Em formação

Para obter o ECG padrão do PhysioNet?


Estou tentando obter ECG padrão usando ATM do PhysioNet com parâmetros

mas eu consigo

Deve ser algo como

Como você pode obter um ECG padrão completo de 12 derivações do banco de dados Physionet?


Não acho que todos os leads estejam disponíveis.

Eu olhei para o Sinais combobox para bancos de dados diferentes. Esta caixa de combinação parece ser a lista de todos os leads disponíveis.

Por exemplo, dê uma olhada em iafdb (Banco de dados de fibrilação atrial intracardíaca). Ele representará um ECG contendo as derivações II, V1 e aVF e algumas outras derivações.

Outro exemplo é o banco de dados EEG eegmmidb (Movimento do motor de EEG / Conjunto de dados de imagem) que contém muitas derivações.

Olhe também para o mimic2wdb / 39 (Banco de dados de forma de onda MIMIC II, versão 3 parte 9) que contém 4 derivações de ECG e alguns outros parâmetros, como frequência respiratória.


Como outra resposta sugeriu, é uma questão de escolher um banco de dados que contenha todos os leads. O banco de dados de arritmia de 12 derivações St Petersburg INCART (incartdb) contém todos os 12 sinais. Aqui está o diretório. Os traçados estão disponíveis selecionando-os no menu suspenso da página vinculada.


Banco de dados de ECG de diagnóstico do PTB aqui. Reveja aqui.


A análise da variabilidade da frequência cardíaca (VFC) tenta avaliar a regulação autonômica cardíaca por meio da quantificação da variabilidade do ritmo sinusal. A série temporal do ritmo sinusal é derivada da sequência de intervalo QRS a QRS (RR) do eletrocardiograma (ECG), extraindo apenas os intervalos entre batimentos sinusal normal e seio normal (NN). Variações de frequência relativamente altas no ritmo sinusal refletem a modulação parassimpática (vagal), e variações mais lentas refletem uma combinação de modulação parassimpática e simpática e fatores não autonômicos [1-5].

As medidas tradicionais de variabilidade da frequência cardíaca (VFC) são geralmente divididas em duas grandes categorias: medidas no domínio do tempo e medidas no domínio da frequência [3,4]. As estatísticas de variabilidade da frequência cardíaca no domínio do tempo comumente calculadas são definidas na Tabela 1. Observe, no entanto, que computar pNNx com x

Tabela 1: Medidas comumente usadas no domínio do tempo

AVNN * Média de todos os intervalos NN
SDNN * Desvio padrão de todos os intervalos NN
SDANN Desvio padrão das médias dos intervalos NN em todos os segmentos de 5 minutos de uma gravação de 24 horas
SDNNIDX Média dos desvios padrão dos intervalos NN em todos os segmentos de 5 minutos de uma gravação de 24 horas
rMSSD * Raiz quadrada da média dos quadrados das diferenças entre os intervalos NN adjacentes
pNN50 * Porcentagem de diferenças entre intervalos NN adjacentes que são maiores do que 50 ms, um membro da família pNNx maior [6]
* Estatísticas HRV de curto prazo

Tabela 2: Medidas de domínio de frequência comumente usadas

TOTPWR * Potência espectral total de todos os intervalos NN até 0,04 Hz
ULF Potência espectral total de todos os intervalos NN até 0,003 Hz
VLF * Potência espectral total de todos os intervalos NN entre 0,003 e 0,04 Hz
LF * Potência espectral total de todos os intervalos NN entre 0,04 e 0,15 Hz.
HF * Potência espectral total de todos os intervalos NN entre 0,15 e 0,4 Hz
LF / HF * Razão de potência de baixa para alta frequência
* Estatísticas HRV de curto prazo (VLF = potência espectral entre 0 e 0,04 Hz.)

Referências selecionadas:

[1] Wolf MM, Varigos GA, Hunt D, Sloman JG. Arritmia sinusal no infarto agudo do miocárdio. Med J Aust 19782: 52-53.

[2] Kleiger RE, Miller JP, Bigger JT, Moss AJ e o Multicenter Post-Infarction Research Group. Diminuição da variabilidade da freqüência cardíaca e sua associação com aumento da mortalidade após infarto agudo do miocárdio. Am J Cardiol 198759: 256-262.

[3] Força Tarefa da Sociedade Europeia de Cardiologia e da Sociedade Norte-Americana de Estimulação e Eletrofisiologia. Variabilidade da freqüência cardíaca: padrões de medição, interpretação fisiológica e uso clínico. Circulation 1996 93: 1043-1065.

[5] Parati G, Mancia G, Di Rienzo M, Castiglioni P, Taylor JA, Studinger P. Ponto-Contraponto: A variabilidade cardiovascular é / não é um índice de controle autonômico da circulação. J Appl Physiol 2006 101: 676-682.

[6] Mietus JE, Peng C-K, Henry I, Goldsmith RL, Goldberger AL. Os arquivos pNNx: Reexaminando uma medida de variabilidade da freqüência cardíaca amplamente usada. Heart 200288: 378-380.

[7] Pressione WH, Teukolsky SA, Vetterling WT, Flannery BP. Receitas numéricas em C: The Art of Scientific Computing, 2ª ed. Cambridge Univ. Press, 1992, pp. 575-584.

[9] Stein PK, Yanez D, Domitrovich PP, Gottdiener J, Chaves P, Kronmal R, Rautaharju P. A variabilidade da frequência cardíaca é confundida pela presença de ritmo sinusal errático. Computers in Cardiology 2002 669-72.


Para obter o ECG padrão do PhysioNet? - Biologia

1 Departamento de Engenharia Biomédica, Dezful Branch, Islamic Azad University, Dezful, Irã

2 Departamento de Engenharia Biomédica, Filial de Ciência e Pesquisa, Islamic Azad University, Teerã, Irã

Copyright e cópia 2014 dos autores e Scientific Research Publishing Inc.

Este trabalho foi licenciado pela Creative Commons Attribution International License (CC BY).

Recebido em 6 de junho de 2014, revisado em 23 de julho de 2014, aceito em 3 de agosto de 2014

Neste artigo, usamos dois novos recursos, ou seja, integral de onda T e integral total como recurso extraído de um ciclo de sinais de ECG normais e do paciente para detecção e localização de infarto do miocárdio (MI) no ventrículo esquerdo do coração. Em nosso trabalho anterior, usamos alguns recursos de dados de mapas de potencial de superfície corporal para esse objetivo. Mas sabemos que o ECG padrão é mais popular, por isso concentramos nossa detecção e localização de MI no ECG padrão. Usamos a integral da onda T porque esse recurso é uma impressão importante da onda T no MI. A segunda característica nesta pesquisa é a integral total de um ciclo de ECG, porque acreditamos que o MI afeta a morfologia do sinal de ECG, o que leva a mudanças integrais totais. Usamos alguns métodos de reconhecimento de padrões, como Rede Neural Artificial (RNA) para detectar e localizar o MI, pois esse método tem uma precisão muito boa para classificação de sinal normal e sinal anormal. Usamos um tipo de Função de Base Radial (RBF) chamada Rede Neural Probabilística (PNN) por causa de sua propriedade de não linearidade, e usamos outro classificador como k-Vizinhos Mais Próximos (KNN), Perceptron Multicamadas (MLP) e Classificação Naive Bayes. Usamos o banco de dados PhysioNet como nosso treinamento e dados de teste. Atingimos mais de 76% para precisão nos dados de teste para localização e mais de 94% para detecção de MI. As principais vantagens do nosso método são a simplicidade e a boa precisão. Além disso, podemos melhorar a precisão da classificação adicionando mais recursos neste método. Um método simples baseado no uso de apenas dois recursos que foram extraídos do ECG padrão é apresentado e tem boa precisão na localização do MI.

Palavras-chave:Classificação de sinal de ECG, processamento de sinal, infarto do miocárdio, extração de características, rede neural

O sinal do eletrocardiograma (ECG) é um dos efeitos mais óbvios da operação do coração humano. A oscilação entre os estados de sístole e diástole do coração se reflete na frequência cardíaca (FC) [1]. O ECG de superfície é a diferença de potencial registrada entre dois eletrodos colocados na superfície da pele em pontos predefinidos. A maior amplitude de um único ciclo do ECG normal é referida como a onda R que manifesta o processo de despolarização do ventrículo [1]. O tempo entre ondas R sucessivas é referido como intervalo RR, e um tacograma RR é, então, uma série de intervalos RR. A variabilidade nesta série temporal tem sido amplamente utilizada como uma medida da função cardíaca, e isso ajuda a identificar pacientes em risco de um evento cardiovascular ou morte [2].

Quando uma das artérias coronárias se fecha completamente, chamamos aquela parte do coração de infarto do miocárdio. Existem duas artérias principais para o suprimento de sangue ao miocárdio. Um deles leva sangue para o lado direito do coração (artéria coronária direita) e a outra artéria cobre o lado esquerdo do coração (artéria principal esquerda) [3]. A localização do infarto do miocárdio (IM) pode ser descrita de diferentes maneiras. Um é o modelo de coração em 17 segmentos que é usado como um modelo ideal para prever e determinar a localização do IM em vários métodos de diagnóstico, como métodos de imagem. Neste modelo, o coração foi denominado por ser cortado horizontalmente em três seções: Apical, Cavidade Média e Basal. Na realidade, a proporção da massa miocárdica unitária por massa total do miocárdio é de 42% para a basal, 36% para a cavidade média e 21% para o ápice do coração. No estudo de Cerqueira et al., O modelo de ventrículo esquerdo em 17 segmentos fornece a distribuição da massa de 35%, 35% e 30% respectivamente, cujos valores estão muito próximos ao estudo anatômico [4]. Este modelo foi mostrado na Figura 1.

Usamos a descrição básica para mostrar o local do MI. Na descrição básica, temos três partes principais: infarto inferior, infarto lateral, infarto anterior e posterior. Podemos ter a combinação destes, como infarto ântero-lateral e infração inferior. Por causa do grande volume e do trabalho árduo do ventrículo esquerdo, vemos o ventrículo esquerdo em quase todos os MI.

