Disserta__o_de_Mestrado___Jos__Irineu__UFAL_PPGI_.pdf
Documento PDF (12.5MB)

Exibir conteúdo Baixar

                    UNIVERSIDADE FEDERAL DE ALAGOAS - UFAL
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA - PPGI
INSTITUTO DE COMPUTAÇÃO

JOSÉ IRINEU FERREIRA JÚNIOR

UMA SOLUÇÃO BASEADA EM SIMULAÇÃO PARA A VALIDAÇÃO DE
SISTEMAS DE AQUISIÇÃO DE SINAIS BIOMÉDICOS

MACEIÓ, AL
2022

JOSÉ IRINEU FERREIRA JÚNIOR

UMA SOLUÇÃO BASEADA EM SIMULAÇÃO PARA A VALIDAÇÃO DE SISTEMAS
DE AQUISIÇÃO DE SINAIS BIOMÉDICOS
Dissertação apresentada como requisito parcial
para obtenção do grau de Mestre em Informática
pelo Programa de Pós-Graduação em Informática (PPGI) do Instituto de Computação (IC) da
Universidade Federal de Alagoas (UFAL), Campus A. C. Simões.

MACEIÓ, AL
2022

Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária: Taciana Sousa dos Santos – CRB-4 – 2062
F383s

Ferreira Júnior, José Irineu.
Uma solução baseada em simulação para a validação de sistemas de
aquisição de sinais biomédicos / José Irineu Ferreira Júnior. – 2022.
141 f. : il. color.
Orientador: Álvaro Alvares de Carvalho César Sobrinho.
Coorientador: Leandro Dias da Silva.
Dissertação (Mestrado em Informática) – Universidade Federal de
Alagoas. Instituto de Computação. Maceió, 2022.
Bibliografia: f. 134-139.
Apêndices: f. 140-141.
1. Equipamentos biomédicos. 2. Sinais biomédicos. 3. Redes de Petri
Coloridas. 4. Aquitetura Hardware/Software. I. Título.
CDU: 004

UNIVERSIDADE FEDERAL DE ALAGOAS/UFAL
Programa de Pós-Graduação em Informática – PPGI
Instituto de Computação/UFAL
Campus A. C. Simões BR 104-Norte Km 14 BL 12 Tabuleiro do Martins
Maceió/AL - Brasil CEP: 57.072-970 | Telefone: (082) 3214-1401

Folha de Aprovação
JOSÉ IRINEU FERREIRA JÚNIOR
UMA SOLUÇÃO BASEADA EM SIMULAÇÃO PARA A VALIDAÇÃO DE SISTEMAS E
AQUISIÇÃO DE SINAIS BIOMÉDICOS
Dissertação submetida ao corpo docente do Programa
de Pós-Graduação em Informática da Universidade
Federal de Alagoas e aprovada em 29 de junho de
2022.
Banca Examinadora:

AGRADECIMENTOS

Agradeço, em primeiro lugar, a Deus Pai, Filho e Espírito Santo e a Nossa Senhora,
mãe de Deus, por toda a capacidade concedida para a realização deste trabalho.
A minha mãe, irmãos e familiares pelo apoio e incentivo a enfrentar os desafios
com coragem e bom ânimo.
Aos orientadores professores Dr. Álvaro Alvares de Carvalho César Sobrinho,
Dr. Leandro Dias da Silva e Msc. Paulo César do Nascimento Cunha pelas orientações
prestadas, colaborações, paciência e amizade.
Ao Edilson Silva Silvestre Carvalho, por fornecer o Equipamento de ECG comercial para ser utilizado na validação do sistema desenvolvido neste trabalho.
Aos meus colegas Andresso, Victor Ferro, Tássio Fernades e Vinícius pela amizade, discussões e sugestões que contribuíram para o aperfeiçoamento deste trabalho.
Um agradecimento especial aos meus amigos e colegas de trabalho do IFAL,
Campus Arapiraca, pelo companheirismo, respeito e incentivos.
A todos um muito obrigado!

