ES2974775T3

ES2974775T3 - Procedimiento y disposición para generar una señal de ECG

Info

Publication number: ES2974775T3
Application number: ES21717842T
Authority: ES
Inventors: Marian Häscher
Original assignee: Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Current assignee: Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Priority date: 2020-04-09
Filing date: 2021-04-08
Publication date: 2024-07-01
Anticipated expiration: 2041-04-08
Also published as: EP4081116A1; PL4081116T3; WO2021204939A1; EP4081116B1; US20230105909A1; JP2023521721A; DE102020207845A1; EP4081116C0; KR20220164565A; JP7510515B2

Abstract

La invención se refiere a un método y un sistema para determinar una señal de ECG, en el que se detecta al menos una señal inducida por el movimiento cardíaco, transformándose la al menos una señal detectada inducida por el movimiento cardíaco en al menos una señal de ECG (1). (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Procedimiento y disposición para generar una señal de ECG

La invención se refiere a un procedimiento y un sistema para determinar una señal de ECG.

Las señales de ECG son necesarias en diversas aplicaciones, especialmente en aplicaciones de diagnóstico. Un ECG de superficie normal no puede registrarse sin contacto. Se necesitan electrodos para registrar los potenciales de tensión en la superficie del tórax. El registro prolongado con estos electrodos puede provocar irritaciones y erupciones cutáneas. También existe el riesgo, sobre todo en este tipo de mediciones, de que un electrodo se desprenda y, por lo tanto, afecte negativamente a la calidad de la señal de ECG. Algunos pacientes (por ejemplo, los bebés prematuros o las víctimas de quemaduras) también tienen una piel muy sensible y fina, lo que aumenta el riesgo de infecciones y lesiones cutáneas durante las mediciones por contacto o incluso prohíbe por completo el uso de electrodos, impidiendo así las importantes mediciones de datos vitales.

Además, los dispositivos de ECG existentes no permiten una medición ininterrumpida y continua durante un periodo de 24 horas. Esto significa que las patologías cardiológicas intermitentes pueden pasarse por alto y, por tanto, no diagnosticarse ni tratarse.

Hasta ahora no existe ninguna alternativa médicamente válida: O bien se aplica el ECG de todos modos y se aceptan los daños cutáneos y el riesgo de infección después de considerarlos, o bien se omite la medición, lo que significa que no se pueden controlar los datos vitales o no es posible el diagnóstico.

En el caso del registro continuo, que se extiende más allá de un periodo de 24 horas, se utilizan costosos registradores de eventos en casos individuales tras sopesar la relación coste-beneficio, cuyos costes no suelen estar cubiertos por los seguros de enfermedad. Los grabadores de eventos registran las señales con mayor precisión en caso de anomalía y, por lo demás, están en modo de ahorro de energía.

También existen soluciones de ECG monocanal en el campo de los ordenadores portátiles (wearables). Ofrecen una sencilla función de registro y un rápido análisis de las señales, sobre todo para detectar cardiopatías graves. Sin embargo, también son costosos y, si son compatibles con la función ECG, deben adquirirse por separado. En concreto, la función de ECG no puede adaptarse simplemente a dispositivos antiguos mediante una actualización del software. La validez médica y, en particular, diagnóstica de las soluciones de ECG monocanal existentes aún no está dada.

También se conoce la detección de señales de sismocardiografía (señal de SCG), que también puede describirse como señal de movimiento precordial. El precordio puede referirse a una parte de la pared torácica situada delante del corazón. Por lo tanto, la señal de movimiento precordial puede contener información sobre el movimiento de esta parte de la pared torácica. En particular, dicha señal contiene información sobre los movimientos, especialmente las oscilaciones, del precordio causados por los movimientos del corazón. Estas señales pueden utilizarse incluso para detectar movimientos de las válvulas cardíacas, por ejemplo la válvula aórtica o la mitral, e identificar las propiedades correspondientes. Mientras que los estímulos eléctricos visualizados durante el examen ECG representan los estímulos eléctricos que se producen antes de cada movimiento muscular dentro del ciclo cardíaco, la señal de SCG representa los movimientos resultantes medidos en la posición precordial. Este enfoque utiliza sensores inerciales de uso muy extendido, como acelerómetros o giroscopios, por ejemplo. No obstante, también pueden utilizarse sensores de presión o de radar.

También se conoce la detección de señales fonocardiográficas, siendo éstas señales de audio generadas por la recepción de ondas sonoras, siendo las ondas sonoras causadas por los movimientos del corazón. También es conocida la grabación de señales de balistocardiografía, que registran la vibración de todo el cuerpo provocada por los movimientos del corazón. Los balistocardiogramas pueden registrarse en todo el cuerpo, por lo que no se limitan a un punto de medición específico. Gran parte de la investigación en el campo de la sismocardiografía móvil y portátil se centra en la extracción de parámetros vitales como la frecuencia cardiaca, la variabilidad de la frecuencia cardiaca o la frecuencia respiratoria. Aunque estos parámetros proporcionan información valiosa sobre el estado de salud del usuario, los médicos pueden extraer mucha más información de la ritmología y la morfología del electrocardiograma (ECG).

Los procedimientos de aprendizaje automático también son conocidos, incluso en cardiología. Varios procedimientos bien conocidos aplican autocodificadores convolucionales para comprimir datos sanitarios reduciendo la complejidad o el ruido de las señales biológicas, como se ha demostrado en el caso de las señales de EEG y ECG.

Las redes neuronales han demostrado ser una herramienta poderosa, especialmente para la detección de enfermedades en señales de ECG, por ejemplo, para la detección de fibrilación auricular, para la detección automatizada de infartos de miocardio y para la detección de arritmias.

Además del uso de redes neuronales para analizar datos de ECG, existen varias publicaciones que aplican el aprendizaje automático a señales procedentes de otros tipos de sensores. Las CNN (redes neuronales convolucionales) pueden utilizarse para estimar las frecuencias cardíacas de los sensores FPG (sensores de fotopletismografía) o para detectar automáticamente enfermedades cardiovasculares a partir de datos de SCG.

A partir del estado de la técnica se conoce el documento WO 2014/036436 A1 que divulga un dispositivo y un procedimiento para monitorizar el corazón de un paciente. Esta publicación divulga un teléfono móvil con un sensor de aceleración. Se divulga además que un dispositivo correspondiente también puede comprender una pluralidad de electrodos que están integrados o dispuestos en el teléfono móvil. El dispositivo puede colocarse en el pecho del paciente para detectar señales eléctricas y vibraciones torácicas causadas por los latidos del corazón. Durante las mediciones, pueden generarse un SCG (sismocardiograma) y un ECG (electrocardiograma).

Además, en el estado de la técnica se conoce un gran número de soluciones que permiten la adquisición temporalmente paralela de un SCG y un ECG, por ejemplo a partir de los documentos EP 2704634 A1, EP 3135194 A1, US 2018/360338 A1 y WO 2018/231444 A2. El documento WO 2019/138327 A1 también divulga un dispositivo ECG portátil que puede comprender adicionalmente un sensor SCG. El documento EP 3 461 401 A1 divulga un dispositivo para detectar señales de ECG y señales de SCG.

También se conocen procedimientos de clasificación para clasificar el estado de un ocupante de un vehículo en función de datos biométricos. Así es como la ES 102019201695 A1 divulga una red neuronal que se utiliza en un componente de vehículo para determinar el nivel de estrés o nivel de excitación de un ocupante del vehículo. El US 2019/0088373 A1 revela el uso de la inteligencia artificial y el aprendizaje automático en la atención sanitaria.

El documento WO 2020/064469 A1 divulga un procedimiento para determinar las características cardiofisiológicas de un ser vivo.

Por lo tanto, se plantea el problema técnico de crear un procedimiento y un sistema para generar una señal de ECG que permita generar la señal de ECG de la forma más precisa y fiable posible, en particular evitando una disposición de contacto de los electrodos con las desventajas explicadas anteriormente y permitiendo un registro fiable a largo plazo de una señal de ECG.

La solución al problema técnico la proporcionan los objetos con las características de las reivindicaciones independientes. Otras formas de realización ventajosas de la invención resultan de los objetos con las características de las reivindicaciones dependientes.

Se propone un procedimiento para generar una señal de ECG (señal de electrocardiografía), en el que se detecta al menos una señal inducida por el movimiento del corazón. Una señal inducida por el movimiento del corazón puede referirse a una señal causada por el movimiento del corazón. También es posible que se detecten varias señales inducidas por el movimiento del corazón, en particular señales de distintos tipos. Esto se explicará más adelante. Según la invención, una señal inducida por el movimiento del corazón es una señal de SCG (señal de sismocardiografía). También se describe que puede ser una señal de FCG (señal de fonocardiografía) o una señal de BCG (señal de balistocardiografía). Esta señal inducida por el movimiento del corazón puede ser generada por un dispositivo de detección adecuado. Por ejemplo, la señal de SCG puede ser generada por un dispositivo de detección SCG adecuado, la señal de FCG por un dispositivo de detección FCG adecuado y la señal de<b>C<g>por un dispositivo de detección de BCG adecuado.

Tal dispositivo de detección SCG puede, por ejemplo, comprender al menos un sensor de aceleración, por ejemplo un sensor de aceleración MEMS, en particular un giroscopio MEMS, o un sensor de radar, en particular un sensor de radar Doppler. Como ya se ha explicado, la señal de<s>C<g>contiene o codifica información sobre los movimientos del corazón. Dichos sensores de aceleración pueden ser sensores de aceleración piezoeléctricos uniaxiales o triaxiales o sensores de aceleración MEMS, sensores de aceleración MEMS triaxiales o giroscopios, vibrómetros láser Doppler, sensores de radar Doppler de microondas o una cámara de movimiento de superficie por ultrasonidos Airbourne (AUSMC). En particular, un dispositivo de detección de FCG puede comprender un micrófono, especialmente un micrófono de un dispositivo móvil como un teléfono móvil o un micrófono láser. Un dispositivo de detección de BCG puede, por ejemplo, comprender al menos un sensor de presión, por ejemplo, un sensor de presión diseñado como una célula de carga.

Además, la al menos una señal detectada inducida por el movimiento del corazón se transforma en al menos una señal de ECG. A continuación se explican con más detalle algunos ejemplos de procesos de transformación. Como se explica con más detalle a continuación, también es concebible transformar la al menos una señal inducida por el movimiento del corazón en varias señales de ECG. Como se explica con más detalle a continuación, también es posible transformar varias señales grabadas inducidas por el movimiento del corazón en una o más señales de ECG.