O sistema padrão de ECG de 12 derivações é amplamente utilizado para a detecção de arritmia cardiovascular, bem como para o diagnóstico e tratamento de diferentes doenças cardíacas. Em [5], os autores discutiram a limitação desse sistema de derivação padrão. Os pesquisadores usam diferentes sistemas de chumbo para localizar o MI e medir a força do MI, por exemplo Chumbo franco, Mapa de potencial de superfície corporal (BSPM) [3] [5] - [7]. Apesar da limitação do sistema padrão de 12 derivações, ele tem sido amplamente utilizado para detecção e localização e para medir a força do IM devido à sua simplicidade e disponibilidade de seus dados em hospitais.

Em 2010, Arif et al. apresentou um método automático para localização de MI usando K-vizinho mais próximo (KNN). Características no domínio do tempo, como amplitudes das ondas T e Q e dispersão do nível de ST, foram extraídas do ECG de 12 derivações. Eles usaram o banco de dados PTB incluindo 20.160 batimentos de ECG e, após extrair os recursos acima, eles usaram o classificador KNN. A sensibilidade foi de 99,97% e a especificidade de 99,9% para detecção de IM, e a acurácia foi igual a 98,3% para localização [8].

Em 2007, Mneimneh e Povinelli usaram RPS / GMM e localizaram e determinaram a extensão do MI. Eles usaram o banco de dados PTB para treinamento e os quatro pacientes no banco de dados de desafio PhysioNet para testes [9].

Neste artigo, por sistema de ECG padrão de 12 derivações, foram apresentados dados para detectar, localizar e medir a força do MI usando Rede Neural (NN).

Usamos os sinais de ECG registrados de 12 derivações do banco de dados PhysioNet PTB [10]. O banco de dados contém 549 registros de 290 sujeitos. Cada assunto é representado por um a cinco registros. Cada registro inclui 15 sinais medidos simultaneamente: as 12 derivações convencionais (I, II, III, AVR, AVL, AVF, V1, V2, V3, V4, V5, V6) junto com o ECG de 3 derivações Frank (Vx, Vy, Vz ) Cada sinal é digitalizado a 1000 amostras por segundo, com resolução de 16 bits em uma faixa de ± 16,384 mV. O gravador de protótipo de banco de dados PTB tem as seguintes especificações:

-16 canais de entrada, (14 para ECGs, 1 para respiração, 1 para tensão de linha)

- Tensão de entrada: ± 16 mV e tensão compensada de deslocamento até ± 300 mV

- Resistência de entrada: 100 Ω (DC)

-Resolução: 16 bits com 0,5 μV / LSB (2.000 unidades A / D por mV)

- Largura de banda: 0 - 1 kHz (amostragem síncrona de todos os canais)

-Tensão de ruído: máx. 10 μV (pp), respectivamente 3 μV (RMS) com curto-circuito de entrada

- Gravação online da resistência da pele

- Gravação de nível de ruído durante a coleta de sinal

Na primeira etapa do processamento de dados, todos os sinais são lidos pelo software MATLAB. Em seguida, separamos várias derivações de cada sinal. Depois de remover o artefato de linha de base, obtemos os sinais limpos da derivação II usando quatro tipos de filtro de suavização (filtro de média móvel, filtro Kaiser, filtro Butterworth e filtro mediano) (consulte a Figura 2). Também separamos vários pontos de cada sinal, que apenas um ou dois ciclos de todos os ciclos de sinais foram detectados. Estamos processando

(uma)(b)(c)(d)

Figura 2 . Resultados da extração de características do Lead II do caso 233 (caso de Healthy Control no banco de dados). A saída de quatro tipos de filtros (filtro Kaiser, filtro de média móvel, filtro Butterworth e filtro de mediana).

nesses ciclos. Por fim, selecionamos um ciclo a partir dos resultados dessa extração de recursos que chegaram a informações de apenas um ciclo. Na Figura 2 podemos ver a saída dos quatro tipos de filtros.

Após atingir os ciclos de ECG de cada sinal do paciente isolado, o valor integral (área sob o sinal) para cada ciclo do ponto inicial ao ponto final do sinal naquele ciclo é calculado. Agora temos o valor integral total para cada ciclo do sinal de ECG. Agora vamos pagar para a extração da integral da onda T. O primeiro e o ponto final da onda T para cada um dos ciclos de ECG são especificados e, em seguida, procedemos à extração da integral T. Agora, pela seleção dos resultados da integral total e da integral da onda T de todos os sinais do ciclo em cada paciente, chegamos às informações sobre um ciclo do sinal de ECG.

Agora estamos prontos para aplicar os recursos ao sistema de reconhecimento de padrões para detectar e localizar o MI e medir a força do MI. Usamos 4 tipos de sistema de reconhecimento de padrões. Um desses métodos é a Função de Base Radial (RBF) como Rede Neural Artificial (ANN). Este é um tipo de RNA supervisionado. É amplamente utilizado em problemas de aproximação e generalização. Possui três camadas que são chamadas de camadas de entrada, ocultas e de saída. Você pode ver a estrutura de um RBF NN na Figura 3 e na Figura 4.

Também usamos Rede Neural Probabilística (PNN) por causa de sua propriedade de não linearidade. Foi utilizado o classificador PNN que é um tipo de rede RBF. PNN usado em problemas de classificação. Quando um vetor de entrada é aplicado à rede, a primeira camada calcula a distância do vetor de entrada a partir das entradas de dados de treinamento e, assim, fornece um vetor cujos elementos determinarão a distância entre a entrada e a entrada são dados de treinamento. A segunda camada usando a saída da primeira camada irá produzir o vetor de probabilidade como saída da rede. A função de transferência competitiva (Compete) na segunda camada, pode ser selecionada a máxima verossimilhança do vetor de probabilidade, e para trocá-la, a saída é para produzir 1 e para outras probabilidades, a saída é para produzir zero. A arquitetura desse tipo de rede neural é mostrada na Figura 5.

Figura 3 . Estrutura da rede neural RBF.

Figura 4. Estrutura de rede de base radial com R entradas.

Figura 5. Estrutura da rede neural probabilística.

A premissa aqui é que os vetores de entrada são classes diferentes de k. Assim, cada vetor objetivo possui k elementos, sendo que um deles é 1 e os outros são zero.

Também usamos outro classificador, como k-Nearest Neighbours (KNN), Multilayer Perceptron (MLP) Neural Network e Naive Bayes Classification. A estrutura da rede neural do tipo MLP e a estrutura de alimentação direta são mostradas na Figura 6.

O próximo classificador usado neste artigo foi k-vizinhos mais próximos (KNN). Este classificador, dado um conjunto X de n pontos e uma função de distância D, e também kNN, permite que você encontre os k pontos mais próximos em X a um ponto de consulta ou conjunto de pontos. A técnica kNN e algoritmos baseados em kNN são amplamente usados ​​como regras de aprendizagem de referência. A relativa simplicidade da técnica de pesquisa kNN torna mais fácil comparar os resultados de outras técnicas de classificação com os resultados do kNN. Eles têm sido usados ​​em várias áreas, como bioinformática, processamento de imagens e compactação de dados, recuperação de documentos, visão computacional, banco de dados multimídia e análise de dados de marketing. Também podemos usar do kNN para outros algoritmos de aprendizado de máquina, como classificação kNN, regressão local ponderada, imputação e interpolação de dados perdidos e estimativa de densidade. Também podemos usar o kNN com muitas funções de aprendizagem à distância, como agrupamento K-means.

Finalmente, o último classificador usado neste artigo foi a Naive Bayes Classification. O classificador Naive Bayes é projetado para uso quando os recursos são independentes uns dos outros dentro de cada classe, mas parece funcionar bem na prática, mesmo quando essa suposição de independência não é válida. Isso classifica os dados em duas etapas:

1) Etapa de treinamento: usando as amostras de treinamento, o método estima os parâmetros de uma distribuição de probabilidade, assumindo que as características são condicionalmente independentes dada a classe

2) Etapa de previsão: para qualquer amostra de teste não vista, o método calcula a probabilidade posterior dessa amostra pertencer a cada classe. O método então classifica a amostra de teste de acordo com a maior probabilidade posterior.

Agora, cada um dos recursos extraídos foi armazenado em vetores de recursos. Esses recursos extraídos como vetores de entrada para cada classificador. Para a detecção de MI, temos duas classes (paciente saudável e com MI). Para detecção e localização de IM, temos quatro classes (Saudável e amp Anterior e amp Inferior e amp Posterior). Agora, vetores de recursos como entrada para a Rede Neural (ou classificador), e fazemos a operação de classificação. Neste estudo, 75% de todos os sinais no banco de dados selecionados aleatoriamente como conjunto de treinamento e 25% dos recursos restantes dos sinais conforme determinado pelo conjunto de teste. Fazemos treinamento de rede por conjunto de treinamento e ajustamos os parâmetros de rede para fornecer a máxima precisão na classificação de sinais em conjunto de treinamento. Em seguida, fazemos a classificação dos sinais no conjunto de testes por classificadores projetados.

Os resultados da classificação das características extraídas do sinal de ECG para a detecção e localização do infarto do miocárdio foram mostrados na Tabela 1

O melhor resultado para saudáveis ​​separados e pacientes com IM (Detecção) foi obtido pelo classificador Bayes (igual a 94,74%). O melhor resultado para Detecção e Localização de IM foi obtido pela Rede Neural Probabilística (igual a 76,67%).

4. Conclusão e Discussão

Neste estudo, novo método para determinar e identificar a localização do infarto do miocárdio nos dados do PhysioNet

Figura 6. Estrutura da rede neural MLP.

Tabela 1 . Resultados de classificação de características extraídas do sinal de ECG para detecção e localização de infarto do miocárdio.

(Banco de dados PTB) por extração de características de sinais de ECG e aplicação de vários classificadores. Para estimar a detecção e localização de MI, os resultados do nosso método (em dados de teste) foram comparados com certos resultados no banco de dados. Finalmente, o artigo observou relativamente bem que o método proposto é capaz de estimar com precisão a localização do IM em pacientes que foram introduzidos como um teste. A principal vantagem deste método é a sua simplicidade.

