Comparación de técnicas de reconstrucción de señales fonendoscópicas para el análisis de patrones acústicos cardíacos

Gabriel Felipe Rojas Arango; Andrea Carolina Corredor Bedoya

doi:10.24054/rcta.v1i45.3257

Autores/as

Gabriel Felipe Rojas Arango Universidad Militar Nueva Granada https://orcid.org/0009-0006-6916-5833
Andrea Carolina Corredor Bedoya Universidad Militar Nueva Granada https://orcid.org/0000-0002-3060-7845

DOI:

https://doi.org/10.24054/rcta.v1i45.3257

Palabras clave:

PCA (Análisis de Componentes Principales), Transformada de Fourier, Ruidos Cardiacos, Señales Fonocardiografícas, Procesamiento Digital de señales

Resumen

Este estudio evalúa la efectividad de diferentes técnicas de reconstrucción estadística de señales fonocardiografíca en comparación con técnicas clásicas de procesamiento. Se presenta el planteamiento del problema abordando las limitaciones actuales y las posibles ventajas de las técnicas de reconstrucción estadística de señales. El objetivo principal es determinar la precisión y utilidad clínica de estas técnicas en cuanto a la claridad de la señal a través del SNR y CF, así como explorar su potencial para una integración más amplia en la práctica clínica. La metodología empleada incluye un análisis comparativo de datos reconstruidos mediante técnicas estadísticas y procesados mediante técnicas de procesamiento relevantes, enfocándose en la claridad de la señal y la viabilidad de su implementación. Los resultados indican que ciertas técnicas de reconstrucción estadística pueden ofrecer mejoras en la claridad de la señal, con un SNR medio en PCA 17.41 dB comparado con el SNR medio en técnicas tradicionales 0.575 dB & un CF medio en PCA 10.948 mV comparado con el CF medio en técnicas tradicionales 10.880 mV. Las conclusiones sugieren que, a pesar de sus limitaciones, las técnicas de reconstrucción estadística tienen el potencial de mejorar la calidad de la señal cuando se utilizan junto con otras técnicas de procesamiento. Este estudio aporta una evaluación crítica sobre la aplicabilidad de las técnicas de reconstrucción estadística de señales fono cardiográficas y su papel en la mejora de la atención cardiovascular.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Z. Yadira and M. Hurtado, “UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA MAESTRIA Y DOCTORADO EN CIENCIAS E INGENIERÍA Captura y Despliegue de Electrocardiograma y Fonocardiograma Multi-sitio T E S I S que presenta para obtener el grado de MAESTRO EN INGENIER´IA.”. [Online]. Available: https://repositorioinstitucional.uabc.mx/bitstream/20.500.12930/2922/1/MXL098918.pdf

A. Estefanía, “Análisis y procesamiento de la señal auscultada del corazón para el diagnóstico presuntivo de soplos cardíacos y arritmia cardíaca,” Ups.edu.ec, 2017, doi: https://dspace.ups.edu.ec/handle/123456789/14152.

Julian David Echeverry, Andres Felipe López, and Juan Fernando López, “Reconocimiento de valvulopatías cardíacas en señales de fonocardiografía empleando la transformada Gabor,” Scientia Et Technica, vol. XIII, no. 34, pp. 139–144, 2023. [Online]. Available: https://www.redalyc.org/articulo.oa?id=84934024

C. Exiga, “Dispositivo para auscultación de ruidos cardiacos.,” Tesis.ipn.mx, 2017, doi: http://tesis.ipn.mx/handle/123456789/21503.

Luis, “Patrones de correlación estadística entre señales electrocardiográficas y fonocardiográficas,” Unal.edu.co, 2014, doi: https://repositorio.unal.edu.co/handle/unal/318.

None Liang Huiying, L. Sakari, and H. Iiro, “A heart sound segmentation algorithm using wavelet decomposition and reconstruction,” Nov. 2002, doi: https://doi.org/10.1109/iembs.1997.757028.

“Vista de Análisis de componentes principales e independientes aplicados a reducción de ruido en señales electrocardiográficas,” Utp.edu.co, 2024. https://revistas.utp.edu.co/index.php/revistaciencia/article/view/3147/1909.

Pedro Mayorga Cordero, J. A. Valdez, C. Druzgalski, Vesna Zeljkovic, Gilberto Chávez Gris, and M. Perez, “Expanded VAD Guided Subdivision of Cardiopulmonary Sounds,” Revista Ingeniería Biomedica, vol. 13, no. 25, pp. 25–34, 2019, doi: https://dialnet.unirioja.es/descarga/articulo/7430878.pdf.