Sorprendentemente, se reconoció que una señal inducida por movimientos del corazón y una señal de ECG tienen un contenido informativo comparable con respecto a la actividad cardíaca, ya que las señales de ECG también contienen o codifican información sobre los movimientos del corazón. A la inversa, una señal inducida por el movimiento del corazón también contiene información sobre las actividades eléctricas del corazón. Dado que las señales inducidas por el movimiento del corazón suelen ser incomprensibles para los usuarios sin un procesamiento adecuado, porque generalmente no se utilizan en la práctica clínica diaria, sobre todo para el diagnóstico, y su interpretación no suele formar parte de la formación médica, la transformación puede utilizarse para generar una señal de ECG que, en general, tenga sentido para un grupo más amplio de personas, lo que aumenta su aplicabilidad médica, por ejemplo, con fines de diagnóstico. Además, las señales de ECG requieren el contacto mecánico con la piel del paciente descrito anteriormente para permitir una generación fiable. Ventajosamente, esto no es absolutamente necesario cuando se registran señales inducidas por el movimiento del corazón.

Preferentemente, la señal inducida por el movimiento del corazón se detecta así sin contacto, es decir, sin contacto mecánico de un paciente por un sensor correspondiente. Por ejemplo, esto puede hacerse colocando el dispositivo de detección a cierta distancia del paciente, por ejemplo en un colchón en el que el paciente esté tumbado o en un asiento en el que el paciente esté sentado. Si el dispositivo de detección incluye un sensor de radar, por ejemplo, sólo es necesario disponer el dispositivo de detección de tal manera que el paciente o una zona del tórax del paciente esté dispuesta en el área de detección del sensor de radar.

Sin embargo, también es posible que la señal inducida por el movimiento del corazón sea detectada por un sensor que contacte mecánicamente con el paciente para su detección o que esté dispuesto en o sobre el paciente. Por lo tanto, es posible integrar el dispositivo de detección en un marcapasos, en particular en un marcapasos de ritmo adaptado. Un marcapasos puede comprender un dispositivo de detección de este tipo, en particular un dispositivo de detección en forma de sensor de aceleración, con el fin de ajustar el ritmo cardíaco de un paciente en función de la señal detectada por el dispositivo de detección, por ejemplo para adaptarlo al estado actual de movimiento y a la necesidad de pulso. Para que esto sea posible, las actividades se reconocen en función de las señales de salida de los sensores de aceleración y, por ejemplo, la frecuencia cardiaca aumenta en consecuencia a medida que aumenta la carga (por ejemplo, al pasar de caminar a subir escaleras). Los sensores de aceleración utilizados para este fin también pueden utilizarse para registrar una señal inducida por el movimiento del corazón.

Una señal detectada por dicho dispositivo de detección puede entonces, por ejemplo, ser transmitida a un dispositivo informático, por ejemplo, de forma inalámbrica a través de procedimientos adecuados para la transmisión de datos, por lo que el dispositivo informático realiza entonces la transformación. Este dispositivo informático (externo) puede ser, por ejemplo, un dispositivo informático de un dispositivo móvil final. Alternativamente, es concebible que el marcapasos comprenda un dispositivo informático, que entonces lleva a cabo la transformación. Dicho dispositivo informático puede integrarse en el marcapasos en forma de sistema embebido. Por ejemplo, el dispositivo informático puede diseñarse como un circuito integrado, especialmente diseñado para realizar la transformación. Este circuito integrado puede, por ejemplo, proporcionar la funcionalidad de una red neuronal.

El uso de un dispositivo sensor integrado en un marcapasos permite ventajosamente el uso de sensores existentes situados cerca del corazón, lo que se traduce en una buena calidad de la señal de las señales inducidas por el movimiento del corazón. Esto, a su vez, mejora la precisión de la medición y, por tanto, también la precisión de la señal de ECG generada según la invención. Además, el uso ampliado de un marcapasos ya certificado también permite la certificación sencilla de un sistema para generar una señal de ECG como producto sanitario, que incluye el dispositivo de registro del marcapasos.

La transformación transforma así la al menos una señal inducida por el movimiento del corazón, que representa, por ejemplo, movimientos precordiales, ondas sonoras causadas por estos movimientos o movimientos de todo el cuerpo, en una señal que representa o mapea potenciales eléctricos. La transformación en una señal de ECG puede ser una transformación directa. La transformación también puede comprender varias transformaciones parciales, en las que, por ejemplo, la señal inducida por el movimiento del corazón se transforma en una señal intermedia en una primera transformación parcial y la señal intermedia se transforma en la señal de ECG en otra transformación parcial. Por supuesto, es posible realizar más de dos transformaciones parciales. El procedimiento propuesto da lugar a una generación sencilla y fiable de una señal de ECG de forma ventajosa, que en particular, pero no necesariamente, puede tener lugar sin contacto, es decir, sin contacto mecánico de la piel por un dispositivo de grabación. Además, el procedimiento propuesto permite un registro fiable a largo plazo de las señales de ECG, en particular durante un período de más de 24 horas, ya que las señales inducidas por el movimiento del corazón pueden registrarse y transformarse posteriormente durante dicho período sin ningún problema, en particular porque se evita el problema del desprendimiento involuntario de los electrodos.

Además, es posible implementar el procedimiento reivindicado de manera ventajosa en dispositivos existentes que tienen un dispositivo de detección adecuado para detectar señales inducidas por movimiento del corazón, y así retroadaptar estos dispositivos, permitiéndoles generar una señal de ECG. Por ejemplo, los teléfonos móviles suelen incluir sensores de aceleración. Pueden utilizarse para generar señales de SCG, por ejemplo colocando un teléfono móvil sobre el pecho del paciente y registrando las señales de salida del acelerómetro. A continuación, estas señales de salida pueden transformarse en una señal de ECG mediante la transformación propuesta. También se puede utilizar un micrófono de teléfono móvil para generar señales FCG.

Además, la al menos una señal inducida por el movimiento del corazón es una señal de SCG. De este modo, se obtiene una señal de ECG fiable de forma ventajosa, ya que las señales de ECG se pueden generar de forma fiable. No según la invención, la señal inducida por el movimiento del corazón puede ser una señal de FCG. Como esto cubre un amplio espectro de frecuencias, es ventajoso generar una señal de ECG con precisión.

Tampoco según la invención, la señal inducida por el movimiento del corazón puede ser una señal de BCG. Como esto puede medirse en todo el cuerpo, el resultado es un registro flexible y, por tanto, la generación de una señal de ECG.

Es concebible que se detecten varias señales inducidas por el movimiento del corazón, en particular diferentes, por ejemplo varias señales de SCG, varias señales de BCG o varias señales FCG. También pueden detectarse al menos dos señales diferentes del conjunto de señales que comprende las señales de SCG, FCG y BCG, por lo que la al menos una señal de ECG se genera entonces transformando estas señales diferentes en la al menos una señal de ECG. También es concebible que se genere una señal fusionada inducida por el movimiento del corazón a partir de las diversas señales inducidas por el movimiento del corazón y que ésta se transforme en al menos una señal de ECG.

Según la invención, la al menos una señal inducida por el movimiento del corazón se transforma en varias señales específicas de canal de un ECG multicanal. También es concebible que las señales específicas de canal seleccionadas, pero no todas, o todas las señales específicas de canal de un ECG multicanal se determinen mediante la transformación de la al menos una señal inducida por el movimiento del corazón. Por ejemplo, varias señales específicas de canal de un ECG pueden determinarse a partir de una o más señales de SCG, una o más señales FCG, una o más señales BCG o al menos dos señales diferentes del conjunto de señales que comprende las señales de SCG, FCG y BCG. La señal específica de canal de un ECG multicanal determinada por transformación representa/simula la señal de ECG derivada en/de una zona predeterminada del cuerpo por un electrodo dispuesto correspondientemente. El ECG multicanal puede ser de 6 o 12 canales, por ejemplo. Esto aumenta ventajosamente la utilidad de las señales de ECG generadas de este modo, ya que la generación de un ECG multicanal en particular permite un análisis más sencillo o mejor y, por tanto, un diagnóstico.

En otra realización, la transformación se lleva a cabo utilizando un modelo generado por aprendizaje automático. El término aprendizaje automático comprende o se refiere a procedimientos para determinar el modelo basado en datos de entrenamiento. Por lo tanto, es posible determinar el modelo utilizando procedimientos de aprendizaje supervisado, en los que los datos de entrenamiento, es decir, un conjunto de datos de entrenamiento, comprenden datos de entrada y datos de salida. Las señales inducidas por el movimiento del corazón pueden proporcionarse como datos de entrada, y las señales de ECG correspondientes a estas señales inducidas por el movimiento del corazón pueden proporcionarse como datos de salida. En particular, los datos de entrada y salida de dichos datos de entrenamiento pueden generarse generando simultáneamente señales inducidas por el movimiento del corazón y señales de ECG, por lo que estos datos generados simultáneamente forman entonces los datos de entrada y salida para el entrenamiento. Los procedimientos y dispositivos para la generación simultánea de dichos datos son conocidos en el estado de la técnica, que se ha explicado en la introducción de la descripción. De este modo, el modelo puede aprender la relación entre el sismocardiograma, el balistocardiograma o el fonocardiograma y el electrocardiograma. Estos procedimientos de aprendizaje supervisado son conocidos por los expertos. También es concebible que se utilicen procedimientos de aprendizaje no supervisado para determinar el modelo.

Una vez creado el modelo, es decir, después de la fase de entrenamiento, el modelo parametrizado de este modo puede utilizarse en la denominada fase de inferencia para generar las señales de ECG que deben determinarse a partir de los datos de entrada en forma de señales inducidas por el movimiento del corazón, es decir, para realizar la transformación propuesta. El resultado es una generación fiable y de alta calidad de las señales de ECG. Es posible que se determine que el modelo no es específico del usuario o del paciente ni del dispositivo de adquisición, y que el modelo así determinado se utilice para realizar la transformación para un usuario específico o un dispositivo de adquisición específico. Esto puede significar que el modelo no se determina individualmente para un usuario específico y/o para un dispositivo de detección específico, sino que puede utilizarse en la fase de inferencia para un usuario individual y/o un dispositivo de detección individual.