Apesar da simplicidade, nosso método tem boa precisão, que pode ser melhorada adicionando mais recursos.Estudos futuros podem se concentrar em outros parâmetros, como amplitude da onda T em um ciclo de sinais de ECG, dispersão do segmento ST em um ciclo de sinais de ECG, amplitude da onda Q em sinais de ECG e outros parâmetros, para localizar mais precisamente a área de infarto no coração e usado a partir deles para detectar a extensão e localização do MI com alta precisão (no banco de dados que determina a extensão do MI).

Com um agradecimento especial de Dezful Branch, Islamic Azad University, Dezful, Irã, cuja pesquisa foi apoiada por esta universidade. Finalmente, obrigado ao Departamento de Ciência e Pesquisa, Islamic Azad University, Teerã, Irã.


Avaliação de sistemas de monitoramento em cardiologia

A instrumentação médica automatizada - disponibilizada pelos avanços contínuos em tecnologia e pesquisa biomédica - está amplamente disponível na prática clínica hoje.

A confiabilidade e a eficácia devem sempre ser avaliadas quantitativamente, no entanto, dada a complexidade e variabilidade dos sistemas fisiológicos que precisam ser analisados. Para avaliar o desempenho dos sistemas de monitoramento de ECG, o uso de bancos de dados de referência de sinais anotados é um padrão de fato.

1. Fundo

Os diagnósticos e investigações clínicas dependem da capacidade de registrar, analisar e interpretar os sinais fisiológicos. Analisar sistemas biológicos ainda é uma tarefa desafiadora, apesar dos avanços tecnológicos que permitiram o registro e armazenamento de conjuntos de dados massivos de sinais em flutuação contínua.

Os métodos de processamento e interpretação de sinais são cada vez mais sofisticados e estão sendo desenvolvidos para estudar sistemas fisiológicos no que diz respeito à sua complexidade e às restrições de medição envolvidas.

Na Cardiologia, os sistemas automatizados são amplamente aplicados ao monitoramento de pacientes por meio da análise e interpretação de sinais biomédicos. Eles variam de analisadores de ECG (repouso, exercício, Holter) a sistemas de monitoramento de multiparâmetros em ambientes de cuidados intensivos (CCU, UTI, Sala de cirurgia, Laboratório de cateterismo).

Como a experiência clínica, por um lado, levou a mais e mais indicadores prognósticos, e a tecnologia biomédica, por outro lado, também avançou, sistemas computadorizados de ECG cada vez mais sofisticados foram desenvolvidos, como eletrocardiógrafos medindo parâmetros de sinal automaticamente, analisadores de ECG de longo prazo que detectam arritmias e episódios de alteração de ST transitórios & ldquo-isquêmicos & rdquo ou sistemas avançados que fornecem aos cardiologistas informações diagnósticas.

2 - Bancos de dados de referência para avaliação do sistema

A análise automatizada de sinais fisiológicos é criticamente afetada pela ampla variabilidade inter e intra-paciente de características normais e anormais ou pela presença de ruído e / ou artefatos, muitas vezes dificultando a detecção de mudanças sutis nas características da forma de onda.

Portanto, os usuários estão preocupados com uma questão básica: & ldquoO dispositivo funciona de maneira confiável e fornece informações precisas? & Rdquo

Uma resposta significativa pode ser dada a nós testando o dispositivo em coleções de sinais fisiológicos do & ldquoreal world & rdquo, obtidos em uma ampla variedade de condições saudáveis ​​e patológicas. Usando esses bancos de dados como referência, os fabricantes e as comunidades médicas / de pesquisa podem medir e comparar o desempenho de sistemas comerciais.

Muitos bancos de dados, aproximando-se do status do & ldquogold padrão & rdquo, foram disponibilizados, particularmente no monitoramento de ECG de longo prazo, cada um contendo registros de sinais digitais bem caracterizados representando variabilidade clínica e incluindo anormalidades significativas raramente observadas. Cada sinal foi anotado por cardiologistas, batimento por batimento (por exemplo, complexo QRS) ou episódio por episódio (por exemplo, arritmia, alteração transiente de ST), permitindo assim a comparação quantitativa e reprodutível da análise do dispositivo.

  1. Banco de dados de arritmia do Massachusetts Institute of Technology e ndash Beth Israel Hospital (MIT-BIH)e (1,2) foi o primeiro conjunto geralmente disponível de Holter ECGs (48 registros de dois canais de meia hora, batimento a batimento anotado) para a avaliação de detectores de arritmia, e foi usado para esse fim, bem como para pesquisa básica em dinâmica cardíaca em 500 locais em todo o mundo desde 1980.
    Junto com o banco de dados da American Heart Association (AHA) (3), estimulou os fabricantes a competir em desempenhos mensuráveis ​​objetivamente.
  2. O Banco de Dados ST-T Europeu (ESCDB) (4,5) foi então liberado para documentar anormalidades isquêmicas significativas em ECG de longo prazo (90 registros de dois canais de duas horas, batimento a batimento anotado), apenas contribuindo para o desenvolvimento e avaliação de sistemas de análise de episódios transitórios de isquemia miocárdica. Desde 1990, ele foi aplicado em 100 locais em todo o mundo.
  3. O projeto ESCDB teve origem na Ação Concertada em Monitorização Ambulatorial e foi finalmente apoiado pela Sociedade Europeia de Cardiologia. Recentemente o Banco de dados ST de longo prazo (LTSTDB) foi desenvolvido (6), por um esforço conjunto da Universidade de Ljubljana, Beth Israel Deaconess Medical Center e CNR Institute of Clinical Physiology, para complementar o ESCDB incluindo registros de Holter de 24 horas (86 registros de dois e três canais). Um protocolo de anotação comum foi adotado para desenvolver as diferentes bases de dados.

3 - PhysioNet: recurso web para distribuição e troca de sinais fisiológicos

PhysioNet (http://www.physionet.org/), um projeto desenvolvido por Harvard-MIT (7) sob os auspícios do Centro Nacional de Recursos de Pesquisa do NIH, tinha como objetivo estimular a pesquisa, fornecendo um fórum on-line para disseminação e troca gratuitas de sinais biomédicos gravados (PhysioBank) e software de análise de código aberto (PhysioToolkit).

PhysioBank é um arquivo grande e crescente de gravações digitais bem caracterizadas de sinais fisiológicos e dados relacionados para uso pela comunidade de pesquisa biomédica. O PhysioBank atualmente inclui bancos de dados de sinais cardiopulmonares, neurais e outros sinais biomédicos multiparâmetros de indivíduos saudáveis ​​e pacientes com uma variedade de condições. O PhysioBank agora contém mais de 40 bancos de dados que podem ser baixados gratuitamente. Mais da metade do ESTDB e LTSTDB também estão disponíveis gratuitamente no PhysioNet.

4 - Padrões para avaliação de desempenho

Protocolos específicos foram definidos por ANSI-AAMI (EC38, EC57) (atualmente reconhecidos pelo FDA como padrões de consenso) (8,9) para avaliar o desempenho de analisadores de ECG automatizados. Uma série de softwares de avaliação, em conformidade com tais protocolos, foi incluída no WFDB Software Package on PhysioNet (10). Os padrões ANSI-AAMI fazem uma lista dos bancos de dados de ECG sugeridos para avaliação de desempenho.

O processo de avaliação consiste em apresentar os sinais de referência ao dispositivo em teste e, em seguida, coletar os arquivos de anotações do dispositivo. Uma comparação dos arquivos de anotação de teste e referência é então realizada para cada registro do banco de dados de referência.

As estatísticas de desempenho (sensibilidade, precisão preditiva positiva ou especificidade) são derivadas para medir a detecção de cada evento de interesse clínico (batimentos, arritmias ou episódios de alteração de ST-T), permitindo assim a avaliação da qualidade do sistema e rsquos em teste e levando os desenvolvedores a revisar e melhorar os dispositivos.

Usando protocolos padrão e bancos de dados de sinais de referência, os fabricantes podem hoje qualificar de forma reproduzível sua instrumentação, finalmente fornecendo aos médicos informações úteis para avaliação e avaliação comparativa.

A instrumentação médica automatizada - disponibilizada pelos avanços contínuos em tecnologia e pesquisa biomédica - está amplamente disponível na prática clínica hoje.


A confiabilidade e a eficácia devem sempre ser avaliadas quantitativamente, no entanto, dada a complexidade e variabilidade dos sistemas fisiológicos que precisam ser analisados. Para avaliar o desempenho dos sistemas de monitoramento de ECG, o uso de bancos de dados de referência de sinais anotados é um padrão de fato.

O conteúdo deste artigo reflete a opinião pessoal do (s) autor (es) e não é necessariamente a posição oficial da European Society of Cardiology.

Referências

(2) Mark R.G. et al. Um banco de dados anotado para avaliar detectores de arritmia. Front.Eng.Health Care, pp.205-210, 1982.

(3) Hermes R.E. et al. Desenvolvimento, distribuição e uso do banco de dados AHA para avaliação de detector de arritmia ventricular. Computers in Cardiology 1980, pp.263-266.

(5) Taddei A. et al. O banco de dados europeu ST-T: padrão para avaliação de sistemas para a análise de alterações de ST-T em eletrocardiografia ambulatorial. EUR. Heart J, 13: 1164-1172,1992.

(6) Jager F, Taddei A, Moody GB, Emdin M, Antolic G, Dorn R, Smrdel A, Marchesi C e Mark RG. Base de dados ST de longa duração: uma referência para o desenvolvimento e avaliação de detectores automáticos de isquemia e para o estudo da dinâmica da isquemia miocárdica. Medical & amp Biological Engineering & amp Computing 41 (2): 172-183, 2003.
http://www.physionet.org/physiobank/database/ltstdb/lt03/

(7) Goldberger A.L. et al. PhysioBank, PhysioToolkit e PhysioNet: componentes de um novo recurso de pesquisa para sinais fisiológicos complexos. Circulação. 2000 101: e215.
http://circ.ahajournals.org/cgi/content/full/101/23/e215

(8) Eletrocardiógrafos ambulatoriais. ANSI / AAMI EC38 1998 (FDA 2005)

(9) Testar e relatar os resultados de desempenho do ritmo cardíaco e algoritmos de medição do segmento ST. ANSI-AAMI EC57: 1998 / (R) 2003 (FDA 2002)

(10) Moody G.B. Avaliando analisadores de ECG. In: WFDB Applications Guide, 10th Edition, Harvard-MIT Div. de Ciências e Tecnologia da Saúde, 2003
http://www.physionet.org/physiotools/wag/wag.htm

Notas para o editor

Dr. Alessandro Taddei
Massa, Itália
Membro do Núcleo do Grupo de Trabalho ESC sobre Computadores em Cardiologia


Resumo

Fundo

As alterações clássicas da forma de onda ST-T no ECG padrão de 12 derivações têm sensibilidade limitada na detecção de síndrome coronariana aguda (SCA) no departamento de emergência. Vários novos recursos de ECG foram propostos anteriormente para aumentar a decisão dos médicos durante a avaliação do paciente, mas sua utilidade clínica permanece obscura.

