ESCUELA POLITCNICA DEL EJRCITO DEPARTAMENTO DE ELCTRICA Y

ESCUELA POLITÉCNICA DEL EJÉRCITO DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA CARRERA DE INGENIERÍA EN ELECTRÓNICA AUTOMATIZACIÓN Y CONTROL PROYECTO DE GRADO PARA LA OBTENCIÓN DEL TITULO DE INGENIERÍA MÓNICA ALEXANDRA RUIZ QUINTEROS

DISEÑO E IMPLEMENTACIÓN DE UN ALGORITMO PARA DETECCIÓN DE APNEAS DEL SUEÑO, BASADO EN SEÑALES RESPIRATORIAS DERIVADAS DE ELECTROCARDIOGRAMA

AGENDA • OBJETIVOS • RESUMEN • ESTUDIO BÁSICO DEL SAOS • ESTUDIO BÁSICO DE ELECTROCARDIOGRAMA • ADQUISICIÓN DE SEÑALES Y BASE DE DATOS • ALGORITMO DE DETECCIÓN DE SAOS • VALIDACIÓN DEL ALGORITMO • CONCLUSIONES Y RECOMENDACIONES

OBJETIVO GENERAL • Diseñar e implementar un algoritmo para detectar apneas del sueño, mediante la variabilidad de ritmo cardiaco como señal derivada de electrocardiograma utilizando OBJETIVO GENERAL la de la base de datos de señales de apnea-ecg de Physionet.

Objetivos Específicos • Extraer características del ECG para obtener las señales respiratorias derivadas. • Determinar que la Variabilidad de ritmo cardiaco es la señal con mejores características para implementar el algoritmo. • Realizar un análisis frecuencial de las señales para observar su comportamiento. • Implementar el algoritmo a través del Intervalo RR y el cálculo espectral

• Calcular el porcentaje de SAOS presente en los pacientes del grupo de prueba y compararlos con las anotaciones de apnea provistas por la base de datos. • Calcular el porcentaje de SAOS presente en los pacientes del grupo de validación del algoritmo y compararlos con los datos teóricos obtenidos desde polisomnografía. • Analizar el desempeño del algoritmo en base a criterios bioestadísticos. AGENDA

Resumen El Síndrome de Apnea Obstructiva del Sueño (SAOS) es un trastorno de alta prevalencia cuyo diagnóstico actualmente se realiza a partir de la Polisomnografía, un estudio que implica altos costos y un complicado procedimiento. Este proyecto propone un algoritmo, como prueba de diagnóstico, capaz de reconocer la enfermedad a través de un examen no invasivo como el electrocardiograma (ECG). AGENDA

SAOS (Síndrome de apnea obstructiva del sueño) TRASTORNOS DEL SUEÑO Estado donde se pierde la capacidad de interacción con el entorno de forma transitoria. Respiratorios Síndrome de apneas del sueño SAOS APNEA: Obstrucción y colapso de las vías aéreas superiores. Cese del flujo respiratorio mayor a 10 segundos y cientos de veces en la noche, acompañados con ronquidos, hipoxia y ocasionalmente con despertares inconscientes

Muy frecuente : afecta al 4 -6% de los hombres y al 2 -4% de las mujeres en las edades medias de la vida. • Su frecuencia aumenta con la edad. • Deterioro de la calidad de vida • Presencia de hipertensión arterial • Desarrollo de enfermedades cardiovasculares y cerebro vasculares. Los síntomas guía para sospechar un SAOS son: 1) ronquidos entrecortados. 2) episodios de ahogo y paradas respiratorias durante el sueño. 3) somnolencia excesiva durante el día.