Por lo tanto, es posible que el modelo no tenga que ser reentrenado para cada usuario y/o cada dispositivo de detección. En particular, puede entrenarse una vez, preferentemente con un conjunto de datos convenientemente grande (fase de entrenamiento) y, a continuación, utilizarse como modelo independiente del usuario y/o del dispositivo de grabación, por ejemplo, para todos los usuarios (fase de inferencia). Esto tiene la ventaja de mejorar la aplicabilidad del procedimiento, en particular porque no es necesario realizar un entrenamiento específico para cada usuario y/o cada dispositivo de detección. Por ejemplo, se puede utilizar el mismo modelo para transformar señales generadas por distintos dispositivos de detección. Aquí, el conjunto de datos adecuado comprende preferentemente datos generados para al menos un número predeterminado de diferentes personas enfermas o sanas y/o para al menos un número predeterminado de fisiologías y/o para al menos un número predeterminado de diferentes enfermedades. Sin embargo, puede ser necesario, por supuesto, entrenar el modelo con datos de entrada de la misma característica, es decir, sólo con señales de SCG, señales FCG o señales de BCG, aunque pueden utilizarse diferentes dispositivos de detección o diferentes configuraciones de un dispositivo de detección para detectar estas señales de la misma característica. Sin embargo, también es posible que el modelo se determine específicamente para el usuario y/o el dispositivo de grabación.

Los algoritmos matemáticos adecuados para el aprendizaje automático incluyen: Procedimientos basados en árboles de decisión, procedimientos basados en conjuntos (por ejemplo, Boosting, Random Forrest), procedimientos basados en regresión, procedimientos bayesianos (por ejemplo, redes bayesianas de creencia), procedimientos basados en núcleos (por ejemplo, máquinas de vectores de apoyo), procedimientos basados en instancias (por ejemplo, k-Nearest Neighbour), procedimientos basados en reglas de asociación, procedimientos basados en máquinas de Boltzmann, procedimientos basados en redes neuronales artificiales (por ejemplo, perceptrón), procedimientos de aprendizaje profundo (por ejemplo, redes de k-Nearest Neighbour), procedimientos basados en reglas de asociación, procedimientos basados en máquinas de Boltzmann, procedimientos basados en redes neuronales artificiales (por ejemplo, perceptrón), procedimientos basados en aprendizaje profundo (por ejemplo, redes neuronales convolucionales, autocodificadores apilados), procedimientos basados en reducción de la dimensionalidad, procedimientos basados en procedimientos de regularización.

Para entrenar una red neuronal, por ejemplo, se requiere regularmente una gran cantidad de datos de entrenamiento para asegurar la calidad deseada de la transformación. La cantidad de datos de entrenamiento puede depender de factores como la complejidad del problema subyacente, la precisión requerida y la adaptabilidad deseada de la red a entrenar. El ámbito de aplicación, es decir, el dominio en el que se va a utilizar la red, suele ser el elemento más importante para determinar estos factores y, por tanto, para determinar la cantidad de datos de entrenamiento. Con un conocimiento previo adecuado del dominio, es posible preparar datos para el entrenamiento de la red que conduzcan a una convergencia más rápida hacia la solución óptima, o que permitan dicha convergencia en primer lugar y, por tanto, requieran menos datos de entrenamiento.

El procedimiento propuesto se utiliza en un entorno médico. Por lo tanto, es deseable un alto grado de precisión. Además, existe un nivel de complejidad comparativamente alto, ya que las señales de ECG y las inducidas por el movimiento del corazón difieren entre sí debido a los distintos sensores utilizados para detectarlas. Sin embargo, esto suele requerir una gran cantidad de datos para entrenar una red neuronal. Una posible etapa para reducir la cantidad de datos necesarios es filtrar los datos de entrenamiento, en particular los datos de entrada y/o los datos de salida. En particular, los datos de entrada y salida de un conjunto de datos de entrenamiento pueden generarse generando simultáneamente señales inducidas por el movimiento del corazón y señales de ECG y filtrándolas después antes del entrenamiento. Esto reduce las necesidades de memoria, así como el tiempo de cálculo y/o el rendimiento necesarios para determinar/generar el modelo. Por lo tanto, es posible filtrar los datos de entrenamiento con un filtro, en particular un filtro de paso de banda, por ejemplo un filtro Butterworth, con el fin de atenuar los componentes de alta frecuencia y baja frecuencia en los datos de entrenamiento. Por ejemplo, una primera frecuencia de corte inferior de un filtro paso banda puede ser de 0,5 Hz y una frecuencia de corte superior de 200 Hz. También es concebible utilizar filtros de paso alto y/o paso bajo u otros filtros (por ejemplo, filtros polinómicos) para filtrar las correspondientes frecuencias no deseadas de los datos de entrenamiento. Alternativamente, las señales generadas también pueden utilizarse sin filtrar para el entrenamiento.

En otra realización, se evalúa una función de error para determinar una desviación entre una señal de ECG determinada por transformación y una señal de ECG de referencia para generar el modelo, en el que diferentes secciones de señal de la señal de ECG determinada por transformación y/o la señal de ECG de referencia y/o la desviación (de la señal de desviación) se ponderan de forma diferente al evaluar la función de error. Esto significa que puede utilizarse una función de error específica de la señal de ECG. La señal de ECG de referencia puede representar una verdad de base y puede, por ejemplo, ser una señal de ECG adquirida en paralelo con los datos de entrada (es decir, una señal inducida por el movimiento del corazón), que se adquirió con un dispositivo de adquisición de ECG conocido, por ejemplo, basado en electrodos. La función de error se utiliza para determinar o cuantificar una desviación entre el resultado de la transformación, es decir, la señal de ECG determinada por la transformación, y la verdad sobre el terreno. Esta desviación influye entonces en la determinación, en particular el entrenamiento, del modelo para la transformación por aprendizaje automático, en particular la determinación de una red neuronal, mediante la cual el modelo se adapta, por ejemplo, de tal manera que se reduce la desviación. Por ejemplo, se puede determinar como desviación una desviación media cuadrática o una desviación media absoluta.

Es posible que diferentes secciones de señal de la señal de ECG determinada por transformación o de la señal de ECG de referencia se ponderen de forma diferente y que todas las secciones de señal de la señal restante se ponderen por igual para determinar la desviación. Preferentemente, todas las secciones de señal de la señal de ECG determinada por transformación y todas las secciones de señal de la señal de ECG de referencia se ponderan por igual para determinar la desviación, aunque las diferentes secciones de la señal que representan la desviación se ponderan de forma diferente. Una sección ponderada en la señal de desviación puede ser una sección que corresponde en el tiempo a una sección predeterminada (relevante) en la señal de ECG determinada por transformación y/o en la señal de ECG de referencia. La diferente ponderación de las distintas secciones de la señal en al menos una de las señales mencionadas puede mejorar favorablemente la calidad del modelo y, por tanto, también la calidad de la señal del ECG determinada por transformación. La diferente ponderación de las distintas secciones de la señal permite ponderar más las secciones características y, por tanto, relevantes de la señal de ECG que las secciones menos relevantes. Las secciones de señal de ECG relevantes pueden ser identificadas por un experto, por ejemplo seleccionando secciones de señal mediante un dispositivo de entrada. Alternativamente, sin embargo, también es concebible llevar a cabo la detección automatizada de secciones de señal relevantes, por ejemplo, utilizando procedimientos de detección adecuados que identifiquen secciones con propiedades de señal predeterminadas, por ejemplo. En estos procedimientos de detección, por ejemplo, puede llevarse a cabo una transformación de fase. En este caso, se pueden asignar pesos predeterminados a secciones con características de señal predeterminadas. Una sección relevante en una señal puede ser una sección de señal de onda P, una sección de señal de complejo QRS y/o una sección de onda T

En otra realización, la transformación se lleva a cabo mediante una red neuronal. Por ejemplo, la red neuronal puede diseñarse como un autocodificador o como una red neuronal convolucional (CNN) o como una RNN (red neuronal recurrente) o como una red LSTM (red de memoria a largo plazo) o como una red neuronal transformadora o como una combinación de al menos dos de las redes mencionadas. Dicha red neuronal, en particular la red neuronal diseñada como un autocodificador, puede entrenarse utilizando los datos de entrenamiento descritos anteriormente, con lo que la transformación de una señal inducida por el movimiento del corazón registrado en la señal de ECG puede llevarse a cabo después del entrenamiento. El diseño de la red neuronal como un autocodificador ofrece la ventaja de que el esfuerzo informático necesario para la transformación es bajo, lo que significa que la transformación puede ser realizada de forma fiable y rápida de manera sencilla por sistemas empotrados y dispositivos finales portátiles como los teléfonos móviles.

El diseño como CNN permite reducir ventajosamente la complejidad de la red y, por tanto, es adecuado para dispositivos con baja potencia de cálculo. Esto se aplica tanto a la fase de formación como a la de inferencia. También es ventajoso que el tiempo necesario para el entrenamiento sea corto con CNN, en particular más corto que con las redes LSTM, que también requieren una mayor potencia de cálculo en comparación. Sin embargo, el diseño de la red LSTM es especialmente adecuado para analizar series temporales, ya que su arquitectura tiene en cuenta las dependencias temporales. El resultado es una alta calidad de la transformación y la señal de ECG determinada de forma ventajosa.

En una realización alternativa, la transformación se realiza mediante un modelo matemático predeterminado o mediante una función de transformación predeterminada. Esto puede ser predeterminado por un usuario, por ejemplo. En particular, es posible parametrizar adecuadamente los modelos matemáticos para la transformación de las señales inducidas por el movimiento del corazón en señales de ECG. El resultado es una generación alternativa, fiable y rápida de señales de ECG.

En otra realización, la al menos una señal inducida por el movimiento del corazón se detecta sin contacto. Si se detectan varias señales de este tipo, se puede detectar exactamente una, varias, pero no todas o todas las señales sin contacto. Esto y las ventajas correspondientes ya se han explicado anteriormente.

En otra realización, la al menos una señal inducida por el movimiento del corazón se filtra antes de la transformación y luego la señal inducida por el movimiento del corazón filtrada se transforma en una señal de ECG. En particular, el filtrado puede ser de paso alto, de paso de banda o de parada de banda. Un filtro apropiado para llevar a cabo el filtrado puede ser un filtro Butterworth o polinomial en particular. Si el filtrado es de paso alto, una frecuencia de corte del filtro de paso alto puede estar en un intervalo de 5 Hz a 8 Hz, por ejemplo, con el fin de reducir de forma fiable los efectos de los artefactos de movimiento en la señal inducida por el movimiento del corazón. Si el filtrado es de paso de banda, una primera frecuencia de corte puede estar en un intervalo de 5 Hz (incluido o excluido) a 8 Hz (incluido o excluido), por ejemplo, y otra frecuencia de corte puede estar en un intervalo de 30 Hz (incluido o excluido) a 35 Hz (incluido o excluido) para reducir también de forma fiable el efecto de los artefactos de movimiento que se encuentran fuera del intervalo de 8 Hz a 30 Hz, por ejemplo. El filtrado puede realizarse mediante filtros Butterworth o filtros polinómicos, en particular. De este modo se obtiene una determinación más precisa de la señal de ECG de forma ventajosa, especialmente si el paciente se mueve durante la adquisición de la señal inducida por el movimiento del corazón.

