Ángel Humberto Corral-Domínguez

Este artículo presenta el desarrollo de una plataforma médica basada en la nube para el almacenamiento y análisis remoto de señales cardiovasculares, enfocándose en electrocardiogramas (ECG) y fonocardiogramas (FCG). Su objetivo es favorecer la disponibilidad de diagnóstico médico especializado en contextos con limitaciones geográficas o institucionales, mediante una arquitectura cliente-servidor que utiliza una base de datos MySQL, backend en Node.js y un clasificador automático basado en aprendizaje automático. La plataforma incluye interfaces diferenciadas para médicos y pacientes, que permiten cargar, visualizar, comentar y clasificar archivos biomédicos. Las pruebas funcionales demostraron manejo eficiente de datos clínicos y una segmentación de señales validada, en un entorno simulado de telemedicina. Este sistema representa un componente funcional dentro de un ecosistema de salud conectada basado en tecnologías en la nube.

Actualmente los sistemas de comunicaciones se han desarrollado para ofrecer una mayor rapidez y confiabilidad de transmisión de datos para los usuarios, debido al incremento de la demanda del uso del espectro, el método de transmisión utilizado actualmente es la multiplexación por división de frecuencia ortogonal (OFDM), dentro de la multiplexación se utiliza la modulación de amplitud en cuadratura (QAM) por su eficiencia en este trabajo de investigación para la validación de moduladores n-QAM. Se diseñan dos moduladores de 16-QAM y 32-QAM, su implementación se realiza en una tarjeta transceptora. Se comparan los recursos empleados durante la transmisión de datos con ambos moduladores, después se incluye una etapa de potencia con amplificadores de potencia (PA) y se valida espectralmente mediante una comparación utilizando la relación de potencia de canal adyacente (ACPR) y el valor error cuadrático medio normalizado (NMSE), el sistema propuesto es una validación para el desarrollo de moduladores digitales de orden variable n-QAM.

Las enfermedades cardiovasculares, como la insuficiencia cardiaca congestiva, son una de las principales causas de mortalidad global y deterioran la calidad de vida. El electrocardiograma, eficiente y no invasivo, es esencial para detectar la insuficiencia cardiaca congestiva mediante el análisis de la actividad eléctrica del corazón. Este trabajo integra el aprendizaje automático supervisado en el análisis del electrocardiograma, utilizando modelos de clasificación para distinguir entre señales normales y aquellas afectadas por la insuficiencia cardiaca congestiva. Se desarrolla una plataforma web para apoyar la investigación y el desarrollo de sistemas de telemedicina, facilitando la clasificación de señales de electrocardiograma de manera automática y contribuyendo al diagnóstico médico a distancia, el registro de datos, y las consultas médicas. El presente trabajo demuestra que los modelos utilizados alcanzan una precisión de hasta el 99%, con solo cinco errores en 720 muestras de prueba. No obstante, la generalización del sistema puede verse limitada por la variabilidad en las señales y las condiciones de adquisición. La principal contribución de este trabajo es la investigación de rasgos específicos del electrocardiograma para entrenar modelos de clasificación, ofreciendo técnicas de utilidad para futuras investigaciones en entornos clínicos.

With the rise in pathological conditions during the post-pandemic era, particularly concerning the management of biomedical signals, a significant surge has been observed. This research endeavors to develop a self-adaptive algorithm for the discretization and data encapsulation of electromyographic (EMG) signals. The synthetic signal used for analysis is acquired from the PhysioNet database, specifically focusing on the implementation of the tibialis anterior muscle. A transmission chain is established utilizing the AD9361 transceiver, while a power amplifier is employed for base radio applications, operating at a carrier frequency of 2.45 GHz. The spectral validation of this system reveals that the 16-QAM modulation, which is subjected to testing, yields an accuracy of -15.5 dB NMSE. As a further work, an EMG signal acquisition stage is proposed, based on a high-resolution analog-to-digital converter (ADC) card, alongside the exploration of higher order n-QAM schemes to enhance accuracy in the receiver stage.

The monitoring and transmission of biomedical signals, particularly ECG is essential in the post-pandemic era. In this research, an RF transmission with a carrier frequency of 2.45 GHz for ECG is used. A testbed for variable n-QAM schemes is developed with a low noise amplifier characterized in its linear region based on its P1dB, to guarantee a low level of induced non-linearities. The system includes an acquisition stage using the Olimex module and electrodes with an Ag/AgCl type sensor, and an algorithm is developed for detecting peaks in heart signals, heart rate and calculation of sample-based heart rate. The transceiver has total control of the transmitted tones, and a signal demodulation process is carried out in the receiver, one of the main challenges in Telemedicine is to ensure the fidelity of a signal, an EVMRMS of 8.36 is obtained for fifteen OFDM symbol frames. The developed system as a Telemedicine proposal provides versatility for signal acquisition, digitalization, data storage and a multivariable n-QAM scheme, which makes it viable for Telemedicine and classification processes.

In the post-pandemic era, it is critical to monitor and transmit biomedical signals, specifically ECG. This study aims to develop a platform that enables signal acquisition, adaptation, and transmission using different n-QAM modulation schemes. The system comprises an acquisition stage implemented in the 2.5 GHz band employing the Olimex module and electrodes equipped with an Ag/AgCl type sensor. To effectively manage appropriate bandwidths during implementation of the various n-QAM modulation schemes, an adaptive algorithm was developed and applied to the system. The power amplifier was operated in the linear region to enhance the crest factor and achieve an ACPR close to 30 dBc, demonstrating appropriate demodulation of the electrocardiogram (ECG) signal. It is also feasible to shift to modulation schemes above 64-QAM in order to detect high frequencies and perform a subsequent Fourier analysis. As a telemedicine proposal, the developed system offers flexibility in signal acquisition, data storage, and digitalization, in addition to a multivariable n-QAM scheme; the hardware implementation ensures n-QAM scheme compatibility. For the purpose of contributing to telemedicine via RF transmission, the system was executed on an AD9361 transceiver, which removes the requirement for a traditional signal vector generator and enables optimal control of the tones to be transmitted.

En este trabajo de investigación se desarrolla un sistema de radio frecuencia (RF) bajo modulación QPSK para la transmisión de señales biomédicas como EMG y ECG en la banda de los 2 GHz. El sistema se implementa mediante un transceptor que opera en aplicaciones 4G mediante un transceptor dual. Las señales se adquieren mediante la tarjeta de adquisición ECG/EKG y electrodos de superficie, el manejo y tratamiento de la señal se realiza en lenguaje C, a la modulación digital se le implementa un filtro pasa bandas cuadrático en la tarjeta ARRADIO+SocKit. La implementación desarrollada es una aportación a los trabajo de Telemedicina para la era pospandemia, el sistema hace una evaluación espectral de la calidad de la constelación QAM, así como el análisis espectral de la invasión de bandas adyacentes. Como trabajo futuro se pretende emigrar tumbo a la 5G en un transceptor que opere en las bandas de los 3-6 GHz.