Extração de sinal digital de ECG utilizando técnicas de processamento de imagens

Abstract

Segundo a Organização Mundial da Saúde (OMS), as doenças cardiovasculares são as principais causas de morte no mundo. O diagnóstico de forma rápida e precisa dessas doenças é de grande importância no tratamento dos pacientes e a análise do exame de eletrocardiograma (ECG), desde sua invenção, é uma das ferramentas mais utilizadas para a realização desse diagnóstico. Além disso, para fins de consulta, esses registros precisam ser acessados de tempos em tempos por especialistas. Entretanto, a maioria dos exames de ECG existentes ainda está disponível somente no formato impresso, o que dificulta a preservação, a análise e o compartilhamento das informações clínicas dos pacientes. A criação de uma ferramenta capaz de obter o sinal do ECG a partir de uma imagem digital seria de muita utilidade para clínicas de saúde e hospitais. Dito isto, este trabalho propõe o desenvolvimento de uma ferramenta computacional capaz de extrair o sinal digital a partir de imagens digitais contendo as derivações do ECG, desenvolvida em Python, com o auxílio de bibliotecas abertas como OpenCV, SciPy e Pandas e técnicas de processamento digital de imagens. O objetivo geral deste trabalho é a obtenção de um sinal digital unidimensional, contendo tempo e amplitude, com base em imagens digitalizadas das derivações do ECG. Também propõe-se uma forma de identificar os complexos QRS, e consequentemente a frequência cardíaca do indivíduo, utilizando uma versão modificada do algoritmo de Pan-Tompkins. Os testes para validação foram realizados num total de 180 imagens obtidas na base online PTB Diagnostic ECG Database através da ferramenta online PhysioBank ATM. O algoritmo proposto obteve coeficiente de correlação linear médio de 0.88, um erro médio absoluto de 0.0446 mV e foi capaz de identificar a frequência cardíaca dos indivíduos com um erro percentual médio de 1.91% (0.68% desconsiderando 5 casos discrepantes) se comparados o sinal original com o sinal extraído. Tomando como base o erro percentual médio de 0.68%, o algoritmo obteve uma acurácia de 99.32% na detecção da frequência cardíaca dos indivíduos, sendo equiparável (ou até superior) a resultados reportados na literatura.