Este proyecto describe el desarrollo de un sistema de detección del complejo QRS presente en el electrocardiograma. La señal del electrocardiograma se captó mediante electrodos con ayuda de una tarjeta de adquisición. Tanto el procesamiento de la señal como la interfaz gráfica de usuario se programaron en Python. Para detectar los picos R se utilizaron la transformada de Hilbert y umbrales adaptativos [2].
Procesamiento de señales
Esta página se está actualizando; vuelva a visitarla pronto.
El procesamiento de señales es la ciencia que analiza procesos físicos que varían con el tiempo. Se divide en dos categorías: el procesamiento de señales analógicas y el procesamiento digital de señales. El término «analógico» describe una forma de onda continua en el tiempo que puede tomar un rango continuo de valores de amplitud [1].
Algunos de los proyectos de este campo que he dirigido son los siguientes:
Inteligencia artificial para aplicaciones de salud
El complejo QRS es fundamental para diagnosticar anomalías cardíacas, por lo que se buscan nuevos algoritmos y modelos matemáticos para detectarlo. Además, la monitorización de la señal de ECG en personas con estos problemas mediante electrocardiógrafos convencionales es limitada: la persona permanece conectada al equipo por cables y carece de movilidad, lo que impide obtener información mientras realiza sus actividades cotidianas.
Desarrollo de un sistema de control para una prótesis de brazo
En este proyecto se desarrolla un sistema de control, mediante una interfaz gráfica humano-máquina, para manejar una prótesis de brazo robótico integrada que se acciona con las señales mioeléctricas emitidas por el antebrazo del usuario.
El método de Hilbert permitió analizar las señales mioeléctricas para encontrar los impulsos relevantes para el sistema, es decir, los que indican que el usuario ejerce algún tipo de fuerza. Se determinó el umbral de tensión adaptativo de la señal y, a partir de los resultados, se habilitó el movimiento de los servomotores que abren y cierran la prótesis de mano robótica [3].
Referencias
- R. Rodriguez-Jorge, I De Leon-Damas, J Bila, J Skvor, Internet of things-assisted architecture for QRS complex detection in real time, Journal of Internet of Things, Vol 14 (2021), pp. 100395. Indexada en JCR, factor de impacto: 5,711, Q1, Elsevier.
- R. Rodríguez-Jorge and J. Bila, Cardiac Arrhythmia Prediction by Adaptive Analysis via Bluetooth, MENDEL, Vol. 26, No. 2, pp. 29-38. DOI: https://doi.org/10.13164/mendel.2020.2.029. Indexada en Scopus.
- Tesis de licenciatura: «Detection of the R peak in ECG signals obtained in real time by means of the single lead sensor», de Valeria Vargas Morales, para obtener el título de Ingeniería en Mecatrónica. Programa de Mecatrónica, Universidad Autónoma de Ciudad Juárez. Dic. 2017. (Dirección: Dr. Ricardo Rodríguez Jorge).
- Tesis de licenciatura: «Detection of QRS complexity in real time through Bluetooth communication», de Isaac De León Damas, para obtener el título de Ingeniería en Mecatrónica. Programa de Mecatrónica, Universidad Autónoma de Ciudad Juárez. Dic. 2018. (Dirección: Dr. Ricardo Rodríguez Jorge).
- Tesis de licenciatura: «Control of a robotic hand integrated by means of myoelectric signals», de Laura Ivonne Figueroa Puebla, para obtener el título de Ingeniería en Mecatrónica. Programa de Mecatrónica, Universidad Autónoma de Ciudad Juárez. Dic. 2017. (Dirección: Dr. Ricardo Rodríguez Jorge).
- Rodriguez Jorge, R., Bila, J., Mizera-Pietraszko, J., Loya Orduño, R. E., Martinez Garcia, E., & Torres Córdoba, R. (2017). Adaptive methodology for designing a predictive model of cardiac arrhythmia symptoms based on cubic neural unit. In Frontiers in Artificial Intelligence and Applications (Vol. 295, pp. 232–239). IOS Press. https://doi.org/10.3233/978-1-61499-773-3-232
- Rodriguez Jorge, R., García, E. M., Córdoba, R. T., Bila, J., & Mizera-Pietraszko, J. (2017). Adaptive Threshold, Wavelet and Hilbert Transform for QRS Detection in Electrocardiogram Signals (pp. 777–786). https://doi.org/10.1007/978-3-319-69835-9_73
- Herrera, José Elías Cancino, Ricardo Rodríguez Jorge, Osslan Osiris Vergara Villegas, Vianey Guadalupe Cruz Sánchez, Jiri Bila, Manuel de Jesús Nandayapa Alfaro, Israel U. Ponce, Ángel Israel Soto Marrufo, and Ángel Flores Abad. 2016. “Monitoring of Cardiac Arrhythmia Patterns by Adaptive Analysis.” In, 885–94. doi:10.1007/978-3-319-49109-7_86.
- Tesis de licenciatura: «Implementation of a cubic neuronal unit for the detection of patterns and prediction of cardiac arrhythmias via wireless», de Paola Alejandra Huerta Solis, para obtener el título de Ingeniería en Mecatrónica. Programa de Mecatrónica, Universidad Autónoma de Ciudad Juárez. Dic. 2018. (Dirección: Dr. Ricardo Rodríguez Jorge).
- Rodriguez Jorge, Ricardo; Bila, Jiri; Mizera-Pietraszko, Jolanta; Martinez-Garcia, Edgar A., Weight Adaptation Stability of Linear and Higher-Order Neural Units for Prediction Applications, Proceedings of the 11th International Conference MISSI 2018. (Web of Science, Proceedings Citation Index).
- Rodríguez-Jorge, R.; De León-Damas, I.; Bila, J., Detection of the QRS Complexity in Real Time with Bluetooth Communication, Advances on P2P, Parallel, Grid, Cloud and Internet Computing. 3PGCIC 2020. Lecture Notes in Networks and Systems, vol 158. Springer, Cham. (Web of Science, Proceedings Citation Index).
- R. Rodriguez-Jorge, I De Leon-Damas, J Bila, J Skvor, Internet of things-assisted architecture for QRS complex detection in real time, Journal of Internet of Things, Vol. 14 (2021), pp. 100395, Elsevier.