Información

¿Obtener ECG estándar de PhysioNet?

¿Obtener ECG estándar de PhysioNet?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Estoy tratando de obtener un ECG estándar usando el cajero automático de PhysioNet con parámetros

pero consigo

Debería ser algo como

¿Cómo se puede obtener un ECG estándar completo de 12 derivaciones de la base de datos de Physionet?


No creo que todos los clientes potenciales estén disponibles.

Miré el Señales combobox para diferentes bases de datos. Este cuadro combinado parece ser la lista de todos los clientes potenciales disponibles.

Por ejemplo, eche un vistazo a iafdb (Base de datos de fibrilación auricular intracardíaca). Le trazará un ECG que contiene las derivaciones II, V1 y aVF y algunas otras derivaciones.

Otro ejemplo es la base de datos de EEG eegmmidb (Conjunto de datos de imagen / movimiento del motor EEG) que contiene muchas derivaciones.

Mire también el mimic2wdb / 39 (Base de datos de formas de onda MIMIC II, versión 3 parte 9) que contiene 4 derivaciones de ECG y algunos otros parámetros como la frecuencia respiratoria.


Como sugirió otra respuesta, se trata de elegir una base de datos que tenga todos los clientes potenciales. La base de datos de arritmias de 12 derivaciones INCART de San Petersburgo (incartdb) contiene las 12 señales. Aquí está el directorio. Los trazados están disponibles seleccionándolos en el menú desplegable de la página que vinculó.


Base de datos de ECG de diagnóstico de PTB aquí. Revisa aquí.


El análisis de la variabilidad de la frecuencia cardíaca (VFC) intenta evaluar la regulación autónoma cardíaca mediante la cuantificación de la variabilidad del ritmo sinusal. La serie de tiempos del ritmo sinusal se deriva de la secuencia del intervalo QRS a QRS (RR) del electrocardiograma (ECG), extrayendo solo los intervalos entre latidos del seno normal al seno normal (NN). Las variaciones de frecuencia relativamente alta en el ritmo sinusal reflejan la modulación parasimpática (vagal), y las variaciones más lentas reflejan una combinación de modulación parasimpática y simpática y factores no autónomos [1-5].

Las medidas tradicionales de variabilidad de la frecuencia cardíaca (VFC) se suelen dividir en dos categorías amplias: medidas en el dominio del tiempo y medidas en el dominio de la frecuencia [3, 4]. Las estadísticas de variabilidad de la frecuencia cardíaca en el dominio del tiempo que se calculan comúnmente se definen en la Tabla 1. Sin embargo, tenga en cuenta que calcular pNNx con x

Tabla 1: Medidas en el dominio del tiempo de uso común

AVNN * Promedio de todos los intervalos NN
SDNN * Desviación estándar de todos los intervalos NN
SDANN Desviación estándar de los promedios de los intervalos NN en todos los segmentos de 5 minutos de una grabación de 24 horas
SDNNIDX Media de las desviaciones estándar de los intervalos NN en todos los segmentos de 5 minutos de una grabación de 24 horas
rMSSD * Raíz cuadrada de la media de los cuadrados de las diferencias entre intervalos NN adyacentes
pNN50 * Porcentaje de diferencias entre intervalos NN adyacentes que son superiores a 50 ms en un miembro de la familia pNNx más grande [6]
* Estadísticas de HRV a corto plazo

Tabla 2: Medidas en el dominio de la frecuencia de uso común

TOTPWR * Potencia espectral total de todos los intervalos NN hasta 0,04 Hz
ULF Potencia espectral total de todos los intervalos NN hasta 0,003 Hz
VLF * Potencia espectral total de todos los intervalos NN entre 0,003 y 0,04 Hz
LF * Potencia espectral total de todos los intervalos NN entre 0,04 y 0,15 Hz.
HF * Potencia espectral total de todos los intervalos NN entre 0,15 y 0,4 Hz
LF / HF * Relación de potencia de baja a alta frecuencia
* Estadísticas de HRV a corto plazo (VLF = potencia espectral entre 0 y 0,04 Hz.)

Referencias seleccionadas:

[1] Wolf MM, Varigos GA, Hunt D, Sloman JG. Arritmia sinusal en el infarto agudo de miocardio. Med J Aust 19782: 52-53.

[2] Kleiger RE, Miller JP, Bigger JT, Moss AJ y el Grupo de investigación multicéntrico postinfarto. Disminución de la variabilidad de la frecuencia cardíaca y su asociación con aumento de la mortalidad después de un infarto agudo de miocardio. Am J Cardiol 198759: 256-262.

[3] Grupo de trabajo de la Sociedad Europea de Cardiología y la Sociedad Norteamericana de Estimulación y Electrofisiología. Variabilidad de la frecuencia cardíaca: estándares de medición, interpretación fisiológica y uso clínico. Circulation 1996 93: 1043-1065.

[5] Parati G, Mancia G, Di Rienzo M, Castiglioni P, Taylor JA, Studinger P. Punto-Contrapunto: La variabilidad cardiovascular es / no es un índice de control autónomo de la circulación. J Appl Physiol 2006 101: 676 - 682.

[6] Mietus JE, Peng C-K, Henry I, Goldsmith RL, Goldberger AL. Los archivos pNNx: reexaminar una medida de variabilidad de la frecuencia cardíaca ampliamente utilizada. Corazón 200288: 378-380.

[7] Prensa WH, Teukolsky SA, Vetterling WT, Flannery BP. Recetas numéricas en C: El arte de la informática científica, 2ª ed. Cambridge Univ. Press, 1992, págs. 575-584.

[9] Stein PK, Yanez D, Domitrovich PP, Gottdiener J, Chaves P, Kronmal R, Rautaharju P. La variabilidad de la frecuencia cardíaca se confunde con la presencia de ritmo sinusal errático. Computadoras en cardiología 2002669-72.


¿Obtener ECG estándar de PhysioNet? - biología

1 Departamento de Ingeniería Biomédica, Rama Dezful, Universidad Islámica de Azad, Dezful, Irán

2 Departamento de Ingeniería Biomédica, Rama de Ciencia e Investigación, Universidad Islámica de Azad, Teherán, Irán

Copyright y copia 2014 por autores y Scientific Research Publishing Inc.

Este trabajo tiene la licencia Creative Commons Attribution International License (CC BY).

Recibido el 6 de junio de 2014 revisado el 23 de julio de 2014 aceptado el 3 de agosto de 2014

En este artículo utilizamos dos características nuevas, es decir, integral de onda T e integral total como característica extraída de un ciclo de señales de ECG normal y del paciente para la detección y localización del infarto de miocardio (IM) en el ventrículo izquierdo del corazón. En nuestro trabajo anterior utilizamos algunas características de los datos del mapa de potencial de la superficie corporal para este objetivo. Pero sabemos que el ECG estándar es más popular, por lo que enfocamos nuestra detección y localización de MI en el ECG estándar. Usamos la integral de onda T porque esta característica es una impresión importante de la onda T en MI. La segunda característica de esta investigación es la integral total de un ciclo de ECG, porque creemos que el IM afecta la morfología de la señal del ECG, lo que conduce a cambios integrales totales. Usamos algún método de reconocimiento de patrones como la Red Neural Artificial (ANN) para detectar y localizar el IM, porque este método tiene muy buena precisión para la clasificación de señal normal y señal anormal. Usamos un tipo de función de base radial (RBF) que se denominó red neuronal probabilística (PNN) debido a su propiedad de no linealidad, y usamos otro clasificador como k-vecinos más cercanos (KNN), perceptrón multicapa (MLP) y clasificación ingenua de Bayes. Usamos la base de datos PhysioNet como nuestros datos de entrenamiento y prueba. Alcanzamos más del 76% de precisión en los datos de prueba para la localización y más del 94% para la detección de IM. Las principales ventajas de nuestro método son la simplicidad y su buena precisión. También podemos mejorar la precisión de la clasificación agregando más características en este método. Se presenta un método simple basado en el uso de solo dos características que se extrajeron del ECG estándar y tiene una buena precisión en la localización del IM.

Palabras clave:Clasificación de señales de ECG, procesamiento de señales, infarto de miocardio, extracción de características, red neuronal

La señal del electrocardiograma (ECG) es uno de los efectos más obvios de la operación del corazón humano. La oscilación entre los estados de sístole y diástole del corazón se refleja en la frecuencia cardíaca (FC) [1]. El ECG de superficie es la diferencia de potencial registrada entre dos electrodos colocados en la superficie de la piel en puntos predefinidos. La mayor amplitud de un solo ciclo del ECG normal se denomina onda R que manifiesta el proceso de despolarización del ventrículo [1]. El tiempo entre ondas R sucesivas se denomina intervalo RR, y un tacograma RR es entonces una serie de intervalos RR. La variabilidad en esta serie de tiempo se ha utilizado ampliamente como una medida de la función cardíaca, y esto ayuda a identificar a los pacientes en riesgo de sufrir un evento cardiovascular o la muerte [2].

Cuando una de las arterias coronarias se cierra por completo, llamamos a esa parte del corazón que tiene infarto de miocardio. Hay dos arterias principales para el suministro de sangre al miocardio. Uno de ellos lleva sangre al lado derecho del corazón (arteria coronaria derecha) y la otra arteria cubre el lado izquierdo del corazón (arteria principal izquierda) [3]. La ubicación del infarto de miocardio (IM) se puede describir de diferentes maneras. Uno es el modelo de corazón en 17 segmentos que se utiliza como modelo óptimo para predecir y determinar la ubicación del IM en varios métodos de diagnóstico, como los métodos de imagen. En este modelo, el corazón se nombró cortándolo horizontalmente en tres secciones: apical, cavidad media y basal. En realidad, la proporción de unidad de masa miocárdica por masa total de miocardio es 42% para la base, 36% para la cavidad media y 21% para el vértice del corazón. En estudio de Cerqueira et al., El modelo de ventrículo izquierdo en 17 segmentos proporciona la distribución de masa 35%, 35% y 30% respectivamente, cuyos valores están muy cerca del estudio anatómico [4]. Este modelo se mostró en la Figura 1.

Usamos la descripción básica para mostrar el local de MI. En la descripción básica tenemos tres partes principales: Infarto inferior, infarto lateral, infarto anterior y posterior. Podemos tener la combinación de estos como infarto anterolateral e infracción inferoposterior. Debido al gran volumen y al trabajo duro del ventrículo izquierdo, vemos el ventrículo izquierdo en casi todos los MI.