RESUMO
Sistemas de aquisição de sinais biomédicos são indispensáveis para o monitoramento e
diagnóstico de pacientes. Por isso, devem estar em conformidade com normas reguladoras vigentes e passar por manutenção periódica, conforme as exigências presentes
em resoluções normativas do Ministério da Saúde e da Agência Nacional de Vigilância
Sanitária. Neste sentido, o objetivo com este trabalho é definir uma solução confiável,
baseada em simulação, para auxiliar fabricantes, órgãos validadores e unidades de saúde
(em um contexto de manutenção) na validação de múltiplos equipamentos/sistemas de
aquisição de sinais biomédicos. A solução proposta é constituída de duas partes que se
complementam: o software em um dispositivo de computação, representada por uma
interface gráfica de usuário, lógica de aplicação e modelo formal baseado em Redes de
Petri Colorida (Colored Petri Nets - CPN) dotado de um método de filtragem baseado
em frequência; e o hardware configurável por software, representada por um dispositivo
Transceptor de Sinais Biomédicos (TSB), especialmente projetado para trabalhar com
sinais de ECG, EEG, EMG e EGG. O sistema foi validado usando o banco de dados da
Physionet e testes de comparação para verificar o sinal esperado e as saídas de sinal com
base nos filtros MATLAB e no aparelho de ECG comercial ENGC901448 da Instramed. O
sistema provou ser confiável, de baixo custo, portátil e relevante para fornecer evidências
para certificação e auxiliar os estabelecimentos de saúde na realização de verificações e
calibrações.
Palavras-chave: Sistemas Biomédicos; Simulação de Sinais; Redes de Petri Coloridas;
Validação.

ABSTRACT
Biomedical signal acquisition systems are relevant for patient monitoring and diagnosis.
Therefore, such systems must comply with current regulatory standards and undergo
periodic maintenance, in accordance with the requirements defined in normative resolutions of the Ministry of Health and the National Health Surveillance Agency. Thus,
the objective of this work is to define a reliable simulation-based approach to assist
manufacturers, validation agencies, and healthcare facilities (in a maintenance context)
in the validation of multiple equipment or biomedical signal acquisition systems. The
proposed approach consists of two parts that complement each other: the software
embedded in a computing device, represented by a graphical user interface, formal
application logic model based on Colored Petri Nets (CPN) with a frequency-based
filtering method; and the hardware, represented by a Biomedical Signals Transceiver
(TSB) device, configurable by software, specially designed to work with ECG, EEG,
EMG and EGG signals. The system was validated using Physionet’s database and
comparison tests to verify expected signal and signal outputs based on MATLAB filters
and Instramed’s commercial ECG instrument ENGC901448. The system has proven to
be reliable, cost-effective, portable and relevant to provide evidence for certification and
assist healthcare facilities in performing calibrations and maintenance.
Keywords: Biomedical Systems; Signal Simulation; Colored Petri Nets; Validation.

LISTA DE FIGURAS
Figura 1 – Diagrama de blocos dos passos básicos para a aquisição e processamento de sinais por um sistema de ECG. . . . . . . . . . . . . . . . .
Figura 2 – Representação das derivações eletrocardiográficas bipolares dos membros. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 3 – Derivações do sistema de ECG: (a) posicionamento dos eletrodos; (b)
eixo cardíaco no ECG. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 4 – Símbolo de um Amplificador Operacional e os principais “pinos”. .
Figura 5 – Configuração clássica de um amplificador de instrumentação. . . . .
Figura 6 – Fluxo de projeto de hardware/software de sistemas embarcados. . . . .
Figura 7 – Visão geral com perspectiva 2D do transceptor de sinais utilizado no
sistema para a validação de equipamentos biomédicos proposto na
presente solução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 8 – Ponteira de prova que se conecta ao transceptor, com conector BNC,
para medição de sinais proposto na presente invenção . . . . . . . .
Figura 9 – Esquemático detalhado, em diagrama de blocos, do transceptor de
sinais proposto na presente solução. . . . . . . . . . . . . . . . . . . .
Figura 10 – Apresenta uma visão geral das funções do dispositivo de computação
utilizado no sistema para a validação de equipamentos biomédicos
proposto na presente solução. . . . . . . . . . . . . . . . . . . . . . . .
Figura 11 – Apresenta o esquemático detalhado, em diagrama de blocos, com
componentes representados no modelo matemático, definido com
redes de Petri coloridas e equações matemáticas, utilizado no sistema
para a validação de equipamentos biomédicos. . . . . . . . . . . . . .
Figura 12 – Ilustra o esquema da comunicação entre o dispositivo de computação,
o transceptor de sinais e o equipamento biomédico a ser validado. .
Figura 13 – Ilustra formas de ondas triangulares, quadradas, senoidais, ECG,
EEG, EMG e EGG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 14 – Diagrama de blocos do circuito projetado para o transceptor de sinais
biomédicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 15 – Declarações e hierárquica do modelo de sistema de aquisição de sinais
biomédicos apresentado no CPN Tools. . . . . . . . . . . . . . . . . .
Figura 16 – Módulo principal do modelo de referência de sistemas de aquisição
de sinais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 17 – Submódulo Hardware do SASB e seus submódulos Bateria, Eletrodos
e Processa Sinal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figura 18 – Submódulo Eletrodos do SASB. . . . . . . . . . . . . . . . . . . . . . .
Figura 19 – Identificação do tipo de sistema, da derivação e dos nomes dos
eletrodos de sinal no submódulo Eletrodos do SASB. . . . . . . . . .

