41
11,81
Especialista B
Diferencia Desviación
Media
Estándar
(ms)
(ms)
1,78
7,60
-6,99
9,87
0,68
8,92
eMonitor
Tabla 3. Comparación de la detección de parámetros hecha por dos especialistas.
PR
QRS
QT
Especialista B
Diferencia Desviación
Media
Estándar
(ms)
(ms)
5,35
8,77
6,79
5,01
-0,27
5,93
Especialista A
Se observa que los valores de la diferencia media y de la desviación estándar reportados
entre el eMonitor y cada especialista están en el mismo orden de magnitud que los valores
reportados entre los dos especialistas. Esto indica que los resultados obtenidos con las
mediciones automáticas son comparables con los realizados por un especialista.
C. Compresión
La tasa de compresión se calculó para las dos modalidades de compresión
implementadas: en línea y fuera de línea. Los resultados obtenidos para algunos registros
muestreados a 250 Hz, se presentan en la tabla 4. En general la tasa de compresión obtenida esta
entre el 40 % y el 65 %. Como es de esperarse en la modalidad fuera de línea se tienen los
mejores resultados, sin embargo la diferencia con los resultados obtenidos con la modalidad en
línea apenas alcanza un 3 %.
Tabla 4. Tasas de compresión obtenidas en algunos registros.
Registro1
Modalidad
De
compresión
Fuera de línea
Fuera de línea
Fuera de línea
En línea
Fuera de línea
En línea
ECG 100
ECG 222
Reg B1
Reg B1
Reg D1
Reg D1
Número de
Duración
Canales
Aproximada
(s)
1
30,00
1
30,00
2
1,00
2
1,00
8
0,50
8
0,50
Tamaño sin
Comprimir
(Kbytes)
881
878
58
58
117
117
Tamaño
Comprimido
(Kbytes)
291,00
307,00
22,10
23,10
60,50
62,40
Tasa de
Reducción
(%)
66,40
65,03
60,17
62,00
48,29
46,66
D. Transmisión de archivos
Se realizaron pruebas de transmisión con archivos de distinto tamaño, comprimidos y no
comprimidos, en una intranet LAN y una red inalámbrica CDPD. De los resultados mostrados
en la tabla 4, se destaca que la disminución en el tiempo de transmisión de un archivo
comprimido es directamente proporcional a la tasa de compresión, lo cual es particularmente
importante en las redes CDPD.
Tabla 4. Algunos tiempos de transmisión de archivos.
1
Registro1
Número de
Canales
ECG 100
ECG 100
ECG 100
ECG 100
ECG 100
Reg C2
Reg C2
1
1
1
1
1
8
8
Duración
Comprimido
Aproximada
(min)
30
No
30
Si
30
No
30
Si
30
Si
2
No
2
Si
Tamaño
(Kbytes)
Origen
Destino
Tiempo de
transmisión
881
291
881
291
291
931
320
LAN
LAN
CDPD
CDPD
CDPD
CDPD
CDPD
LAN
LAN
LAN
LAN
CDPD
LAN
LAN
1’ 26,00’’
0’ 0,33’’
60’ 42,00’’
19’ 51,00’’
22’ 16,00’’
64’ 22,00’’
21’ 59,00’’
Los registros identificados con las siglas ECG, pertenecen a la base de datos del MIT. Los identificados como
Reg. son adquiridos con el MAD.
E. Características generales de la interfaz gráfica desarrollada
Existen diferencias entre el eMonitor en sus versiones para PC y PDA, esto se debe
fundamentalmente a que la capacidad de procesamiento de la PDA es más reducida y además su
pantalla es más pequeña. La mayoría de las diferencias se observan en la interfaz gráfica, por
ejemplo en la versión para PC se muestran simultáneamente dos ventanas, en una se observan
los registros adquiridos en tiempo real, y en otra el latido promedio, que se actualiza cada 10
latidos. En la PDA se puede ver sólo una ventana a la vez. En la versión para PC el usuario
puede escoger sobre cual derivación calcular el latido promedio, en la PDA sólo se calcula el
latido promedio de la derivación que se emplea para la detección de QRS. La gráfica de
tendencia del intervalo RR sólo se tiene en la versión para PC, donde comparte la ventana con el
latido promedio, por lo que el usuario debe seleccionar la gráfica a visualizar.
En ambas versiones, las mediciones de los intervalos del ECG, son susceptibles a los
cambios que el especialista considere necesarios, para lo que se dispone de marcadores móviles
sobre el latido promedio.
En las figuras 3 y 4 se muestra la interfaz gráfica del eMonitor para PC y el eMonitor
para pocket PC.
Figura 3. eMonitor.
Figura 4. Vista del latido promedio en el eMonitor para pocket PC.
V
CONCLUSIONES
Se ha desarrollado un sistema versátil para el monitoreo remoto del ECG en reposo, que
le proporciona al usuario las características fundamentales de un electrocardiógrafo estándar y
otras adicionales de uso más específico. Además el sistema es modular por lo que puede
agregarse a aplicaciones de visualización existentes y/o modificarse de manera rápida y sencilla.