En otra realización, la al menos una señal inducida por el movimiento del corazón es generada por un dispositivo sensor de un dispositivo. Ya se han explicado ejemplos de dispositivos de detección. El dispositivo se refiere aquí a una unidad que comprende el dispositivo de detección. Por ejemplo, el dispositivo puede ser un teléfono móvil o una tableta. Por supuesto, también son concebibles otras formas de realización de dicho dispositivo. La transformación también la realiza un dispositivo informático del dispositivo. En otras palabras, el dispositivo comprende tanto el dispositivo de detección como el dispositivo informático. Un dispositivo informático puede diseñarse como un microcontrolador o circuito integrado o comprender uno o más dispositivos de este tipo. Por lo tanto, es posible llevar a cabo la transformación o una transformación parcial utilizando un componente programable o cableado, en particular un chip (por ejemplo, ASIC, FPGA). Este componente puede llevar a cabo la transformación en modo autónomo o como parte de un sistema en paquete (SiP). También es posible integrar los medios para realizar la transformación, por ejemplo como un SoC (sistema en un chip), directamente en un sensor para detectar la señal inducida por el movimiento del corazón (por ejemplo, un sensor de aceleración MEMS) o en otro componente electrónico. El resultado es un ventajoso registro y generación centralizados de señales de ECG, por ejemplo en un dispositivo terminal, en particular un dispositivo terminal móvil.

Además de los medios de procesamiento de señales descritos anteriormente, el dispositivo también puede comprender medios de almacenamiento de señales, medios de transmisión de señales y medios de visualización. Sin embargo, también es posible que el dispositivo no incluya alguno o todos los medios descritos. En este caso, la señal detectada inducida por el movimiento del corazón puede transmitirse a otro dispositivo que comprenda uno o más medios adicionales. La señal de ECG generada de este modo también puede visualizarse, por ejemplo, mediante un dispositivo de visualización en el dispositivo. La señal de ECG también puede almacenarse, por ejemplo, en un dispositivo de memoria del dispositivo. También es posible transmitir la señal de ECG desde el dispositivo a un sistema externo, por ejemplo a través de un dispositivo de comunicación adecuado en el dispositivo.

Alternativamente, la señal inducida por el movimiento del corazón se transmite desde el dispositivo de detección a un dispositivo informático externo al dispositivo, siendo realizada la transformación por este dispositivo informático externo al dispositivo. El dispositivo informático externo puede ser, en particular, un dispositivo servidor o el dispositivo informático de otro dispositivo. En este caso, la señal inducida por el movimiento del corazón también puede visualizarse, por ejemplo, mediante un dispositivo de visualización del dispositivo, para lo cual las señales de ECG determinadas por la transformación realizada por el dispositivo informático externo al dispositivo se transmiten de vuelta al dispositivo. Por supuesto, también es posible visualizar la señal de ECG determinada de este modo mediante un dispositivo de visualización externo al dispositivo. Para ello, la señal de ECG puede transmitirse al otro dispositivo correspondiente para su visualización. Además, la señal de ECG determinada de este modo puede almacenarse o procesarse posteriormente, por ejemplo, mediante el dispositivo de almacenamiento o informático externo al dispositivo u otro dispositivo de almacenamiento o informático (externo al dispositivo).

El dispositivo informático externo al dispositivo puede ser o formar un dispositivo servidor de una red, en particular de Internet. En particular, el dispositivo informático externo puede formar parte de una instalación de servidores que ofrece servicios basados en la nube. La transmisión al dispositivo informático externo puede ser preferentemente inalámbrica, por ejemplo utilizando procedimientos de transmisión adecuados. Por supuesto, también es posible organizar la transmisión por cable. Esto tiene la ventaja de que el dispositivo informático de un dispositivo que también incluye el dispositivo de detección no se sobrecarga por la transformación. En particular, es posible registrar la señal inducida por el movimiento del corazón utilizando dispositivos que proporcionan una potencia de cálculo comparativamente baja, lo que significa que la transformación correspondiente y, si es necesario, el procesamiento posterior pueden ser llevados a cabo por otros dispositivos informáticos con una potencia de cálculo comparativamente mayor.

En otra realización, la al menos una señal inducida por el movimiento del corazón es generada por un dispositivo de detección de un dispositivo y la señal de ECG determinada por transformación se visualiza en un dispositivo de visualización del dispositivo o en un dispositivo de visualización externo, por ejemplo un dispositivo de visualización de otro dispositivo. Por ejemplo, es posible que la señal inducida por el movimiento del corazón se transmita desde el dispositivo a un dispositivo informático externo al dispositivo y que la transformación se lleve a cabo allí, por lo que la señal de ECG determinada de esta manera se transmite a otro dispositivo, por ejemplo otro teléfono móvil, y luego se muestra en su dispositivo de visualización. La señal de ECG también puede transmitirse al dispositivo y visualizarse en su pantalla. Las señales de ECG también pueden visualizarse en un navegador, especialmente si el dispositivo informático externo es un dispositivo servidor o parte del mismo. Esto hace posible llevar a cabo una monitorización remota basada en las señales de ECG generadas según la invención.

En otra realización, se lleva a cabo una prueba funcional de un dispositivo de detección antes de la transformación de la al menos una señal inducida por el movimiento del corazón, en la que la señal inducida por el movimiento del corazón sólo se transforma si se detecta una capacidad funcional. La funcionalidad puede detectarse, por ejemplo, si el dispositivo de detección genera una señal de salida variable en el tiempo. Si se genera una señal de salida constante en el tiempo o si la señal de salida no se desvía de una señal de salida constante en más de una cantidad predeterminada, se puede detectar una falta de funcionalidad. Alternativa o acumulativamente, puede detectarse una capacidad funcional si la señal de salida tiene propiedades que se desvían de las propiedades de ruido predeterminadas en más de una cantidad predeterminada, en particular propiedades de ruido blanco. Si este es el caso, se puede detectar la funcionalidad. Si no es así, puede detectarse una falta de funcionalidad. También puede detectarse una falta de funcionalidad si una frecuencia de muestreo de la señal de salida se desvía de una frecuencia de muestreo objetivo y/o una cuantificación de la señal de salida se desvía de los valores de cuantificación permitidos. No se puede llevar a cabo ninguna transformación si no hay capacidad funcional. La ventaja es que la transformación sólo se realiza cuando se puede suponer que el dispositivo de detección funciona. Esto reduce el consumo de energía durante el proceso.

Alternativa o acumulativamente, una calidad de señal de la señal adquirida se determina antes de transformar la al menos una señal inducida por movimiento cardiaco, en donde la señal inducida por movimiento cardiaco sólo se transforma si la calidad de señal es mayor o igual a una medida(s) predeterminada(s). Una calidad de señal puede ser, por ejemplo, una relación señal/ruido o una variable que represente esta relación. Si esta relación es superior a un valor predeterminado, puede llevarse a cabo la transformación. Asimismo, una calidad de señal puede ser mayor o igual que un nivel predeterminado si una desviación entre una forma de onda de referencia predeterminada y una forma de onda detectada en una porción de la señal inducida por el movimiento del corazón es menor o igual que un nivel predeterminado. Esto también puede denominarse comparación de plantillas. Se puede determinar y guardar una forma de onda clásica de una señal inducida por el movimiento del corazón, es decir, la forma de onda de referencia. A continuación, puede determinarse una desviación entre la curva de señal de la señal inducida por el movimiento del corazón detectado y la curva de señal de referencia mediante procedimientos conocidos por el experto en la materia.

La calidad de una señal también puede determinarse utilizando modelos adecuados, como las redes neuronales. Los datos de entrenamiento para dichos modelos pueden generarse asignando una medida de calidad que represente la calidad de la señal a una señal inducida por el movimiento del corazón, por ejemplo, por un usuario o (parcialmente) de forma automática. Esta tarea también puede denominarse anotación. La señal inducida por el movimiento del corazón constituye los datos de entrada y la medida de calidad los datos de salida del conjunto de datos de entrenamiento. Dichos datos de entrenamiento pueden generarse, en particular, generando y anotando señales inducidas por el movimiento del corazón en diferentes posiciones espaciales del dispositivo de detección, en particular en relación con el corazón, con diferentes SNR, en diferentes condiciones ambientales, en diferentes estados de movimiento del paciente, etc.

Es posible además que dicho modelo, en particular una red neuronal, para determinar la calidad de la señal se utilice también para filtrar los datos de entrenamiento para determinar el modelo generado por aprendizaje automático para la transformación. Esto significa que sólo se utilizan como datos de entrada para el entrenamiento del modelo de transformación aquellas señales inducidas por el movimiento del corazón cuya calidad de señal es superior a un valor predeterminado. El análisis de la calidad de la señal como condición para llevar a cabo la transformación permite garantizar que se realiza una transformación fiable y de alta calidad.

También es posible determinar una causa reductora de la calidad además de la calidad de la señal utilizando modelos adecuados, como las redes neuronales. Los datos de entrenamiento para dichos modelos pueden generarse asignando la causa reductora de calidad a una señal inducida por el movimiento del corazón, por ejemplo, por un usuario o (parcialmente) de forma automática. Esta tarea también puede denominarse anotación. La señal inducida por el movimiento del corazón constituye los datos de entrada y la causa constituye los datos de salida del conjunto de datos de entrenamiento. Las causas que reducen la calidad pueden ser, por ejemplo, la presencia de artefactos, la disposición del dispositivo de detección en posiciones espaciales desfavorables para la detección, en particular en relación con el corazón, y/o la presencia de condiciones ambientales o de movimiento desfavorables.

Si se puede determinar de este modo una causa que reduce la calidad, se puede informar al usuario de la causa, por ejemplo a través de un dispositivo de visualización. Además, el usuario puede recibir una recomendación de acción para rectificar la causa.

Además, alternativa o acumulativamente, antes de la transformación de la al menos una señal inducida por el movimiento del corazón, se determina una posición, es decir, una posición espacial y/u orientación, del dispositivo sensor en relación con el corazón, en la que la señal inducida por el movimiento del corazón sólo se transforma si la posición corresponde a una posición predeterminada o se desvía de ella en menos de una cantidad predeterminada. Es posible, por ejemplo, que la señal inducida por el movimiento del corazón sólo tenga características de señal predeterminadas si la posición corresponde a una posición predeterminada o se desvía de ella en menos de una cantidad predeterminada. De este modo, las características de la señal inducida por el movimiento del corazón pueden determinarse y compararse con las características predeterminadas de la señal. Si la desviación es inferior a una dimensión predeterminada, la posición corresponde a la posición predeterminada o se desvía de ella en menos de una dimensión predeterminada.