Métodos e Resultados

Este foi um estudo observacional de pacientes consecutivos avaliados para suspeita de SCA (Coorte 1 n = 745, idade 59 ± 17, 42% feminino, 15% ACS Coorte 2 n = 499, idade 59 ± 16, 49% feminino, 18% ACS) . De 554 recursos de forma de onda de ECG espaço-temporal, usamos o conhecimento de domínio para selecionar um subconjunto de 65 recursos conduzidos pela fisiologia que estão mecanicamente ligados à isquemia miocárdica e comparamos seu desempenho a um subconjunto de 229 recursos conduzidos por dados selecionados por vários algoritmos de aprendizado de máquina . Em seguida, usamos a floresta aleatória para selecionar um subconjunto final dos 73 recursos de ECG mais importantes que tinham base tanto em dados quanto em fisiologia para a previsão de ACS e comparamos seu desempenho com os de especialistas clínicos. No conjunto de testes, um classificador de regressão logística regularizado com base nos 73 recursos híbridos produziu um modelo estável que superou os especialistas clínicos na previsão de SCA, com 10% a 29% dos casos reclassificados corretamente. Métricas de dispersão elétrica não-condipolar (ou seja, isquemia circunferencial), tempo de ativação ventricular (ou seja, atrasos de condução transmural), eixos e ângulos QRS e T (ou seja, remodelação global) e proporção de análise de componente principal de formas de onda de ECG (ou seja, heterogeneidade regional) desempenhou um papel importante na melhoria do desempenho de reclassificação.

Conclusões

Identificamos um subconjunto de novos recursos de ECG preditivos de ACS com um modelo totalmente interpretável e altamente adaptável a aplicações de suporte à decisão clínica.

Cadastro


Fundo

O eletrocardiograma (ECG) é uma das ferramentas de diagnóstico mais utilizadas na medicina e na saúde. Métodos de aprendizado profundo têm alcançado resultados promissores em tarefas de saúde preditiva usando sinais de ECG.

Objetivo

Este artigo apresenta uma revisão sistemática dos métodos de aprendizagem profunda para dados de ECG de ambas as perspectivas de modelagem e aplicação.

Métodos

Extraímos artigos que aplicaram modelos de aprendizagem profunda (rede neural profunda) a dados de ECG publicados entre 1º de janeiro de 2010 e 29 de fevereiro de 2020 do Google Scholar, PubMed e do Digital Bibliography & amp Library Project. Em seguida, analisamos cada artigo de acordo com três fatores: tarefas, modelos e dados. Finalmente, discutimos os desafios em aberto e os problemas não resolvidos nesta área.

Resultados

O número total de artigos extraídos foi de 191. Entre esses artigos, 108 foram publicados após 2019. Diferentes arquiteturas de aprendizado profundo foram usadas em várias tarefas de análise de ECG, como detecção / classificação de doenças, anotação / localização, estadiamento do sono, identificação biométrica humana, e denoising.

Conclusão

O número de trabalhos sobre aprendizagem profunda para dados de ECG cresceu de forma explosiva nos últimos anos. Esses trabalhos alcançaram uma precisão comparável à das abordagens tradicionais baseadas em recursos e conjuntos de abordagens múltiplas podem alcançar resultados ainda melhores. Especificamente, descobrimos que uma arquitetura híbrida de uma rede neural convolucional e conjunto de rede neural recorrente usando recursos especializados produz os melhores resultados. No entanto, existem alguns novos desafios e problemas relacionados à interpretabilidade, escalabilidade e eficiência que devem ser tratados. Além disso, também vale a pena investigar novos aplicativos da perspectiva de conjuntos de dados e métodos.

Significado

Este artigo resume a pesquisa de aprendizado profundo existente usando dados de ECG de várias perspectivas e destaca os desafios e problemas existentes para identificar possíveis direções futuras de pesquisa.


Análise de ECG fetal não invasiva

Apesar dos importantes avanços alcançados no campo do processamento do sinal da eletrocardiografia de adultos, a análise do eletrocardiograma fetal não invasivo (NI-FECG) permanece um desafio. Atualmente não existe nenhum banco de dados padrão ouro que forneça complexos FECG QRS rotulados (e outros parâmetros morfológicos), e as publicações contam com bancos de dados proprietários ou um conjunto muito limitado de dados registrados de poucos (ou mais frequentemente, apenas um) indivíduos. O PhysioNet / Computing no Cardiology Challenge 2013 permite lidar com algumas dessas limitações, liberando um conjunto de dados NI-FECG publicamente para a comunidade científica, a fim de avaliar as técnicas de processamento de sinal para extração de NI-FECG. O objetivo do desafio era encorajar o desenvolvimento de algoritmos precisos para localizar complexos QRS e estimar o intervalo QT em sinais FECG não invasivos. Usando anotações QRS de referência cuidadosamente revisadas e intervalos QT como um padrão ouro, com base em FECG direto simultâneo quando possível, o Desafio foi projetado para medir e comparar o desempenho dos algoritmos dos participantes de forma objetiva. Múltiplos eventos de desafio foram projetados para testar a precisão da estimativa FHR básica, bem como a precisão na medição de inter-batimento (RR) e intervalos QT necessários como base para a derivação de outros recursos FECG. Este editorial analisa as questões de fundo, o design do Desafio, as principais realizações e a pesquisa de acompanhamento gerada como resultado do Desafio, publicado na edição especial simultânea de Medição Fisiológica.

Bonecos

Linha do tempo de desenvolvimento pré-natal com chave ...

Linha do tempo de desenvolvimento pré-natal com marco importante no que diz respeito ao monitoramento fetal. Aos 20 ...

Frequência e sobreposição temporal de ...

Frequência e sobreposição temporal dos sinais MECG e FECG. (a) Do topo ...


O futuro do eletrocardiograma

O fato de o ECG padrão estar disponível por mais de 7 décadas na prática clínica o torna atraente para algoritmos de análise de big data. Por ano, centenas de milhões de ECGs são registrados em todo o mundo. Essas enormes quantidades de dados de ECG também estão cada vez mais disponíveis em formato digital. Com base nessa vasta quantidade de dados de ECG digital, algoritmos artificiais são capazes de detectar corações doentes ou potencialmente doentes apenas a partir do ECG, dos quais Attia et al. dá um exemplo concreto [1]. O fato de que esse grupo mostrou uma relação clara entre a disfunção do miocárdio contrátil e o ECG é um forte argumento do (potencial) poder diagnóstico do ECG padrão de 12 derivações. O limitado preditivo positivo do algoritmo proposto foi parcialmente atribuído pelos autores à seleção do ponto de corte da fração de ejeção em 35%. No entanto, outra limitação importante, não mencionada por Attia et al, é o fato de que os registros do ECG estão sujeitos a vários erros e, portanto, contêm uma grande variação nas medidas do ECG.

Estranhamente, o ECG padrão de 12 derivações não está fornecendo saída padronizada. Isso impede a plena exploração dos méritos do ECG. Uma das principais limitações do ECG é o (potencial) erro humano, que não pode ser quantificado com a tecnologia de ECG atual. Ao contrário dos algoritmos de processamento de imagem quantitativos baseados em IA, com excelente desempenho na detecção de aberrações nas imagens médicas, os ECGs não têm a verificação da consistência dos dados, especialmente na avaliação da forma de onda de ECG baseada na morfologia. Os fatores que influenciam a morfologia das formas de onda do ECG são a circunferência torácica masculina versus feminina e, consequentemente, o tamanho, a posição e a orientação do coração (figura 1). Mas o fator de maior influência de todos são as posições dos eletrodos, sujeitas a erros humanos e os fatores mencionados acima [3]. A razão pela qual as posições dos eletrodos são tão importantes é porque cada eletrodo funciona como uma câmera virtual no coração. Alterar sua posição automaticamente significa uma visão diferente do coração e, portanto, uma forma de onda diferente. Para eletrodos distantes, essa influência é limitada, mas para os eletrodos precordiais (próximos ao coração) a influência é maior e prejudica significativamente a capacidade diagnóstica do ECG padrão de 12 derivações [4].

A maneira tradicional de limitar esses erros na colocação do eletrodo é treinar a equipe no posicionamento dos eletrodos precordiais nas posições padrão dos eletrodos, o que significa V1-V2 no 4º espaço intercostal, e em uma linha V4-6 apenas alguns cm abaixo do mamilo. Obviamente, esta diretriz foi desenvolvida para homens (figura 1). Conseqüentemente, eletrodos de ECG femininos serão freqüentemente colocados abaixo da mama esquerda, portanto, com uma visão diferente do coração. Esse é um dos principais motivos pelos quais a morfologia da forma de onda do ECG tem uso limitado na prática clínica. O diagnóstico de bloqueios de ramo direito ou esquerdo, síndromes coronarianas agudas (SCA) são freqüentemente problemáticos, o que pode resultar em um tratamento tardio. Consequentemente, alternativas foram introduzidas, como eco ou, por exemplo, níveis de troponina para ACS. Por outro lado, estudos como o estudo de Attia et al. mostram que a informação está de alguma forma presente no ECG, caso contrário, seus algoritmos de big data não teriam encontrado uma relação entre a função contrátil e o ECG.

Para melhorar a saída padronizada e, portanto, o valor diagnóstico do ECG, tanto na prática clínica quanto para aumentar o valor preditivo positivo de algoritmos de inteligência artificial, as posições dos eletrodos de ECG precisam ser conhecidas e usadas para derivar a saída de ECG padrão e correta . Para a localização dos eletrodos no tórax pode ser utilizada uma câmera 3D [5] (figura 2). O uso de tal câmera já se mostrou importante para a localização de arritmias cardíacas [6].