Diagnóstico del SAOS Flujo aéreo: por termistor, neumotacógrafo o analizador de CO 2. Esfuerzo ventilatorio: mediante bandas elásticas toracoabdominales o sistema similar. Recambio gaseoso: por pulsioximetría se determina la saturación de oxígeno (Sa. O 2). Electrocardiograma (ECG). Estadios de sueño: EEG, EOG (izquierdo y derecho), EMG (submentoniano). Esfuerzo respiratorio: mediante dos bandas, toráxica y abdominal. Saturación Arterial de Oxígeno: saturómetro colocado en el dedo índice del paciente. Posición Corporal Movimientos de las Piernas Actividad eléctrica de los músculos Movimientos Oculares. AGENDA

ELECTROCARDIOGRAMA • Registro gráfico de los potenciales eléctricos que produce el corazón obtenidos desde la superficie corporal a partir de electrodos y un equipo de registro (electrocardiógrafo). Figura 1. Electrocardiograma, derivaciones precordiales

Ondas • P: despolarización auricular • QRS: despolarización ventricular, su duración normal es de 0. 06 a 0. 1 sg siendo: • • • Q: primera onda negativa antes de la primera onda positiva. R: toda onda positiva. Si existe una segunda onda positiva la llamamos R´. S: toda onda negativa después de una onda positiva. • T: de despolarización ventricular. • U: pequeña onda que sigue a la onda T, de significado incierto. Figura 2. Ondas de Electrocardiograma

COMPLEJO QRS AGENDA

ADQUISICIÓN DE SEÑALES DE ELECTROCARDIOGRAMA Base de datos de libre distribución: Apnea-ECG Database. Esta base de datos fue desarrollada por el Phyisio. Net/Computers in Cardiology Challenge 2000.

Base de Datos Base de datos: Consta de 70 registros 8 horas de duración Señal : Muestreada a 100 Hz Resolución de 16 bits Cada bit representa 5 m. V Las señales de desarrollo y pruebas se subdividen en 3 grupos: • pacientes con apnea (grupo A), • pacientes borderline (grupo B) • pacientes normales o en control(grupo C).

Señales de desarrollo y prueba: • 35 señales contienen anotaciones de apnea y del complejo QRS. • 8 disponen de 4 señales respiratorias: Oronasal pletismográfica de pecho, abdominal saturación de oxígeno. Señales de validación del algoritmo: • 35 grabaciones con datos de apnea teóricos obtenidos por polisomnografía. • Los registros son hombres y mujeres con edades entre 27 y 63 años con pesos entre 53 y 135 Kg.

Señales de electrocardiograma y pletismográficas del paciente a 03 Figura 4. Señales extraídas de la base datos a través de ATM Physiobank.

Por cada paciente se tiene los archivos: • . dat contiene las señales de ECG digitalizadas. (16 bits por muestra, 100 m/s, 200 A/D unidades por milivoltio) • . apn anotaciones de apnea. • . qrs anotaciones de QRS. • . hea archivos de encabezado que especifican los nombres y formatos de los archivos de señal asociados

Desde Cygwin Archivos: . apn y . qrs se convierten en archivos tipo. txt Funciones de la librería WFDB utilizadas: • rdann Lee archivos de anotaciones para las grabaciones WFDB. Figura 5. Muestra de conversión de archivos a través de Cygwin. AGENDA

DISEÑO E IMPLEMENTACIÓN DEL ALGORITMO DE DETECCIÓN DE SAOS

DIAGRAMA DE BLOQUES GENERAL

DIAGRAMA DE FLUJO DEL ALGORITMO DE DETECCIÓN DE SAOS. Se toma la señal desde la base de datos Filtros y correcciones de la señal de ECG Correlación Cruzada Comportamiento de las señales

PREPROCESAMIENTO • Para el pre procesamiento se lleva a cabo tres pasos: • Corrección deriva de línea • Detección del complejo QRS • Corrección del complejo QRS

Con la concatenación se obtiene los datos de ECG como unidades físicas.

CORRECCIÓN DE LA DERIVA DE LINEA DE BASE DE LA SEÑAL DE ELECTROCARDIOGRAMA En el ciclo respiratorio se produce actividad de baja frecuencia o ruido El filtro reemplaza un valor por la mediana de los valores cercanos en un intervalo de 2 n+1. Eliminar ondas P de duración 0, 2 s y T de duración 0, 6 s.