El sistema estándar de ECG de 12 derivaciones se usa ampliamente para la detección de diferentes arritmias cardiovasculares, así como para el diagnóstico y tratamiento de diferentes enfermedades cardíacas. En [5] los autores discutieron la limitación de este sistema estándar de derivaciones. Los investigadores utilizan un sistema de derivación diferente para localizar el IM y medir la fuerza del IM, p. Plomo Frank, mapa de potencial de superficie corporal (BSPM) [3] [5] - [7]. A pesar de la limitación del sistema estándar de 12 derivaciones, se ha utilizado ampliamente para la detección y localización, y para medir la fuerza del IM debido a su simplicidad y disponibilidad de sus datos en los hospitales.

En 2010, Arif et al. presentó un método automático para la localización de MI utilizando K-vecino más cercano (KNN). Las características del dominio del tiempo como las amplitudes de las ondas T y Q y la dispersión del nivel de ST se extrajeron del ECG de 12 derivaciones. Utilizaron la base de datos PTB que incluía 20.160 latidos de ECG y, después de extraer las características anteriores, utilizaron el clasificador KNN. La sensibilidad fue del 99,97% y la especificidad del 99,9% para la detección de IM, y la precisión fue del 98,3% para la localización [8].

En 2007, Mneimneh y Povinelli utilizaron RPS / GMM y localizaron y determinaron la extensión del IM. Utilizaron la base de datos de PTB para el entrenamiento y los cuatro pacientes en la base de datos de desafío PhysioNet para las pruebas [9].

En este artículo con un sistema de ECG estándar de 12 derivaciones, se presentaron datos para detectar, localizar y medir la fuerza del IM utilizando la red neuronal (NN).

Usamos las señales de ECG registradas de 12 derivaciones que se usaron de la base de datos PhysioNet PTB [10]. La base de datos contiene 549 registros de 290 sujetos. Cada tema está representado por uno a cinco registros. Cada registro incluye 15 señales medidas simultáneamente: las 12 derivaciones convencionales (I, II, III, AVR, AVL, AVF, V1, V2, V3, V4, V5, V6) junto con las 3 derivaciones Frank ECG (Vx, Vy, Vz ). Cada señal se digitaliza a 1000 muestras por segundo, con una resolución de 16 bits en un rango de ± 16,384 mV. El registrador de prototipos de base de datos PTB tiene las siguientes especificaciones:

-16 canales de entrada, (14 para ECG, 1 para respiración, 1 para voltaje de línea)

-Voltaje de entrada: ± 16 mV y voltaje de compensación compensado hasta ± 300 mV

-Resistencia de entrada: 100 Ω (DC)

-Resolución: 16 bits con 0,5 μV / LSB (2000 unidades A / D por mV)

-Ancho de banda: 0-1 kHz (muestreo sincrónico de todos los canales)

-Voltaje de ruido: máx. 10 μV (pp), respectivamente 3 μV (RMS) con cortocircuito de entrada

-Registro en línea de la resistencia de la piel.

-Grabación del nivel de ruido durante la recolección de señales

En el primer paso del procesamiento de datos, el software MATLAB lee todas las señales. Luego separamos varios cables de cada señal. Después de eliminar el artefacto de la línea de base, obtenemos las señales limpias de la derivación II utilizando un filtro de suavizado de cuatro tipos (filtro de media móvil, filtro de Kaiser, filtro de Butterworth y filtro de mediana) (consulte la Figura 2). También separamos varios puntos de cada señal, que solo se detectaron uno o dos ciclos de todos los ciclos de señales. Estamos procesando

(a)(B)(C)(D)

Figura 2 . Resultados de la extracción de características de la derivación II del caso 233 (caso de control saludable en la base de datos). La salida de cuatro tipos de filtros (filtro de Kaiser, filtro de media móvil, filtro de Butterworth y filtro de mediana).

en estos ciclos. Finalmente, seleccionamos un ciclo de los resultados de la extracción de estas características que llegó a la información de un solo ciclo. En la Figura 2 se puede ver la salida de los cuatro tipos de filtros.

Después de alcanzar los ciclos de ECG de las señales aisladas de cada paciente, se calcula el valor integral (área bajo la señal) para cada ciclo desde el punto inicial hasta el punto final de la señal en ese ciclo. Ahora tenemos el valor integral total para cada ciclo de la señal de ECG. Ahora pagaremos la extracción de la integral de onda T. Se especifica el primer y el punto final de la onda T para cada uno de los ciclos de ECG y luego se procede a la extracción T-integral. Ahora, mediante la selección de los resultados de la integral total y la integral de la onda T de todas las señales de ciclo en cada paciente, llegamos a la información sobre un ciclo de la señal de ECG.

Ahora estamos listos para aplicar las características al sistema de reconocimiento de patrones para detectar y localizar el MI y medir la fuerza del MI. Usamos 4 tipos de sistema de reconocimiento de patrones. Uno de estos métodos es la función de base radial (RBF) como red neuronal artificial (ANN). Esta es una especie de RNA supervisada. Es muy utilizado en problemas de aproximación y generalización. Tiene tres capas que se llaman capas de entrada, ocultas y de salida. Puede ver la estructura de un RBF NN en la Figura 3 y la Figura 4.

También usamos la red neuronal probabilística (PNN) debido a su propiedad de no linealidad. Se utilizó un clasificador PNN que es una especie de red RBF. PNN utilizado en problemas de clasificación. Cuando se aplica un vector de entrada a la red, la primera capa calcula la distancia del vector de entrada a partir de las entradas de los datos de entrenamiento y, por lo tanto, proporciona un vector en el que sus elementos determinarán la cantidad de distancia entre la entrada y la entrada que son los datos de entrenamiento. La segunda capa que usa la salida de la primera capa producirá el vector de probabilidad como salida de la red. La función de transferencia competitiva (Compete) en la segunda capa, puede seleccionarse la máxima probabilidad del vector de probabilidad, y para intercambiarla, la salida es producir 1 y para otra probabilidad, la salida es producir cero. La arquitectura de este tipo de red neuronal se muestra en la Figura 5.

Figura 3 . Estructura de la red neuronal RBF.

Figura 4 . Estructura de red de base radial con entradas R.

Figura 5 . Estructura de la red neuronal probabilística.

La premisa aquí es que los vectores de entrada son diferentes clases de k. Así, cada vector meta tiene k elementos, uno de ellos es 1 y los demás son cero.

También usamos otro clasificador como k-Vecinos más cercanos (KNN), Red neuronal de perceptrón multicapa (MLP) y Clasificación Naive Bayes. La estructura de la red neuronal tipo MLP y la estructura de alimentación directa se muestra en la Figura 6.

El siguiente clasificador que se utilizó en este artículo fue k-Vecinos más cercanos (KNN). Este clasificador da un conjunto X de n puntos y una función de distancia D, y también kNN le permite encontrar los k puntos más cercanos en X a un punto de consulta o conjunto de puntos. La técnica kNN y los algoritmos basados ​​en kNN se utilizan ampliamente como reglas de aprendizaje de referencia. La relativa simplicidad de la técnica de búsqueda kNN facilita la comparación de los resultados de otras técnicas de clasificación con los resultados de kNN. Se han utilizado en diversas áreas como bioinformática, procesamiento de imágenes y compresión de datos, recuperación de documentos, visión por computadora, bases de datos multimedia y análisis de datos de marketing. También podemos utilizar desde kNN para otros algoritmos de aprendizaje automático, como clasificación kNN, regresión ponderada local, imputación e interpolación de datos faltantes y estimación de densidad. También podemos usar kNN con muchas funciones de aprendizaje a distancia, como el agrupamiento de K-medias.

Finalmente, el último clasificador que se utilizó en este artículo fue la Clasificación Naive Bayes. El clasificador Naive Bayes está diseñado para usarse cuando las características son independientes entre sí dentro de cada clase, pero parece funcionar bien en la práctica incluso cuando esa suposición de independencia no es válida. Esto clasifica los datos en dos pasos:

1) Paso de entrenamiento: utilizando las muestras de entrenamiento, el método estima los parámetros de una distribución de probabilidad, asumiendo que las características son condicionalmente independientes dada la clase.

2) Paso de predicción: para cualquier muestra de prueba invisible, el método calcula la probabilidad posterior de que esa muestra pertenezca a cada clase. Luego, el método clasifica la muestra de prueba de acuerdo con la mayor probabilidad posterior.

Ahora, cada una de las características extraídas se almacenó en vectores de características. Estas características extraídas como vectores de entrada para cada clasificador. Para la detección de infarto de miocardio, tenemos dos clases (paciente sano y paciente con infarto de miocardio). Para la detección y localización de MI, tenemos cuatro clases (Saludable, Anterior, Inferior y Posterior). Ahora presentamos vectores como entrada a la red neuronal (o clasificador), y hacemos la operación de clasificación. En este estudio, el 75% de todas las señales en la base de datos se seleccionaron aleatoriamente como conjunto de entrenamiento y el 25% de las características restantes de las señales según lo determinado por el conjunto de prueba. Hacemos entrenamiento de red por conjunto de entrenamiento y ajustamos los parámetros de la red para proporcionar la máxima precisión en la clasificación de señales en el conjunto de entrenamiento. Luego, clasificamos las señales en el conjunto de prueba mediante clasificadores diseñados.

Los resultados de clasificación de las características extraídas desde la señal de ECG hasta la detección y localización del infarto de miocardio se muestran en la Tabla 1.

El mejor resultado para pacientes sanos y separados con IM (detección) se obtuvo mediante el clasificador de Bayes (igual al 94,74%). El mejor resultado para la detección y localización de MI se obtuvo mediante la red neuronal probabilística (igual al 76,67%).

4. Conclusión y debate

En este estudio, nuevo método para determinar e identificar la ubicación del infarto de miocardio en los datos de PhysioNet

Figura 6. Estructura de la red neuronal MLP.

Tabla 1 . Resultados de clasificación de características extraídas desde la señal de ECG hasta la detección y localización del infarto de miocardio.

(Base de datos PTB) mediante la extracción de características de las señales de ECG y se aplicó varios clasificadores. Para estimar la detección y localización de MI, los resultados de nuestro método (en los datos de prueba) se compararon con ciertos resultados en la base de datos. Finalmente, el artículo observó relativamente bien que el método propuesto es capaz de estimar con precisión el IM de ubicación en pacientes que se habían introducido como prueba. La principal ventaja de este método es su sencillez.