O uso da câmera permite um diagnóstico confiável e específico do paciente, pois possibilita não só a localização dos eletrodos, mas também a construção do corpo (figura 2). A combinação dessas diferentes modalidades pode muito bem ser usada para garantir a saída de ECG padrão que suporta o uso de algoritmos de inteligência artificial na análise de sinais de ECG. Não apenas a avaliação de um único resultado de ECG padrão não está disponível, mas também a comparação de um ECG de pessoa e rsquos ao longo do tempo. Mais de 115 anos após o primeiro registro clínico de ECG por Einthoven, chega a hora de empurrar o ECG para a era da inteligência artificial!


6 Respostas 6

Você pode usar o ATM Physionet para obter .esteira arquivos que são mais fáceis de trabalhar.

No entrada peça selecione as derivações, comprimento, banco de dados e amostra desejados.

No Caixa de ferramentas selecione exportar como .mat:

Em seguida, baixe o arquivo '.mat',

Para abrir o arquivo no MATLAB, aqui está um código de exemplo:

No entanto, se você fosse ler anotação arquivos para arritmia ou Complexos QRS isso seria outro problema.

o base e ganho vem do informação arquivo (segunda foto). Este arquivo fornece várias informações sobre o sinal de ECG.

Na última frase diz: Para converter de unidades brutas em unidades físicas mostradas acima, subtraia a 'base' e divida por 'ganho'.

Você precisa do programa rddata.m (script MATLab) deste site. O programa pode ser encontrado aqui. rddata.m é provavelmente o único programa de que você precisará para ler os sinais ecg. Lembro-me de ter usado esse programa e banco de dados não muito tempo atrás.

Há um tutorial para usar o matlab para ler os dados. tutorial para usuário matlab

instale "The WFDB Toolbox for Matlab" a partir do link acima. Adicione a pasta da caixa de ferramentas ao caminho no matlab.

Baixe o sinal de ECG. Certifique-se de baixar '.atr', '.dat' e '.hea' juntos para obter o sinal com o qual você deve lidar.

O comando no matlab é o seguinte: [tm, sinal, Fs] = rdsamp (nome do arquivo, 1) [ann, tipo] = rdann (nome do arquivo, 'atr') Nota: para o sinal '101', seu nome é '101'. E você pode verificar as informações detalhadas sobre rdsamp e rdann no tutorial.

Então li essa resposta há 3 meses e removi a base e o ganho. Acontece que mudei completamente meus R-peaks em várias direções, bagunçando todos os meus resultados. Embora eu não tenha certeza se fazer isso é necessário ou não no matlab, NÃO FAÇA ISSO se você não estiver pré-processando seu sinal no matlab. Eu estava pré-processando meu sinal em python, e tudo que fiz para normalizar foi

e filtros Butterworth usados ​​para remover artefatos (intervalo 0,5hz-45hz)

O corte que eu selecionei é 0,5 a 45 não 5-15 como relatei anteriormente. Este corte preserva o QRS para várias arritmias sem adicionar muito ruído

Use ATM para extrair .esteira conforme descrito por Kamtal (agora conhecido Rashid). No entanto, observe que para ver o .info arquivo em alguns casos, você precisa clicar na seta

Depois de encaminhar isso para os desenvolvedores aqui, obtivemos melhorias na documentação aqui na Seção 4.

Se forem todos inteiros no intervalo [-2 ^ N, 2 ^ N-1] ou [0, 2 ^ N], provavelmente são digitais. Compare os valores para ver se eles estão na faixa fisiológica esperada do sinal que você está analisando. Por exemplo, se o cabeçalho declara que o sinal é um ECG armazenado em milivolts, que normalmente tem uma amplitude de cerca de 2mV, um sinal de inteiros variando de -32.000 a 32.000 provavelmente não está fornecendo o ECG físico em milivolts.

Se não forem inteiros, são físicos. Mais uma vez, você pode comparar rapidamente os valores para ver se eles estão na faixa fisiológica esperada do sinal que você está analisando.


Conteúdo

O objetivo geral de realizar um ECG é obter informações sobre a função elétrica do coração. Os usos médicos dessas informações são variados e freqüentemente precisam ser combinados com o conhecimento da estrutura do coração e os sinais do exame físico a serem interpretados. Algumas indicações para a realização de um ECG incluem o seguinte: [ citação necessária ]

  • Dor torácica ou suspeita de infarto do miocárdio (ataque cardíaco), como infarto do miocárdio com elevação do segmento ST (IAMCSST) [9] ou infarto do miocárdio sem elevação do segmento ST (IAMSSST) [10]
  • Sintomas como falta de ar, sopros, [11] desmaios, convulsões, reviravoltas engraçadas ou arritmias, incluindo início de novas palpitações ou monitoramento de arritmias cardíacas conhecidas
  • Monitoramento de medicação (por exemplo, prolongamento QT induzido por drogas, toxicidade de digoxina) e gerenciamento de overdose (por exemplo, overdose tricíclica), como monitoramento de hipercalemia em que qualquer forma de anestesia está envolvida (por exemplo, cuidados de anestesia monitorados, anestesia geral). Isso inclui avaliação pré-operatória e monitoramento intra e pós-operatório. (CTA) e angiografia por ressonância magnética (ARM) do coração (o ECG é usado para "bloquear" a varredura para que a posição anatômica do coração seja estável), na qual um cateter é inserido pela veia femoral e pode ter vários eletrodos ao longo de seu comprimento para registrar a direção da atividade elétrica de dentro do coração.

ECGs podem ser registrados como traçados curtos intermitentes ou contínuo Monitoramento de ECG. A monitoração contínua é usada para pacientes criticamente enfermos, pacientes submetidos à anestesia geral [11] e pacientes que apresentam arritmia cardíaca de ocorrência rara, que dificilmente seria observada em um ECG convencional de dez segundos. A monitoração contínua pode ser realizada por meio de monitores Holter, desfibriladores e marcapassos internos e externos e / ou biotelemetria.

Edição de triagem

As evidências não apóiam o uso de ECGs entre aqueles sem sintomas ou com baixo risco de doença cardiovascular como um esforço de prevenção. [12] [13] [14] Isso ocorre porque um ECG pode indicar falsamente a existência de um problema, levando a diagnósticos incorretos, recomendação de procedimentos invasivos e tratamento excessivo. No entanto, pessoas empregadas em certas ocupações críticas, como pilotos de aeronave, [15] podem ser obrigadas a fazer um ECG como parte de suas avaliações de saúde de rotina. A triagem para cardiomiopatia hipertrófica também pode ser considerada em adolescentes como parte de um exame físico esportivo devido à preocupação com morte cardíaca súbita. [ citação necessária ]

Os eletrocardiogramas são gravados por máquinas que consistem em um conjunto de eletrodos conectados a uma unidade central. [16] As primeiras máquinas de ECG foram construídas com eletrônicos analógicos, onde o sinal acionava um motor para imprimir o sinal no papel. Hoje, os eletrocardiógrafos usam conversores analógico-digital para converter a atividade elétrica do coração em um sinal digital. Muitas máquinas de ECG agora são portáteis e geralmente incluem uma tela, teclado e impressora em um pequeno carrinho com rodas. Avanços recentes em eletrocardiografia incluem o desenvolvimento de dispositivos ainda menores para inclusão em rastreadores de fitness e relógios inteligentes. [17] Esses dispositivos menores geralmente dependem de apenas dois eletrodos para fornecer uma única derivação I. [18] Dispositivos portáteis de seis derivações também estão disponíveis.

A gravação de um ECG é um procedimento seguro e indolor. [19] As máquinas são alimentadas por rede elétrica, mas são projetadas com vários recursos de segurança, incluindo um cabo de aterramento. Outros recursos incluem:

    proteção: qualquer ECG usado na área de saúde pode ser anexado a uma pessoa que precise de desfibrilação e o ECG precisa se proteger dessa fonte de energia. é semelhante à descarga de desfibrilação e requer proteção contra tensão de até 18.000 volts.
  • Além disso, os circuitos chamados de driver da perna direita podem ser usados ​​para reduzir a interferência de modo comum (normalmente a energia da rede elétrica de 50 ou 60 Hz).
  • As tensões de ECG medidas em todo o corpo são muito pequenas. Esta baixa tensão necessita de um circuito de baixo ruído, amplificadores de instrumentação e blindagem eletromagnética.
  • Gravações de derivações simultâneas: projetos anteriores gravavam cada derivação sequencialmente, mas os modelos atuais gravam várias derivações simultaneamente.

A maioria das máquinas de ECG modernas inclui algoritmos de interpretação automatizados. Esta análise calcula recursos como o intervalo PR, intervalo QT, intervalo QT corrigido (QTc), eixo PR, eixo QRS, ritmo e muito mais. Os resultados desses algoritmos automatizados são considerados "preliminares" até que sejam verificados e / ou modificados por interpretação especializada. Apesar dos avanços recentes, a interpretação incorreta do computador continua sendo um problema significativo e pode resultar em gerenciamento clínico incorreto. [20]

Os eletrodos são as almofadas condutoras presas à superfície do corpo. [22] Qualquer par de eletrodos pode medir a diferença de potencial elétrico entre os dois locais correspondentes de fixação. Tal par se forma uma pista. No entanto, "condutores" também podem ser formados entre um eletrodo físico e um eletrodo virtual, conhecido como Terminal central de Wilson (WCT), cujo potencial é definido como o potencial médio medido por três eletrodos de membro fixados no braço direito, no braço esquerdo e no pé esquerdo, respectivamente. [ citação necessária ]

Normalmente, 10 eletrodos fixados ao corpo são usados ​​para formar 12 derivações de ECG, com cada derivação medindo uma diferença de potencial elétrico específica (conforme listado na tabela abaixo). [23]

As derivações são divididas em três tipos: membro aumentado e precordial ou tórax. O ECG de 12 derivações tem um total de três membros terminais e três eletrodos de membros aumentados dispostos como raios de uma roda no plano coronal (vertical), e seis ligações precordiais ou chumbo no peito que se encontram no plano transversal perpendicular (horizontal). [24]

Em ambientes médicos, o termo pistas às vezes também é usado para se referir aos próprios eletrodos, embora isso seja tecnicamente incorreto. [ citação necessária ]

Os 10 eletrodos em um ECG de 12 derivações estão listados abaixo. [25]

Nome do eletrodo Colocação de eletrodo
RA No braço direito, evitando músculos grossos.
LA No mesmo local onde foi colocado o RA, mas no braço esquerdo.
RL Na perna direita, extremidade inferior da face interna do músculo da panturrilha. (Evite proeminências ósseas)
LL No mesmo local onde RL foi colocado, mas na perna esquerda.
V1 No quarto espaço intercostal (entre as costelas 4 e 5) logo à direita do esterno (esterno)
V2 No quarto espaço intercostal (entre as costelas 4 e 5), logo à esquerda do esterno.
V3 Entre ligações V2 e V4.
V4 No quinto espaço intercostal (entre as costelas 5 e 6) na linha médio-clavicular.
V5 Horizontalmente, mesmo com V4, na linha axilar anterior esquerda.
V6 Horizontalmente, mesmo com V4 e V5 na linha axilar média.