DETECCIÓN DE LOS COMPLEJOS QRS Objetivo: Detectar el pico R. Se elimina ondas T de gran amplitud y ruido de diversa procedencia. Detectar el pico R como el punto máximo en una ventana de 300 ms centrada.

CORRECCIÓN DE LOS COMPLEJOS QRS Falso Positivo: Por ondas T o latidos ectópicos Se obtiene un Intervalo RR robusto. Falso Negativo: Latidos no detectados

Generación de Intervalo RR robusto Bucle de detección y tipificación de fallos

Bucle que corrige los Falsos positivos y Falsos negativos.

EXTRACCION DE CARACTERISTICAS

CALCULO AREA R, QR y QRS Anotaciones de pico R, se aplica ventana 100 ms Partimos de x[imax]>0, como punto máximo Las muestras son reducidas hasta encontrar cambio de signo x[imax-n]<0 Se aumenta las muestras hasta encontrar el siguiente cruce por 0 Se calcula el área como:

Area S Area QR

SEÑALES DERIVADAS DE ELECTROCARDIOGRAMA

SEÑALES DERIVADAS DE ELECTROCARDIOGRAMA Área y duración de la Onda R Amplitud Pico R Variabilidad de ritmo cardiaco(Intervalo RR) Se realiza interpolado de tipo spline cúbico Filtrado pasa-bajas que elimina frecuencias no coherentes con el rango de frecuencias respiratorias (0 -5 Hz). El filtro utilizado es de tipo Butterworth de orden 3. En los sujetos de nuestra base de datos la tasa respiratoria es normalmente 10 -20 respiraciones/minuto en reposo.

AMPLITUD PICO R Detección de los picos R mediante anotaciones Se aplica ventana temporal de 300 ms centrada en la anotación. Se calcula su punto máximo dando como resultado R

DURACIÓN ONDA R (RWD) RWD: Onda que transcurre desde que la onda R pasa por 0 hasta que lo cruza nuevamente Se utiliza parte del algoritmo para el cálculo del área R

VARIABILIDAD DE RITMO CARDIACO (INTERVALO RR) Se utiliza a partir de que la consecuencia directa de un episodio de apnea es la disminución en el ritmo cardíaco por parte del paciente debido a la no necesidad de bombeo del corazón. Se produce un aumento en el intervalo RR y por tanto una disminución clara de la frecuencia cardíaca. Durante un episodio de apnea se producen variaciones cíclicas en el ritmo cardíaco que suelen aparecer de forma periódica cada 25 -100 s. Consecuencia: Intervalo de frecuencias de entre 0. 01 -0. 04 Hz donde los episodios de apnea tienen mayor influencia.

VARIABILIDAD DE RITMO CARDIACO (INTERVALO RR) El proceso para obtener la señal es calcular la distancia entre dos picos R consecutivos. En este caso nos interesa la señal sin interpolar Intervalo RR

Cálculo de señales Interpolación y Filtrado Las señales son guardadas en estructura parámetros

ESTUDIO TEMPORAL A partir de las señales respiratorias derivadas se realiza un estudio temporal utilizando correlación cruzada. El objetivo es comprobar que el Intervalo RR es la EDR con mejores características para implementar el algoritmo. Se realiza la correlación en tramos por minuto entre las señales respiratorias provistas por la base de datos y las EDR

ESTUDIO FRECUENCIAL Se busca analizar el comportamiento frecuencial de la señal Intervalo RR. Se analiza tramos con y sin apnea para ver el comportamiento de la señal en el rango frecuencial de 0. 01 . 0. 04 Hz (Rango de apnea).