A pesar de la simplicidad, nuestro método tiene una buena precisión que se puede mejorar agregando más funciones.Los estudios futuros podrían centrarse en otros parámetros, como la amplitud de la onda T en un ciclo de señales de ECG, la dispersión del segmento ST en un ciclo de señales de ECG, la amplitud de la onda Q en las señales de ECG y otros parámetros, para localizar con mayor precisión el área de infarto. en el corazón y se utiliza a partir de ellos para detectar la extensión y la localización de MI con alta precisión (en la base de datos que cierta extensión de MI).

Con un agradecimiento especial de Dezful Branch, Islamic Azad University, Dezful, Irán, que esta investigación fue apoyada por esta universidad. Finalmente, gracias a la Subdivisión de Ciencia e Investigación de la Universidad Islámica de Azad, Teherán, Irán.


Evaluación de sistemas de monitorización en cardiología

La instrumentación médica automatizada, disponible gracias a los continuos avances en la tecnología y la investigación biomédica, está disponible en gran medida en la práctica clínica actual.

Sin embargo, la fiabilidad y la eficacia siempre deben evaluarse cuantitativamente, dada la complejidad y variabilidad de los sistemas fisiológicos que deben analizarse. Para evaluar el rendimiento de los sistemas de monitorización de ECG, el uso de bases de datos de referencia de señales anotadas es un estándar de facto.

1. Antecedentes

Los diagnósticos e investigaciones clínicos dependen de la capacidad de registrar, analizar e interpretar señales fisiológicas. El análisis de sistemas biológicos sigue siendo una tarea desafiante, a pesar de los avances tecnológicos que han permitido el registro y almacenamiento de conjuntos de datos masivos de señales que fluctúan continuamente.

Los métodos de procesamiento e interpretación de señales son cada vez más sofisticados y se están desarrollando para estudiar los sistemas fisiológicos con respecto a su complejidad y las limitaciones de medición involucradas.

En Cardiología, los sistemas automatizados se aplican ampliamente al seguimiento de pacientes mediante el análisis e interpretación de señales biomédicas. Van desde analizadores de ECG (reposo, ejercicio, Holter) hasta sistemas de monitorización multiparamétricos en entornos de cuidados intensivos (UCI, UCI, quirófano, laboratorio de cateterismo).

A medida que la experiencia clínica, por un lado, ha dado lugar a más y más indicadores de pronóstico, y la tecnología biomédica, por otro lado, también ha avanzado, se han desarrollado sistemas informáticos de ECG cada vez más sofisticados, como electrocardiógrafos que miden automáticamente los parámetros de la señal, analizadores de ECG a largo plazo que detectan arritmias y episodios de cambio de ST transitorios y de tipo isquémico, o sistemas avanzados que proporcionan información de diagnóstico a los cardiólogos.

2 - Bases de datos de referencia para la evaluación del sistema

El análisis automatizado de señales fisiológicas se ve críticamente afectado por la amplia variabilidad inter e intrapaciente de características normales y anormales o por la presencia de ruido y / o artefactos, lo que a menudo dificulta la detección de cambios sutiles en las características de la forma de onda.

Por lo tanto, a los usuarios les preocupa una pregunta básica: & ldquo¿El dispositivo funciona de manera confiable y ofrece información precisa? & Rdquo

Se nos puede dar una respuesta significativa probando el dispositivo en colecciones de señales fisiológicas del “mundo igual”, obtenidas en una amplia variedad de condiciones sanas y patológicas. Utilizando estas bases de datos como referencia, los fabricantes y las comunidades médicas / de investigación pueden medir y comparar el rendimiento de los sistemas comerciales.

Se han puesto a disposición muchas bases de datos, que se acercan al estado de & ldquogold estándar & rdquo, particularmente en la monitorización de ECG a largo plazo, cada una de las cuales contiene registros de señales digitales bien caracterizados que representan la variabilidad clínica e incluyen anomalías significativas raramente observadas. Cada señal fue anotada por cardiólogos, latido por latido (por ejemplo, complejo QRS) o episodio por episodio (por ejemplo, arritmia, cambio transitorio de ST), lo que permite una comparación cuantitativa y reproducible del análisis del dispositivo.

  1. Base de datos de arritmias del Instituto de Tecnología de Massachusetts y del Hospital ndash Beth Israel (MIT-BIH)e (1, 2) fue el primer conjunto de ECG Holter disponible en general (48 registros de dos canales de media hora, anotados latido a latido) para la evaluación de detectores de arritmias, y se ha utilizado para ese propósito, así como para investigación básica sobre dinámica cardíaca en 500 sitios en todo el mundo desde 1980.
    Junto con la base de datos de la American Heart Association (AHA) (3), estimuló a los fabricantes a competir en desempeños objetivamente medibles.
  2. La base de datos europea ST-T (ESCDB) (4,5) luego se publicó para documentar anomalías significativas de tipo isquémico en el ECG a largo plazo (90 registros de dos canales de dos horas, anotados latido a latido), contribuyendo simplemente al desarrollo y evaluación de sistemas para el análisis de episodios transitorios de isquemia miocárdica. Desde 1990 se ha aplicado en 100 sitios en todo el mundo.
  3. El proyecto ESCDB se originó a partir de la Acción concertada sobre monitorización ambulatoria y finalmente fue apoyado por la Sociedad Europea de Cardiología. Recientemente el Base de datos ST a largo plazo (LTSTDB) fue desarrollado (6), por un esfuerzo conjunto de la Universidad de Ljubljana, el Centro Médico Beth Israel Deaconess y el Instituto CNR de Fisiología Clínica, para complementar la ESCDB, incluidos los registros Holter de 24 horas (86 registros de dos y tres canales). Se adoptó un protocolo de anotación común para el desarrollo de las diferentes bases de datos.

3 - PhysioNet: recurso web para la distribución e intercambio de señales fisiológicas

PhysioNet (http://www.physionet.org/), un proyecto desarrollado por Harvard-MIT (7) bajo los auspicios del Centro Nacional de Recursos de Investigación de los NIH, tenía la intención de estimular la investigación proporcionando un Foro en línea para la difusión e intercambio gratuitos de señales biomédicas registradas (PhysioBank) y software de análisis de código abierto (PhysioToolkit).

PhysioBank es un archivo grande y creciente de grabaciones digitales bien caracterizadas de señales fisiológicas y datos relacionados para uso de la comunidad de investigación biomédica. PhysioBank actualmente incluye bases de datos de señales cardiopulmonares, neuronales y otras señales biomédicas de múltiples parámetros de sujetos sanos y pacientes con una variedad de afecciones. PhysioBank ahora contiene más de 40 bases de datos que se pueden descargar libremente. Más de la mitad de ESTDB y LTSTDB también están disponibles gratuitamente en PhysioNet.

4 - Estándares para la evaluación del desempeño

Los protocolos específicos fueron definidos por ANSI-AAMI (EC38, EC57) (actualmente reconocidos por la FDA como estándares de consenso) (8,9) para evaluar el desempeño de los analizadores de ECG automatizados. Se incluyó una serie de software de evaluación, de conformidad con dichos protocolos, en el paquete de software WFDB en PhysioNet (10). Los estándares ANSI-AAMI hacen una lista de las bases de datos de ECG sugeridas para la evaluación del desempeño.

El proceso de evaluación consiste en presentar las señales de referencia al dispositivo bajo prueba y luego recopilar los archivos de anotaciones del dispositivo. Luego se realiza una comparación de los archivos de anotaciones de prueba y referencia para cada registro de la base de datos de referencia.

Las estadísticas de rendimiento (sensibilidad, precisión predictiva positiva o especificidad) se derivan para medir la detección de cada evento de interés clínico (latidos, arritmias o episodios de cambio ST-T), lo que permite evaluar la calidad del sistema y rsquos bajo prueba e impulsar a los desarrolladores a revisar y mejorar los dispositivos.

Utilizando protocolos estándar y bases de datos de señales de referencia, los fabricantes pueden calificar de manera reproducible su instrumentación, proporcionando finalmente a los médicos información útil para la valoración y la evaluación comparativa.

La instrumentación médica automatizada, disponible gracias a los continuos avances en la tecnología y la investigación biomédica, está ampliamente disponible en la práctica clínica actual.


Sin embargo, la fiabilidad y la eficacia siempre deben evaluarse cuantitativamente, dada la complejidad y variabilidad de los sistemas fisiológicos que deben analizarse. Para evaluar el rendimiento de los sistemas de monitorización de ECG, el uso de bases de datos de referencia de señales anotadas es un estándar de facto.

El contenido de este artículo refleja la opinión personal de los autores y no es necesariamente la posición oficial de la Sociedad Europea de Cardiología.

Referencias

(2) Mark R.G. et al. Una base de datos anotada para evaluar detectores de arritmias. Front.Eng.Health Care, páginas 205-210, 1982.

(3) Hermes R.E. et al. Desarrollo, distribución y uso de la base de datos de la AHA para la evaluación del detector de arritmias ventriculares. Computers in Cardiology 1980, págs.263-266.

(5) Taddei A. y col. La base de datos europea ST-T: estándar para la evaluación de sistemas para el análisis de cambios ST-T en electrocardiografía ambulatoria. EUR. Heart J, 13: 1164-1172, 1992.

(6) Jager F, Taddei A, Moody GB, Emdin M, Antolic G, Dorn R, Smrdel A, Marchesi C y Mark RG. Base de datos ST a largo plazo: una referencia para el desarrollo y la evaluación de detectores automáticos de isquemia y para el estudio de la dinámica de la isquemia miocárdica. Ingeniería médica y biológica e informática 41 (2): 172-183, 2003.
http://www.physionet.org/physiobank/database/ltstdb/lt03/

(7) Goldberger A.L. et al. PhysioBank, PhysioToolkit y PhysioNet: componentes de un nuevo recurso de investigación para señales fisiológicas complejas. Circulación. 2000 101: e215.
http://circ.ahajournals.org/cgi/content/full/101/23/e215

(8) Electrocardiógrafos ambulatorios. ANSI / AAMI EC38 1998 (FDA 2005)

(9) Prueba e informe de los resultados de rendimiento de los algoritmos de medición del ritmo cardíaco y del segmento ST. ANSI-AAMI EC57: 1998 / (R) 2003 (FDA 2002)

(10) Moody G.B. Evaluación de analizadores de ECG. En: WFDB Applications Guide, décima edición, Harvard-MIT Div. de Ciencias y Tecnología de la Salud, 2003
http://www.physionet.org/physiotools/wag/wag.htm

Notas para el editor

Dr. Alessandro Taddei
Massa, Italia
Miembro del núcleo del Grupo de Trabajo de la ESC sobre Informática en Cardiología


Abstracto

Fondo

Los cambios clásicos en la forma de onda ST ‐ T en el ECG estándar de 12 derivaciones tienen una sensibilidad limitada para detectar el síndrome coronario agudo (SCA) en el servicio de urgencias. Se han propuesto previamente numerosas características de ECG novedosas para aumentar la decisión de los médicos durante la evaluación del paciente, pero su utilidad clínica sigue sin estar clara.

