Sistema multicanal de adquisición y separación de ECG materno y fetal

Abstract

La frecuencia cardiaca fetal (fHR) es un parámetro crucial para evaluar el bienestar fetal, tanto antes como durante el parto. Actualmente, las técnicas más utilizadas para el monitoreo de la fHR son el Doppler fetal y la cardiotocografía, tecnologías validadas clínicamente pero que presentan ciertas limitaciones en precisión debido a la falta de una referencia explícita en comparación con el electrocardiograma fetal (fECG), el cual tiene un uso limitado ya que es un procedimiento sumamente invasivo. El fECG proporciona una medición más precisa de la fHR gracias a la identificación exacta del pico R. Estas restricciones han motivado la exploración de estrategias no invasivas para el monitoreo de la fHR, como lo es la extracción del fECG a partir del ECG abdominal materno (aECG). En esta tesis se diseña, desarrolla e implementa un sistema multicanal portátil para la adquisición y separación simultánea de ECG materno y fetal. El enfoque metodológico com bina técnicas de Separación Ciega de Fuentes (BSS), con énfasis en Análisis de Componentes Principales (PCA), y filtrado adaptativo basado en el metodo Minimos Cuadradros Recursivo (RLS) para la extracción del fECG a partir del aECG. El sistema consta de un simulador de cuatro canales que reproduce mezclas de señales basadas en la base de datos ADFECGDB de PhysioNet y un dispositivo de adquisición de cuatro canales, y un sistema embebido que ejecuta el algoritmo de separación. El algoritmo propuesto comienza con una etapa de preprocesamiento aplicada a los cuatro canales de entrada, cuyo objetivo es resaltar los complejos QRS tanto maternos como fetales, al tiempo que se atenúan componentes irrelevantes de la señal. A continuación, se aplica PCA sobre las señales preprocesadas, extrayendo dos componentes principales que capturan la mayor variabilidad del conjunto de datos. El primer componente contiene principalmente información fetal con residuos maternos, mientras que el segundo componente representa predominantemen te actividad materna. Ambos componentes se emplean como señales de entrada para un filtro adaptativo RLS: el componente materno se utiliza como señal de referencia y el componente fetal como señal deseada. De esta forma, el filtro estima una señal de ECG con predominancia fetal, con mínima interferencia materna. Finalmente, se aplica el algoritmo de Pan-Tompkins para detectar los picos R fetales, a partir de los cuales se calcula tanto la señal de frecuencia cardiaca fetal como el ECG fetal promedio. En el análisis de desempeño para la detección de picos R fetales, se alcanzaron valores su periores al 90% en métricas clave como precisión (PPV), sensibilidad (SEN), exactitud (ACC) y F1-score, junto con errores de localización reducidos y una alta correlación con las anotaciones de referencia de la base de datos. Asimismo, se evaluó la similitud morfológica del ECG fetal promedio estimado frente al de referencia, empleando métricas como el error cuadrático medio normalizado (NRMSE), el error absoluto medio (MAE) y el coeficiente de correlación, obte niéndose resultados favorables en todos los pacientes y canales analizados. Además, los datos obtenidos a partir de la implementación en el sistema embebido fueron comparables con los resultados obtenidos en un entorno de cómputo, lo que respalda la viabilidad de ejecutar el algoritmo propuesto en plataformas embebidas portatiles. Estos resultados respaldan que la implementación híbrida basada en PCA y filtrado RLS representa una alternativa prometedora para el monitoreo fetal no invasivo. La propuesta de muestra un desempeño competitivo frente a métodos del estado del arte, y establece una base sólida para futuras validaciones clínicas, así como para la mejora en la robustez del algoritmo y del sistema embebido.

Fetal heart rate (fHR) is a crucial parameter for assessing fetal well-being, both before and during labor. Currently, the most widely used techniques for monitoring fHR are fetal Dop pler and cardiotocography—clinically validated technologies that, nonetheless, present certain accuracy limitations due to the lack of an explicit reference when compared to the fetal elec trocardiogram (fECG). The latter enables more precise measurement of fHR by allowing direct identification of the R-peaks, but its use is restricted due to the highly invasive nature of the procedure. These limitations have motivated the exploration of non-invasive strategies for fHR monitoring, such as extracting the fECG from the maternal abdominal ECG (aECG). This thesis presents the design, development, and implementation of a portable multichan nel system for the simultaneous acquisition and separation of maternal and fetal ECG signals. The methodological approach combines Blind Source Separation (BSS) techniques, particularly Principal Component Analysis (PCA), and adaptive filtering based on the Recursive Least Squares (RLS) method to extract the fECG from the aECG. The system consists of a four channel simulator that reproduces signal mixtures based on the PhysioNet ADFECGDB data base, a four-channel acquisition device, and an embedded system that executes the separation algorithm. The proposed algorithm begins with a preprocessing stage applied to the four input chan nels, aimed at enhancing both maternal and fetal QRS complexes while attenuating irrelevant components. PCA is then applied to the preprocessed signals to extract two principal compo nents that capture the most variability in the data. The first component primarily contains fetal information with residual maternal content, whereas the second component mainly repre sents maternal activity. These two components are used as input to an RLS adaptive filter: the maternal component as the reference signal and the fetal component as the desired signal. The filter estimates a fetal-dominant ECG signal with minimal maternal interference. Finally, the Pan-Tompkins algorithm is applied to detect fetal R-peaks, from which both the fHR signal and the average fECG waveform are derived. In the performance analysis for fetal R-peak detection, the algorithm achieved values above 90%in key metrics such as positive predictive value (PPV), sensitivity (SEN), accuracy (ACC), and F1-score, along with low localization errors and high correlation values with the reference annotations from the database. Additionally, the morphological similarity of the estimated fECG compared to the reference one was evaluated using metrics such as normalized root mean square error (NRMSE), mean absolute error (MAE), and correlation coefficient, yielding favorable results across all patients and channels. Moreover, the results obtained from the embedded implementation were comparable to those obtained in a computer environment, supporting the feasibility of running the proposed algorithm on low-power embedded platforms. These results support that the hybrid implementation based on PCA and RLS filtering is a promising alternative for non-invasive fetal monitoring. The proposed method demons trates competitive performance compared to state-of-the-art approaches and provides a solid foundation for future clinical validation and improvements.