CICLOS POR LATIDO Se considera la secuencia RR como una señal que refleja la actividad del sistema nervioso autónomo. Utilizando el Dominio del latido (beatquency domain) en lugar del dominio frecuencial, la frecuencia no se mide en ciclos por segundo sino en ciclos por latido. Se debe tener en cuenta que el muestreo de dicha actividad no es uniforme. Se utiliza la señal RR no interpolada.

ALGORITMO DE DETECCIÓN DE SAOS Partimos tomando la señal del Intervalo RR no interpolada. Durante la realización de este proyecto, la estimación de la PSD se ha realizado mediante la aplicación directa de la transformada de Fourier (función fft de MATLAB) y mediante el método del periodograma de Welch (función pwelch de MATLAB), con el objetivo de mejorar los resultados aplicando solapado.

DIAGRAMA DE FLUJO DEL ALGORITMO DE DETECCIÓN DE SAOS. La apnea tiene mayor influencia en el rango de frecuencias entre 0. 01 y 0. 04 Hz. Es decir un descenso en la banda VLF. Esta disminución es cuantificada mediante el cálculo de la Densidad Espectral de Potencia (PSD).

ALGORITMO DE DETECCIÓN DE SAOS Se detecta la apnea obstructiva del sueño a través de obtener la potencia espectral del tramo de señal analizado en el intervalo entre 0. 01 y 0. 04 Hz y mirar si éste es mayor a un cierto límite. Una vez analizada la potencia espectral, se llega a la conclusión de que ésta es muy variable a los cambios de postura producidos por el paciente durante el proceso de ensoñación Dicha señal se le llama FPWR (Frecuency power espectrum signal). Se calcula la potencia en todo el tramo de señal, llamada TPWR (Total power spectrum signal)

ALGORITMO DE DETECCIÓN DE SAOS Se obtiene la potencia relativa en la banda entre 0. 01 y 0. 04 Hz, llamada DPWR (differential power espectrum signal) El valor límite de DPWR utilizado para diferenciar tramos con y sin apnea es de un 40 %.

ALGORITMO DE DETECCIÓN DE SAOS Con los registros que se posee anotaciones de apnea los porcentajes son comparados. Con los registros de validación el porcentaje de apnea es cuantificado y comparado con el valor teórico.

ALGORITMO DE DETECCIÓN DE SAOS Usando Transformada de Fourier

ALGORITMO DE DETECCIÓN DE SAOS

ALGORITMO DE DETECCIÓN DE SAOS En el transcurso de las pruebas el comportamiento del algoritmo es mejor mientras el solapado va disminuyendo, incluso en los pacientes que presentan cambios de postura durante el sueño. Por lo tanto el algoritmo es finalmente implementado con Periodograma de Welch sin solapamiento. AGENDA

RESULTADOS OBTENIDOS EN LOS REGISTROS DE VALIDACIÓN Teniendo como: Detecciones Positivas correctas = 22 Detecciones Negativas correctas = 10 Falsos Positivos = 2 Falsos Negativos = 1

ANÁLISIS BIOESTADÍSTICO DE VALIDACIÓN DEL ALGORITMO AGENDA

CONCLUSIONES Y RECOMENDACIONES Se pudo determinar que la Variabilidad de ritmo cardiaco o Intervalo RR es la EDR que mejores resultados presenta en la correlación con los estudios de la polisomnografía. Por lo tanto la serie de intervalos RR fue elegida para ser usada en el algoritmo de detección de SAOS. La frecuencia cardiaca se ve fuertemente influenciada por el sistema respiratorio en un proceso denominado Arritmia Sinusal Respiratoria, resultando en una secuencia de bradicardia – taquicardia. Se determinó que la implementación del algoritmo es mejor a partir del intervalo RR sin interpolación pues se hace la detección mediante ciclos por latido pues el muestreo de la actividad del sistema autónomo no es uniforme.

CONCLUSIONES Y RECOMENDACIONES Las pruebas de detección y por consiguiente la intensidad de detección de los intervalos RR como variación del ciclo cardíaco es dependiente de los estados del sueño así como de la posición del cuerpo Es mejor la aplicación del algoritmo en un paciente cuya muestra sea tomada en el sueño nocturno, que durante un sueño diurno.