17
31
32
34
34
47

50
51
52

53

55
57
57
59
62
63
65
67
68

Figura 20 – Distribuição dos eletrodos de sinal para realização da aquisição de
sinais do modelo CPN dos SASB. . . . . . . . . . . . . . . . . . . . . . 70
Figura 21 – Preparação para a combinação dos sinais adquiridos do modelo CPN
dos SASB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Figura 22 – Submódulo Processamento do Sinal do SASB. . . . . . . . . . . . . . 72
Figura 23 – Submódulo Amplificador do SASB. . . . . . . . . . . . . . . . . . . . 73
Figura 24 – Submódulo Filtragem do Sinal do SASB. . . . . . . . . . . . . . . . . 74
Figura 25 – Submódulo Software do SASB. . . . . . . . . . . . . . . . . . . . . . . 75
Figura 26 – Apresenta as constantes utilizadas na modelagem dos SASB com a
ferramenta CPN Tools. . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Figura 27 – Simulação do modelo CPN dos SASB utilizando o Access/CPN na IDE
Eclipse, onde foi carregado o codigo fonte em org.cpntools.accessscpn.model.testt
> scr > (default package) > LoadTest.java. . . . . . . . . . . . . . . . . . . 79
Figura 28 – Interface Gráfica do Usuário do software WFDB. . . . . . . . . . . . . 81
Figura 29 – Sinais de entrada obtidos da base da PhysioNet ATM ECG-ID, sendo
um com característica ruidosa (ECG I) e outro filtrado (ECG I filtered). 81
Figura 30 – Sinal filtrado ECG-ID, Gráficos da função de transferência dos filtros
digitais configurados para uma largura de banda entre 0,5 Hz e 70
Hz, filtro notch de 50 Hz e de segunda ordem (dois polos). . . . . . . 83
Figura 31 – Espectro do sinal no domínio da frequência (FFT). . . . . . . . . . . . 84
Figura 32 – Configuração dos parâmetros do modelo para simulação no CPN Tools. 85
Figura 33 – Sinal filtrado ECG-ID, Person01/rec, obtido da PhysioNet (X f PHY )
comparado com o sinal filtrado pelo modelo CPN (XCPN
) e filtrado
f
pela função filtfilt() do MATLAB (XMAT2
). . . . . . . . . . . . . . . . . 86
f
Figura 34 – Regressão linear dos sinais processado no CPN e no MATLAB. . . . 87
Figura 35 – Derivações de entrada (I e II) e de saída (aVL) da PhysioNet e do
modelo CPN. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Figura 36 – Comparação por regressão linear e sobreposição das derivações aVL,
obtida a partir das derivações I e II, simulada no modelo CPN e de
referência obtida da PhysioNet. . . . . . . . . . . . . . . . . . . . . . . 90
Figura 37 – Sobreposição do sinal de saída do modelo ADC e dados disponíveis
no banco de dados Physionet (os valores foram normalizados). . . . 91
Figura 38 – Teste do ganho de modo comum para a CMRR definida no modelo
CPN. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
Figura 39 – Módulo microcontrolador ESP32 DevKit v1 de 30 pinos. . . . . . . . 96
Figura 40 – Diagrama em Blocos do Chip ESP32. . . . . . . . . . . . . . . . . . . . 97
Figura 41 – Módulos desenvolvidos para a realização de teste de simulação de
sinais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Figura 42 – Custos dos módulos desenvolvidos para o TSB. . . . . . . . . . . . . 99

