ECG signal denoising using discrete wavelet transform: A comparative analysis of threshold values and functions

  • Marco Gualsaquí Universidad de las Fuerzas Armadas (ESPE)
  • Iván Vizcaíno Universidad de las Fuerzas Armadas (ESPE)
  • Víctor Proaño Universidad de las Fuerzas Armadas (ESPE)
  • Marco Flores Universidad de las Fuerzas Armadas (ESPE) https://orcid.org/0000-0001-7507-3325
Palabras clave: señal ECG, eliminación de ruido, DWT, umbral de filtrado

Resumen

La señal del electrocardiograma (ECG) es una bio-señal usada para determinar la salud cardiaca. Sin embargo, diferentes tipos de ruidos que acompañan a estas señales pueden esconder valiosa información para el diagnóstico de desórdenes cardiacos. Este artículo presenta un estudio experimental para remover el ruido en señales ECG usando la teoría de la Transformada Discreta de Wavelet y un set de umbrales de filtro para un eficiente filtrado. Para valorar el proceso, usamos los registros de la base de datos de arritmias del MIT-BIH (MITDB) y las señales de ruido estandarizadas (actividad muscular y contacto con el electrodo) desde la base de datos Noise Stress Test. También, a las señales ECG se les sumo señales de ruido Gaussiano blanco, presentes en señales del tipo eléctrico. Además, como primer paso consideramos la minimización de la desviación de la línea base y la interferencia de la línea de potencia. Las métricas usadas son Signal-to-Noise Ratio (SNR), the Root Mean Squared Error (RMSE), the Percent Root mean square Difference (PRD), and the Euclidian L2 Norm standard (L2N). Los resultados revelan que no hay una simple combinación de umbrales de filtro (función y valor) para minimizar todos los tipos de ruido e interferencias presentes en señales ECG. Por esta razón, se propone un algoritmo de filtrado, éste permite escoger la apropiada combinación (función-valor) del umbral, donde se maximice el valor de SNR mientras que se minimicen los valores de error.

Descargas

La descarga de datos todavía no está disponible.

Citas

Addison, P. S. (2005). Wavelet transforms and the ECG: a review. Physiological Measurement, 26(5), 155-199. https://doi.org/10.1088/0967-3334/26/5/R01

Alfaouri, M., Daqrouq, K. (2008). ECG signal denoising wavelet transform thresholding. American Journal of Applied Sciences, 5(3), 276-281.

Awal, A., Mostafa, S., Ahmad, M., Rash, M. (2014). An adaptive level dependent wavelet thresholding for ECG denoising. Biocybernetic and Biomedical Engineering, 34(4), 238-249. https://doi.org/10.1016/j.bbe.2014.03.002

Donoho, D. (1995). De-noising by soft-thresholding. IEEE Transctions on Information Theory, 41, 613-627.

Goldberger, A., Amaral, L., Glass L, Hausdorff, J., Ivanov, P., Mark, R., Mietus, J., Moody, G., Peng, C., Stanley, H. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation, 101(23), e215-e220. https://doi.org/10.1161/01.CIR.101.23.e215

Georgieva, G., Tcheshmedjiev, K. (2013). Denoising of electrocardiogram data with methods of wavelet transform. International conference on computer system and technologies - CompSysTech’13, University of Ruse, pp. 9-19.

Jing-yi, L., Hong, L., Dong, Y., Yan-sheng, Z. (2016). A new wavelet threshold function and denoising application. Mathematical Problems in Engineering, 2016, 8 p. http://dx.doi.org/10.1155/2016/3195492

Moody, G. B., Mark, R. G. (2001). The impact of the MIT-BIH Arrhythmia Database. IEEE Engineering in Medicine and Biology Magazine, 20(3), 45-50. https://doi.org/10.1109/51.932724

Singh, M., Kumar, R., Kumar, A. (2014). Comparison between different wavelet transforms and thresholding techniques for ECG denoising. IEEE International Conference on Advances in Engineering and Technology Research, Unnao, India, 6 p. htpps://doi.org/ 10.1109/ICAETR.2014.7012899

Sörnmo, L., Laguna, P. (2005). Bioelectrical signal processing in cardiac and neurological applications. Oxford, UK: Academic Press. 688 p.

Tompkins, W. J. (2000). Biomedical digital signal processing. New Jersey, US: Prentice Hall. 378 p.

Publicado
2018-06-28
Estadísticas
Resumen visto = 53 veces
PDF descargado = 37 veces
Cómo citar
Gualsaquí, M., Vizcaíno, I., Proaño, V., & Flores, M. (2018). ECG signal denoising using discrete wavelet transform: A comparative analysis of threshold values and functions. Maskana, 9(1), 105-114. https://doi.org/10.18537/mskn.09.01.10
Sección
Artículos