Métodos y resultados

Este fue un estudio observacional de pacientes consecutivos evaluados por sospecha de SCA (Cohorte 1 n = 745, edad 59 ± 17, 42% mujeres, 15% SCA Cohorte 2 n = 499, edad 59 ± 16, 49% mujeres, 18% SCA) . De 554 características de forma de onda de ECG temporal-espacial, usamos el conocimiento del dominio para seleccionar un subconjunto de 65 características impulsadas por la fisiología que están vinculadas mecánicamente a la isquemia miocárdica y comparamos su desempeño con un subconjunto de 229 características impulsadas por datos seleccionados por múltiples algoritmos de aprendizaje automático . Luego, usamos el bosque aleatorio para seleccionar un subconjunto final de las 73 características de ECG más importantes que tenían una base impulsada por los datos y la fisiología para la predicción de SCA y comparamos su desempeño con los expertos clínicos. En el conjunto de pruebas, un clasificador de regresión logística regularizado basado en las 73 características híbridas produjo un modelo estable que superó a los expertos clínicos en la predicción de SCA, con un 10% a un 29% de los casos reclasificados correctamente. Métricas de dispersión eléctrica noipolar (es decir, isquemia circunferencial), tiempo de activación ventricular (es decir, retrasos en la conducción transmural), ejes y ángulos QRS y T (es decir, remodelación global) y relación de análisis de componentes principales de las formas de onda del ECG (es decir, heterogeneidad regional) desempeñó un papel importante en la mejora del rendimiento de la reclasificación.

Conclusiones

Identificamos un subconjunto de características de ECG novedosas que predicen SCA con un modelo totalmente interpretable y altamente adaptable a las aplicaciones de apoyo a la toma de decisiones clínicas.

Registro


Fondo

El electrocardiograma (ECG) es una de las herramientas de diagnóstico más utilizadas en medicina y asistencia sanitaria. Los métodos de aprendizaje profundo han logrado resultados prometedores en tareas de atención médica predictiva utilizando señales de ECG.

Objetivo

Este artículo presenta una revisión sistemática de los métodos de aprendizaje profundo para los datos de ECG desde las perspectivas de modelado y aplicación.

Métodos

Extrajimos artículos que aplicaban modelos de aprendizaje profundo (redes neuronales profundas) a datos de ECG que se publicaron entre el 1 de enero de 2010 y el 29 de febrero de 2020 de Google Scholar, PubMed y el Proyecto de Bibliografía Digital y Amplificador. Luego analizamos cada artículo de acuerdo con tres factores: tareas, modelos y datos. Finalmente, discutimos los desafíos abiertos y los problemas no resueltos en esta área.

Resultados

El número total de artículos extraídos fue de 191. De estos artículos, 108 se publicaron después de 2019. Se han utilizado diferentes arquitecturas de aprendizaje profundo en diversas tareas de análisis de ECG, como detección / clasificación de enfermedades, anotación / localización, estadificación del sueño, identificación biométrica humana, etc. y eliminación de ruido.

Conclusión

El número de trabajos sobre aprendizaje profundo para datos de ECG ha crecido de manera explosiva en los últimos años. Estos trabajos han logrado una precisión comparable a la de los enfoques tradicionales basados ​​en características y los conjuntos de enfoques múltiples pueden lograr resultados aún mejores. Específicamente, encontramos que una arquitectura híbrida de una red neuronal convolucional y un conjunto de red neuronal recurrente que utiliza características expertas produce los mejores resultados. Sin embargo, existen algunos desafíos y problemas nuevos relacionados con la interpretabilidad, la escalabilidad y la eficiencia que deben abordarse. Además, también vale la pena investigar nuevas aplicaciones desde la perspectiva de conjuntos de datos y métodos.

Significado

Este documento resume la investigación de aprendizaje profundo existente utilizando datos de ECG desde múltiples perspectivas y destaca los desafíos y problemas existentes para identificar posibles direcciones de investigación futuras.


Análisis de ECG fetal no invasivo

A pesar de los importantes avances logrados en el campo del procesamiento de señales electrocardiográficas de adultos, el análisis del electrocardiograma fetal no invasivo (NI-FECG) sigue siendo un desafío. Actualmente, no existe una base de datos estándar de oro que proporcione complejos FECG QRS etiquetados (y otros parámetros morfológicos), y las publicaciones se basan en bases de datos patentadas o en un conjunto muy limitado de datos registrados de pocos (o más a menudo, solo uno) individuos. en Cardiology Challenge 2013 permite abordar algunas de estas limitaciones mediante la publicación de un conjunto de datos NI-FECG públicamente a la comunidad científica con el fin de evaluar las técnicas de procesamiento de señales para la extracción de NI-FECG. El objetivo del desafío era fomentar el desarrollo de algoritmos precisos para localizar complejos QRS y estimar el intervalo QT en señales FECG no invasivas. Utilizando anotaciones QRS de referencia e intervalos QT cuidadosamente revisados ​​como estándar de oro, basado en FECG directo simultáneo cuando sea posible, el Desafío fue diseñado para medir y comparar el desempeño de los algoritmos de los participantes de manera objetiva. Se diseñaron múltiples eventos de desafío para probar la precisión básica de la estimación de FHR, así como la precisión en la medición de los intervalos entre latidos (RR) y QT necesarios como base para la derivación de otras características de FECG. Desafío, los principales logros y la investigación de seguimiento generada como resultado del Desafío, publicados en el número especial concurrente de Physiological Measurement.

Cifras

Cronograma de desarrollo prenatal con clave ...

Cronología del desarrollo prenatal con hitos clave con respecto a la monitorización fetal. A los 20 ...

Frecuencia y superposición temporal de…

Frecuencia y superposición temporal de las señales MECG y FECG. (a) Desde arriba ...


El futuro del electrocardiograma

El hecho de que el ECG estándar esté disponible durante más de 7 décadas en la práctica clínica lo hace atractivo para los algoritmos de análisis de big data. Cada año se registran cientos de millones de ECG en todo el mundo. Estas enormes cantidades de datos de ECG también están cada vez más disponibles en formato digital. Basándose en esta gran cantidad de datos de ECG digitales, los algoritmos artificiales son capaces de detectar corazones enfermos o potencialmente enfermos solo a partir del ECG, de los cuales Attia et al. da un ejemplo concreto [1]. El hecho de que este grupo mostrara una relación clara entre la disfunción del miocardio contráctil y el ECG es un fuerte argumento del poder diagnóstico (potencial) del ECG estándar de 12 derivaciones. Los autores atribuyeron en parte el valor predictivo positivo limitado del algoritmo propuesto a la selección del punto de corte de la fracción de eyección al 35%. Sin embargo, otra limitación importante, no mencionada por Attia et al, es el hecho de que los registros de ECG son propensos a varios errores y, por lo tanto, contienen una gran variación en las mediciones de ECG.

Por extraño que parezca, el ECG estándar de 12 derivaciones no ofrece una salida estandarizada. Esto dificulta el pleno aprovechamiento de los méritos del ECG. Una limitación importante del ECG es el error humano (potencial), que no se puede cuantificar con la tecnología actual de ECG. A diferencia de los algoritmos de procesamiento de imágenes cuantitativos basados ​​en IA, con un rendimiento excelente en la detección de aberraciones en las imágenes médicas, los ECG carecen de la verificación de la coherencia de los datos, especialmente en la evaluación de la forma de onda del ECG basada en la morfología. Los factores que influyen en la morfología de las formas de onda del ECG son la circunferencia del tórax, el hombre frente a la mujer y, en consecuencia, el tamaño, la posición y la orientación del corazón (figura 1). Pero el factor más influyente de todos son las posiciones de los electrodos, propensas a errores humanos y los factores mencionados anteriormente [3]. La razón por la que las posiciones de los electrodos son tan importantes es porque cada electrodo funciona como una cámara virtual en el corazón. Cambiar su posición automáticamente significa una vista diferente del corazón y, por lo tanto, una forma de onda diferente. Para los electrodos lejanos esta influencia es limitada, pero para los electrodos precordiales (cerca del corazón) la influencia es mayor y obstaculiza significativamente la capacidad de diagnóstico del ECG estándar de 12 derivaciones [4].

La forma tradicional de limitar estos errores en la colocación de los cables es capacitar al personal en la colocación de los electrodos precordiales en las posiciones estándar de los electrodos, lo que significa V1-V2 en el cuarto espacio intercostal, y en una línea V4-6 solo unos pocos cm debajo del pezón. Obviamente, esta guía se ha desarrollado para hombres (figura 1). En consecuencia, los electrodos de ECG femeninos se colocarán con frecuencia debajo del seno izquierdo, por lo tanto, con una vista diferente del corazón. Esta es una de las principales razones por las que la morfología de la forma de onda del ECG tiene un uso limitado en la práctica clínica. El diagnóstico de los bloqueos de rama derecha o izquierda, los síndromes coronarios agudos (SCA) son todos frecuentemente problemáticos, lo que puede resultar en un retraso en el tratamiento. En consecuencia, se han introducido alternativas, como el eco o, por ejemplo, los niveles de troponina para el SCA. Por otro lado, estudios como el mencionado anteriormente de Attia et al. muestran que la información está de alguna manera presente en el ECG, de lo contrario sus algoritmos de big data no habrían encontrado una relación entre la función contráctil y el ECG.

Para mejorar la salida estandarizada y, por lo tanto, el valor diagnóstico del ECG, tanto en la práctica clínica como para aumentar el valor predictivo positivo de los algoritmos de inteligencia artificial, las posiciones de los electrodos de ECG deben conocerse y utilizarse para derivar la salida de ECG estándar y correcta. . Para la localización de los electrodos en el pecho se puede utilizar una cámara 3D [5] (figura 2). Ya se ha demostrado que el uso de una cámara de este tipo es importante para la localización de arritmias cardíacas [6].

El uso de la cámara permite un diagnóstico fiable y específico del paciente, ya que no solo permite la localización de los electrodos, sino también la estructura corporal (figura 2). La combinación de estas diferentes modalidades se puede utilizar muy bien para garantizar una salida de ECG estándar que admite el uso de algoritmos de inteligencia artificial en el análisis de señales de ECG. No solo no está disponible la evaluación de una única salida de ECG estándar, sino también la comparación de un ECG de persona y rsquos a lo largo del tiempo. Más de 115 años después del primer registro clínico de ECG realizado por Einthoven, llega el momento de impulsar el ECG hacia la era de la inteligencia artificial.