M. Cesarelli, M. Ruffo, M. Romano, and P. Bifulco, “Simulation of foetal phonocardiographic recordings for testing of FHR extraction algorithms,” Computer Methods and Programs in Biomedicine, vol. 107, no. 3, pp. 513–523, Sep. 2012, doi: https://doi.org/10.1016/j.cmpb.2011.11.008.

P. Mayorga, G. Chavez, V. Arguelles, C. Druzgalski, and V. Zeljkovic, “Detección y extracción automática de eventos S1, S2, S3 y S4 en sonidos del corazón,” Research in Computing Science, vol. 142, no. 1, pp. 9–20, Dec. 2017, doi:https://doi.org/10.13053/rcs-142-1-1.

Rubio Tardío, Javier, Diseño de una aplicación en Matlab para el procesado de señales de fonocardiograma — Archivo Digital UPM, Oa.upm.es, Oct. 2020, doi: https://oa.upm.es/67519/.

L. Orozco-Reyes, M. ángel, Elóisa García-Canseco, and R. F. Ibarra-Hernández, “Clasificación de la señal de audio cardiaco mediante la transformada de Fourier de tiempo corto y aprendizaje profundo,” Research on Computing Science, 2022. https://www.semanticscholar.org/paper/Clasificaci%C3%B3n-de-la-se%C3%B1al-de-audio-cardiaco-la-de-y-Orozco-Reyes-Ar%C3%A9valo/ad188bb65c65ac3ff436f53f7020592156f5dbe1

Alvaro Joaquin Gaona and Pedro David Arini, “Aprendizaje profundo y recurrente para la segmentación de sonidos cardíacos basado en características de frecuencia instantánea,” Elektron, vol. 4, no. 2, pp. 52–57, 2020, Accessed: Feb. 13, 2024. [Online]. Available:http://elektron.fi.uba.ar/index.php/elektron/article/view/101/198

P. Mayorga-Ortiz, J. A. Valdez-Gonzalez, C. Druzgalski, and V. Zeljkovic, “Detección Automática y Clasificación de Eventos en Sonidos Cardiopulmonares de Sujetos Saludables,” Redalyc (Universidad Autónoma del Estado de Mexico), Jan. 2018, doi:https://doi.org/10.17488/rmib.39.1.6.

F. Gómez, Juan Sebastian Osorio-Valencia, and Luisa Fernanda Cuesta-López, “Diseño y construcción de un fonocardiógrafo digital con visualización en LabVIEW,” ResearchGate, Jan. 07, 2007. https://www.researchgate.net/publication/306011663 Diseno y construccion de un fonocardiografo digital con visualizacion en LabVIEW.

Jaime Jalomo Cuevas, I. Palomares, O. Cortez, J. de, and E. Molinar, “ESTUDIO COMPARATIVO DE Te CNICAS PARA FILTRADO DE SEñ ALES EN FONOCARDIOGRAF´IA,” Pistas Educativas, vol. 39, no. 125, 2017, Accessed: Feb. 14, 2024. [Online]. Available: https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/view/922/779

E. Alexander, “Caracterización de estados funcionales en fonocardiografía empleando análisis acústico y tecnicas de dinámica no lineal,” Unal.edu.co, 2014, doi: https://repositorio.unal.edu.co/handle/unal/2484.

P. Daniel, “Prototipo de aplicación móvil para tratamiento de señales del fonendoscopio electrónico FonoDX,” Unimilitar.edu.co, 2019, doi:http://hdl.handle.net/10654/32246.

J. Martinez-Alajarin and J. Ruiz, “Estructura jerárquica de un sistema de diagnóstico basado en la señal fonocardiográfica,” ResearchGate, Nov. 2004. https://www.researchgate.net/publication/47515415 Estructura jerarquica de un sistema de diagnostico basado en la senal fonocardiografica.

P. Argibay, “Estadística avanzada en medicina: el análisis de componentes principales.” Available: https://www1.hospitalitaliano.org.ar/multimedia/archivos/noticiasattachs/47/documentos/11019PAG%20107-112HI%203-9%20ICBME.pdf.

L.D. Avendano-Valencia, J. M. Ferrero, and G. Castellanos-Dominguez, “Improved parametric estimation of time frequency representations for cardiac murmur discrimination,” Sep. 2008, doi:https://doi.org/10.1109/cic.2008.4749001.