Figura 43 – Esquema eletrônico da placa amplificadora de sinais com ganho
ajustável de até 10.000 v/v construído no software EasyEDA. . . . . . 100
Figura 44 – Projeção 2D da placa amplificadora construída no software EasyEDA. 100
Figura 45 – Placa amplificador fabricada e com os componentes soldados. . . . . 101
Figura 46 – Módulos montados em protoboar para a realização de teste. . . . . . . 102
Figura 47 – Teste funcional do módulo DAC8554 com os quatro canais sendo
utilizados e comandado pelo microcontrolador ESP32, programado
através da IDE do Arduino. . . . . . . . . . . . . . . . . . . . . . . . . 103
Figura 48 – Esquema elétrico de uma configuração básica do AD8275 utilizada. . 105
Figura 49 – Teste do módulo ajuste de nível AD8275, onde recebe uma onda
quadrada bipolar de ± 2, 5V/1kHz vindo do gerador de função e na
sua saída o sinal é medido pelo osciloscópio. . . . . . . . . . . . . . . 106
Figura 50 – Teste da placa amplificadora utilizando o osciloscópio e o gerador de
função. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Figura 51 – Curva de atenuação do sinal na saída da placa amplificadora. . . . . 108
Figura 53 – Diagrama de ligação dos módulos do TSB. . . . . . . . . . . . . . . . 109
Figura 52 – Protótipo do transceptor de sinais biomédicos nas perspectivas: (a)
fechado, ilustrando os 5 conectores de saída; e (b) aberto, ilustrando a
montagem dos módulos. . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Figura 54 – Layout da placa de circuito impresso do transceptor de sinais biomédicos com as dimensões 7x11,33cm. . . . . . . . . . . . . . . . . . . . 111
Figura 55 – Visualização 3D da placa de circuito impresso do Transceptor de
Sinais Biomédicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Figura 56 – Tela inicial da interface gráfica de usuário desenvolvida no software
Processing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Figura 57 – Tela para apresentar os sinais característicos de ECG. . . . . . . . . . 114
Figura 58 – Tela para apresentar os sinais da PhysioNet de ECG. . . . . . . . . . 115
Figura 59 – Seleção do sinal de ECG (gráfico superior) para ser enviado ao hardware
TSB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Figura 60 – Diagrama em blocos ilustrando o fluxo de dados entre o Software (no
computador) e o microcontrolador do TSB. . . . . . . . . . . . . . . . 118
Figura 61 – Ilustra a transmissão e recepção de um sinal de ECG após ser processado pelo monitor de ECG multiparâmetro. . . . . . . . . . . . . . . 119
Figura 62 – Configuração do Monitor multiparâmetro para a derivação DI, sensibilidade 5, filtros de 50/60 Hz e 35 Hz ligados. . . . . . . . . . . . . . 120
Figura 63 – Posição dos eletros do equipamento de ECG nos pinos do TSB em
conformidade com o padrão IEC. . . . . . . . . . . . . . . . . . . . . . 121
Figura 64 – Mostra o ponto de medição do sinal processado pelo monitor de ECG.122

Figura 65 – (a) Sinal de ECG (60 bpm) característico enviado para o equipamento
de ECG; (b) Sinal de ECG (60 bpm) medido pelo hardware TSB após
ser processado pelo equipamento de ECG. . . . . . . . . . . . . . . . 123
Figura 66 – Comparação do sinal de ECG ruidoso versus filtrado do equipamento
comercial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Figura 67 – Espectro de frequência do sinal ruidoso versus sinal filtrado do equipamento de ECG comercial. . . . . . . . . . . . . . . . . . . . . . . . . 125
Figura 68 – Comparação do sinal de ECG filtrado do Equipamento versus o sinal
filtrado do modelo CPN. . . . . . . . . . . . . . . . . . . . . . . . . . 126
Figura 69 – Comparação dos sinais CPN versus Equipamento após a reamostragem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Figura 70 – Comprovante de patente depositada no INPI . . . . . . . . . . . . . . 139