Dois tipos de eletrodos de uso comum são um adesivo fino e plano e uma almofada circular autoadesiva. Os primeiros são normalmente usados ​​em uma única gravação de ECG, enquanto os últimos são para gravações contínuas, pois duram mais tempo. Cada eletrodo consiste em um gel de eletrólito eletricamente condutor e um condutor de prata / cloreto de prata. [26] O gel normalmente contém cloreto de potássio - às vezes também cloreto de prata - para permitir a condução de elétrons da pele para o fio e para o eletrocardiograma. [ citação necessária ]

O eletrodo virtual comum, conhecido como terminal central de Wilson (VC), é produzido calculando a média das medições dos eletrodos RA, LA e LL para dar um potencial médio do corpo:

Em um ECG de 12 derivações, todas as derivações, exceto as derivações dos membros, são consideradas unipolares (aVR, aVL, aVF, V1, V2, V3, V4, V5e V6) A medição de uma tensão requer dois contatos e, portanto, eletricamente, as derivações unipolares são medidas a partir da derivação comum (negativa) e da derivação unipolar (positiva). Essa média para o eletrodo comum e o conceito abstrato de eletrodo unipolar torna a compreensão mais desafiadora e é complicada pelo uso desleixado de "chumbo" e "eletrodo". Na verdade, em vez de ser uma referência constante, VC tem um valor que flutua ao longo do ciclo cardíaco. Também não representa verdadeiramente o potencial do centro do coração devido às partes do corpo pelas quais os sinais viajam. [27]

Limb leads Editar

Leads I, II e III são chamados de membros terminais. Os eletrodos que formam esses sinais estão localizados nos membros - um em cada braço e um na perna esquerda. [28] [29] [30] As pontas dos membros formam as pontas do que é conhecido como triângulo de Einthoven. [31]

  • A derivação I é a tensão entre o eletrodo do braço esquerdo (LA) (positivo) e o eletrodo do braço direito (RA):
  • A derivação II é a tensão entre o eletrodo da perna esquerda (LL) (positivo) e o eletrodo do braço direito (RA):
  • Derivação III é a tensão entre o eletrodo da perna esquerda (LL) (positivo) e o eletrodo do braço esquerdo (LA):

Derivação de membro aumentado Editar

Leads aVR, aVL e aVF são os cabos de membro aumentados. Eles são derivados dos mesmos três eletrodos das derivações I, II e III, mas usam o terminal central de Goldberger como pólo negativo. O terminal central de Goldberger é uma combinação de entradas de dois eletrodos de membro, com uma combinação diferente para cada derivação aumentada. É referido imediatamente a seguir como "o pólo negativo".

  • Liderar vetor aumentado à direita (aVR) tem o eletrodo positivo no braço direito. O pólo negativo é uma combinação do eletrodo do braço esquerdo e do eletrodo da perna esquerda:
  • Liderar vetor aumentado à esquerda (aVL) tem o eletrodo positivo no braço esquerdo. O pólo negativo é uma combinação do eletrodo do braço direito e do eletrodo da perna esquerda:
  • Liderar pé de vetor aumentado (aVF) tem o eletrodo positivo na perna esquerda. O pólo negativo é uma combinação do eletrodo do braço direito e do eletrodo do braço esquerdo:

Junto com as derivações I, II e III, as derivações de membro aumentado aVR, aVL e aVF formam a base do sistema de referência hexaxial, que é usado para calcular o eixo elétrico do coração no plano frontal. [ citação necessária ]

Versões mais antigas dos nós (VR, VL, VF) usam o terminal central de Wilson como pólo negativo, mas a amplitude é muito pequena para as linhas grossas de máquinas de ECG antigas. Os terminais Goldberger aumentam (aumentam) os resultados de Wilson em 50%, ao custo de sacrificar a correção física por não ter o mesmo pólo negativo para todos os três. [32]

Leads precordiais Editar

o ligações precordiais situar-se no plano transversal (horizontal), perpendicular às outras seis derivações. Os seis eletrodos precordiais atuam como pólos positivos para as seis derivações precordiais correspondentes: (V1, V2, V3, V4, V5e V6) O terminal central de Wilson é usado como pólo negativo. Recentemente, eletrodos precordiais unipolares foram usados ​​para criar eletrodos precordiais bipolares que exploram o eixo da direita para a esquerda no plano horizontal. [33]

Editar leads especializados

Eletrodos adicionais raramente podem ser colocados para gerar outras derivações para fins diagnósticos específicos. Lado direito eletrodos precordiais podem ser usados ​​para melhor estudar a patologia do ventrículo direito ou para dextrocardia (e são denotados com um R (por exemplo, V5R). Condutores posteriores (V7 para V9) pode ser usado para demonstrar a presença de um infarto do miocárdio posterior. UMA Liderança de Lewis (exigindo um eletrodo na borda esternal direita no segundo espaço intercostal) pode ser usado para estudar os ritmos patológicos que surgem no átrio direito. [ citação necessária ]

Um chumbo esofágico pode ser inserido em uma parte do esôfago onde a distância para a parede posterior do átrio esquerdo é de aproximadamente 5–6 mm (permanecendo constante em pessoas de diferentes idades e pesos). [34] Um eletrodo esofágico serve para uma diferenciação mais precisa entre certas arritmias cardíacas, particularmente flutter atrial, taquicardia de reentrada nodal AV e taquicardia de reentrada atrioventricular ortodrômica. [35] Também pode avaliar o risco em pessoas com síndrome de Wolff-Parkinson-White, bem como encerrar a taquicardia supraventricular causada pela reentrada. [35]

Um eletrograma intracardíaco (ICEG) é essencialmente um ECG com alguns eletrodos intracardíacos (isto é, dentro do coração). As derivações de ECG padrão (derivações externas) são I, II, III, aVL, V1e V6. Duas a quatro derivações intracardíacas são adicionadas por meio de cateterismo cardíaco. A palavra "eletrograma" (EGM) sem outras especificações geralmente significa um eletrograma intracardíaco. [ citação necessária ]

Localização das derivações em um relatório de ECG Editar

Um relatório de ECG padrão de 12 derivações (um eletrocardiógrafo) mostra um traçado de 2,5 segundos de cada uma das doze derivações. Os traçados são mais comumente organizados em uma grade de quatro colunas e três linhas. A primeira coluna são as derivações dos membros (I, II e III), a segunda coluna são as derivações dos membros aumentados (aVR, aVL e aVF) e as duas últimas colunas são as derivações precordiais (V1 para V6) Além disso, uma tira de ritmo pode ser incluída como uma quarta ou quinta fileira. [ citação necessária ]

O tempo na página é contínuo e não traçados das 12 derivações para o mesmo período de tempo. Em outras palavras, se a saída fosse rastreada por agulhas no papel, cada linha mudaria qual guia conforme o papel fosse puxado para baixo da agulha. Por exemplo, a linha superior deve primeiro rastrear o condutor I, em seguida, alternar para o condutor aVR e, em seguida, alternar para V1e, em seguida, mude para V4e, portanto, nenhum desses quatro rastreamentos das derivações são do mesmo período de tempo em que são rastreados em sequência ao longo do tempo. [ citação necessária ]

Contiguidade de leads Editar

Cada uma das 12 derivações de ECG registra a atividade elétrica do coração de um ângulo diferente e, portanto, se alinha com as diferentes áreas anatômicas do coração. Duas pistas que olham para áreas anatômicas vizinhas seriam contíguo. [ citação necessária ]

Categoria Pistas Atividade
Leads inferiores Leads II, III e aVF Observe a atividade elétrica do ponto de vista da superfície inferior (superfície diafragmática do coração)
Leads laterais I, aVL, V5 e V6 Observe a atividade elétrica do ponto de vista da parede lateral do ventrículo esquerdo
Ligações septais V1 e V2 Observe a atividade elétrica do ponto de vista da superfície septal do coração (septo interventricular)
Leads anteriores V3 e V4 Observe a atividade elétrica do ponto de vista da parede anterior dos ventrículos direito e esquerdo (superfície esternocostal do coração)

Além disso, quaisquer duas derivações precordiais próximas uma da outra são consideradas contíguas. Por exemplo, embora V4 é uma derivação anterior e V5 é uma derivação lateral, eles são contíguos porque estão próximos um do outro.