M. Rouhani and R. Abdoli, “A comparison of different feature extraction methods for diagnosis of valvular heart diseases using PCG signals,” Journal of Medical Engineering & Technology, vol. 36, no. 1, pp. 42–49, Dec. 2011, doi: https://doi.org/10.3109/03091902.2011.634946.

Pegah Derakhshan Mehr, Nader Jafarnia Dabanloo, Gholamreza Attarodi, Keivan Maghooli, and N. Hemmati, “Diagnosis of Aortic Valve Stenosis Based on PCG Signal Using Wavelet Packet Decomposition (WPD) and Parametric Models,” Computing in cardiology, Sep. 2017, doi: https://doi.org/10.22489/cinc.2017.084-296.

Mawloud Guermoui, Mohamed Lamine Mekhalfi, and Karim Ferroudji, “Heart sounds analysis using wavelets responses and support vector machines,” May 2013, doi: https://doi.org/10.1109/wosspa.2013.6602368

O. El Badlaoui, A. Benba, and A. Hammouch, “Novel PCG Analysis Method for Discriminating Between Abnormal and Normal Heart Sounds,” IRBM, vol. 41, no. 4, pp. 223–228, Aug. 2020,doi:https://doi.org/10.1016/j.irbm.2019.12.003.

M. Imani and H. Ghassemian, “Curve fitting, filter bank and wavelet feature fusion for classification of PCG signals,” May 2016, doi:https://doi.org/10.1109/iraniancee.2016.7585518.

Omid Dehghan Manshadi and S. mihandoost, “Murmur identification and outcome prediction in phonocardiograms using deep features based on Stockwell transform,” Scientific Reports, vol. 14, no. 1, Mar. 2024, doi: https://doi.org/10.1038/s41598-024-58274-6.

W. Yang et al., “Diagnosis of cardiac abnormalities based on phonocardiogram using a novel fuzzy matching feature extraction method,” BMC Medical Informatics and Decision Making, vol. 22, no. 1, Sep. 2022, doi:https://doi.org/10.1186/s12911-022-01976-6.

Y. Chen, B. Su, W. Zeng, C. Yuan, and B. Ji, “Abnormal heart sound detection from unsegmented phonocardiogram using deep features and shallow classifiers,” Multimedia Tools and Applications, vol. 82, no. 17, pp. 26859–26883, Jan. 2023, doi:https://doi.org/10.1007/s11042-022-14315-8.

“Precision Diagnosis: An Automated Method for Detecting Congenital Heart Diseases in Children From Phonocardiogram Signals Employing Deep Neural Network,” Umng.edu.co, 2014, doi: https://doi.org/10.1109/ACCESS.2024.3395389.

S. Li, F. Li, S. Tang, and W. Xiong, “A Review of Computer-Aided Heart Sound Detection Techniques,” BioMed Research International, vol. 2020, pp. 1–10, Jan. 2020, doi:https://doi.org/10.1155/2020/5846191.

T. H. Chowdhury, K. N. Poudel and Y. Hu,”Time-Frequency Analysis, Denoising, Compression, Segmentation, and Classification of PCG Signals,¨ in IEEE Access, vol. 8, pp. 160882-160890, 2020, doi: 10.1109/ACCESS.2020.3020806.

E.-S. A. El-Dahshan, M. M. Bassiouni, S. Sharvia, and A.-B. M. Salem, “PCG signals for biometric authentication systems: An in-depth review,” vol. 41, p. 100420, 2021, doi: 10.1016/j.cosrev.2021.100420. [Online]. Available:https://www.sciencedirect.com/science/article/pii/S1574013721000605

S. Shukla, S. K. Singh, and D. Mitra, “An efficient heart sound segmentation approach using kurtosis and zero frequency filter features,” vol. 57, p. 101762, 2020, doi: 10.1016/j.bspc.2019.101762. [Online]. Available: https://www.sciencedirect.com/science/article/pii/ S174680941930343X

A. Castro, T. T. V. Vinhoza, S. S. Mattos, and M. T. Coimbra, “Heart sound segmentation of pediatric auscultations using wavelet analysis,” presented at the 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2013, pp. 3909–3912, doi:10.1109/EMBC.2013.6610399.

F. Beritelli and S. Serrano, “Biometric Identification Based on Frequency Analysis of Cardiac Sounds,” IEEE Transactions on Information Forensics and Security, vol. 2, no. 3, pp. 596–604, Sep. 2007, doi:https://doi.org/10.1109/tifs.2007.902922.