LISTA DE TABELAS
Tabela 1 – Eletrodos e derivações do eletrocardiograma. . . . . . . . . . . . . . . 33
Tabela 2 – Comparativo de soluções identificadas. . . . . . . . . . . . . . . . . . 44
Tabela 3 – Tabela de Requisitos e especificações do hardware TSB. . . . . . . . . . 48
Tabela 4 – Eletrodos identificados pelo modelo CPN dos SASB. . . . . . . . . . . 69
Tabela 5 – Resultados de métricas de desempenho . . . . . . . . . . . . . . . . . 86
Tabela 6 – Ganho e tensão de linha de base do sinal processado no modelo CPN. 87
Tabela 7 – Seleção da tensão de referência para o conversor D/A. . . . . . . . . . 102
Tabela 8 – Resultados dos testes com o módulo atenuador de sinais. . . . . . . . 104
Tabela 9 – Eletrodos do TSB versus Equipamento de ECG.. . . . . . . . . . . . . . 121
Tabela 10 – Comparação das grandezas ganho, amplitude e frequência do Equipamento de ECG com o modelo CPN. Fonte: autor (2022). . . . . . . 123
Tabela 11 – Métricas de desempenho do sinal do equipamento de ECG entre o
sinal enviado e a saída do modelo CPN. . . . . . . . . . . . . . . . . . 125
Tabela 12 – Especificações finais do protótipo TSB. . . . . . . . . . . . . . . . . . . 131

SUMÁRIO
1

INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

1.1

Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

1.2

Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

1.3

Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

1.4

Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

1.5

Organização do Documento . . . . . . . . . . . . . . . . . . . . . . . .

27

2

EMBASAMENTO TEÓRICO . . . . . . . . . . . . . . . . . . . . . . .

28

2.1

Sistemas de Aquisição de Sinais Biomédicos . . . . . . . . . . . . . . .

28

2.1.1

Sinais Biomédicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

2.1.1.1

Eletrocardiograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

29

2.1.1.2

Eletroencefalograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

29

2.1.1.3

Eletromiograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

29

2.1.1.4

Eletrogastrograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

2.1.2

Derivações padrão dos sinais . . . . . . . . . . . . . . . . . . . . . . . .

30

2.1.2.1

Derivações do ECG . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

2.1.3

Amplificação de sinais biomédicos . . . . . . . . . . . . . . . . . . . .

32

2.1.3.1

Amplificadores Operacionais . . . . . . . . . . . . . . . . . . . . . . . .

33

2.1.3.2

Amplificadores de Instrumentação . . . . . . . . . . . . . . . . . . . .

33

2.1.4

Filtragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

2.2

Redes de Petri Coloridas . . . . . . . . . . . . . . . . . . . . . . . . . .

35

2.2.1

Definição formal de redes de Petri coloridas . . . . . . . . . . . . . . .

35

2.2.1.1

CPN não hierárquica . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

2.2.1.2

Módulo CPN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

2.2.1.3

CPN hierárquica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

37

2.3

Certificação de Equipamentos Médico . . . . . . . . . . . . . . . . . .

38

3

TRABALHOS RELACIONADOS . . . . . . . . . . . . . . . . . . . .

40

3.1

Patentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

3.2

Trabalhos Acadêmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

41

3.3

Comparação com Trabalhos Existentes . . . . . . . . . . . . . . . . . .

43

4

REQUISITOS E ARQUITETURA DE HARDWARE E SOFTWARE .

46

4.1

Requisitos e Especificações . . . . . . . . . . . . . . . . . . . . . . . . .

46

4.1.1

Requisitos e especificações do hardware . . . . . . . . . . . . . . . . . .

47

4.2

Arquitetura de Hardware e Software . . . . . . . . . . . . . . . . . . . .

49

4.2.1

Componentes do hardware . . . . . . . . . . . . . . . . . . . . . . . . .

49

4.2.2

Componentes do software . . . . . . . . . . . . . . . . . . . . . . . . . .

53

4.2.2.1

Especificação formal . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

54

4.2.2.2

Comparador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56

4.2.2.3

Comunicação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56

4.2.3

Aspectos funcionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

4.3

Considerações finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

59

5

RESULTADOS E DISCUSSÕES: ESPECIFICAÇÃO FORMAL . . .

61

5.1

Estrutura do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

61

5.2

Módulo principal e submódulos . . . . . . . . . . . . . . . . . . . . . .

63

5.2.1

Submódulo Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . .

65

5.2.1.1

Submódulo Eletrodos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

66

5.2.1.2

Submódulo Processamento do Sinal . . . . . . . . . . . . . . . . . . . .