También es posible determinar la posición utilizando modelos adecuados, como las redes neuronales. Los datos de entrenamiento para dichos modelos pueden generarse asignando la posición a una señal inducida por el movimiento del corazón, por ejemplo, por un usuario o (parcialmente) de forma automática. Esta tarea también puede denominarse anotación. La señal inducida por el movimiento del corazón constituye los datos de entrada y la posición los datos de salida del conjunto de datos de entrenamiento. Estos datos de entrenamiento pueden generarse, en particular, generando señales inducidas por el movimiento del corazón en diferentes posiciones espaciales del dispositivo de detección, especialmente en relación con el corazón, y anotándolas en consecuencia. Si se puede determinar una posición, el usuario puede ser informado de la posición, en particular de su exactitud, por ejemplo a través de un dispositivo de visualización.

Además, el usuario puede recibir una recomendación de acción para cambiar la posición si se desvía de la posición predeterminada en más de la cantidad predeterminada.

Determinando la posición como condición para llevar a cabo la transformación, se puede garantizar ventajosamente que se lleve a cabo una transformación fiable y de alta calidad. Por ejemplo, puede evitarse que un dispositivo de detección para detectar la señal inducida por el movimiento del corazón no esté dispuesto correctamente, por ejemplo, que un sensor de aceleración no descanse sobre una superficie corporal y, por lo tanto, se reduzca la calidad de la señal de ECG determinada por transformación.

Es concebible que las señales inducidas por el movimiento del corazón proporcionadas para la transformación se evalúen para determinar la capacidad funcional y/o la calidad de la señal y/o la posición, por lo que se utilizan para la transformación si se detecta una capacidad funcional y/o la calidad de la señal es mayor o igual que la(s) medida(s) predeterminada(s) y/o la posición no se desvía de la posición predeterminada en más de una medida predeterminada. Alternativamente, la capacidad funcional y/o la calidad de la señal y/o la posición pueden determinarse sobre la base de señales inducidas por el movimiento del corazón no proporcionadas para la transformación, en las que se realiza una nueva adquisición de la señal inducida por el movimiento del corazón para la transformación si se detecta una capacidad funcional y/o la calidad de la señal es mayor o igual que la(s) medida(s) predeterminada(s) y/o la posición no se desvía de la posición predeterminada en más de una medida predeterminada.

En particular, la señal de ECG puede ser la señal de ECG de un humano, es decir, una señal para/aplicaciones médicas humanas. Sin embargo, el procedimiento también puede utilizarse para generar una señal de e Cg de un animal, es decir, para generar una señal para/para aplicaciones veterinarias. En particular, el registro de ECG sin electrodos en animales permite reducir considerablemente el estrés de los animales en los que se va a registrar un ECG, por ejemplo, con fines de diagnóstico.

Por ejemplo, se pueden registrar ECG de Holter de 24 horas en animales, especialmente caballos o perros, pero esto supone un factor de estrés importante para los animales debido a la necesidad de visitar al médico y el posterior cableado del animal. Esto puede ser especialmente problemático si las patologías son episódicas, ya que el estrés, por ejemplo, provoca síntomas clínicos irreconocibles en los perros. Sin embargo, el procedimiento según la invención no requiere personal especializado para generar una señal de ECG, en particular para aplicar los electrodos, y permite la medición sin contacto, en particular de señales de ECG multicanal.

Por ejemplo, un dispositivo de detección puede integrarse en un arnés o correa de pecho que se coloca en el animal. Esto significa que dicho sistema de sensores puede ser adquirido e instalado por el propietario de la mascota. Por ejemplo, un sensor de aceleración en el arnés/pectoral puede registrar las señales inducidas por el movimiento del corazón del animal y permitir la transformación descrita anteriormente. El procedimiento también puede ser utilizado por veterinarios en exámenes rutinarios. Dado que los animales no suelen mostrar síntomas de enfermedad cardiovascular hasta una fase muy tardía, este procedimiento puede utilizarse para diagnosticar dichas enfermedades en una fase más temprana. El veterinario puede registrar un ECG en reposo del animal aplicando un dispositivo de grabación adecuado o un dispositivo con un dispositivo de grabación, por ejemplo un smartphone, sin tener que aplicar un gran número de electrodos. Esto también elimina las desventajas de utilizar electrodos en animales (por ejemplo, artefactos en la señal de ECG debidos a que el pelaje interfiere con los electrodos). Este concepto de investigación también puede aplicarse a peces domésticos, por ejemplo la carpa koi, así como a caballos y camellos, lo que resulta especialmente interesante en el sector de los deportes de competición de estos animales.

En el sector ganadero, el seguimiento médico se realiza regularmente a un coste o esfuerzo reducido, por ejemplo, por un veterinario que diagnostica por cohortes. Sin embargo, la monitorización del ECG también proporcionaría al médico información valiosa sobre el bienestar de los animales (por ejemplo, rendimiento, estado de salud, evaluación del estrés, detección precoz de infecciones bacterianas como los estreptococos). Hasta ahora, sin embargo, la monitorización del ECG de animales individuales mediante procedimientos convencionales ha sido muy lenta y costosa. El procedimiento propuesto ofrece una forma barata y sencilla de control, por ejemplo, si la señal inducida por el movimiento del corazón se detecta sin contacto, por ejemplo, utilizando sensores de radar. Esto permite vigilar a los animales sin contacto y, por tanto, también de forma higiénica. Este seguimiento sería concebible para animales de granja como cerdos, rumiantes, pero también peces. El procedimiento propuesto también puede utilizarse en la investigación con animales. También puede utilizarse en zoológicos y parques de animales para garantizar su salud y minimizar el estrés.

Se propone además un sistema para generar una señal de ECG, en el que el sistema comprende al menos un dispositivo de detección para detectar al menos una señal inducida por el movimiento del corazón y al menos un dispositivo informático. Como se ha explicado anteriormente, el dispositivo de detección y el dispositivo informático pueden formar parte cada uno de un dispositivo. Sin embargo, también es concebible que el dispositivo de detección y el al menos un dispositivo informático sean cada uno partes de dispositivos diferentes. También es concebible que el sistema comprenda varios dispositivos de detección para detectar varias señales inducidas por el movimiento del corazón.

Según la invención, la al menos una señal detectada inducida por el movimiento del corazón puede transformarse en al menos una señal de ECG por medio del dispositivo informático. Para ello, puede ser necesario transmitir la señal detectada por el dispositivo de detección al dispositivo informático, por ejemplo mediante dispositivos de transmisión.

El sistema permite ventajosamente la realización de un procedimiento para generar una señal de ECG según una de las realizaciones descritas en la presente divulgación con las correspondientes ventajas mencionadas. De este modo, el sistema está configurado de tal manera que dicho procedimiento puede llevarse a cabo con el sistema.

En otra realización, el dispositivo de detección está integrado en una incubadora. En este caso, por ejemplo, el dispositivo de detección puede comprender un sensor de radar Doppler y estar dispuesto en un techo de la incubadora, en particular de tal manera que una zona del tórax del paciente tumbado en un colchón de la incubadora esté dispuesta en el área de detección del sensor de radar. Alternativamente, el dispositivo de detección puede comprender un sensor de aceleración o estar diseñado como tal, que está dispuesto en/sobre el suelo de la incubadora o en/sobre el colchón de la incubadora.

Alternativamente, el dispositivo de detección puede disponerse en una cama, en particular en una cama de hospital. Si el dispositivo de detección está diseñado como un sensor de radar Doppler, por ejemplo, puede disponerse debajo del colchón o encima de la cama, por ejemplo, fijado a una horca de cama. También es concebible que el dispositivo de detección pueda diseñarse como un sensor de aceleración como el descrito anteriormente, que se dispone en/sobre el colchón o en/sobre el suelo de la cama. También es posible diseñar el dispositivo de detección como un sensor de presión que se dispone en/sobre el colchón de la cama. Otra posibilidad es que el dispositivo de detección esté integrado en el asiento de un vehículo. Un dispositivo de detección diseñado como sensor de radar Doppler puede disponerse en/sobre el respaldo de un asiento, por ejemplo. En el respaldo del asiento puede colocarse un dispositivo de detección diseñado como sensor de presión. Lo mismo ocurre con un dispositivo de detección diseñado como sensor de aceleración. Otra posibilidad es que el dispositivo de detección esté integrado en un marcapasos. Otra alternativa es que el dispositivo de detección esté integrado en un elemento del equipamiento del animal, por ejemplo, una correa para el pecho, un cabestro, un collar o similar.

Así, también se describe un sistema para generar una señal de ECG, que comprende una incubadora, en la que el dispositivo de adquisición está dispuesto en/sobre la incubadora o en/sobre un colchón de la incubadora. Además, se describe un sistema que comprende una cama, en el que el dispositivo de detección está dispuesto en/sobre la cama o en/sobre un colchón de la cama. También se describe un sistema para generar una señal de ECG, que comprende además un asiento de vehículo, con el dispositivo de detección dispuesto en/sobre el asiento del vehículo. También se describe un sistema para generar una señal de ECG, que comprende además un marcapasos, con el dispositivo de detección dispuesto en/sobre el marcapasos. Además, se describe un sistema para generar una señal de ECG, que comprende adicionalmente un artículo para animales de uso diario, en el que el dispositivo de detección está dispuesto en/sobre el artículo para animales de uso diario. Por supuesto, también son concebibles otras aplicaciones.

También se describen una incubadora, una cama, un colchón, un asiento de vehículo, un marcapasos y un artículo para mascotas que comprende al menos el dispositivo de detección de dicho sistema.

