Comparación y evaluación de algoritmos LMS derivados, aplicados en señales ECG contaminadas con artefactos de movimiento durante actividades físicas

• Autor: Lopez Colque, Nikolai Admin
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/18788
• Enlace del recurso: https://hdl.handle.net/20.500.12773/18788
• Nivel de acceso: acceso abierto
• Materia: Señal de ECG; artefacto de movimiento; algoritmo LMS; https://purl.org/pe-repo/ocde/ford#2.02.01

La adquisición de señales de ECG ofrece a médicos y especialistas una herramienta muy importante en el diagnóstico de enfermedades cardiovasculares. Sin embargo, muy a menudo estas señales se ven afectadas por ruido procedente de diversas fuentes, incluido el ruido generado por el movimiento durante la actividad física. Este tipo de ruido se conoce como artefacto de movimiento (MA), que altera la forma de onda de la señal, dando lugar a lecturas erróneas. La eliminación de este ruido se realiza mediante diferentes técnicas de filtrado, donde destaca el filtrado adaptativo mediante el algoritmo LMS (least mean squares). El objetivo de este artículo es determinar qué algoritmos tratan mejor los artefactos de movimiento, teniendo en cuenta el uso de instrumentos o equipos wearables, en diferentes condiciones de actividad física. Se realiza una comparación entre diferentes algoritmos derivados del LMS (NLMS, PNLMS e IPNLM) utilizados en el filtrado adaptativo utilizando indicadores como: Coeficiente de Correlación de Pearson, Relación Señal/Ruido (SNR) y Error Cuadrático Medio (MSE) como métricas para evaluarlos. Para ello, se utilizó la base de datos mHealth, que contiene señales de ECG tomadas durante actividades físicas de intensidad moderada a media. Los resultados muestran que el filtrado por IPNLMS, así como por PNLMS, ofrece una mejora tanto visual como en términos de los indicadores SNR, Pearson y MSE.