6 respuestas 6

Puede usar el cajero automático Physionet para obtener .estera archivos con los que es más fácil trabajar.

En el aporte parte seleccione las derivaciones deseadas, la longitud, la base de datos y la muestra.

En el caja de herramientas seleccione exportar como .mat:

Luego descargue el archivo '.mat',

Para abrir el archivo en MATLAB, aquí hay un código de muestra:

Sin embargo, si tuviera que leer anotación archivos para arritmia o Complejos QRS eso sería otro problema.

los base y ganar vienen del info archivo (segunda imagen). Este archivo le brinda información diversa sobre la señal de ECG.

En la última oración dice: Para convertir de unidades en bruto a unidades físicas que se muestran arriba, reste 'base' y divida por 'ganancia'.

Necesita el programa rddata.m (script MATLab) de este sitio web. El programa se puede encontrar aquí. rddata.m es probablemente el único programa que necesitará para leer las señales de ecg. Recuerdo haber utilizado este programa y esta base de datos no hace mucho tiempo.

Hay un tutorial para usar matlab para leer los datos. tutorial para el usuario de matlab

instale "The WFDB Toolbox for Matlab" desde el enlace de arriba. Agregue la carpeta de la caja de herramientas a la ruta en matlab.

Descarga la señal de ECG. Asegúrese de descargar '.atr', '.dat' y '.hea' juntos para la señal con la que debe lidiar.

El comando en matlab es el siguiente: [tm, señal, Fs] = rdsamp (nombre de archivo, 1) [ann, tipo] = rdann (nombre de archivo, 'atr') Nota: para la señal '101', su nombre es '101'. Y puede consultar la información detallada sobre rdsamp y rdann en el tutorial.

Así que leí esta respuesta hace 3 meses y eliminé la base y la ganancia. Resulta que cambié completamente mis picos R en varias direcciones, arruinando todos mis resultados. Si bien no estoy seguro de si hacer esto es necesario en matlab o no, NO HAGA ESTO si no está preprocesando su señal en matlab. Estaba preprocesando mi señal en Python, y todo lo que hice para normalizarlo fue

y usé filtros Butterworth para eliminar artefactos (rango 0.5hz-45hz)

El corte que seleccioné es 0,5 hasta 45 no 5-15 como informé anteriormente. Este corte conserva el QRS para varias arritmias sin agregar demasiado ruido.

Utilice cajero automático para extraer .estera como lo describe Kamtal (ahora conocido como Rashid). Sin embargo, tenga en cuenta que para ver el .info archivo en algunos casos, debe hacer clic en la flecha

Después de que presenté esto a los desarrolladores aquí, obtuvimos mejoras en la documentación aquí en la Sección 4.

Si todos son números enteros en el rango [-2 ^ N, 2 ^ N-1] o [0, 2 ^ N], probablemente sean digitales. Compare los valores para ver si están en el rango fisiológico esperado de la señal que está analizando. Por ejemplo, si el encabezado indica que la señal es un ECG almacenado en milivoltios, que normalmente tiene una amplitud de aproximadamente 2 mV, una señal de números enteros que van desde -32000 a 32000 probablemente no le esté dando el ECG físico en milivoltios.

Si no son números enteros, entonces son físicos. Una vez más, puede comparar rápidamente los valores para ver si se encuentran en el rango fisiológico esperado de la señal que está analizando.


Contenido

El objetivo general de realizar un ECG es obtener información sobre la función eléctrica del corazón. Los usos médicos de esta información son variados y, a menudo, deben combinarse con el conocimiento de la estructura del corazón y los signos del examen físico que se deben interpretar. Algunas indicaciones para realizar un ECG incluyen las siguientes: [ cita necesaria ]

  • Dolor torácico o sospecha de infarto de miocardio (ataque cardíaco), como infarto de miocardio con elevación del ST (STEMI) [9] o infarto de miocardio sin elevación del ST (NSTEMI) [10]
  • Síntomas como dificultad para respirar, soplos, [11] desmayos, convulsiones, giros raros o arritmias que incluyen palpitaciones de nueva aparición o control de arritmias cardíacas conocidas
  • Monitoreo de medicamentos (p. Ej., Prolongación del intervalo QT inducido por fármacos, toxicidad por digoxina) y manejo de sobredosis (p. Ej., Sobredosis tricíclica), como monitoreo de hiperpotasemia en el que interviene cualquier forma de anestesia (p. Ej., Cuidado de la anestesia monitoreada, anestesia general). Esto incluye la evaluación preoperatoria y la monitorización intraoperatoria y posoperatoria. (ATC) y angiografía por resonancia magnética (ARM) del corazón (el ECG se utiliza para "orientar" la exploración de modo que la posición anatómica del corazón sea estable), en las que se inserta un catéter a través de la vena femoral y puede tener varios electrodos a lo largo de su longitud para registrar la dirección de la actividad eléctrica desde el interior del corazón.

Los ECG se pueden registrar como trazos cortos intermitentes o continuo Monitoreo de ECG. La monitorización continua se utiliza para pacientes críticamente enfermos, pacientes sometidos a anestesia general, [11] y pacientes que tienen una arritmia cardíaca que ocurre con poca frecuencia y que es poco probable que se observe en un ECG convencional de diez segundos. La monitorización continua se puede realizar mediante el uso de monitores Holter, desfibriladores y marcapasos internos y externos, y / o biotelemetría.

Proyección Editar

La evidencia no respalda el uso de ECG entre las personas sin síntomas o con bajo riesgo de enfermedad cardiovascular como un esfuerzo de prevención. [12] [13] [14] Esto se debe a que un ECG puede indicar falsamente la existencia de un problema, lo que lleva a un diagnóstico erróneo, la recomendación de procedimientos invasivos y un tratamiento excesivo. Sin embargo, a las personas empleadas en determinadas ocupaciones críticas, como los pilotos de aeronaves, [15] se les puede solicitar que se sometan a un ECG como parte de sus evaluaciones de salud de rutina. La detección de miocardiopatía hipertrófica también se puede considerar en adolescentes como parte de un examen físico deportivo debido a la preocupación por la muerte cardíaca súbita. [ cita necesaria ]

Los electrocardiogramas son registrados por máquinas que consisten en un conjunto de electrodos conectados a una unidad central. [16] Las primeras máquinas de ECG se construyeron con electrónica analógica, donde la señal impulsaba un motor para imprimir la señal en papel. Hoy en día, los electrocardiógrafos utilizan convertidores de analógico a digital para convertir la actividad eléctrica del corazón en una señal digital. Muchas máquinas de ECG ahora son portátiles y comúnmente incluyen una pantalla, un teclado y una impresora en un pequeño carro con ruedas. Los avances recientes en electrocardiografía incluyen el desarrollo de dispositivos aún más pequeños para su inclusión en rastreadores de actividad física y relojes inteligentes. [17] Estos dispositivos más pequeños a menudo se basan en solo dos electrodos para suministrar una sola derivación I. [18] También se encuentran disponibles dispositivos portátiles de seis derivaciones.

La grabación de un ECG es un procedimiento seguro e indoloro. [19] Las máquinas funcionan con la red eléctrica, pero están diseñadas con varias características de seguridad, incluido un cable con conexión a tierra. Otras características incluyen:

    protección: cualquier ECG utilizado en el cuidado de la salud puede adjuntarse a una persona que requiera desfibrilación y el ECG debe protegerse de esta fuente de energía. es similar a la descarga de desfibrilación y requiere protección de voltaje de hasta 18.000 voltios.
  • Además, se puede usar un circuito llamado controlador de la pierna derecha para reducir la interferencia de modo común (generalmente la red eléctrica de 50 o 60 Hz).
  • Los voltajes de ECG medidos en todo el cuerpo son muy pequeños. Este bajo voltaje requiere un circuito de bajo ruido, amplificadores de instrumentación y blindaje electromagnético.
  • Grabaciones de derivaciones simultáneas: los diseños anteriores registraban cada derivación de forma secuencial, pero los modelos actuales registran varias derivaciones simultáneamente.

La mayoría de las máquinas de ECG modernas incluyen algoritmos de interpretación automatizados. Este análisis calcula características como el intervalo PR, el intervalo QT, el intervalo QT corregido (QTc), el eje PR, el eje QRS, el ritmo y más. Los resultados de estos algoritmos automatizados se consideran "preliminares" hasta que sean verificados y / o modificados por la interpretación de un experto. A pesar de los avances recientes, la mala interpretación de las computadoras sigue siendo un problema importante y puede resultar en una mala gestión clínica. [20]

Los electrodos son las almohadillas conductoras reales adheridas a la superficie del cuerpo. [22] Cualquier par de electrodos puede medir la diferencia de potencial eléctrico entre las dos ubicaciones correspondientes de unión. Tal par se forma una pista. Sin embargo, también se pueden formar "cables" entre un electrodo físico y un electrodo virtual, conocido como Terminal central de Wilson (WCT), cuyo potencial se define como el potencial promedio medido por tres electrodos de las extremidades que se colocan en el brazo derecho, el brazo izquierdo y el pie izquierdo, respectivamente. [ cita necesaria ]

Por lo general, se utilizan 10 electrodos adheridos al cuerpo para formar 12 derivaciones de ECG, y cada derivación mide una diferencia de potencial eléctrico específica (como se indica en la siguiente tabla). [23]

Los cables se dividen en tres tipos: extremidades aumentadas y precordiales o pectorales. El ECG de 12 derivaciones tiene un total de tres derivaciones de las extremidades y tres cables de extremidad aumentados dispuestos como radios de una rueda en el plano coronal (vertical), y seis derivaciones precordiales o cables de pecho que se encuentran en el plano transversal perpendicular (horizontal). [24]

En entornos médicos, el término Guías a veces también se utiliza para referirse a los propios electrodos, aunque esto es técnicamente incorrecto. [ cita necesaria ]

Los 10 electrodos en un ECG de 12 derivaciones se enumeran a continuación. [25]

Nombre del electrodo Colocación de electrodos
REAL ACADEMIA DE BELLAS ARTES En el brazo derecho, evitando musculatura gruesa.
LA En el mismo lugar donde se colocó RA, pero en el brazo izquierdo.
RL En la pierna derecha, extremo inferior de la cara interna del músculo de la pantorrilla. (Evite las prominencias óseas)
LL En el mismo lugar donde se colocó RL, pero en la pierna izquierda.
V1 En el cuarto espacio intercostal (entre las costillas 4 y 5) justo a la derecha del esternón (esternón)
V2 En el cuarto espacio intercostal (entre las costillas 4 y 5) justo a la izquierda del esternón.
V3 Entre derivaciones V2 y V4.
V4 En el quinto espacio intercostal (entre las costillas 5 y 6) en la línea media clavicular.
V5 Horizontalmente incluso con V4, en la línea axilar anterior izquierda.
V6 Horizontalmente incluso con V4 y V5 en la línea axilar media.