La invención se explica con más detalle haciendo referencia a ejemplos de realizaciones. Las figuras muestran:

Fig. 1 una representación esquemática de un procedimiento según la invención para determinar una señal de ECG, Fig. 2 un diagrama esquemático de bloques de un sistema según la invención para generar una señal de ECG según una primera realización,

Fig. 3 una representación esquemática de un sistema según la invención para generar una señal de ECG según otra realización,

Fig. 4 un diagrama de flujo esquemático de un proceso según la invención,

Fig. 5 una representación esquemática de un sistema para generar una señal de ECG según otra realización,

Fig. 6 una representación esquemática de un sistema para generar una señal de ECG según otra realización,

Fig. 7 una representación esquemática de un sistema para generar una señal de ECG según otra realización,

Fig. 8 una representación esquemática de una aplicación ejemplar del procedimiento según la invención,

Fig. 9 representación esquemática de sistema para generar una señal de ECG con un incubador, Fig. 10 representación esquemática de sistema para generar una señal de ECG con una cama de hospital, Fig. 11 representación esquemática de sistema para generar una señal de ECG con un asiento de vehículo, Fig. 12 una representación esquemática de un procedimiento según la invención en otra realización,

Fig. 13 una representación esquemática de la generación/entrenamiento de la red neuronal mostrada en la Fig. 12, Fig. 14 una representación esquemática de las señales sincronizadas de ECG y SCG,

Fig. 15 representación esquemática de una señal de ECG determinada por transformación y de una señal de ECG registrada por electrodos,

Fig. 16a representación esquemática de un arnés para perros con un dispositivo de detección de un sistema para generar una señal de ECG,

Fig. 16b representación esquemática de una funda de caballo con un dispositivo de detección de un sistema para generar una señal de ECG,

Fig. 17 representación esquemática de un marcapasos con un sistema de generación de una señal de ECG y,

Fig. 18 una representación ejemplar de las ponderaciones de diferentes secciones de señales.

A continuación, signos de referencia idénticos designan elementos con características técnicas idénticas o similares.

La Fig. 1 muestra una representación esquemática de un procedimiento para generar una señal 1 de ECG. Se detecta una señal inducida por el movimiento del corazón en forma de señal de SCG 2. Esto puede hacerse mediante un dispositivo de detección SCG S, que se explica con más detalle a continuación. A continuación, un dispositivo de transformación T, que en particular puede estar diseñado como un dispositivo informático o comprender un dispositivo informático, transforma la señal de ECG registrada 2 en una señal de ECG 1. De forma alternativa o acumulativa, una señal de FCG, por ejemplo mediante un dispositivo de detección FCG, también puede detectarse como una señal inducida por el movimiento del corazón y transformarse en una señal de ECG 1. De forma alternativa o acumulativa, una señal de ECG también puede detectarse como una señal inducida por el movimiento del corazón, por ejemplo, mediante un dispositivo de detección de ECG, y transformarse en una señal de ECG 1.

La Fig. 2 muestra un diagrama esquemático de bloques de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1). El sistema 3 comprende un dispositivo de detección SCG S y al menos un dispositivo de transformación T, que está diseñado como un dispositivo informático.

Se muestra que el dispositivo de detección SCG y el dispositivo de transformación forman parte de un dispositivo 4, por ejemplo un teléfono móvil.

La Fig. 3 muestra una ilustración del sistema 3 para generar una señal de ECG 1 según otra realización. Como se ha explicado anteriormente, el sistema 3 comprende un dispositivo de adquisición de ECG S y un dispositivo de transformación T diseñado como un dispositivo informático. También se muestra un dispositivo de visualización A en el que se visualiza la señal de ECG 1. Aquí se muestra que el dispositivo de detección SCG S, el dispositivo de transformación T y el dispositivo de visualización A forman parte de un dispositivo 4.

El dispositivo de detección SCG mostrado en la Fig. 2 y la Fig. 3 puede, por ejemplo, diseñarse como un sensor de aceleración, un sensor de presión o un sensor de radar, en particular un sensor de radar Doppler, o comprender un sensor de este tipo. El dispositivo de detección SCG también puede estar diseñado como un giroscopio o comprender un giroscopio de este tipo.

La Fig. 4 muestra un diagrama de flujo esquemático de un procedimiento según la invención. Aquí, una señal de SCG 1 se detecta en una etapa de detección S1, en particular mediante un dispositivo de detección SCG S, que se ha explicado anteriormente. En una etapa de filtrado opcional S2, la señal de s Cg 2 detectada de este modo se filtra, por ejemplo, con filtro de paso alto. En la señal de SCG 2 también se puede llevar a cabo la denominada eliminación de tendencias. En una etapa de transformación S3, que puede llevarse a cabo en el dispositivo de transformación T, la señal de SCG se transforma en una señal de ECG. Esto significa que un sismocardiograma también puede transformarse en un electrocardiograma. La etapa de transformación S3 también puede incluir varias transformaciones parciales. En una etapa de posprocesamiento S4, la señal de ECG o electrocardiograma generada de este modo se almacena, se transmite al menos a otro dispositivo y/o se visualiza, por ejemplo en un dispositivo de visualización adecuado A.

La Fig. 5 muestra una representación esquemática de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1) según otra realización. Se muestra un dispositivo 4, que comprende un dispositivo de detección SCG S. Este dispositivo de detección SCG S puede detectar una señal de SCG 2 (véase la Fig. 1). El dispositivo también comprende un dispositivo de comunicación K para la transmisión de datos entre el dispositivo 4 y otros dispositivos. Este dispositivo de comunicación K transmite la señal de SCG 1 generada a un dispositivo HUB 5. Este dispositivo HUB 5 tiene un dispositivo de transformación T en forma de dispositivo informático y un dispositivo de comunicación K para recibir las señales de SCG transmitidas. El dispositivo HUB 5 también puede utilizarse para transformar la señal de SCG 2 en la señal de ECG 1. A continuación, es posible que la señal de ECG 1 determinada de este modo se muestre en un dispositivo de visualización del dispositivo HUB 5, que no se muestra. También puede ser almacenado por un dispositivo de almacenamiento del dispositivo HUB 5 (no mostrado) o transmitido posteriormente por el dispositivo de comunicación K.

La Fig. 6 muestra otra ilustración de un sistema 3 para generar una señal de ECG 1. A diferencia de la realización mostrada en la Fig. 5, las señales de SCG 2 generadas por el dispositivo de detección SCG S se transmiten a través del dispositivo de comunicación K a un dispositivo servidor 6, que ofrece los denominados servicios basados en la nube. Este dispositivo servidor 6 puede comprender un dispositivo de transformación T, no representado, que realiza la transformación de las señales de SCG 2 transmitidas por el dispositivo 4 en señales de<e>C<g>1. La Fig. 6 muestra que las señales transformadas, es decir, las señales de ECG 1, se transmiten de vuelta al dispositivo 4, donde pueden ser recibidas por el dispositivo de comunicación K del dispositivo 4. La señal de ECG obtenida de este modo puede almacenarse, procesarse posteriormente o visualizarse mediante el dispositivo 4, por ejemplo mediante un dispositivo de visualización A del dispositivo 4, que no se muestra. Es posible que el dispositivo HUB 5 o el dispositivo servidor 6 lleven a cabo al menos una etapa de postprocesamiento. Aquí, el dispositivo HUB 5 o el dispositivo servidor externo 6 pueden llevar a cabo individualmente, varios, pero no todos, o todas las etapas de posprocesamiento descritos anteriormente.

La Fig. 7 muestra una representación esquemática de un sistema 3 para generar una señal de ECG 1 según otra realización de la invención. A diferencia de la realización mostrada en la Fig. 6, las señales de ECG 2 detectadas por el dispositivo de detección de ECG S del dispositivo 4 se transmiten a través del dispositivo de comunicación K del dispositivo 4 al dispositivo servidor 6, cuyo dispositivo de transformación realiza entonces la transformación en señales de ECG 1. Las señales de ECG 1 transformadas de este modo son transmitidas por el dispositivo servidor 6 a otro dispositivo 7 y recibidas allí por medio de un dispositivo de comunicación K del otro dispositivo 7. Además, las señales de ECG 1 generadas de este modo pueden almacenarse en un dispositivo de memoria del dispositivo adicional 7, procesarse posteriormente mediante un dispositivo informático del dispositivo adicional 7 o visualizarse mediante un dispositivo de visualización del dispositivo adicional 7, que no se muestra.

La Fig. 8 muestra una aplicación esquemática de un sistema 3 (véase, por ejemplo, la Fig. 2) para generar una señal de ECG 1. Aquí, un dispositivo diseñado como un teléfono móvil 4, que comprende un dispositivo de detección SCG S no mostrado y un dispositivo de transformación T diseñado como un dispositivo informático, se dispone sobre el pecho de un usuario/paciente 8. Por supuesto, es concebible que en lugar del teléfono móvil 4 pueda utilizarse otro dispositivo con un dispositivo de detección SCG S.

A continuación, el dispositivo de adquisición de ECG S puede utilizarse para generar señales de ECG 2, que luego se transforman en señales de ECG 1 mediante el dispositivo de transformación (no mostrado) del dispositivo 4 y luego se visualizan mediante un dispositivo de visualización A del dispositivo 4.

La Fig. 9 muestra una ilustración de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1) según otra realización. El sistema 3 comprende una incubadora 9, en la que un paciente 8, por ejemplo un bebé prematuro, yace sobre un colchón 10 de la incubadora 9. La incubadora 9 también incluye una tapa 11, que cubre la zona de reposo del paciente 8. En la cubierta se ha dispuesto un dispositivo de detección SCG S en forma de sensor de radar Doppler 12. Este sensor de radar Doppler 12 está dispuesto de tal manera que una zona del tórax del paciente 8 se encuentra dentro del área de detección de este sensor 12. Alternativamente, sería posible, por ejemplo, disponer un dispositivo de detección SCG S diseñado como sensor de presión o aceleración en/sobre el colchón 10 o en/sobre un suelo de la incubadora 9 sobre el que descansa el colchón 10. Si el paciente 8 es un niño prematuro o un recién nacido, se puede generar una señal de ECG 1 que esté completamente o en gran medida libre de artefactos ambientales, en particular utilizando procedimientos de filtrado adecuados, ya que la frecuencia cardíaca comparativamente alta de un recién nacido puede reducir de forma fiable la interferencia de otras personas en las proximidades de la incubadora 9.

La Fig. 10 muestra una representación esquemática de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1) según otra realización. El sistema 3 comprende una cama 13 con un colchón 14. Además, el sistema 3 comprende un dispositivo de detección SCG S en forma de sensor de presión o aceleración 15, que está dispuesto en/sobre el colchón 14. Por supuesto, también es concebible utilizar un sensor de radar Doppler, que puede colocarse en un brazo 16 de la cama 13, por ejemplo.

La Fig. 11 muestra una representación esquemática de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1) según otra realización. El sistema 3 comprende un asiento de vehículo 17, en cuyo respaldo está dispuesto un dispositivo de detección SCG S, diseñado como sensor de presión o aceleración 18. Por supuesto, también es concebible diseñar el dispositivo de detección SCG S como un sensor de radar Doppler y disponerlo de forma adecuada en/sobre el respaldo o en otro lugar del vehículo.

Las realizaciones mostradas en las figuras 8, 9, 10, 11 permiten, además de la monitorización normal de los datos vitales y el diagnóstico normal de patologías cardiológicas, una monitorización favorable, ininterrumpida y sin electrodos y, por tanto, también la detección de cualquier patología cardiológica no diagnosticada previamente, como la fibrilación auricular intermitente.

