Jo˜ao Paulo Reus Rodrigues Leite Classifica¸c˜ao Autom´atica de Batidas Card´ıacas Utilizando Parˆametros de Hjorth Itajub´a - MG 07 de junho de 2018 Jo˜ao Paulo Reus Rodrigues Leite Classifica¸c˜ao Autom´atica de Batidas Card´ıacas Utilizando Parˆametros de Hjorth Tese de doutorado submetida ao Programa de Po´s-Gradua¸c˜ao em Engenharia El´etrica como parte dos requisitos para obten¸ca˜o do t´ıtulo de Doutor em Engenharia El´etrica Orientador: Prof. Dr. Robson Luiz Moreno Universidade Federal de Itajuba´ - UNIFEI Instituto de Engenharia de Sistemas e Tecnologia da Informac¸a˜o Doutorado em Engenharia Ele´trica Itajub´a - MG 07 de junho de 2018 Agradecimentos Agrade¸co a Deus, criador de todas as coisas, pela minha vida, minha sau´de, pelas oportunidades que a mim foram concedidas e pelas pessoas com as quais Ele me cercou. Agratida˜o´enecessa´riaparaumavidadeprazerefelicidade. Acreditoquenossafelicidade depende da capacidade de perceber pequenos gestos de amor e a sutil presen¸ca de Deus no dia a dia. Se aproveitarmos as pequenas coisas, um dia olharemos para tr´as somente para descobrir que, na verdade, elas sempre foram as mais importantes. ` A minha esposa, Karina, pelo amor e apoio em todos os momentos. Vocˆe escolheu percorrer um longo caminho comigo, e tem se sa´ıdo muito bem. Amo vocˆe. Que Deus nos conceda muitos anos, para crescermos juntos a caminho da eternidade. Aos meus pais, Carlos e Maria, por serem os maiores exemplos de vida para mim, e fontes de amor incondicional. Sua presen¸ca sempre traz conforto e tranquilidade, e sua confianc¸a na minha capacidade ´e uma das maiores razo˜es das minhas conquistas. Ao Prof. Dr. Robson Moreno, cuja experiˆencia foi muito importante para a condu¸c˜ao deste trabalho. Seus conselhos e amizade foram fundamentais, especialmente durante os per´ıodos mais dif´ıceis, quando os bons resultados ainda estavam distantes. Agrade¸co tam- b´em ao suporte de todos os colegas do Instituto de Engenharia de Sistemas e Tecnologia da Informa¸c˜ao (IESTI), representados pelos professores Paulo Crepaldi e Luiz Lenarth, que me concederam a oportunidade de dedicar-me exclusivamente ao trabalho de pesquisa durante um bom tempo. Destaco, em especial, os amigos do Grupo de Microeletrˆonica e do Grupo de Pesquisa em Engenharia de Sistemas e de Computa¸ca˜o (GPESC). ”Little by little, one travels far.” J. R. R. Tolkien Resumo Este trabalho apresenta m´etodos para processamento de sinais de eletrocardiograma (ECG), visando realizar a classifica¸ca˜o automa´tica de batidas card´ıacas com bom desem- penho e baixo custo computacional. Em especial, uma nova abordagem para a extra¸ca˜o de caracter´ısticas ´e apresentada, na qual o sinal de ECG ´e caracterizado por valores de intervalos entre batidas (intervalos R-R), dados de amplitude do sinal e, principalmente, paraˆmetros de Hjorth. Os paraˆmetros de Hjorth foram utilizados anteriormente em uma variedade de ´areas de pesquisa, especialmente para caracteriza¸ca˜o de sinais cerebrais, mas sua aplica¸c˜ao no processamento de sinal de ECG ´e ainda pouco explorada. Al´em disso, este trabalho introduz uma nova estrat´egia para a soluc¸˜ao do problema de segmenta¸c˜ao de batidas card´ıacas, que evita que informa¸co˜es de batidas adjacentes a` batida de interesse sejam levadas em considerac¸˜ao, aumentando o desempenho de classifi- ca¸ca˜o. Para o teste das t´ecnicas propostas, utilizou-se o banco de dados norte-americano MIT-BIH de arritmias e classificadores do tipo ma´quina de vetor de suporte (SVM). Re- comenda¸co˜es da Associa¸c˜ao para o Avan¸co da Instrumenta¸ca˜o M´edica (AAMI) foram seguidas, de modo que o trabalho pudesse ser comparado a outros trabalhos importantes recentes. Omodelopropostoapresenta´ındicesdedesempenhocompat´ıveisousuperioresacinco outros trabalhos de metodologia semelhante utilizados para compara¸c˜ao, que compo˜em o estado da arte nesse campo. Os resultados obtidos nos testes indicam que as t´ecnicas propostas neste trabalho podem ser aplicadas com sucesso ao problema da classifica¸c˜ao automa´tica do batimento card´ıaco. Al´em disso, esta nova abordagem tem baixo custo computacional, o que permite sua posterior implementa¸ca˜o em dispositivos de hardware com recursos limitados, como FPGA, sistemas embarcados e circuitos integrados. Palavras-chave: Eletrocardiograma (ECG), Processamento de