Dos tipos de electrodos de uso común son una pegatina plana delgada como un papel y una almohadilla circular autoadhesiva. Los primeros se utilizan normalmente en una sola grabación de ECG, mientras que los segundos son para grabaciones continuas, ya que duran más tiempo. Cada electrodo consta de un gel de electrolito conductor de electricidad y un conductor de plata / cloruro de plata. [26] El gel generalmente contiene cloruro de potasio, a veces también cloruro de plata, para permitir la conducción de electrones desde la piel hasta el cable y el electrocardiograma. [ cita necesaria ]

El electrodo virtual común, conocido como terminal central de Wilson (VW), se obtiene promediando las mediciones de los electrodos RA, LA y LL para dar un potencial promedio del cuerpo:

En un ECG de 12 derivaciones, se supone que todas las derivaciones, excepto las derivaciones de las extremidades, son unipolares (aVR, aVL, aVF, V1, V2, V3, V4, V5, y V6). La medición de un voltaje requiere dos contactos y, por lo tanto, eléctricamente, los cables unipolares se miden desde el cable común (negativo) y el cable unipolar (positivo). Este promedio para la derivación común y el concepto de derivación unipolar abstracta hace que la comprensión sea más desafiante y se complica por el uso descuidado de "derivación" y "electrodo". De hecho, en lugar de ser una referencia constante, VW tiene un valor que fluctúa a lo largo del ciclo cardíaco. Tampoco representa realmente el potencial del centro del corazón debido a las partes del cuerpo por las que viajan las señales. [27]

Cables de extremidades Editar

Las derivaciones I, II y III se denominan derivaciones de las extremidades. Los electrodos que forman estas señales están ubicados en las extremidades, uno en cada brazo y otro en la pierna izquierda. [28] [29] [30] Las puntas de las extremidades forman los puntos de lo que se conoce como triángulo de Einthoven. [31]

  • El cable I es el voltaje entre el electrodo (positivo) del brazo izquierdo (LA) y el electrodo del brazo derecho (RA):
  • El cable II es el voltaje entre el electrodo (positivo) de la pierna izquierda (LL) y el electrodo del brazo derecho (RA):
  • La derivación III es el voltaje entre el electrodo (positivo) de la pierna izquierda (LL) y el electrodo del brazo izquierdo (LA):

Cables de extremidades aumentados Editar

Los cables aVR, aVL y aVF son los cables de extremidad aumentados. Se derivan de los mismos tres electrodos que los cables I, II y III, pero utilizan el terminal central de Goldberger como polo negativo. La terminal central de Goldberger es una combinación de entradas de dos electrodos de extremidades, con una combinación diferente para cada derivación aumentada. Inmediatamente después se le denomina "el polo negativo".

  • Dirigir vector aumentado a la derecha (aVR) tiene el electrodo positivo en el brazo derecho. El polo negativo es una combinación del electrodo del brazo izquierdo y el electrodo de la pierna izquierda:
  • Dirigir vector aumentado a la izquierda (aVL) tiene el electrodo positivo en el brazo izquierdo. El polo negativo es una combinación del electrodo del brazo derecho y el electrodo de la pierna izquierda:
  • Dirigir pie de vector aumentado (aVF) tiene el electrodo positivo en la pierna izquierda. El polo negativo es una combinación del electrodo del brazo derecho y el electrodo del brazo izquierdo:

Junto con las derivaciones I, II y III, las derivaciones de extremidades aumentadas aVR, aVL y aVF forman la base del sistema de referencia hexaxial, que se utiliza para calcular el eje eléctrico del corazón en el plano frontal. [ cita necesaria ]

Las versiones anteriores de los nodos (VR, VL, VF) usan el terminal central de Wilson como polo negativo, pero la amplitud es demasiado pequeña para las líneas gruesas de las máquinas de ECG antiguas. Los terminales Goldberger aumentan (aumentan) los resultados de Wilson en un 50%, a costa de sacrificar la corrección física al no tener el mismo polo negativo para los tres. [32]

Cables precordiales Editar

los derivaciones precordiales se encuentran en el plano transversal (horizontal), perpendicular a las otras seis derivaciones. Los seis electrodos precordiales actúan como polos positivos para las seis derivaciones precordiales correspondientes: (V1, V2, V3, V4, V5, y V6). La terminal central de Wilson se utiliza como polo negativo. Recientemente, se han utilizado derivaciones precordiales unipolares para crear derivaciones precordiales bipolares que exploran el eje de derecha a izquierda en el plano horizontal. [33]

Clientes potenciales especializados Editar

Rara vez se pueden colocar electrodos adicionales para generar otras derivaciones con fines de diagnóstico específicos. Del lado derecho Las derivaciones precordiales se pueden utilizar para estudiar mejor la patología del ventrículo derecho o para la dextrocardia (y se indican con una R (p. ej., V5R). Derivaciones posteriores (V7 a V9) se puede utilizar para demostrar la presencia de un infarto de miocardio posterior. A Lewis lidera (que requiere un electrodo en el borde esternal derecho en el segundo espacio intercostal) se puede utilizar para estudiar los ritmos patológicos que surgen en la aurícula derecha. [ cita necesaria ]

Un plomo esofágico se puede insertar en una parte del esófago donde la distancia a la pared posterior de la aurícula izquierda es sólo de aproximadamente 5-6 mm (permaneciendo constante en personas de diferente edad y peso). [34] Un cable esofágico sirve para una diferenciación más precisa entre ciertas arritmias cardíacas, en particular el aleteo auricular, la taquicardia reentrante del nódulo AV y la taquicardia reentrante auriculoventricular ortodrómica. [35] También puede evaluar el riesgo en personas con síndrome de Wolff-Parkinson-White, así como terminar con la taquicardia supraventricular causada por la reentrada. [35]

Un electrograma intracardíaco (ICEG) es esencialmente un ECG con algunos derivaciones intracardiacas (es decir, dentro del corazón). Las derivaciones de ECG estándar (derivaciones externas) son I, II, III, aVL, V1, y V6. Se agregan de dos a cuatro derivaciones intracardíacas mediante cateterismo cardíaco. La palabra "electrograma" (EGM) sin más especificaciones por lo general significa un electrograma intracardíaco. [ cita necesaria ]

Ubicaciones de derivaciones en un informe de ECG Editar

Un informe de ECG estándar de 12 derivaciones (un electrocardiógrafo) muestra un seguimiento de 2,5 segundos de cada una de las doce derivaciones. Los trazados suelen estar dispuestos en una cuadrícula de cuatro columnas y tres filas. La primera columna son las derivaciones de las extremidades (I, II y III), la segunda columna son las derivaciones de las extremidades aumentadas (aVR, aVL y aVF) y las dos últimas columnas son las derivaciones precordiales (V1 a V6). Además, se puede incluir una banda de ritmo como cuarta o quinta fila. [ cita necesaria ]

El tiempo a lo largo de la página es continuo y no se realiza un seguimiento de los 12 clientes potenciales durante el mismo período de tiempo. En otras palabras, si la salida se trazara con agujas sobre papel, cada fila cambiaría qué derivaciones a medida que se tira del papel por debajo de la aguja. Por ejemplo, la fila superior primero trazaría la derivación I, luego cambiaría a la derivación aVR, luego cambiaría a V1y luego cambie a V4, por lo que ninguno de estos cuatro trazados de los clientes potenciales es del mismo período de tiempo, ya que se trazan en secuencia a lo largo del tiempo. [ cita necesaria ]

Contigüidad de clientes potenciales Editar

Cada una de las 12 derivaciones de ECG registra la actividad eléctrica del corazón desde un ángulo diferente y, por lo tanto, se alinea con diferentes áreas anatómicas del corazón. Se dice que dos derivaciones que miran áreas anatómicas vecinas son contiguo. [ cita necesaria ]

Categoría Dirige Actividad
Clientes inferiores Derivaciones II, III y aVF Observe la actividad eléctrica desde el punto de vista de la superficie inferior (superficie diafragmática del corazón).
Cables laterales Yo, aVL, V5 y V6 Observe la actividad eléctrica desde el punto de vista de la pared lateral del ventrículo izquierdo.
Derivaciones septales V1 y V2 Observe la actividad eléctrica desde el punto de vista de la superficie septal del corazón (tabique interventricular)
Derivaciones anteriores V3 y V4 Observe la actividad eléctrica desde el punto de vista de la pared anterior de los ventrículos derecho e izquierdo (superficie esternocostal del corazón).

Además, dos derivaciones precordiales cualesquiera que estén una al lado de la otra se consideran contiguas. Por ejemplo, aunque V4 es una derivación anterior y V5 es un cable lateral, son contiguos porque están uno al lado del otro.

El estudio del sistema de conducción del corazón se llama electrofisiología cardíaca (EP).Se realiza un estudio de EF mediante un cateterismo cardíaco del lado derecho: se inserta un cable con un electrodo en la punta en las cavidades cardíacas derechas desde una vena periférica y se coloca en varias posiciones muy cerca del sistema de conducción para que la actividad eléctrica de ese sistema se puede grabar. [ cita necesaria ]

La interpretación del ECG se trata fundamentalmente de comprender el sistema de conducción eléctrica del corazón. La conducción normal comienza y se propaga en un patrón predecible, y la desviación de este patrón puede ser una variación normal o patológica. Un ECG no se equipara con la actividad de bombeo mecánico del corazón, por ejemplo, la actividad eléctrica sin pulso produce un ECG que debe bombear sangre pero no se sienten pulsos (y constituye una emergencia médica y se debe realizar RCP). La fibrilación ventricular produce un ECG pero es demasiado disfuncional para producir un gasto cardíaco de soporte vital. Se sabe que ciertos ritmos tienen un buen gasto cardíaco y algunos tienen un mal gasto cardíaco. En última instancia, un ecocardiograma u otra modalidad de imágenes anatómicas es útil para evaluar la función mecánica del corazón. [ cita necesaria ]

Como todas las pruebas médicas, lo que constituye "normal" se basa en estudios de población. El rango de frecuencia cardíaca de entre 60 y 100 latidos por minuto (lpm) se considera normal ya que los datos muestran que es la frecuencia cardíaca en reposo habitual. [ cita necesaria ]

Teoría Editar

La interpretación del ECG es, en última instancia, la del reconocimiento de patrones. Para comprender los patrones encontrados, es útil comprender la teoría de lo que representan los ECG. La teoría tiene sus raíces en el electromagnetismo y se reduce a los cuatro puntos siguientes:

  • despolarización del corazón hacia el electrodo positivo produce una desviación positiva
  • despolarización del corazón lejos del electrodo positivo produce una desviación negativa
  • repolarización del corazón hacia el electrodo positivo produce una desviación negativa
  • repolarización del corazón lejos del electrodo positivo produce una desviación positiva

Por lo tanto, la dirección general de despolarización y repolarización produce una desviación positiva o negativa en la traza de cada cable. Por ejemplo, la despolarización de derecha a izquierda produciría una deflexión positiva en la derivación I porque los dos vectores apuntan en la misma dirección. Por el contrario, esa misma despolarización produciría una deflexión mínima en V1 y V2 porque los vectores son perpendiculares, y este fenómeno se llama isoeléctrico.

