DOI:
https://doi.org/10.14483/23448350.22826Publicado:
03/20/2026Número:
Vol. 52 Núm. 3 (2025): Agosto-DiciembreSección:
ArtículosSistema de registro de señales fotopletismográficas para la medición de la presión arterial y la frecuencia cardíaca
Photoplethysmographic signal recording system for blood pressure and heart rate measurement
Palabras clave:
biomedical electronics, near-infrared spectroscopy, photoplethysmography, heart rate, blood pressure, signal processing (en).Palabras clave:
electrónica biomédica, espectroscopía de infrarrojo cercano, fotopletismografía, frecuencia cardíaca, presión arterial, procesamiento de señales (es).Descargas
Resumen (es)
Este artículo describe el diseño de un sistema de registro de señales fotopletismográficas que permite medir la frecuencia cardíaca y la presión arterial utilizando espectroscopía de infrarrojo cercano. Esta técnica utiliza la emisión de luz infrarroja que es absorbida por los tejidos para modelar los cambios de volumen sanguíneo durante el ciclo cardíaco. La metodología comprende la construcción de un circuito electrónico de registro, el preprocesamiento de señales fotopletismográficas (PPG – Photopletismography por su sigla en inglés) y la aplicación de algoritmos de estimación. El circuito de registro consta de etapas de filtrado y amplificación; el preprocesamiento atenúa las interferencias de la línea de potencia y corrige el desplazamiento de la línea base para mejorar la precisión de las estimaciones. Para la estimación de la frecuencia cardíaca, el algoritmo automatic multiscale-based peak detection obtuvo un error porcentual absoluto medio (EAM) de 5.22 y un error porcentual absoluto medio (EPAM) de 7.02 %. En la presión arterial se obtuvieron errores promedio bajos, especialmente en la presión diastólica (EAM = 2.56, EPAM = 3.56 % y RECM = 6.53). El análisis gráfico evidenció regresión hacia la media y variabilidad según el rango fisiológico. Se concluye que el sistema presenta un desempeño adecuado para el seguimiento de tendencias a nivel poblacional, aunque no sustituye la medición clínica individual.
Resumen (en)
This article describes the design of a photoplethysmographic signal recording system that allows measuring heart rate and blood pressure using near-infrared spectroscopy. This technique relies on the emission of infrared light, which is absorbed by human body tissues to model changes in blood volume during the cardiac cycle. The methodology includes the construction of an electronic recording circuit, the preprocessing of photoplethysmographic signals (PPG - Photoplethysmography), and the implementation of estimation algorithms. The recording circuit consists of filtering and amplification stages, while preprocessing attenuates power line interference and corrects baseline drift to improve estimation accuracy. For heart rate estimation, the algorithm automatic multiscale-based peak detection achieved a mean absolute error (MAE) of 5.22 and a mean absolute percentage error (MAPE) of 7.02%. For blood pressure estimation, low average errors were obtained, particularly for diastolic pressure (ME = 2.56, MAPE = 3.56%, and RMSE = 6.53). Graphical analysis revealed regression toward the mean and variability depending on the physiological range. It is concluded that the system demostrates adecuate performance for population level trend monitoring, although it does replace individual clinical measurement.
Referencias
Ambardar, A. (2007). Digital signal processing: A modern introduction (Ed. ilustrada). Thomson.
Chowdhury, M. H., Shuzan, M. N. I., Chowdhury, M. E. H., Mahbub, Z. B., Uddin, M. M., Khandakar, A., y Reaz, M. B. I. (2020). Estimating blood pressure from the photoplethysmogram signal and demographic features using machine learning techniques. Sensors, 20(11), 3127. https://doi.org/10.3390/s20113127
Ettehad D, Emdin CA, Kiran A, et al. (2016). Blood pressure lowering for prevention of cardiovascular disease and death: a systematic review and meta-analysis. The Lancet, 387(10022),957-967. https://doi.org/10.1016/S0140-6736(15)01225-8
Hina, A., Nadeem, H., y Saadeh, W. (2019). A single LED photoplethysmography-based noninvasive glucose monitoring prototype system. En 2019 IEEE International Symposium on Circuits and Systems (ISCAS) (pp. 1–5).
https://doi.org/10.1109/ISCAS.2019.8702747
Liu, M., Po, L., y Fu, H. (2017). Cuffless blood pressure estimation based on photoplethysmography signal and its second derivative. International Journal of Computer Theory and Engineering, 9(1), 202-206. https://doi.org/10.7763/IJCTE.2017.V9.1138
Liu, SH., Wang, JJ., Chen, W., Pan, K.-L., y Su, CH. (2020). Classification of photoplethysmographic signal quality with fuzzy neural network for improvement of stroke volume measurement. Applied Sciences, 10(4), 1476.
