A novel EMG artifact removal algorithm based on complete local convolutional sparse dictionary learning in ECG signals

O coração humano bate com um ritmo no qual os médicos há muito confiam para avaliar a saúde, um pulso elétrico constante capturado em uma tira de papel ou em uma tela digital. Esse registro, conhecido como eletrocardiograma, ou ECG, mapeia a atividade elétrica do coração ao longo do tempo, revelando ondas distintas que correspondem à contração e ao relaxamento do órgão. No entanto, capturar esse sinal raramente é um processo limpo. O corpo é um ambiente ruidoso, e as minúsculas correntes elétricas geradas pelo coração são facilmente abafadas pelos sinais elétricos muito maiores e caóticos produzidos pelos músculos esqueléticos. Quando uma pessoa se move, treme ou simplesmente tensiona seus músculos, esses sinais musculares, chamados eletromiogramas, ou EMG, infiltram-se no registro cardíaco. Como as frequências do ruído muscular e dos sinais cardíacos se sobrepõem significativamente, filtrar apenas o ruído muitas vezes remove o sinal do coração junto com ele, deixando os médicos com um quadro distorcido que pode esconder condições de risco de vida ou criar alarmes falsos.

Por décadas, pesquisadores buscaram uma maneira de separar a batida constante do coração do falatório aleatório do músculo sem perder os detalhes delicados da forma do coração. Os métodos tradicionais frequentemente dependem de cortar o sinal em pedaços pequenos e manejáveis para analisá-los, mas essa abordagem pode acidentalmente retalhar as próprias características que os médicos precisam ver, criando picos artificiais ou perdendo os reais. Um novo estudo realizado por pesquisadores da Universidade de Engenharia e Ciência de Xangai e do University College Dublin propõe um caminho diferente. Eles desenvolveram um método que não fatia o sinal em pedaços, mas em vez disso aprende a forma única da batida do coração diretamente do registro ruidoso, efetivamente ensinando um computador a reconhecer a voz do coração mesmo quando ele está gritando sobre uma multidão de ruído muscular.

A abordagem dos pesquisadores baseia-se na ideia de que o sinal elétrico do coração é repetitivo e previsível, enquanto o ruído muscular é aleatório e caótico. Eles criaram um sistema que atua como um ouvinte altamente habilidoso, um que consegue identificar o padrão específico de um batimento cardíaco em meio à confusão. Em vez de forçar os dados em formas fixas e predefinidas, o sistema constrói um dicionário personalizado de padrões estudando o próprio sinal ruidoso. Ele procura pelos surtos curtos e agudos de energia que compõem o batimento cardíaco, conhecidos como complexos QRS, e aprende a isolá-los. O que torna este novo método distinto é como ele lida com os dados. Em vez de processar todo o registro de uma vez ou cortá-lo em segmentos arbitrários, o sistema foca apenas nas minúsculas regiões ativas onde o sinal do coração existe. Ele ignora as vastas extensões de silêncio ou ruído puro, atualizando sua compreensão do padrão do batimento cardíaco apenas onde o sinal está realmente presente. Essa estratégia permite que o computador trabalhe muito mais rápido e com muito menos memória, tornando possível processar longos registros da atividade cardíaca sem ficar sobrecarregado.

Para testar se este método funcionava, os pesquisadores o aplicaram a duas coleções bem conhecidas de registros cardíacos: uma contendo ritmos cardíacos padrão e outra repleta de severa interferência muscular. Eles compararam essa nova técnica com vários métodos existentes, incluindo decomposições matemáticas complexas e modelos modernos de inteligência artificial. Os resultados mostraram que, enquanto outros métodos lutavam para distinguir o coração do ruído, muitas vezes deixando para trás ondas distorcidas ou criando batimentos cardíacos falsos, o novo método removeu com sucesso a interferência muscular. Ele restaurou o sinal cardíaco com clareza notável, preservando os picos agudos e as curvas suaves que os médicos precisam para fazer um diagnóstico. Em testes onde o ruído muscular era tão forte que o sinal do coração estava quase invisível, o novo método ainda conseguiu recuperar o batimento cardíaco, enquanto outras abordagens falharam em produzir uma imagem utilizável.

O estudo também examinou como essa nova técnica performa sob diferentes condições, como variar o comprimento dos segmentos de dados ou alterar a quantidade de ruído. Diferente de métodos antigos que exigiam que os dados fossem cortados em comprimentos específicos para funcionar corretamente, a nova abordagem provou ser flexível, entregando resultados precisos independentemente de como os dados eram organizados. Essa independência de formatações de dados rígidas é uma vantagem significativa para aplicações no mundo real, onde os sinais cardíacos podem variar amplamente em velocidade e duração. Além disso, os pesquisadores demonstraram que o método é eficiente o suficiente para rodar em dispositivos móveis, um passo crucial para o futuro da tecnologia de saúde vestível. Ao processar o sinal localmente e rapidamente, ele poderia um dia permitir que smartwatches ou monitores portáteis limpassem dados cardíacos em tempo real, fornecendo feedback imediato e preciso para usuários e médicos.

Além de apenas limpar o sinal, os pesquisadores verificaram que os batimentos cardíacos restaurados eram medicamente úteis. Eles analisaram características específicas do ciclo elétrico do coração, como o tempo entre os batimentos e a forma das ondas que indicam a saúde do músculo cardíaco. Em casos envolvendo condições cardíacas específicas, como um bloqueio nas vias elétricas do coração ou um ataque cardíaco, o método preservou com sucesso os detalhes sutis necessários para identificar esses problemas. Os sinais limpos permitiram medições precisas dos intervalos elétricos do coração, que são críticos para diagnosticar arritmias e outros problemas cardíacos. O estudo sugere que, ao remover o ruído muscular sem distorcer a forma natural do coração, este método pode melhorar a confiabilidade do monitoramento remoto de saúde, garantindo que os dados enviados da casa de um paciente para o consultório de um médico sejam tão claros e precisos quanto um registro feito em um hospital.

O trabalho representa uma mudança na forma como pensamos sobre a separação de sinais mistos. Em vez de tentar forçar os dados em uma caixa que se ajuste a uma teoria pré-existente, o novo método deixa os dados ensinarem ao computador o que procurar. Ao focar apenas nas partes ativas do sinal e aprender o padrão do batimento cardíaco diretamente do ruído, ele alcança um nível de clareza que as técnicas anteriores não conseguiram igualar. As descobertas sugerem que esta abordagem pode se tornar uma ferramenta padrão para o processamento de sinais cardíacos, particularmente em ambientes onde o movimento e o ruído são inevitáveis. À medida que os dispositivos vestíveis se tornam mais comuns e a demanda por monitoramento contínuo de saúde cresce, a capacidade de extrair um sinal cardíaco limpo e de qualidade diagnóstica de um corpo em movimento e ruidoso será cada vez mais vital. Este novo método oferece uma maneira de garantir que a verdadeira história do coração seja ouvida, mesmo quando o corpo ao redor está fazendo muito barulho.