Eliminación de artefactos cardiacos en señales de electroencefalograma mediante filtrado adaptativo

El cerebro es el órgano más complejo del cuerpo humano. Contiene miles de millones de neuronas que, interconexionadas entre sí, forman impulsos eléctricos que transmiten señales eléctricas capaces de transportar la información del cerebro. Desde hace siglos el cerebro ha sido objeto de estudio debido a su importancia y complejidad. De ello nació la rama de la medicina conocida como electroencefalografía. Este campo se basa en el registro de señales cerebrales a través de una exploración neurofisiológica del cerebro. A través de un software especializado se registra la actividad bioeléctrica cerebral en condiciones basales de reposo, sueño o durante diversas actividades. Para recoger estos impulsos cerebrales se colocan electrodos repartidos por todo el cuero cabelludo que reciben la información y la transportan al electroencefalógrafo. Este campo cada vez está más desarrollado gracias a los avances de la tecnología, no obstante, debido a la sensibilidad de estas señales muchas veces se acopla ruido externo que hace que se distorsionen. Este ruido en neurofisiología es conocido como artefactos y pueden ser internos o externos al cuerpo del paciente. Este trabajo se centra en el estudio y comparación de las características de simulación y desempeño de filtros adaptativos para la eliminación de artefactos cardiacos en señales de electroencefalograma. Los dos tipos de algoritmos que se van a desarrollar son el algoritmo de Mínimos Cuadrados Promediados (LMS) y algoritmo Recursivo de Mínimos Cuadrados (RLS). La puesta en práctica de estos algoritmos se realiza teniendo en cuanta la estructura FIR de los filtros digitales y determinados parámetros que nos permitirán obtener mejores resultados. Como software se utilizará Matlab, que es un sistema de cómputo numérico que ofrece un entorno de desarrollo integrado con un lenguaje de programación propio capaz de tratar y simular señales digitales. Primero se diseñarán los algoritmos para dos ejemplos simples y se comprobará su funcionamiento. Posteriormente se probarán con registros de pacientes reales añadiéndoles señales ECG sintéticas. Estos registros han sido proporcionados por profesionales del Hospital de la Princesa de Madrid sin fines lucrativos, exclusivamente con el objetivo de que podamos desarrollar en competencia nuestros algoritmos. Por último, para verificar el correcto funcionamiento de ambos métodos se simularán los algoritmos para señales de pacientes en la UCI, ya que su cuerpo al estar en un estado de relajación constante sólo presenta artefactos cardiacos. Finalmente se hará una recapitulación de la información clave obtenida y se detallarán los resultados de las simulaciones, viendo los pros y contras de cada uno de los algoritmos adaptativos. Abstract: The brain is the most complex organ of the human body. It contains billions of neurons that, interconnected with each other, form electrical impulses that transmit electrical signals capable of transporting information from the brain. For centuries the brain has been studied because of its importance and complexity. For that reason, the branch of medicine known as electroencephalography was born. This field is based on the registration of brain signals for the a neurophysiological examination of the brain. Through specialized software, the bioelectric activity of the brain is recorded under baseline conditions of rest, sleep or during various activities. To collect these brain impulses, electrodes distributed throughout the scalp that receive the information and transport it to the electroencephalograph are placed. This field is increasingly developed thanks to the advances in technology. However, due to the sensitivity of these signals, external noise often sneaks in, causing them to distort. This noise in neurophysiology is known as artifacts and can be internal or external to the patient's body. This work focuses on the study and comparison of the simulation and performance characteristics of adaptive filters for the elimination of cardiac artifacts in electroencephalographic signals. The two types of algorithms to be developed are the Least Mean Square (LMS) and the Recursive Least Squares (RLS). The implementation of these algorithms is carried out taking into account the FIR structure of the digital filters and certain parameters that will allow us to obtain better results. As the simulation software, Matlab will be used, which is a numerical computing system that offers an integrated development environment with its own programming language capable of processing and simulating digital signals. First the algorithms will be designed for two simple examples and their operation will be checked. Subsequently, they will be tested with real patient records by adding synthetic ECG signals. These records have been provided by professionals from Hospital de la Princesa de Madrid with the objective that our algorithms can be developed and tested. Finally, to verify the correct functioning of both methods, the algorithms for signals from patients in the ICU will be simulated, since their body, being in a state of constant relaxation, only presents cardiac artifacts. Finally, a summary of the key information obtained will be made and the results of the simulations will be detailed, looking at the advantages and drawbacks of each of the adaptive algorithms