https://doi.org/10.3390/app10041476
Liu, J., Yan, BP., Zhang, YT., Ding, XR., Su, P., y Zhao, N. (2019). Multi-wavelength photoplethysmography enabling continuous blood pressure measurement with compact wearable electronics. IEEE Transactions on Biomedical Engineering, 66(6), 1514–1525. https://doi.org/10.1109/TBME.2018.2874957
Liu, Z., Zhou, C., Wang, H., y He, Y. (2022). Blood pressure monitoring techniques in the natural state of multiscenes: A review. Frontiers in medicine, 9, 851172. https://doi.org/10.3389/fmed.2022.851172
López, F. (2022). Monitores de muñeca para la presión arterial: ¿son exactos? Clínica Mayo.
Mousavi, S. S., Firouzmand, M., Charmi, M., Hemmati, M., Moghadam, M., y Ghorbani, Y. (2019). Blood pressure estimation from appropriate and inappropriate PPG signals using a whole-based method. Biomedical Signal Processing and Control, 47, 196-206. https://doi.org/10.1016/j.bspc.2018.08.022
NCD Risk Factor Collaboration (NCD-RisC) (2021). Worldwide trends in hypertension prevalence and progress in treatment and control from 1990 to 2019: a pooled analysis of 1201 population-representative studies with 104 million participants. Lancet, 398(10304), 957–980. https://doi.org/10.1016/S0140-6736(21)01330-1
Organización Panamericana de la Salud. (2023). Día Mundial de la Hipertensión 2023. https://www.paho.org/es/campanas/dia-mundial-hipertension-2023
Organización Panamericana de la Salud (OPS). (2021). Las enfermedades del corazón siguen siendo la principal causa de muerte en las Américas.
Park, J., Seok, H. S., Kim, S. S., y Shin, H. (2022). Photoplethysmogram analysis and applications: An integrative review. Frontiers in Physiology, 12. https://doi.org/10.3389/fphys.2021.808451
Peter, L., Noury, N., y Cerny, M. (2014). A review of methods for non-invasive and continuous blood pressure monitoring: Pulse transit time method is promising? IRBM, 35(5), 271-282. https://doi.org/10.1016/j.irbm.2014.07.002
Reiss, A., Indlekofer, I., Schmidt, P., y Van Laerhoven, K. (2019). Deep PPG: Large-scale heart rate estimation with convolutional neural networks. Sensors, 19(14), 3079. https://doi.org/10.3390/s19143079
Scholkmann, F., Boss, J., y Wolf, M. (2012). An efficient algorithm for automatic peak detection in noisy periodic and quasi-periodic signals. Algorithms, 5(4), 588-603. https://doi.org/10.3390/a5040588
Selvaraj, N., Mendelson, Y., Shelley, K. H., Silverman, D. G., y Chon, K. H. (2011). Statistical approach for the detection of motion/noise artifacts in Photoplethysmogram. En Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference, 2011, 4972–4975. https://doi.org/10.1109/IEMBS.2011.6091232
Song, S. B., Nam, J. W., y Kim, J. H. (2021). NAS-PPG: PPG-based heart rate estimation using neural architecture search. IEEE Sensors Journal, 21(13), 14941-14949. https://doi.org/10.1109/JSEN.2021.3073047
Sukor, J. A., Redmond, S. J., y Lovell, N. H. (2011). Signal quality measures for pulse oximetry through waveform morphology analysis. Physiological measurement, 32(3), 369–384. https://doi.org/10.1088/0967-3334/32/3/008
Vega-Martínez, G., Alvarado-Serrano, C., y Leija-Salas, L. (2011). ECG baseline drift removal using discrete wavelet transform. En 2011 8th International Conference on Electrical Engineering, Computing Science and Automatic Control (pp. 1-5). Mérida, Mexico. https://doi.org/10.1109/ICEEE.2011.6106625
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2026 Eduardo Martínez Duque, Genaro Daza Santacoloma
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
El (los) autor(es) al enviar su artículo a la Revista Científica certifica que su manuscrito no ha sido, ni será presentado ni publicado en ninguna otra revista científica.
Dentro de las políticas editoriales establecidas para la Revista Científica en ninguna etapa del proceso editorial se establecen costos, el envío de artículos, la edición, publicación y posterior descarga de los contenidos es de manera gratuita dado que la revista es una publicación académica sin ánimo de lucro.