Sinais, Paraˆmetros de Hjorth, Segmenta¸ca˜o de Batidas, SVM. Abstract This work presents methods for electrocardiogram (ECG) signal processing, aiming at an automatic classification of heartbeats with good performance and low computational cost. In particular, a new approach to feature extraction is presented, in which the ECG signal is characterized by values of heartbeat intervals (R-R intervals), amplitude data, and especially Hjorth parameters. Hjorth parameters were previously used in a variety of research areas, especially for characterization of brain signals, but their application in ECG signal processing is still little explored. In addition, this work introduces a new strategy for the solution of the problem of heartbeat segmentation, which prevents information from beats adjacent to the beat of interest being taken into account, increasing classification performance. For the test of the proposed techniques, the MIT-BIH Arrhythmia database and support vector machine (SVM)classifierswereused. RecommendationsfromtheAssociationfortheAdvancement of Medical Instrumentation (AAMI) were followed, so that this work could be compared to other recent important works. The proposed model presents performance indexes compatible or slightly superior to those of five other works with similar methodology used for comparison, which compose the state of the art in this field. The results obtained in the tests indicate that the techniques proposed in this work can be successfully applied to the problem of automatic classification of heartbeats. In addition, this new approach has low computational cost, which allows its later implementation on hardware devices with limited resources, such as FPGA, embedded systems and integrated circuits. Keywords: Electrocardiogram (ECG), Signal Processing, Hjorth Parameters, Heart- beat Segmentation, SVM. SumÆrio Lista de Figuras Lista de Tabelas Lista de Abreviaturas p.11 1 Introdu(cid:231)ªo p.12 1.1 Considera¸c˜oes Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.12 1.2 Proposta da Tese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.15 1.3 Contribui¸co˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.16 1.4 Motiva¸ca˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.17 1.5 Artigo Aceito em Peri´odico . . . . . . . . . . . . . . . . . . . . . . . . . . p.18 1.6 Organiza¸ca˜o do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . p.18 2 O Sinal Card(cid:237)aco p.20 2.1 Funcionamento do Corac¸˜ao . . . . . . . . . . . . . . . . . . . . . . . . . . p.20 2.2 O Eletrocardiograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.23 2.3 Arritmias e Tipos de Batidas . . . . . . . . . . . . . . . . . . . . . . . . p.27 2.3.1 Batidas Prematuras . . . . . . . . . . . . . . . . . . . . . . . . . . p.28 2.3.2 Batidas de Escape . . . . . . . . . . . . . . . . . . . . . . . . . . p.30 2.3.3 Bloqueios de Ramos de Feixes . . . . . . . . . . . . . . . . . . . . p.31 3 O Estado da Arte p.33 3.1 Padroniza¸ca˜o da Metodologia . . . . . . . . . . . . . . . . . . . . . . . . p.34 3.2 T´ecnicas para Classifica¸ca˜o de Batidas Card´ıacas . . . . . . . . . . . . . p.36 3.3 Os Paraˆmetros de Hjorth . . . . . . . . . . . . . . . . . . . . . . . . . . . p.39 3.4 Buscando Algumas Solu¸co˜es . . . . . . . . . . . . . . . . . . . . . . . . . p.41 3.5 Uma Nova Abordagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.42 4 Materiais e MØtodos p.45 4.1 Banco de Dados MIT-BIH Arrhythmia . . . . . . . . . . . . . . . . . . . p.47 4.2 Estrat´egia de Divisa˜o de Dados . . . . . . . . . . . . . . . . . . . . . . . p.49 4.3 Pr´e-Processamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.50 4.3.1 Filtros de Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . p.52 4.3.2 Filtro Butterworth Passa-Baixa . . . . . . . . . . . . . . . . . . . p.53 4.4 Detec¸ca˜o e Segmenta¸ca˜o de Batidas . . . . . . . . . . . . . . . . . . . . . p.54 4.4.1 Ana´lise de Custo Computacional . . . . . . . . . . . . . . . . . . p.57 4.4.2 Compara¸ca˜o com Outras T´ecnicas . . . . . . . . . . . . . . . . . . p.58 4.5 Extra¸ca˜o de Caracter´ısticas . . . . . . . . . . . . . . . . . . . . . . . . . p.59 4.5.1 Intervalos entre Batidas . . . . . . . . . . . . . . . . . . . . . . . p.59 4.5.2 Caracter´ısticas de Amplitude . . . . . . . . . . . . . . . . . . . . p.61 4.5.3 Parˆametros de