S. M. Debbal and F Bereksi-Reguig, “Computerized heart sounds analysis,” Computers in Biology and Medicine, vol. 38, no. 2, pp. 263–280, Feb. 2008, doi:https://doi.org/10.1016/j.compbiomed.2007.09.006.

Sumeth Yuenyong, A. Nishihara, Waree Kongprawechnon, and Kanokvate Tungpimolrut, “A framework for automatic heart sound analysis without segmentation,” BioMedical Engineering OnLine, vol. 10, no. 1, pp. 13–13, Jan. 2011, doi: https://doi.org/10.1186/1475-925x-10-13.

Piskorowski, Jacek. (2010). Digital -Varying Notch IIR Filter With Transient Suppression. Instrumentation and Measurement, IEEE Transactions on. 59. 866 - 872. 10.1109/TIM.2009.2026605.

A. Mondal, P. Bhattacharya, and G. Saha, “An automated tool for localization of heart sound components S1, S2, S3 and S4 in pulmonary sounds using Hilbert transform and Heron’s formula,” SpringerPlus, vol. 2, no. 1, Oct. 2013, doi: https://doi.org/10.1186/2193-1801-2-512.

A. Ukil and U. K. Roy, “Smart cardiac health management in IoT through heart sound signal analytics and robust noise filtering,” presented at the 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), 2017, pp. 1–5, doi: 10.1109/PIMRC.2017.8292659.

F. Mokeddem and S. M. Debbal, “Comparative study between linear filter and discrete wavelet transform for denoising heart sounds signals,” presented at the 2018 International Conference on Electrical Sciences and Technologies in Maghreb (CISTEM), 2018, pp. 1–5, doi: 10.1109/CISTEM.2018.8613448.

S. K. Ghosh, R. K. Tripathy, and P. R. N, “Evaluation of Performance Metrics and Denoising of PCG Signal using Wavelet Based Decomposition,” presented at the 2020 IEEE 17th India Council International Conference (INDICON), 2020, pp. 1–6, doi: 10.1109/INDICON49873.2020.9342464.

A. B. Kambhampati and B. Ramkumar, “Automatic Detection and Classification of Systolic and Diastolic Profiles of PCG Corrupted Due to Limitations of Electronic Stethoscope Recording,” vol. 21, no. 4, pp. 5292–5302, 2021, doi: 10.1109/JSEN.2020.3028373.

“Noise/spike detection in phonocardiogram signal as a cyclic random process with non-stationary period interval,” Computers in Biology and Medicine, vol. 43, no. 9, pp. 1205–1213, Sep. 2013, doi: https://doi.org/10.1016/j.compbiomed.2013.05.020.

M. K. Zia, B. Griffel, and J. L. Semmlow, “Robust detection of background noise in phonocardiograms,” presented at the 2011 1st Middle East Conference on Biomedical Engineering, 2011, pp. 130–133, doi: 10.1109/MECBME.2011.5752082.

H. Naseri and M. R. Homaeinezhad, “Detection and Boundary Identification of Phonocardiogram Sounds Using an Expert Frequency-Energy Based Metric,” Annals of Biomedical Engineering, vol. 41, no. 2, pp. 279–292, Sep. 2012, doi:https://doi.org/10.1007/s10439-012-0645-x.

J. P. Ramos, P. Carvalho, and M. Coimbra, “Towards a time-feature independent phonocardiogram segmentation,” presented at the 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2013, pp.2116–2119, doi: 10.1109/EMBC.2013.6609951.

S. Daliman and A. Z. Sha’ameri, ”Time-frequency analysis of heart sounds using windowed and smooth windowed Wigner-ville distribution,”Seventh International Symposium on Signal Processing and Its Applications, 2003. Proceedings., Paris, France, 2003,pp. 625-626 vol.2, doi: 10.1109/ISSPA.2003.1224958.

P. Ordunez et al., “HEARTS en las Americas: innovaciones para mejorar el manejo de la hipertensión y del riesgo cardiovascular en la atención primaria,” Revista Panamericana de Salud Pública, vol. 46, p. 1, Oct. 2022, doi: https://doi.org/10.26633/rpsp.2022.197.

Oliveira, J., Renna, F., Costa, P., Nogueira, M., Oliveira,A. C., Elola, A., Ferreira, C., Jorge, A., Bahrami Rad, A., Reyna, M., Sameni, R., Clifford, G., & Coimbra, M. (2022). The CirCor DigiScope Phonocardiogram Dataset (version 1.0.3). PhysioNet. https://doi.org/10.13026/tshs-mw03