El ritmo normal produce cuatro entidades: una onda P, un complejo QRS, una onda T y una onda U, cada una de las cuales tiene un patrón bastante único.

  • La onda P representa la despolarización auricular.
  • El complejo QRS representa la despolarización ventricular.
  • La onda T representa la repolarización ventricular.
  • La onda U representa la repolarización del músculo papilar.

Los cambios en la estructura del corazón y su entorno (incluida la composición de la sangre) cambian los patrones de estas cuatro entidades.

La onda U normalmente no se ve y su ausencia generalmente se ignora. La repolarización auricular suele estar oculta en el complejo QRS mucho más prominente y normalmente no se puede ver sin electrodos especializados adicionales.

Editar cuadrícula de fondo

Los ECG normalmente se imprimen en una cuadrícula. El eje horizontal representa el tiempo y el eje vertical representa el voltaje. Los valores estándar de esta cuadrícula se muestran en la imagen adyacente:

  • Una caja pequeña mide 1 mm × 1 mm y representa 0,1 mV × 0,04 segundos.
  • Una caja grande mide 5 mm × 5 mm y representa 0,5 mV × 0,20 segundos.

La caja "grande" está representada por un grosor de línea más pesado que las cajas pequeñas.

No todos los aspectos de un ECG se basan en registros precisos o en tener una escala conocida de amplitud o tiempo. Por ejemplo, determinar si el trazado es un ritmo sinusal solo requiere el reconocimiento y la coincidencia de características, y no la medición de amplitudes o tiempos (es decir, la escala de las cuadrículas es irrelevante). Un ejemplo de lo contrario, los requisitos de voltaje de la hipertrofia ventricular izquierda requieren conocer la escala de la cuadrícula.

Velocidad y ritmo Editar

En un corazón normal, la frecuencia cardíaca es la frecuencia con la que se despolariza el nódulo sinoauricular, ya que es la fuente de despolarización del corazón. La frecuencia cardíaca, al igual que otros signos vitales como la presión arterial y la frecuencia respiratoria, cambia con la edad. En los adultos, la frecuencia cardíaca normal está entre 60 y 100 lpm (normocárdica), mientras que es más alta en los niños. Una frecuencia cardíaca por debajo de lo normal se llama "bradicardia" (& lt60 en adultos) y por encima de lo normal se llama "taquicardia" (& gt100 en adultos). Una complicación de esto es cuando las aurículas y los ventrículos no están sincronizados y la "frecuencia cardíaca" debe especificarse como auricular o ventricular (p. Ej., La frecuencia ventricular en la fibrilación ventricular es de 300 a 600 lpm, mientras que la frecuencia auricular puede ser normal [ 60–100] o más rápido [100–150]). [ cita necesaria ]

En corazones normales en reposo, el ritmo fisiológico del corazón es el ritmo sinusal normal (NSR). El ritmo sinusal normal produce el patrón prototípico de onda P, complejo QRS y onda T. Generalmente, la desviación del ritmo sinusal normal se considera una arritmia cardíaca. Por tanto, la primera cuestión al interpretar un ECG es si existe o no un ritmo sinusal. Un criterio para el ritmo sinusal es que las ondas P y los complejos QRS aparecen 1 a 1, lo que implica que la onda P causa el complejo QRS. [ cita necesaria ]

Una vez que se establece o no el ritmo sinusal, la segunda pregunta es la frecuencia. Para un ritmo sinusal, esta es la frecuencia de las ondas P o los complejos QRS, ya que son 1 a 1. Si la frecuencia es demasiado rápida, entonces es taquicardia sinusal, y si es demasiado lenta, entonces es bradicardia sinusal.

Si no es un ritmo sinusal, entonces es necesario determinar el ritmo antes de continuar con la interpretación adicional. Algunas arritmias con hallazgos característicos:

  • La ausencia de ondas P con complejos QRS "irregularmente irregulares" es el sello distintivo de la fibrilación auricular.
  • Un patrón de "dientes de sierra" con complejos QRS es el sello distintivo del aleteo auricular.
  • Un patrón de onda sinusoidal es el sello distintivo del aleteo ventricular.
  • La ausencia de ondas P con complejos QRS anchos y una frecuencia cardíaca rápida es la taquicardia ventricular.

La determinación de la frecuencia y el ritmo es necesaria para dar sentido a una interpretación posterior.

Edición de eje

El corazón tiene varios ejes, pero el más común con diferencia es el eje del complejo QRS (las referencias al "eje" implican el eje QRS). Cada eje se puede determinar computacionalmente para dar como resultado un número que representa grados de desviación de cero, o se puede clasificar en algunos tipos. [ cita necesaria ]

El eje QRS es la dirección general del frente de onda de despolarización ventricular (o vector eléctrico medio) en el plano frontal. A menudo es suficiente clasificar el eje como uno de tres tipos: normal, desviado a la izquierda o desviado a la derecha. Los datos de población muestran que un eje QRS normal es de −30 ° a 105 °, siendo 0 ° a lo largo de la derivación I y positivo inferior y negativo superior (mejor entendido gráficamente como el sistema de referencia hexaxial). [36] Más allá de + 105 ° es la desviación del eje derecho y más allá de −30 ° es la desviación del eje izquierdo (el tercer cuadrante de −90 ° a −180 ° es muy raro y es un eje indeterminado). Un atajo para determinar si el eje QRS es normal es si el complejo QRS es mayormente positivo en la derivación I y II (o en la derivación I y aVF si + 90 ° es el límite superior de la normalidad). [ cita necesaria ]

El eje QRS normal es generalmente abajo y a la izquierda, siguiendo la orientación anatómica del corazón dentro del tórax. Un eje anormal sugiere un cambio en la forma física y la orientación del corazón o un defecto en su sistema de conducción que hace que los ventrículos se despolaricen de manera anormal. [ cita necesaria ]

Clasificación Ángulo Notas
Normal −30 ° a 105 ° Normal
Desviación del eje izquierdo −30 ° a −90 ° Puede indicar hipertrofia ventricular izquierda, bloqueo fascicular anterior izquierdo o un IAMCEST inferior antiguo
Desviación del eje derecho + 105 ° a + 180 ° Puede indicar hipertrofia ventricular derecha, bloqueo fascicular posterior izquierdo o un IAMCEST lateral antiguo
Eje indeterminado + 180 ° a −90 ° Rara vez visto considerado una 'tierra eléctrica de nadie'

La extensión de un eje normal puede ser de + 90 ° o 105 ° dependiendo de la fuente.

Amplitudes e intervalos Editar

Todas las ondas en un trazado de ECG y los intervalos entre ellas tienen una duración de tiempo predecible, un rango de amplitudes aceptables (voltajes) y una morfología típica. Cualquier desviación del trazado normal es potencialmente patológica y, por lo tanto, de importancia clínica. [ cita necesaria ]

Para facilitar la medición de las amplitudes y los intervalos, se imprime un ECG en papel cuadriculado a una escala estándar: cada 1 mm (un recuadro pequeño en el papel de ECG estándar) representa 40 milisegundos de tiempo en el eje xy 0,1 milivoltios en el eje y. [ cita necesaria ]

Característica Descripción Patología Duración
Onda P La onda P representa la despolarización de las aurículas. La despolarización auricular se propaga desde el nodo SA hacia el nodo AV y desde la aurícula derecha a la izquierda. La onda P suele estar vertical en la mayoría de las derivaciones, excepto en el caso de aVR, un eje de onda P inusual (invertido en otras derivaciones) puede indicar un marcapasos auricular ectópico. Si la onda P tiene una duración inusualmente larga, puede representar un agrandamiento auricular. Normalmente una gran aurícula derecha da una onda P alta y puntiaguda mientras que una gran Aurícula izquierda da una onda P bífida de dos jorobas. & lt80 ms
Intervalo PR El intervalo PR se mide desde el comienzo de la onda P hasta el comienzo del complejo QRS. Este intervalo refleja el tiempo que tarda el impulso eléctrico en viajar desde el nodo sinusal a través del nodo AV. Un intervalo PR de menos de 120 ms sugiere que el impulso eléctrico pasa por alto el nódulo AV, como en el síndrome de Wolf-Parkinson-White. Un intervalo PR consistentemente superior a 200 ms diagnostica bloqueo auriculoventricular de primer grado. El segmento PR (la porción del trazado después de la onda P y antes del complejo QRS) suele ser completamente plano, pero puede estar deprimido en la pericarditis. 120 hasta 200 ms
Complejo QRS El complejo QRS representa la rápida despolarización de los ventrículos derecho e izquierdo. Los ventrículos tienen una gran masa muscular en comparación con las aurículas, por lo que el complejo QRS suele tener una amplitud mucho mayor que la onda P. Si el complejo QRS es ancho (más de 120 ms), sugiere una interrupción del sistema de conducción del corazón, como en BRI, BRI, o ritmos ventriculares como taquicardia ventricular. Los problemas metabólicos como la hiperpotasemia grave o la sobredosis de antidepresivos tricíclicos también pueden ensanchar el complejo QRS. Un complejo QRS inusualmente alto puede representar hipertrofia ventricular izquierda, mientras que un complejo QRS de amplitud muy baja puede representar un derrame pericárdico o una enfermedad miocárdica infiltrativa. 80 a 100 ms
Punto J El punto J es el punto en el que termina el complejo QRS y comienza el segmento ST. El punto J puede elevarse como una variante normal. La aparición de un Onda J o Ola de Osborn en el punto J es patognomónico de hipotermia o hipercalcemia. [37]
Segmento ST El segmento ST conecta el complejo QRS y la onda T; representa el período en el que los ventrículos se despolarizan. Suele ser isoeléctrico, pero puede estar deprimido o elevado con infarto de miocardio o isquemia. La depresión del ST también puede ser causada por HVI o digoxina. La elevación del ST también puede ser causada por pericarditis, síndrome de Brugada o puede ser una variante normal (elevación del punto J).
Onda T La onda T representa la repolarización de los ventrículos. Por lo general, está en posición vertical en todas las derivaciones excepto aVR y V1. Las ondas T invertidas pueden ser un signo de isquemia miocárdica, hipertrofia ventricular izquierda, presión intracraneal alta o anomalías metabólicas. Las ondas T pico pueden ser un signo de hiperpotasemia o de un infarto de miocardio muy temprano. 160 ms
Intervalo QT corregido (QTc) El intervalo QT se mide desde el comienzo del complejo QRS hasta el final de la onda T. Los rangos aceptables varían con la frecuencia cardíaca, por lo que debe ser corregido al QTc dividiendo por la raíz cuadrada del intervalo RR. Un intervalo QTc prolongado es un factor de riesgo de taquiarritmias ventriculares y muerte súbita. El QT largo puede surgir como un síndrome genético o como un efecto secundario de ciertos medicamentos. Se puede observar un QTc inusualmente corto en la hipercalcemia grave. & lt440 ms
Onda U Se supone que la onda U es causada por la repolarización del tabique interventricular. Normalmente tiene una amplitud baja y, con mayor frecuencia, está completamente ausente. Una onda U muy prominente puede ser un signo de hipopotasemia, hipercalcemia o hipertiroidismo. [38]