O estudo do sistema de condução do coração é denominado eletrofisiologia cardíaca (EP).Um estudo EP é realizado por meio de um cateterismo cardíaco do lado direito: um fio com um eletrodo em sua ponta é inserido nas câmaras cardíacas direitas de uma veia periférica e colocado em várias posições nas proximidades do sistema de condução para que a atividade elétrica desse sistema podem ser gravados. [ citação necessária ]

A interpretação do ECG é fundamentalmente sobre a compreensão do sistema de condução elétrica do coração. A condução normal começa e se propaga em um padrão previsível, e o desvio desse padrão pode ser uma variação normal ou patológico. Um ECG não equivale à atividade de bombeamento mecânico do coração; por exemplo, a atividade elétrica sem pulso produz um ECG que deve bombear sangue, mas nenhum pulso é sentido (e constitui uma emergência médica e a RCP deve ser realizada). A fibrilação ventricular produz um ECG, mas é muito disfuncional para produzir um débito cardíaco de suporte vital. Certos ritmos apresentam bom débito cardíaco e alguns apresentam baixo débito cardíaco. Em última análise, um ecocardiograma ou outra modalidade de imagem anatômica é útil para avaliar a função mecânica do coração. [ citação necessária ]

Como todos os testes médicos, o que constitui "normal" é baseado em estudos populacionais. A faixa de freqüência cardíaca entre 60 e 100 batimentos por minuto (bpm) é considerada normal, pois os dados mostram que esta é a freqüência cardíaca normal em repouso. [ citação necessária ]

Edição de Teoria

A interpretação do ECG é, em última análise, a do reconhecimento de padrões. Para entender os padrões encontrados, é útil entender a teoria do que os ECGs representam. A teoria está enraizada no eletromagnético e se resume aos quatro pontos a seguir:

  • despolarização do coração para o eletrodo positivo produz uma deflexão positiva
  • despolarização do coração longe do eletrodo positivo produz uma deflexão negativa
  • repolarização do coração para o eletrodo positivo produz uma deflexão negativa
  • repolarização do coração longe do eletrodo positivo produz uma deflexão positiva

Assim, a direção geral de despolarização e repolarização produz deflexão positiva ou negativa em cada traço de eletrodo. Por exemplo, a despolarização da direita para a esquerda produziria uma deflexão positiva na derivação I porque os dois vetores apontam na mesma direção. Em contraste, essa mesma despolarização produziria deflexão mínima em V1 e V2 porque os vetores são perpendiculares, e esse fenômeno é denominado isoelétrico.

O ritmo normal produz quatro entidades - uma onda P, um complexo QRS, uma onda T e uma onda U - cada uma com um padrão único.

  • A onda P representa a despolarização atrial.
  • O complexo QRS representa a despolarização ventricular.
  • A onda T representa a repolarização ventricular.
  • A onda U representa a repolarização do músculo papilar.

Mudanças na estrutura do coração e em seus arredores (incluindo a composição do sangue) mudam os padrões dessas quatro entidades.

A onda U normalmente não é vista e sua ausência é geralmente ignorada. A repolarização atrial está normalmente oculta no complexo QRS muito mais proeminente e normalmente não pode ser vista sem eletrodos especializados adicionais.

Editar grade de fundo

Os ECGs são normalmente impressos em uma grade. O eixo horizontal representa o tempo e o eixo vertical representa a tensão. Os valores padrão nesta grade são mostrados na imagem adjacente:

  • Uma pequena caixa tem 1 mm × 1 mm e representa 0,1 mV × 0,04 segundos.
  • Uma caixa grande tem 5 mm x 5 mm e representa 0,5 mV x 0,20 segundos.

A caixa "grande" é representada por uma espessura de linha mais pesada do que as caixas pequenas.

Nem todos os aspectos de um ECG dependem de registros precisos ou de uma escala conhecida de amplitude ou tempo. Por exemplo, determinar se o traçado é um ritmo sinusal requer apenas reconhecimento e correspondência de recursos, e não medição de amplitudes ou tempos (ou seja, a escala das grades é irrelevante). Um exemplo ao contrário, os requisitos de voltagem da hipertrofia ventricular esquerda requerem o conhecimento da escala da grade.

Edição de taxa e ritmo

Em um coração normal, a frequência cardíaca é a frequência com que o nó sinoatrial se despolariza, pois é a fonte da despolarização do coração. A frequência cardíaca, assim como outros sinais vitais, como pressão arterial e frequência respiratória, mudam com a idade. Em adultos, a freqüência cardíaca normal está entre 60 e 100 bpm (normocárdica), enquanto é maior em crianças. Uma freqüência cardíaca abaixo do normal é chamada de "bradicardia" (& lt60 em adultos) e acima do normal é chamada de "taquicardia" (& gt100 em adultos). Uma complicação disso é quando os átrios e os ventrículos não estão em sincronia e a "frequência cardíaca" deve ser especificada como atrial ou ventricular (por exemplo, a frequência ventricular na fibrilação ventricular é 300-600 bpm, enquanto a frequência atrial pode ser normal [ 60–100] ou mais rápido [100–150]). [ citação necessária ]

Em corações normais em repouso, o ritmo fisiológico do coração é o ritmo sinusal normal (NSR). O ritmo sinusal normal produz o padrão prototípico da onda P, complexo QRS e onda T. Geralmente, o desvio do ritmo sinusal normal é considerado uma arritmia cardíaca. Assim, a primeira questão na interpretação de um ECG é se há ou não ritmo sinusal. Um critério para o ritmo sinusal é que as ondas P e os complexos QRS aparecem 1 para 1, o que implica que a onda P causa o complexo QRS. [ citação necessária ]

Uma vez estabelecido o ritmo sinusal, ou não, a segunda questão é a taxa. Para um ritmo sinusal, esta é a taxa das ondas P ou complexos QRS, uma vez que são 1 para 1. Se a taxa for muito rápida, então é uma taquicardia sinusal, e se for muito lenta, então é uma bradicardia sinusal.

Se não for um ritmo sinusal, será necessário determinar o ritmo antes de prosseguir com a interpretação. Algumas arritmias com achados característicos:

  • Ondas P ausentes com complexos QRS "irregularmente irregulares" são a marca registrada da fibrilação atrial.
  • Um padrão de "dente de serra" com complexos QRS é a marca registrada do flutter atrial.
  • Um padrão de onda senoidal é a marca registrada do flutter ventricular.
  • Ondas P ausentes com complexos QRS largos e frequência cardíaca rápida são taquicardia ventricular.

A determinação da frequência e do ritmo é necessária para dar sentido a futuras interpretações.

Eixo Editar

O coração tem vários eixos, mas o mais comum de longe é o eixo do complexo QRS (referências a "o eixo" implicam no eixo QRS). Cada eixo pode ser determinado computacionalmente para resultar em um número que representa graus de desvio de zero ou pode ser categorizado em alguns tipos. [ citação necessária ]

O eixo QRS é a direção geral da frente de onda de despolarização ventricular (ou vetor elétrico médio) no plano frontal. Muitas vezes, é suficiente classificar o eixo como um dos três tipos: normal, desvio para a esquerda ou desvio para a direita. Os dados populacionais mostram que um eixo QRS normal é de −30 ° a 105 °, com 0 ° sendo ao longo da derivação I e positivo sendo inferior e negativo sendo superior (melhor compreendido graficamente como o sistema de referência hexaxial). [36] Além de + 105 ° é o desvio do eixo direito e além de −30 ° é o desvio do eixo esquerdo (o terceiro quadrante de −90 ° a −180 ° é muito raro e é um eixo indeterminado). Um atalho para determinar se o eixo QRS é normal é se o complexo QRS é principalmente positivo na derivação I e derivação II (ou derivação I e aVF se + 90 ° é o limite superior do normal). [ citação necessária ]

O eixo QRS normal é geralmente para baixo e para a esquerda, seguindo a orientação anatômica do coração dentro do tórax. Um eixo anormal sugere uma mudança na forma física e orientação do coração ou um defeito em seu sistema de condução que causa a despolarização dos ventrículos de forma anormal. [ citação necessária ]

Classificação Ângulo Notas
Normal −30 ° a 105 ° Normal
Desvio do eixo esquerdo −30 ° a −90 ° Pode indicar hipertrofia ventricular esquerda, bloqueio fascicular anterior esquerdo ou um IAMCSST inferior antigo
Desvio do eixo direito + 105 ° a + 180 ° Pode indicar hipertrofia ventricular direita, bloqueio fascicular posterior esquerdo ou um IAMCSST lateral antigo
Eixo indeterminado + 180 ° a −90 ° Raramente visto como uma 'terra de ninguém elétrica'

A extensão de um eixo normal pode ser + 90 ° ou 105 ° dependendo da fonte.

Amplitudes e intervalos Editar

Todas as ondas em um traçado de ECG e os intervalos entre elas têm uma duração de tempo previsível, uma faixa de amplitudes aceitáveis ​​(tensões) e uma morfologia típica. Qualquer desvio do traçado normal é potencialmente patológico e, portanto, de importância clínica. [ citação necessária ]

Para facilitar a medição das amplitudes e intervalos, um ECG é impresso em papel milimetrado em uma escala padrão: cada 1 mm (uma pequena caixa no papel de ECG padrão) representa 40 milissegundos de tempo no eixo x, e 0,1 milivolts no eixo y. [ citação necessária ]