CONCLUSIONES Y RECOMENDACIONES Se detectó la apnea obstructiva del sueño a través de obtener la potencia espectral del tramo de señal analizado en el intervalo entre 0. 01 y 0. 04 Hz y determinando si éste es mayor a un cierto límite. Una vez analizada la potencia espectral, se llega a la conclusión de que ésta es muy variable a los cambios de postura producidos por el paciente durante el proceso de ensoñación. Los resultados obtenidos en la evaluación para la validar el algoritmo son altos en los tres parámetros de medición como son Sensibilidad =96%, Especificidad = 83%, y Precisión= 91%. Estos parámetros dan cumplimiento a un buen resultado de la implementación del algoritmo.

CONCLUSIONES Y RECOMENDACIONES Se puede concluir que respecto del método de detección del SAOS mediante el análisis espectral de la señal de variabilidad de ritmo cardíaco, el procedimiento es eficaz en la detección del padecimiento del trastorno, aunque parece ineficaz a la hora de graduar la severidad de la enfermedad. Se concluye que la precisión del diagnóstico puede ser reconocida como buena determinación para una decisión clínica de presencia o ausencia de desórdenes respiratorios de sueño (apneas) clínicamente relevantes. En algunos casos, falsos positivos puede ocurrir debido a la frecuencia muy baja en la que reconocemos la apnea, por otro lado la presencia de apnea del sueño puede no ser detectado por el algoritmo debido a una limitación básica cono el no reconocimiento de cambios autonómicos existentes en caso de apnea del sueño.

CONCLUSIONES Y RECOMENDACIONES Algunos pacientes bajo medicación para control cardíaco también presentan pérdidas de los cambios autonómicos del ECG y la determinación de Intervalos RR se hace complicada, convirtiendo al paciente en un falso negativo, pero como la Sensibilidad nos indica, el algoritmo determina si el paciente está realmente enfermo en un 96%. Gracias a la comparación con otros métodos podemos obtener una mejor visión acerca de los FP y FN que se pueden presentar en el diagnóstico de la apnea obstructiva del sueño. En el caso de la evaluación de Canisius et al su evaluación en precisión tiene como resultado 77% y el algoritmo de detección de apnea obstructiva del sueño implementado en esta tesis es evaluado con un 91% de precisión,

CONCLUSIONES Y RECOMENDACIONES El algoritmo realiza una mejor detección de pacientes realmente enfermos o sanos, sobretodo en pacientes que no presentan cambios de posición durante el sueño, y los pacientes con poco índice de apnea, independientemente que presente movimiento o no durante el proceso de ensoñación. El algoritmo de detección de SAOS implementado en esta tesis proporciona una alternativa simple a los métodos actuales de diagnosis como la polisomnografía; permitiendo su aplicación domiciliaria mediante el uso de una prueba de diagnóstico no invasiva como es el electrocardiograma, reduciendo así costos y permitiendo comodidad al paciente, con el fin de proporcionar una mejor calidad de sueño a ser evaluado.

CONCLUSIONES Y RECOMENDACIONES Como ampliación del proyecto, se propone analizar el algoritmo sobre una base de registros mayor e implementarlo en un hardware con mayor capacidad de procesamiento para así poder extraer conclusiones más robustas. Realizar un estudio más exhaustivo de representatividad de sujetos de diferentes características fisiológicas , con objeto de evaluar en mayor profundidad la dependencia negativa de la efectividad del método con alguna variable de índole morfológica como en el caso analizado del paciente X 15. Se recomienda analizar con mayor profundidad las señales respiratorias derivadas de ECG con el propósito de encontrar mayor número de características en donde se vea reflejado el SAOS y así mejorar la capacidad del algoritmo en cuanto a determinación del grado de la enfermedad. AGENDA

GRACIAS