Hjorth. . . . . . . . . . . . . . . . . . . . . . . . . p.62 4.5.3.1 An´alise de Custo Computacional . . . . . . . . . . . . . p.67 4.5.3.2 Comparac¸˜ao com outras t´ecnicas . . . . . . . . . . . . . p.68 4.6 Modelo Classificador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.70 4.6.1 SVM - M´aquina de Vetor de Suporte . . . . . . . . . . . . . . . . p.70 4.7 Medidas de Desempenho . . . . . . . . . . . . . . . . . . . . . . . . . . . p.75 5 Testes e Resultados p.79 5.1 Testes Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.80 5.1.0.1 Segmenta¸ca˜o com Comprimento Fixo . . . . . . . . . . . p.80 5.1.0.2 Segmenta¸ca˜o Dinaˆmica . . . . . . . . . . . . . . . . . . . p.81 5.1.0.3 Caracter´ısticas Normalizadas . . . . . . . . . . . . . . . p.83 5.1.1 Compara¸ca˜o com Outros Trabalhos . . . . . . . . . . . . . . . . . p.84 5.2 Teste com Duas Deriva¸co˜es . . . . . . . . . . . . . . . . . . . . . . . . . . p.86 5.2.1 Algumas Observa¸co˜es . . . . . . . . . . . . . . . . . . . . . . . . . p.88 5.3 O Desbalanceamento do Banco de Dados . . . . . . . . . . . . . . . . . . p.90 5.4 Unindo as Duas Abordagens . . . . . . . . . . . . . . . . . . . . . . . . . p.92 5.5 Observa¸co˜es sobre o Resultado Final . . . . . . . . . . . . . . . . . . . . p.94 6 Considera(cid:231)ıes Finais p.97 6.1 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.98 ApŒndice A -- AnÆlise de Custo Computacional p.100 A.1 Complexidade no Tempo . . . . . . . . . . . . . . . . . . . . . . . . . . . p.100 ReferŒncias p.104 Lista de Figuras 1 Fluxo do sangue e partes do cora¸c˜ao. . . . . . . . . . . . . . . . . . . . . p.21 2 Fluxo do impulso el´etrico no cora¸ca˜o. . . . . . . . . . . . . . . . . . . . . p.22 3 Capta¸c˜ao de atividade el´etrica atrav´es de aparelho de ECG. . . . . . . . p.24 4 Deriva¸c˜oes bipolares de membros. . . . . . . . . . . . . . . . . . . . . . . p.24 5 Deriva¸c˜oes unipolares de membros. . . . . . . . . . . . . . . . . . . . . . p.25 6 I. Plano Frontal, II. Plano Transversal. . . . . . . . . . . . . . . . . . . . p.25 7 Deriva¸c˜oes unipolares precordiais (V1-V6). . . . . . . . . . . . . . . . . . p.26 8 Principais ondas presentes em um exame de ECG. . . . . . . . . . . . . . p.27 9 Batidas com ritmo normal sinusal, com taxa de 60 bpm. . . . . . . . . . p.28 10 Batidas ecto´picas prematuras supraventriculares. . . . . . . . . . . . . . . p.29 11 Batida ecto´pica prematura ventricular, em destaque. . . . . . . . . . . . p.30 12 Batida de escape ventricular. . . . . . . . . . . . . . . . . . . . . . . . . . p.31 13 Batida com bloqueio de ramo de feixes direito (V1). . . . . . . . . . . . . p.32 14 Batida com bloqueio de ramo de feixes esquerdo (V6). . . . . . . . . . . . p.32 15 Condic¸˜oes card´ıacas classificadas por Rizal e Hadiyoso (2015). . . . . . . p.40 16 Batidas normais vs. PACs (Premature Atrial Contractions). . . . . . . . p.41 17 Processo desenvolvido para a classificac¸˜ao automa´tica de batidas card´ıacas. p.46 18 Divisa˜o de dados para treinamento e teste. . . . . . . . . . . . . . . . . . p.50 19 Passos de filtragem do sinal de ECG. . . . . . . . . . . . . . . . . . . . . p.51 20 Detec¸ca˜o e definic¸˜ao de limites para as batidas. . . . . . . . . . . . . . . p.55 21 Comparac¸˜ao entre t´ecnicas de comprimento fixo e segmenta¸c˜ao dinaˆmica. p.57 22 Diferen¸ca de amplitude entre batidas normais e prematuras ventriculares. p.62 23 Algoritmo para o c´alculo dos Paraˆmetros de Hjorth. . . . . . . . . . . . . p.67 24 Comparac¸˜ao entre t´ecnicas: Hjorth, DWT e FFT. . . . . . . . . . . . . . p.69 25 Hiperplano gerado pela SVM para classifica¸ca˜o de padr˜oes. . . . . . . . . p.71 26 Arquitetura da ma´quina de vetor de suporte. . . . . . . . . . . . . . . . . p.72 27 Mapa n˜ao linear φ(.) do espa¸co de entrada para o espa¸co de caracter´ısticas. p.72 28 C´alculo de paraˆmetros TP, FP, TN e FN segunda a AAMI. . . . . . . . . p.77 29 Evolu¸c˜ao dos´ındices de desempenho a cada teste realizado na fase pre- liminar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.86 30 T´ecnica de subamostragem para balanceamento do banco de dados. . . . p.91 31 Arquitetura para classificac¸˜ao em dois passos (2-step). . . . . . . . . . . . p.93 32 Crescimento de fun¸c˜oes: (a) T(n) = 2n (b) T(n) = log n. . . . . . . . . . p.101 33 Comparac¸˜ao entre ordens de complexidade assinto´tica. . . . . . . . . . . p.102