Derivaciones de las extremidades y conducción eléctrica a través del corazón Editar

La animación que se muestra a la derecha ilustra cómo la ruta de conducción eléctrica da lugar a las ondas de ECG en las derivaciones de las extremidades. Recuerde que una corriente positiva (creada por la despolarización de las células cardíacas) que viaja hacia el electrodo positivo y se aleja del electrodo negativo crea una desviación positiva en el ECG. Asimismo, una corriente positiva que se aleja del electrodo positivo y se dirige hacia el electrodo negativo crea una desviación negativa en el ECG. [39] [40] La flecha roja representa la dirección general de desplazamiento de la despolarización. La magnitud de la flecha roja es proporcional a la cantidad de tejido que se despolariza en ese caso. La flecha roja se muestra simultáneamente en el eje de cada una de las 3 derivaciones de las extremidades. Tanto la dirección como la magnitud de la proyección de la flecha roja sobre el eje de cada derivación de la extremidad se muestran con flechas azules. Entonces, la dirección y la magnitud de las flechas azules son las que determinan teóricamente las desviaciones en el ECG. Por ejemplo, cuando una flecha azul en el eje de la derivación I se mueve desde el electrodo negativo, hacia la derecha, hacia el electrodo positivo, la línea del ECG se eleva, creando una onda ascendente. A medida que la flecha azul en el eje de la derivación I se mueve hacia la izquierda, se crea una onda descendente. Cuanto mayor sea la magnitud de la flecha azul, mayor será la desviación en el ECG para esa derivación de la extremidad en particular. [ cita necesaria ]

Los fotogramas 1-3 representan la despolarización que se genera y se propaga a través del nódulo sinoauricular. El nodo SA es demasiado pequeño para que se detecte su despolarización en la mayoría de los ECG. Los cuadros 4 a 10 representan la despolarización que viaja a través de las aurículas, hacia el nódulo auriculoventricular. Durante el cuadro 7, la despolarización viaja a través de la mayor cantidad de tejido en las aurículas, lo que crea el punto más alto de la onda P. Los fotogramas 11-12 representan la despolarización que viaja a través del nodo AV. Al igual que el nodo SA, el nodo AV es demasiado pequeño para que la despolarización de su tejido se detecte en la mayoría de los ECG. Esto crea el segmento PR plano. [41]

El cuadro 13 muestra un fenómeno interesante de una manera demasiado simplificada. Representa la despolarización cuando comienza a viajar por el tabique interventricular, a través de las ramas del haz de His y del haz. Después del haz de His, el sistema de conducción se divide en la rama izquierda y la derecha. Ambas ramas conducen potenciales de acción a aproximadamente 1 m / s. Curiosamente, sin embargo, el potencial de acción comienza a viajar por la rama izquierda del haz unos 5 milisegundos antes de comenzar a viajar por la rama derecha del haz, como se muestra en el cuadro 13. Esto hace que la despolarización del tejido del tabique interventricular se extienda de izquierda a derecha, como representado por la flecha roja en el cuadro 14. En algunos casos, esto da lugar a una desviación negativa después del intervalo PR, creando una onda Q como la que se ve en la derivación I en la animación de la derecha. Dependiendo del eje eléctrico medio del corazón, este fenómeno también puede resultar en una onda Q en la derivación II. [42] [43]

Después de la despolarización del tabique interventricular, la despolarización viaja hacia el vértice del corazón. Esto se representa en los fotogramas 15-17 y da como resultado una desviación positiva en las tres derivaciones de las extremidades, lo que crea la onda R. Los marcos 18-21 luego representan la despolarización a medida que viaja a través de ambos ventrículos desde el vértice del corazón, siguiendo el potencial de acción en las fibras de Purkinje. Este fenómeno crea una desviación negativa en las tres derivaciones de las extremidades, formando la onda S en el ECG. La repolarización de las aurículas se produce al mismo tiempo que la generación del complejo QRS, pero el ECG no la detecta porque la masa tisular de los ventrículos es mucho mayor que la de las aurículas. La contracción ventricular ocurre entre la despolarización y la repolarización ventricular. Durante este tiempo, no hay movimiento de carga, por lo que no se crea desviación en el ECG. Esto da como resultado el segmento ST plano después de la onda S.

Los fotogramas 24 a 28 de la animación muestran la repolarización de los ventrículos. El epicardio es la primera capa de los ventrículos que se repolariza, seguida del miocardio. El endocardio es la última capa en repolarizar. Se ha demostrado que la fase de meseta de la despolarización dura más en las células endocárdicas que en las epicárdicas. Esto hace que la repolarización comience desde el vértice del corazón y se mueva hacia arriba. Dado que la repolarización es la propagación de la corriente negativa a medida que los potenciales de membrana disminuyen hasta el potencial de membrana en reposo, la flecha roja en la animación apunta en la dirección opuesta a la repolarización. Por tanto, esto crea una desviación positiva en el ECG y crea la onda T. [44]

Isquemia e infarto Editar

La isquemia o los infartos de miocardio sin elevación del ST (sin STEMI) pueden manifestarse como depresión del ST o inversión de las ondas T. También puede afectar la banda de alta frecuencia del QRS.

Los infartos de miocardio con elevación del ST (STEMI) tienen hallazgos ECG característicos diferentes según la cantidad de tiempo transcurrido desde que ocurrió el IM por primera vez. El primer signo es ondas T hiperagudas, ondas T máximas debido a la hiperpotasemia local en el miocardio isquémico. Esto luego progresa durante un período de minutos hasta elevaciones del segmento ST de al menos 1 mm. Durante un período de horas, puede aparecer una onda Q patológica y la onda T se invertirá. Durante un período de días, la elevación del ST se resolverá. Las ondas Q patológicas generalmente permanecerán de forma permanente. [45]

La arteria coronaria que se ha ocluido se puede identificar en un STEMI según la ubicación de la elevación del ST. La arteria descendente anterior izquierda (LAD) irriga la pared anterior del corazón y, por lo tanto, provoca elevaciones del ST en las derivaciones anteriores (V1 y V2). El LCx inerva la cara lateral del corazón y, por tanto, provoca elevaciones del ST en las derivaciones laterales (I, aVL y V6). La arteria coronaria derecha (ACD) suele irrigar la cara inferior del corazón y, por tanto, provoca elevaciones del ST en las derivaciones inferiores (II, III y aVF). [ cita necesaria ]

Artefactos Editar

Un trazado de ECG se ve afectado por el movimiento del paciente.Algunos movimientos rítmicos (como escalofríos o temblores) pueden crear la ilusión de una arritmia cardíaca. [46] Los artefactos son señales distorsionadas causadas por fuentes secundarias internas o externas, como el movimiento muscular o la interferencia de un dispositivo eléctrico. [47] [48]

La distorsión plantea retos importantes para los profesionales sanitarios [47], que emplean diversas técnicas [49] y estrategias para reconocer de forma segura [50] estas señales falsas. [ cita médica necesaria ] Separar con precisión el artefacto del ECG de la verdadera señal del ECG puede tener un impacto significativo en los resultados del paciente y las responsabilidades legales. [51] [ fuente médica poco confiable? ]

Se ha calculado que la colocación incorrecta de los cables (por ejemplo, invertir dos de los cables de las extremidades) ocurre en el 0,4% al 4% de todos los registros de ECG, [52] y ha dado lugar a un diagnóstico y tratamiento incorrectos, incluido el uso innecesario de terapia trombolítica. [53] [54]

Se pueden realizar numerosos diagnósticos y hallazgos basados ​​en la electrocardiografía, y muchos de ellos se comentaron anteriormente. En general, los diagnósticos se realizan en función de los patrones. Por ejemplo, un complejo QRS "irregularmente irregular" sin ondas P es el sello distintivo de la fibrilación auricular; sin embargo, también pueden estar presentes otros hallazgos, como un bloqueo de rama del haz que altera la forma de los complejos QRS. Los ECG se pueden interpretar de forma aislada, pero deben aplicarse, como todas las pruebas de diagnóstico, en el contexto del paciente. Por ejemplo, una observación de ondas T pico no es suficiente para diagnosticar la hiperpotasemia; dicho diagnóstico debe verificarse midiendo el nivel de potasio en sangre. Por el contrario, el descubrimiento de hiperpotasemia debe ir seguido de un ECG para manifestaciones como ondas T puntiagudas, complejos QRS ensanchados y pérdida de ondas P. La siguiente es una lista organizada de posibles diagnósticos basados ​​en ECG. [ cita necesaria ]


Ver el vídeo: Signal Processing Matlab - How to import raw ECG data from Physionet database (Junio 2022).


Comentarios:

  1. Farhan

    Ni siquiera sé qué decir aquí.

  2. Gaven

    Si lo dices te equivocas.

  3. Shakir

    Estoy de acuerdo, esta es una frase divertida.

  4. Dion

    Por supuesto. fue conmigo también. Podemos comunicarnos sobre este tema. Aquí o al PM.



Escribe un mensaje