Recurso Descrição Patologia Duração
Onda P A onda P representa a despolarização dos átrios. A despolarização atrial se espalha do nó SA em direção ao nó AV e do átrio direito ao átrio esquerdo. A onda P é normalmente vertical na maioria das derivações, exceto para aVR. Um eixo incomum da onda P (invertido em outras derivações) pode indicar um marcapasso atrial ectópico. Se a onda P for de duração incomumente longa, pode representar aumento atrial. Normalmente, um grande átrio direito dá uma onda P alta e pontiaguda, enquanto uma grande átrio esquerdo dá uma onda P bífida com duas corcundas. & lt80 ms
Intervalo PR O intervalo PR é medido desde o início da onda P até o início do complexo QRS. Este intervalo reflete o tempo que o impulso elétrico leva para viajar do nó sinusal até o nó AV. Um intervalo PR menor que 120 ms sugere que o impulso elétrico está contornando o nó AV, como na síndrome de Wolf-Parkinson-White. Um intervalo PR consistentemente maior que 200 ms diagnostica o bloqueio atrioventricular de primeiro grau. O segmento PR (a porção do traçado após a onda P e antes do complexo QRS) é tipicamente completamente plano, mas pode estar deprimido na pericardite. 120 a 200 ms
Complexo QRS O complexo QRS representa a despolarização rápida dos ventrículos direito e esquerdo. Os ventrículos têm uma grande massa muscular em comparação com os átrios, de modo que o complexo QRS geralmente tem uma amplitude muito maior do que a onda P. Se o complexo QRS for largo (mais de 120 ms), isso sugere interrupção do sistema de condução do coração, como em BRE, RBBB ou ritmos ventriculares, como taquicardia ventricular. Problemas metabólicos, como hipercalemia grave ou overdose de antidepressivo tricíclico, também podem ampliar o complexo QRS. Um complexo QRS invulgarmente alto pode representar hipertrofia ventricular esquerda, enquanto um complexo QRS de amplitude muito baixa pode representar um derrame pericárdico ou doença miocárdica infiltrativa. 80 a 100 ms
Ponto J O ponto J é o ponto em que o complexo QRS termina e o segmento ST começa. O ponto J pode ser elevado como uma variante normal. A aparência de um Onda J ou Onda Osborn no ponto J é patognomônico de hipotermia ou hipercalcemia. [37]
Segmento ST O segmento ST conecta o complexo QRS e a onda T representa o período em que os ventrículos são despolarizados. Geralmente é isoelétrico, mas pode estar deprimido ou elevado com infarto do miocárdio ou isquemia. A depressão do ST também pode ser causada por HVE ou digoxina. A elevação do segmento ST também pode ser causada por pericardite, síndrome de Brugada ou pode ser uma variante normal (elevação do ponto J).
Onda T A onda T representa a repolarização dos ventrículos. Geralmente é vertical em todas as derivações, exceto aVR e derivação V1. Ondas T invertidas podem ser um sinal de isquemia miocárdica, hipertrofia ventricular esquerda, pressão intracraniana alta ou anormalidades metabólicas. As ondas T com pico podem ser um sinal de hipercalemia ou infarto do miocárdio muito precoce. 160 ms
Intervalo QT corrigido (QTc) O intervalo QT é medido desde o início do complexo QRS até o final da onda T. Os intervalos aceitáveis ​​variam com a frequência cardíaca, por isso deve ser corrigido ao QTc dividindo pela raiz quadrada do intervalo RR. Um intervalo QTc prolongado é um fator de risco para taquiarritmias ventriculares e morte súbita. O QT longo pode surgir como uma síndrome genética ou como um efeito colateral de certos medicamentos. Um QTc anormalmente curto pode ser observado na hipercalcemia grave. & lt440 ms
Onda U A hipótese da onda U é ser causada pela repolarização do septo interventricular. Normalmente tem uma amplitude baixa e, ainda mais frequentemente, está completamente ausente. Uma onda U muito proeminente pode ser um sinal de hipocalemia, hipercalcemia ou hipertireoidismo. [38]

Derivações do membro e condução elétrica através do coração Editar

A animação mostrada à direita ilustra como o caminho da condução elétrica dá origem às ondas de ECG nas derivações do membro. Lembre-se de que uma corrente positiva (criada pela despolarização das células cardíacas) viajando em direção ao eletrodo positivo e para longe do eletrodo negativo cria uma deflexão positiva no ECG. Da mesma forma, uma corrente positiva viajando para longe do eletrodo positivo e em direção ao eletrodo negativo cria uma deflexão negativa no ECG. [39] [40] A seta vermelha representa a direção geral de deslocamento da despolarização. A magnitude da seta vermelha é proporcional à quantidade de tecido sendo despolarizado naquele momento. A seta vermelha é mostrada simultaneamente no eixo de cada uma das 3 derivações do membro. Tanto a direção quanto a magnitude da projeção da seta vermelha no eixo de cada derivação do membro são mostradas com setas azuis. Então, a direção e a magnitude das setas azuis são o que teoricamente determinam as deflexões no ECG. Por exemplo, quando uma seta azul no eixo da derivação I se move do eletrodo negativo para a direita em direção ao eletrodo positivo, a linha de ECG sobe, criando uma onda ascendente. Conforme a seta azul no eixo da derivação I se move para a esquerda, uma onda descendente é criada. Quanto maior a magnitude da seta azul, maior será a deflexão no ECG para aquela derivação de membro em particular. [ citação necessária ]

Os quadros 1–3 representam a despolarização sendo gerada e se espalhando através do nó Sinoatrial. O nó SA é muito pequeno para que sua despolarização seja detectada na maioria dos ECGs. Os quadros 4 a 10 representam a despolarização viajando através dos átrios, em direção ao nó atrioventricular. Durante o quadro 7, a despolarização está viajando através da maior quantidade de tecido nos átrios, o que cria o ponto mais alto da onda P. Os quadros 11–12 representam a despolarização viajando através do nó AV. Como o nó SA, o nó AV é muito pequeno para que a despolarização de seu tecido seja detectada na maioria dos ECGs. Isso cria o segmento PR plano. [41]

O Quadro 13 mostra um fenômeno interessante de uma forma simplificada demais. Representa a despolarização à medida que começa a percorrer o septo interventricular, através do feixe de ramos His e feixe. Após o feixe de His, o sistema de condução se divide no ramo esquerdo do feixe e no ramo direito do feixe. Ambos os ramos conduzem potenciais de ação em cerca de 1 m / s. Curiosamente, no entanto, o potencial de ação começa a viajar pelo ramo esquerdo do feixe cerca de 5 milissegundos antes de começar a viajar pelo ramo direito do feixe, conforme ilustrado pelo quadro 13. Isso faz com que a despolarização do tecido do septo interventricular se espalhe da esquerda para a direita, como representado pela seta vermelha no quadro 14. Em alguns casos, isso dá origem a uma deflexão negativa após o intervalo PR, criando uma onda Q como aquela vista na derivação I na animação à direita. Dependendo do eixo elétrico médio do coração, esse fenômeno pode resultar em uma onda Q na derivação II também. [42] [43]

Após a despolarização do septo interventricular, a despolarização segue em direção ao ápice do coração. Isso é representado pelos quadros 15–17 e resulta em uma deflexão positiva em todas as três derivações do membro, o que cria a onda R. As fotogramas 18–21, então, mostram a despolarização à medida que ela percorre os dois ventrículos desde o ápice do coração, seguindo o potencial de ação nas fibras de Purkinje. Esse fenômeno cria uma deflexão negativa em todas as três derivações do membro, formando a onda S no ECG. A repolarização dos átrios ocorre ao mesmo tempo que a geração do complexo QRS, mas não é detectada pelo ECG, pois a massa de tecido dos ventrículos é muito maior do que a dos átrios. A contração ventricular ocorre entre a despolarização e a repolarização ventricular. Durante esse tempo, não há movimento de carga, portanto, nenhuma deflexão é criada no ECG. Isso resulta no segmento ST plano após a onda S.

Os quadros 24–28 na animação mostram a repolarização dos ventrículos. O epicárdio é a primeira camada dos ventrículos a se repolarizar, seguido pelo miocárdio. O endocárdio é a última camada a se repolarizar. A fase de platô da despolarização demonstrou durar mais nas células endocárdicas do que nas células epicárdicas. Isso faz com que a repolarização comece no ápice do coração e se mova para cima. Como a repolarização é a propagação da corrente negativa conforme os potenciais de membrana diminuem de volta ao potencial de membrana em repouso, a seta vermelha na animação está apontando na direção oposta à repolarização. Isso, portanto, cria uma deflexão positiva no ECG e cria a onda T. [44]

Isquemia e infarto Editar

Isquemia ou infartos do miocárdio sem supradesnivelamento do segmento ST (sem IAMCSST) podem se manifestar como depressão do segmento ST ou inversão das ondas T. Também pode afetar a banda de alta frequência do QRS.

Os infartos do miocárdio com elevação do segmento ST (STEMIs) têm diferentes achados de ECG característicos com base no tempo decorrido desde a primeira ocorrência do IM. O primeiro sinal é ondas T hiperagudas, ondas T com pico devido à hipercalemia local no miocárdio isquêmico. Isso então progride por um período de minutos para elevações do segmento ST em pelo menos 1 mm. Ao longo de um período de horas, uma onda Q patológica pode aparecer e a onda T se inverter. Depois de alguns dias, a elevação do ST se resolverá. As ondas Q patológicas geralmente permanecerão permanentemente. [45]

A artéria coronária que foi ocluída pode ser identificada em um IAMCSST com base na localização da elevação do segmento ST. A artéria descendente anterior esquerda (LAD) supre a parede anterior do coração e, portanto, causa elevações de ST nas derivações anteriores (V1 e V2) O LCx supre o aspecto lateral do coração e, portanto, causa elevações de ST nas derivações laterais (I, aVL e V6) A artéria coronária direita (ACD) geralmente supre o aspecto inferior do coração e, portanto, causa elevação do segmento ST nas derivações inferiores (II, III e aVF). [ citação necessária ]

Edição de Artefatos

Um traçado de ECG é afetado pelo movimento do paciente.Alguns movimentos rítmicos (como calafrios ou tremores) podem criar a ilusão de arritmia cardíaca. [46] Artefatos são sinais distorcidos causados ​​por fontes secundárias internas ou externas, como movimento muscular ou interferência de um dispositivo elétrico. [47] [48]

A distorção representa desafios significativos para os profissionais de saúde, [47] que empregam várias técnicas [49] e estratégias para reconhecer com segurança [50] esses sinais falsos. [ citação médica necessária A separação precisa do artefato de ECG do sinal de ECG verdadeiro pode ter um impacto significativo nos resultados do paciente e nas responsabilidades legais. [51] [ fonte médica não confiável? ]

A colocação inadequada do eletrodo (por exemplo, a reversão de dois eletrodos do membro) foi estimada para ocorrer em 0,4% a 4% de todos os registros de ECG, [52] e resultou em diagnóstico e tratamento inadequados, incluindo o uso desnecessário de terapia trombolítica. [53] [54]

Numerosos diagnósticos e achados podem ser feitos com base na eletrocardiografia, e muitos são discutidos acima. No geral, os diagnósticos são feitos com base nos padrões. Por exemplo, um complexo QRS "irregularmente irregular" sem ondas P é a marca registrada da fibrilação atrial; no entanto, outros achados também podem estar presentes, como um bloqueio de ramo que altera a forma dos complexos QRS. Os ECGs podem ser interpretados isoladamente, mas devem ser aplicados - como todos os testes de diagnóstico - no contexto do paciente. Por exemplo, uma observação de ondas T com pico não é suficiente para diagnosticar a hipercalemia; esse diagnóstico deve ser verificado medindo o nível de potássio no sangue. Por outro lado, uma descoberta de hipercalemia deve ser seguida por um ECG para manifestações como ondas T com pico, complexos QRS alargados e perda de ondas P. A seguir está uma lista organizada de possíveis diagnósticos baseados em ECG. [ citação necessária ]


Assista o vídeo: plot ecg database in matlab (Janeiro 2022).