La Fig. 12 muestra una representación esquemática de un procedimiento según la invención en otra realización. Se muestra aquí que las señales de SCG 2 forman datos de entrada para una red neuronal NN, que lleva a cabo la transformación de las señales de SCG en señales de ECG 1. Así, las señales de salida de la red neuronal NN son las señales de ECG 1 que se generarán según lo propuesto. En este caso, el dispositivo de transformación T está diseñado como una red neuronal NN, comprende una red de este tipo o puede ejecutar funciones de una red neuronal NN.

La Fig. 13 muestra una representación esquemática de la generación/entrenamiento de la red neuronal NN mostrada en la Fig. 12. Aquí, los datos de entrenamiento en forma de señales de SCG registradas simultáneamente 2 y señales de ECG 1 se introducen en la red neuronal NN, por lo que los parámetros de la red neuronal NN se ajustan de tal manera que se minimiza una desviación entre las señales de ECG 1 generadas por la red neuronal, que son datos de salida de la red neuronal NN, y las señales de ECG del conjunto de datos de entrenamiento. El conjunto de datos de entrenamiento puede resultar de una medición combinada de señales de ECG, respiración y sismocardiograma. Este conjunto de datos está disponible, por ejemplo, en forma de conjunto de datos de acceso público como parte del Physiobank. Para probar el procedimiento se utilizaron datos de 20 sujetos presuntamente sanos (12 hombres y 8 mujeres). La edad media de los sujetos de ensayo era de 24,4 años (DE ±3,10). Se utilizó un Biopac MP36 para la adquisición de datos, mediante el cual se adquirieron las señales de ECG 1 a través del primer y segundo canal y las señales de SCG 2 a través del cuarto canal utilizando un acelerómetro (LIS344ALH, ST Microelectronics). Se pidió a los sujetos que permanecieran despiertos y quietos en posición supina. Se realizaron tres tipos de grabaciones (condición basal, cinco minutos; escucha de música clásica, 50 minutos; condición de control, un minuto). Las señales de ECG 1 se registraron con un ancho de banda entre 0,05 Hz y 150 Hz, las señales de SBC 2 se registraron con un ancho de banda entre 0,5 Hz y 100 Hz. Cada canal se muestreó a una frecuencia de 5 kHz.

La arquitectura de la red neuronal utilizada y los datos de entrenamiento, incluido su preprocesamiento, aplicados para probar el procedimiento, se describen a continuación a modo de ejemplo.

En particular, para ejecutar la red neuronal en dispositivos integrados y dispositivos portátiles inteligentes como teléfonos, se utilizó un autocodificador convolucional para aprender la transformación de SCG a ECG. El autocodificador utiliza un codificador y un decodificador, cada uno con cuatro capas convolucionales unidimensionales. En el codificador, las capas de convolución van seguidas de una función de activación ReLU para el mapeo de la no linealidad y una capa de agrupación máxima para la reducción del esfuerzo computacional, que sirve para reducir el sobreajuste y/o resolver relaciones espaciales rígidas. En el codificador, la primera capa de convolución comienza con 128 filtros con un tamaño de núcleo de 8; el número de filtros se duplica con cada capa adicional. El espacio latente reduce a la mitad el número de filtros. En el descodificador, éste comienza con 256 filtros en la primera capa de convolución. En la segunda y tercera capa, el número de filtros se reduce a la mitad en cada caso. La última capa de convolución reduce el número de filtros de 64 a 1. Cada capa del descodificador consta de una capa de sobremuestreo, una capa convolucional y una función de activación ReLU.

Las grabaciones de SCG y ECG del conjunto de datos fueron remuestreadas a una frecuencia de muestreo de 100 Hz para igualar la frecuencia de muestreo común para la adquisición de aceleración, que típicamente opera entre 100 Hz y 200 Hz. Esto permite la transformación de SCG a ECG a largo plazo a pesar de la limitada potencia de cálculo de los dispositivos integrados. La señal de SCG se filtró con un filtro Butterworth de paso de banda de cuarto orden de 5-30 Hz. A continuación, se normalizó la señal (asignación lineal entre 0 y 1). Las señales de ECG no se filtraron adicionalmente porque ya estaban prefiltradas.

La Fig. 14 muestra una representación esquemática de señales de ECG y SCG sincronizadas, con la señal de ECG mostrada en la línea superior y la señal de SCG en la línea inferior.

Antes del entrenamiento, los pesos de las capas convolucionales del modelo se preinicializaron con una inicialización uniforme Glorot. La función de pérdida viene dada por el error medio absoluto y se optimiza mediante el optimizador Adam con parámetros estándar y sin un término de regularización. La etiqueta o referencia es una señal de ECG de verdad (ECGGT), de modo que el autocodificador aprende un mapeo de señales de ECG 2 a señales de ECGGT y luego transforma la señal de ECG 2 en una señal de ECG 1 (ECGT) determinada por transformación. En la siguiente etapa, cada ventana SCG de 512 valores se introduce en la red. El resultado del modelo es una ventana ECGT de 512 valores de longitud, que se adapta a la ventana ECGT correspondiente mediante la optimización de pérdidas.

Se utilizó una técnica de ventana deslizante para el entrenamiento con el fin de aumentar el número de muestras y garantizar que la red captura correctamente las transiciones entre las ventanas. La elección de un tamaño de ventana de 512 con un solapamiento del 87,5% dio como resultado 4.040 ventanas utilizables para cada participante. Para los 20 participantes, la entrada se convierte en un tensor 20 x 512 x 4040 x 2. Debido al reducido número de sujetos, se realizó una validación cruzada de k veces con exclusión de uno para evaluar el rendimiento de generalización del modelo. La potencia se calculó promediando los 20 pliegues. Para ilustrar el aspecto de las señales de ECGT y ECGGT, la Figura 15 muestra el resultado de la transformación (señal de ECGT), que se representa mediante una línea discontinua, de un segmento de 400 muestras de longitud (usuario 10 en el conjunto de datos) con una superposición del ECGGT, que se representa mediante una línea continua. Los resultados se analizaron utilizando tres tipos diferentes de métricas: 1) Evaluación a nivel de señal; 2) Evaluación a nivel de característica; 3) Evaluación por expertos en la materia.

Evaluación a nivel de señal

Se utilizaron correlaciones cruzadas para comparar el ECGGT con el ECGT. Ambas señales están muy correlacionadas, con un coeficiente de correlación de r=0,94. Para analizar la calidad de los resultados de la transformación a nivel de señal, también se evaluaron una serie de valores de comparación de ECG adecuados, como el error cuadrático medio, el error cuadrático medio normalizado, el error cuadrático medio, el error cuadrático medio normalizado y la diferencia cuadrática media porcentual. Además, se realizó una validación cruzada con exclusión de uno con todos los sujetos de prueba y se calcularon los valores medios y las desviaciones estándar de cada indicador. Los resultados figuran en la tabla 1.

Evaluación a nivel de características

Para las comparaciones a nivel de características, se extrajeron de ambas señales dos características importantes del ECG, a saber, el número de picos R y la duración de los complejos QRS.

Se utilizó el algoritmo Pan-Tompkins para identificar los complejos QRS y los picos R en las señales. El número de picos R reconocidos correctamente y la duración de los complejos QRS se utilizaron para comparar el número de picos R y la duración de los complejos QRS. Para analizar las diferencias entre el ECGGT y el ECGT, se realizó una prueba no paramétrica de Bland-Altman. Este análisis de Bland-Altman no mostró diferencias significativas entre el ECGGT y el ECGT tanto para el número de picos R identificados (sesgo medio = -8,0, IC 95% = -60 a 44, r2=0,97, p=0,56) como para la longitud de los complejos QRS (sesgo medio = -0,34, IC 95% = -1,9 a 1,2, r2=0,02, p=0,12), de acuerdo con la hipótesis.

Evaluación por expertos técnicos

Se recogió la opinión de 15 cardiólogos que analizaron ejemplos tanto de señales congruentes como de señales con una desviación estadística mayor. Se pidió a los expertos que calificaran el valor diagnóstico ritmológico y morfológico de las señales en una escala Likert de 5 puntos (1 - muy deficiente, 2 - deficiente, 3 - neutro, 4 - bueno, 5 - muy bueno). Los resultados medios de las señales congruentes alcanzaron 4,87 sobre 5 para el valor de diagnóstico ritmológico y 4,67 sobre 5 para el morfológico. Incluso para las señales con menor congruencia estadística, el resultado medio fue de 4,73 sobre 5 para el valor diagnóstico ritmológico y de 4,60 sobre 5 para el valor diagnóstico morfológico. Estos resultados muestran que el procedimiento propuesto garantiza la determinación de una señal de ECG 1 con alta fiabilidad y validez. A nivel de señal, se encontraron fuertes correlaciones entre el ECGT y el ECGGT (correlación cruzada r=0,94). A nivel de características, las comparaciones para el número de picos R y la longitud de los complejos QRS demuestran la correspondencia del ECGGT con la señal de ECG 1 determinada por la transformación aplicada según la invención. En general, el conjunto de datos utilizado proporcionaba señales de SCG y ECGGT de alta calidad. No obstante, algunas grabaciones contenían artefactos de movimiento que afectaban a ambas señales. Los datos ECGGT de baja calidad y los artefactos de movimiento en los datos SCG reducen la calidad de la señal de ECG 1 (ECGT) determinada por transformación, influyen en el número de picos R detectados en secciones de señal ruidosas y reducen el coeficiente de correlación. Por otra parte, los artefactos en el ECGGT también redujeron el coeficiente de correlación si la señal de SCG 2 libre de artefactos permitía determinar una señal de ECG 2 de alta calidad. En estos casos, la señal de ECG 1 determinada según la invención resulta ser mejor que la verdad sobre el terreno registrada. Especialmente en el caso de artefactos en la señal de ECGGT debidos a una colocación incorrecta de los electrodos, la señal de ECG 1 determinada por transformación puede proporcionar resultados más precisos, ya que puede generarse independientemente de una conexión de electrodos o de una colocación correcta de los mismos. Los comentarios sistemáticos de los cardiólogos también confirman la validez y pertinencia clínicas.

Además, el procedimiento propuesto según la invención, que también puede denominarse procedimiento Heart.Al, permite identificar de forma fiable las patologías rítmicas (por ejemplo, la fibrilación auricular). La aplicabilidad sin contacto del proceso, su facilidad de uso y su alta disponibilidad son otras de sus ventajas. Otra ventaja es la posibilidad de utilizar el procedimiento con dispositivos de detección SCG en camas de hospital o camas de centros asistenciales o incluso en el entorno doméstico. La facilidad de uso en las zonas rurales, donde a menudo faltan médicos generalistas y sobre todo especialistas, también es una ventaja. El procedimiento propuesto puede utilizarse de forma sencilla y rentable en este tipo de aplicaciones telemédicas.