71

5.2.1.3

Submódulo Amplificador . . . . . . . . . . . . . . . . . . . . . . . . . .

72

5.2.1.4

Submódulo Filtragem do sinal . . . . . . . . . . . . . . . . . . . . . . .

73

5.2.1.5

Submódulo Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

74

5.2.2

Declaração dos parâmetros do modelo . . . . . . . . . . . . . . . . . .

75

5.3

Manipulação do modelo utilizando a biblioteca Access/CPN . . . . .

78

5.4

Validação do modelo CPN . . . . . . . . . . . . . . . . . . . . . . . . .

79

5.4.1

Importação dos sinais da PhysioNet . . . . . . . . . . . . . . . . . . . .

80

5.4.2

Filtragem e análise dos sinais no MATLAB . . . . . . . . . . . . . . . .

82

5.4.3

Simulação do SASB na ferramenta CPN Tools . . . . . . . . . . . . . .

82

5.4.4

Resultados da validação do modelo CPN . . . . . . . . . . . . . . . . .

83

5.4.4.1

Comparação gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

83

5.4.4.2

Métricas de desempenho . . . . . . . . . . . . . . . . . . . . . . . . . .

83

5.4.4.3

Ganho do modelo e linha de base . . . . . . . . . . . . . . . . . . . . .

86

5.4.4.4

Regressão linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87

5.4.5

Exemplo de simulação com o sistema de ECG: sinal aVL a partir das
derivações I e II

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

88

5.4.5.1

Realização do teste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

88

5.4.6

Validação do conversor analógico-digital . . . . . . . . . . . . . . . . .

90

5.4.7

Validação da CMRR do modelo CPN . . . . . . . . . . . . . . . . . . .

91

5.5

Aspectos Positivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

93

5.6

Limitações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

94

6

RESULTADOS E DISCUSSÕES: TRANSCEPTOR E DISPOSITIVO
DE COMPUTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . .

95

6.1

Projeto do Transceptor de Sinais Biomédicos . . . . . . . . . . . . . . .

95

6.1.1

Primeira versão do TSB . . . . . . . . . . . . . . . . . . . . . . . . . . .

95

6.1.1.1

Módulos do Transceptor . . . . . . . . . . . . . . . . . . . . . . . . . .

95

6.1.1.2

Justificativas em utilizar os módulos . . . . . . . . . . . . . . . . . . .

97

6.1.1.3

Custo de fabricação . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

6.1.2

Placa amplificadora para calibração do sinal . . . . . . . . . . . . . . .

99

6.1.3

Testes da primeira versão do TSB . . . . . . . . . . . . . . . . . . . . . 101

6.1.3.1

Teste do módulo conversor D/A . . . . . . . . . . . . . . . . . . . . . . 101

6.1.3.2

Teste do módulo atenuador de sinal . . . . . . . . . . . . . . . . . . . . 103

6.1.3.3

Teste do módulo ajuste de nível . . . . . . . . . . . . . . . . . . . . . . 104

6.1.3.4

Teste do conversor analógico-digital . . . . . . . . . . . . . . . . . . . . 106

6.1.3.5

Teste da placa amplificadora . . . . . . . . . . . . . . . . . . . . . . . . 107

6.1.4

Protótipo do TSB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

6.1.5

Segunda versão do TSB . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

6.2

Desenvolvimento do Software da Solução Proposta . . . . . . . . . . . 110

6.2.1

Projeto da interface gráfica de usuário . . . . . . . . . . . . . . . . . . . 110

6.2.2

Recursos da interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

6.3

Programação do Microcontrolador . . . . . . . . . . . . . . . . . . . . 114

6.3.1

Etapas de processamento . . . . . . . . . . . . . . . . . . . . . . . . . . 115

6.4

Validação com um sistema de ECG comercial . . . . . . . . . . . . . . 117

6.4.1

Transmissão e recepção do sinal do equipamento de ECG . . . . . . . 118

6.4.2

Análise dos sinais obtidos do equipamento de ECG comercial . . . . . 119

6.4.3

Medindo as Semelhanças dos Sinais . . . . . . . . . . . . . . . . . . . . 122

6.5

Aspectos Positivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

6.6

Limitações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

7

CONCLUSÕES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
APÊNDICE A – PATENTE DEPOSITADA . . . . . . . . . . . . . . . . . . . . . 139
APÊNDICE B – CÓDIGO MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . 140

