Análise comparativa de desempenho das transformadas Wavelet e Hilbert na detecção do QRS em ECG / Performance comparison analysis of Wavelet and Hilbert transforms for QRS detection in ECG

RESUMO

O processo de detecção do complexo QRS é o primeiro passo de um processo de extração de parâmetros do sinal eletrocardiograma (ECG) em sistemas de auxílio ao diagnóstico médico. O presente trabalho apresenta resultados detalhados de comparação da aplicação de duas transformadas matemáticas, Wavelet e Hilbert, em um algoritmo de detecção de QRS em termos de taxas de detecções corretas (sensibilidade e preditividade positiva) e de uma medida de frequência de recorrência a processos de filtragem (pré-processamento). Uma abordagem inovadora é implementada, na qual as rotinas de filtragem são inseridas dentro do estágio de decisão, ou seja, é realizada a supressão da etapa de pré-processamento. As transformadas são aplicadas no algoritmo, que é baseado em um limiar adaptativo, com o objetivo de realçar, apenas quando necessário, os picos (pontos fiduciais)do QRS. Em uma primeira abordagem, apenas a transformada Wavelet é utilizada neste realce e, numa segunda abordagem, a transformada de Hilbert é inserida em série à aplicação da Wavelet em dois possíveis arranjos. São realizados experimentos dos algoritmos sobre os exames da base de dados Arrhythmia Database, pertencente ao conjunto de bases de dados do MIT-BIH. É composta por 48 gravações de ECG com duração de trinta minutos, amostrados a uma frequência de 360 Hz com resolução de 4,88 μV sobre uma faixa de variação de 10 mV. Ao todo, contabilizam-se 109.662 complexos QRS. Taxas de 98,85% de sensibilidade e 95,10% de preditividade positiva são obtidas com a aplicação exclusiva da transformada Wavelet, enquanto que 98,89% de sensibilidade e 98,52% de preditividade positiva são obtidas com aaplicação em série das transformadas Wavelet e de Hilbert.

ABSTRACT

The process of QRS detection is the first stage of a greater process the feature extraction in the electrocardiogram (ECG). This work presents detailed results on the performance of two mathematical transforms, Hilbert and Wavelet, which are applied in QRS detection. The evaluation parameters are the detection rates and a measure of frequency of recurrence to filtering processes. An innovative approach is implemented the filtering routines are inserted in the decision stage, i.e. the preprocessing stage is removed. The algorithm is based on adaptive threshold technique and the two transforms are applied in order to emphasize, only when necessary, the QRS fiducial points. In a first approach, only the Wavelet transform is applied, and in a second approach, the Hilbert transform is inserted before the Wavelet transform or after it. We evaluate these approaches on the well-known MIT-BIH Arrhythmia Database. It contains 48 half-hour recordings of annotated ECG with a sampling rate of 360 Hz and 4.88 μV resolution over a 10 mV range, totalizing 109,662 QRS complexes. Sensitivity rates of 98.85% and 98.89% are respectively attained when the Wavelet transform is applied in the filtering processes and both Hilbert and Wavelet transforms are applied. Predictability rates of 95.10% and 98.52% are also attained respectively using Wavelet transform and the simultaneous application of Hilbert and Wavelet transforms in the filtering processes.