Además, un dispositivo existente con un dispositivo adecuado para detectar una señal de SCG 2, por ejemplo un sensor de aceleración o un giroscopio, puede ser habilitado para realizar el procedimiento propuesto mediante una actualización de software. Esto significa que la funcionalidad proporcionada por el proceso puede adaptarse a un gran número de dispositivos, lo que garantiza que el proceso pueda utilizarse ampliamente. Otra ventaja es que es posible un registro permanente sencillo y fiable de los movimientos precordiales (señal de SCG), lo que permite también la determinación permanente y fiable de una señal de ECG, especialmente durante un período superior a 24 horas. Otra ventaja es que la tecnología de sensores necesaria es barata y los sensores necesarios ya están instalados en muchos dispositivos utilizables, por lo que pueden utilizarse para llevar a cabo el proceso, como se ha explicado anteriormente. El procedimiento propuesto también puede utilizarse para transformar posteriormente señales de SCG 2 ya generadas en señales de ECG 1. Esto es especialmente interesante para las investigaciones científicas.

La Fig. 16a muestra una representación esquemática de un arnés para perros 19 con un dispositivo de detección de ECG S de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1), en el que el dispositivo de detección de ECG S está diseñado como un sensor de aceleración 18. Se muestra que el dispositivo de detección SCG S está dispuesto en una zona del arnés para perros 19 que se encuentra contra una zona del pecho del perro 20, que lleva puesto el arnés para perros 19 de la manera prevista.

La Fig. 16b muestra una representación esquemática de un cabestro para caballos 21 con un dispositivo de detección de ECG S de un sistema 3 para generar una señal de ECG 1 (véase la Fig. 1), en el que el dispositivo de detección de ECG S está diseñado como un sensor de aceleración 18. Se muestra que el dispositivo de detección SCG S está dispuesto en una región del ronzal 21 que está en contacto con una región superior de la espalda del caballo 22 , que lleva el ronzal 21 de la manera prevista. Sin embargo, también es concebible disponer el dispositivo de detección s Cg S en una zona del ronzal 21 que se encuentra contra la zona del vientre o el pecho del caballo 22 que lleva el ronzal 21 de la manera prevista.

La Fig. 17 es una representación esquemática de un marcapasos 23 con un sistema 3 para generar una señal de ECG 1. Se muestra un marcapasos adaptable a la velocidad 23, que comprende un dispositivo de detección SCG S en forma de sensor de aceleración 18. Además, el marcapasos 22 comprende un dispositivo de transformación T No se muestra un dispositivo de comunicación K del marcapasos 23, que puede transmitir la señal de ECG 1 determinada por transformación a un dispositivo externo al cuerpo, por ejemplo, un dispositivo de visualización A o un dispositivo servidor 6. Sin embargo, no es obligatorio que el marcapasos 23 comprenda el dispositivo de transformación T. Así, también es posible que el marcapasos 23 no comprenda un dispositivo de transformación T y que las señales de salida (señales brutas) del dispositivo de detección de SCG S se transmitan a un dispositivo informático externo al marcapasos, por ejemplo, a través del dispositivo de comunicación K.

La Fig. 18 muestra una representación ejemplar de ponderaciones de diferentes secciones de señal para la evaluación de una función de error. En la línea superior se muestra una señal de ECG. En la señal de ECG se muestran tres secciones de señal diferentes SA1, SA2, SA3, enmarcadas por un rectángulo. La primera sección de señal SA1 es una sección de señal de onda P, la segunda sección de señal SA2 es una sección de señal de complejo QRS y la tercera sección de señal SA3 es una sección de señal de onda T La segunda línea central muestra los factores de ponderación w1, w2, w3, que se asignan a las secciones de señal individuales SA1, SA2, SA3. Se asigna un primer factor de ponderación w1 a la primera sección de señal SA1, un segundo factor de ponderación w2 a la segunda sección de señal SA2 y un tercer factor de ponderación w3 a la tercera sección de señal SA3. Se observa que el primer factor de ponderación w1 es mayor que el segundo y el tercer factor de ponderación w2, w3, por lo que el tercer factor de ponderación w3 es mayor que el segundo factor de ponderación w2. Es posible que los factores de ponderación sean superiores a uno. Sin embargo, también es posible que todos los factores de ponderación w1, w2, w3 sean iguales y mayores que uno, por lo que las secciones de señal SA1, SA2, SA3 que son relevantes para un ECG tienen una ponderación mayor en relación con las restantes secciones de señal no relevantes. La tercera línea inferior muestra una curva de señal de la señal de ECG ponderada, en la que la amplitud de la señal de ECG en la primera sección de señal SA1 se ha ponderado, en particular multiplicado, por el primer factor de ponderación w1, en la segunda sección de señal SA2 por el segundo factor de ponderación w2 y en la tercera sección de señal SA3 por el tercer factor de ponderación w3. La ponderación también puede realizarse mediante la convolución de la señal de ECG con una función de ventana. Esta ponderación permite, en particular, compensar la amplitud. Esto puede evitar que los grandes cambios en la señal se ponderen más que los pequeños, como ocurre, por ejemplo, cuando se determina la desviación utilizando el procedimiento del error cuadrático medio. En el caso de la señal de ECG, sin embargo, las pequeñas elevaciones (por ejemplo, la onda P encerrada en la primera sección de señal SA1) contienen información importante. Es concebible que diferentes secciones de señal de una señal de ECG 1 determinada por la transformación y diferentes secciones de señal de una señal de ECG de referencia se ponderen de este modo y que la desviación entre las señales ponderadas se determine después de la ponderación con el fin de entrenar el modelo para la transformación, en particular una red neuronal.

Claims

REIVINDICACIONES

1. Procedimiento para generar una señal de ECG (1), en el que se detecta al menos una señal inducida por el movimiento del corazón, en el que la al menos una señal inducida por el movimiento del corazón detectada se transforma en al menos una señal de ECG (1), en el que la al menos una señal inducida por el movimiento del corazón es una señal de SCG (2),caracterizado porqueuna pluralidad de señales específicas de canal de una señal de ECG multicanal se determinan mediante la transformación a partir de la al menos una señal de SCG (2).

2. Procedimiento según la reivindicación 1,caracterizado porquetodas las señales específicas de canal de una señal de ECG multicanal se determinan mediante la transformación a partir de la al menos una señal de SCG (2).

3. Procedimiento según una de las reivindicaciones 1 a 2,caracterizado porquela transformación se realiza mediante un modelo generado por aprendizaje automático.

4. Procedimiento según la reivindicación 3,caracterizado porquela transformación se realiza mediante una red neuronal (NN), que está diseñada en particular como autocodificador o como una red neuronal convolucional o como una red LSTM como una red neuronal transformadora.

5. Procedimiento según una de las reivindicaciones 1 a 3,caracterizado porquela transformación se realiza mediante un modelo matemático predeterminado o mediante una función de transformación predeterminada.

6. Procedimiento según una de las reivindicaciones 3 a 5,caracterizado porque, para generar el modelo, se evalúa una función de error para determinar una desviación entre una señal de ECG (1) determinada por transformación y una señal de ECG de referencia, en el que diferentes secciones de señal de la señal de ECG determinada por transformación y/o de la señal de ECG de referencia y/o de la desviación se ponderan de forma diferente durante la evaluación de la función de error.

7. Procedimiento según una de las reivindicaciones anteriores,caracterizado porquela al menos una señal inducida por el movimiento del corazón se detecta sin contacto.

8. Procedimiento según una de las reivindicaciones precedentes,caracterizado porquela al menos una señal inducida por el movimiento del corazón se filtra antes de la transformación y, a continuación, la señal inducida por el movimiento del corazón filtrada se transforma en una señal de ECG (1).

9. Procedimiento según una de las reivindicaciones anteriores,caracterizado porquela al menos una señal inducida por el movimiento del corazón es generada por un dispositivo de detección de un dispositivo (4), en el que la transformación es realizada por un dispositivo informático (T) del dispositivo (4) o en el que la señal inducida por el movimiento del corazón es transmitida a un dispositivo informático (T) de otro dispositivo y la transformación es realizada por este dispositivo informático (T) del otro dispositivo.

10. Procedimiento según una de las reivindicaciones precedentes,caracterizado porquela al menos una señal inducida por el movimiento del corazón es generada por un dispositivo de detección de un dispositivo (4) y la señal de ECG (1 ) determinada por transformación se visualiza en un dispositivo de visualización (A) del dispositivo (4) o en el que la al menos una señal inducida por el movimiento del corazón se transmite a un dispositivo de visualización de otro dispositivo y se visualiza por este dispositivo de visualización del otro dispositivo.

11. Procedimiento según una de las reivindicaciones anteriores,caracterizado porquese realiza una prueba funcional de un dispositivo de detección antes de la transformación de la al menos una señal inducida por el movimiento del corazón, en el que la señal inducida por el movimiento del corazón sólo se transforma si se detecta una capacidad funcional y/o en que se determina una calidad de la señal detectada antes de la transformación de la al menos una señal inducida por el movimiento del corazón, en que la señal inducida por el movimiento del corazón sólo se transforma si la calidad de la señal es mayor o igual que una medida o medidas predeterminadas y/o en que se determina una disposición del dispositivo de detección con respecto al corazón antes de la transformación de la al menos una señal inducida por el movimiento del corazón, en que la señal inducida por el movimiento del corazón sólo se transforma si la disposición corresponde a una disposición predeterminada o se desvía de ella en menos de una medida predeterminada.

12. Sistema para generar una señal de ECG (1), en el que el sistema (3) comprende al menos un dispositivo de detección para detectar al menos una señal inducida por el movimiento del corazón y al menos un dispositivo informático (T), en el que la al menos una señal inducida por el movimiento del corazón detectada puede transformarse en al menos una señal de ECG (1) mediante el dispositivo informático (T), en la que la al menos una señal inducida por el movimiento del corazón es una señal de SCG (2),caracterizado porqueuna pluralidad de señales específicas de canal de una señal de ECG multicanal puede determinarse a partir de la al menos una señal de SCG (2) mediante la transformación.

13. Sistema según la reivindicación 12,caracterizado porqueel dispositivo de detección está integrado en una incubadora (9), en una cama (13) o en un asiento de vehículo (17) o en un marcapasos cardíaco o en un artículo para animales.