Resumen

La detección de la onda R es un requisito previo para la extracción y el reconocimiento de los parámetros característicos de la señal de ECG. En el análisis y diagnóstico de los electrocardiogramas de ejercicio, la detección precisa y en tiempo real de los complejos QRS es muy importante para la prevención y el seguimiento de las cardiopatías. Este trabajo propone un método ligero de detección de ondas R en tiempo real para señales de ECG de ejercicio. Tras la eliminación de ruido en tiempo real de la señal de ECG de ejercicio, se utiliza la línea mediana para corregir la línea de base y se realiza el procesamiento de diferencias de primer orden en la señal cuadrada diferencial. Se utiliza el Umbral Max-Min (MMT) para realizar la detección de la onda R en tiempo real de la señal de ECG de ejercicio. El método mencionado se verificó utilizando los datos medidos en la base de datos de ECG MIT-BIH del Instituto Tecnológico de Massachusetts y el experimento de la placa de ejercicio. Los porcentajes de detección de la onda R fueron del 99,93 y 99,98%, respectivamente. Los resultados experimentales muestran que este método tiene una alta precisión y una baja complejidad computacional y es adecuado para dispositivos portátiles y para la monitorización de procesos de movimiento.

• Materias:Inteligencia artificial Big Data Registros médicos electrónicos Acelerómetros Antecedentes teóricos
• Subjects:Artificial intelligence Big Data Electronic medical records Accelerometers Theoretical background
• Palabras claves:señal de ECG de ejercicio, detección de ondas, parámetros de características de la señal de ECG, base de datos de ECG BIH, señal cuadrada diferencial, señales de ECG de ejercicio, experimento de placa de ejercicio, baja complejidad computacional, monitorización del proceso de movimiento, procesamiento de diferencias de orden
• Keywords:exercise ECG signal, wave detection, ECG signal feature parameters, BIH ECG database, differential square signal, exercise ECG signals, exercise plate experiment, low computational complexity, motion process monitoring, order difference processing