Aún cuando se usó un algoritmo ampliamente conocido para la detección de QRS, la
efectividad de la implementación realizada logró superar la reportada en la literatura. Así
mismo, los esquemas de medición de parámetros sobre el ECG arrojaron resultados
satisfactorios, como fue corroborado por los médicos que evaluaron la herramienta. Ésta es una
característica importante del módulo desarrollado puesto que pocos sistemas comerciales hacen
estas mediciones de manera automática.
Los resultados obtenidos en la compresión de la señal de ECG, tanto para la versión en
línea como la fuera de línea, son altamente satisfactorios y demuestran que el esquema
seleccionado, la codificación Huffman de la diferencia entre muestras consecutivas de la señal,
es eficiente a pesar de su relativa sencillez.
Por lo observado en las distintas pruebas de transmisión, la red CDPD no es un medio
idóneo para el envío en línea de varios canales de ECG. Sin embargo es una opción de gran
valor en la transmisión fuera de línea cuando la estación local carece de una infraestructura
física de comunicación. Es de esperarse que la nueva red CDPD de mayor velocidad, mejore
esta característica.
El módulo de procesamiento digital de la señal ECG puede convertirse en una
herramienta que contribuya a mejorar la calidad de vida de pacientes que sufren de afecciones
cardiovasculares, así como también a facilitar la labor del especialista tratante de estos
trastornos.
VI REFERENCIAS
[1] Coiera E., Guide to Medical Informatics, The Internet and Telemedicine, Arnold, Oxford University Press
Inc., 1997.
[2] Cáceres J., Canabal R., Riccardi P., Sistemas de Adquisición y Transmisión de Señales Electrocardiográficas a
través de Internet, Proyecto de grado, GBBA-USB, 1998.
[3] Fernández M, Funes D, Asenjo A, Transmisión de ECG a través de Internet en Plataformas PDA, Proyecto de
grado, Universidad Simón Bolívar, 2000.
[4] Otero L., Goñi M. A.,Estación Telemédica vía Internet, Proyecto de grado, Universidad Metropolitana, 2000.
[5] García C. Desarrollo de una Aplicación Cliente-Servidor para la Transmisión de ECG vía Internet, Trabajo de
Grado de Maestría, Universidad Simón Bolívar, 1998.
[6] Cruz J., Sistema de Monitoreo de Signos Vitales basado en “Embedded Internet”, Proyecto de grado,
Universidad Simón Bolívar, 2001.
[7] Cruz J., Villegas G., Uyá J., Hernández A., Passariello G., Mora F. Sistema Telemédico de Electrocardiografía
basado en Internet Embebido. Memorias del Taller de Telemedicina e Informática Medica (CD). Mérida.
Venezuela, Abril 2001.
[8] Uyá J., Suárez T., Sistema de Adquisición de Señales Biomédicas utilizando Múltiples Medios y Estándares de
Transmisión. Proyecto de grado, Universidad Simón Bolívar, 1999.
[9] Escalante, M., Schneider, J., Díaz, M. Procesamiento Digital de Señales Electrocardiográficas en Reposo.
I Congreso Venezolano de Bioingeniería. Santa Ana de Coro. Venezuela 2002.
[10]Shusterman V.,Shah S., Beigel Ana., Anderson K.: Enhancing the Precision of ECG Baseline Correction:
Selective Filtering and Removal Residual Error, Computer and Biomedical Research 33, 144-160, (2000).
[11] European Committee for Standarization. Standard Communications Protocol for Computer-Assisted
Electrocardiography, version 1, 1993.
[12]Pan, J.,Tompkins W. A Real Time QRS Detection Algorithm. IEEE Transactions on Biomedical Engineering,
Vol BME-32,pp 230-236, 1985.
[13] Heart Rate Variability, Standards of Measurements, Physiological Interpretation and Clinical Use. European
Heart Journal 17, 354-381, 1996.
[14]Bosnjak, A., Filtrado Kalman Multiestado para el Análisis de Tendencias en Isquemia Cardíaca, Trabajo final
de grado, Universidad Simón Bolívar, 1996.
[15] Laguna P., Thakor N., Caminal P., Jane R., Yoon H., Bayes de Luna A., Marti V., Guindo J., New Algorithm
for QT Interval Analysis in 24 hour Holter ECG: Performance and Applications, Med & Biol. Eng & Comput,
29, 67-73, 1990.
[16]Passariello, G. Monitoring Intelligent en Unité de Soins Intensifs pour Coronariens: Aspects Traitment der
Signal. Ph.D Thesis. Université Franςois-Rabelais Tours. Tours-France, 1991.
[17]MIT-BIH Arrhythmia Database, Biomedical Engineering Center for Clinical Instrumentation, Harvard
University-MIT,1982.