B.1

Código MATLAB e modelo CPN dos SASB . . . . . . . . . . . . . . . 140

15

1 INTRODUÇÃO
Nas últimas décadas, houve um crescimento exponencial de equipamentos
eletroeletrônicos aplicados à área médica, tanto em nível de quantidade quanto de
complexidade tecnológica (SOUZA et al., 2010). Isto indica que o setor de saúde está
cada vez mais dependente de tecnologias. Isso é evidente, pois médicos usam uma
ampla variedade de tecnologias para diagnosticar, tratar e avaliar os seus pacientes.
Além disso, o desenvolvimento de equipamentos médicos (ou dispositivos/sistemas
médicos), tecnologias da informação e biotecnologia têm desempenhado um papel
crucial na melhoria de procedimentos de diagnóstico e tratamento de várias doenças.
Por tanto, inúmeras vidas são salvas, propiciando também a melhora na qualidade de
vida de seres humanos (KHANDPUR, 1987).
A modernização tecnológica no setor de saúde tem consequência direta dos
avanços alcançados na engenharia biomédica, que é uma área da engenharia recente
em grande expansão que integra princípios das ciências exatas e ciências da saúde. Um
dos seus sub-ramos é a instrumentação biomédica, que atua no desenvolvimento de
sistemas (hardware e software) para auxiliar profissionais da área médica no diagnóstico,
monitoramento e investigação de patologias, bem como pacientes durante o tratamento
médico ou em procedimentos de reabilitação. A instrumentação biomédica também é
utilizada para avaliar o desempenho de Equipamento Médico-Assistencial (EMA) de
acordo com as normas vigentes (WIKIPéDIA, 2019).
Segundo a Agência Nacional de Vigilância Sanitária (ANVISA), através da RDC nº
02, de 25 de janeiro de 2010, EMA é definido como equipamento ou sistema, inclusive seus
acessórios e partes de uso ou aplicação médica, odontológica ou laboratorial, utilizado
direta ou indiretamente para diagnóstico, terapia e monitoração na assistência à saúde
da população, e que não utiliza meio farmacológico, imunológico ou metabólico para
realizar sua principal função em seres humanos, podendo, entretanto, ser auxiliado em
suas funções por tais meios (BRASIL, 2010). Assim, EMA é utilizado para dar assistência
ao ser humano em três aspectos principais: diagnóstico, terapia e monitoração. Na
instrumentação biomédica são desenvolvidos EMA para diversas aplicações, como,
por exemplo, para a medição de sinais biomédicos (BANCA et al., 2016; MOORE;
MAITLAND, 2013).
Os sinais biomédicos são oriundos do corpo humano e podem ser obtidos por

16
eletrodos, geralmente não-invasivos, posicionados na superfície da pele. As atividades
celulares e os processos fisiológicos do organismo originam os potenciais bioelétricos,
que por natureza são de baixa amplitude, da ordem de micro volts (uV) a milivolts
(mV), e baixa frequência, de alguns hertz (Hz) a poucos quilo-hertz (kHz) (ANSARI,
2019; ROSLI et al., 2018). Como exemplo, pode-se citar os sinais relacionados ao
coração (Eletrocardiograma - ECG), cérebro (Eletroencefalograma - EEG), músculos
(Eletromiograma - EMG) e estômago (Eletrogastrograma - EGG)1 (BANCA et al., 2016;
MOORE; MAITLAND, 2013).
A visualização e análise de sinais biomédicos requerem processamentos especiais,
devido as baixas amplitudes dos sinais e a forte interferência causada por ruídos.
Para isso, a engenharia biomédica desenvolve EMAs apropriados para a aquisição
e processamento de sinais biomédicos. Os EMAs específicos para a aquisição de
sinais biomédicos são chamados nesta dissertação de Sistemas de Aquisição de Sinais
Biomédicos (SASB). Segundo o Vocabulário Internacional de Metrologia (2012), sistema
de aquisição é o conjunto de um ou mais equipamentos de medição e outros dispositivos.
Por sua vez, medição é o conjunto de operações necessárias para se determinar o valor
de uma grandeza 2 (FILIPE et al., 2012).
Os SASB são compostos por componentes de hardware e software (LI et al., 2013a).
O hardware é composto por transdutores, amplificadores, filtros, conversores (LI et al.,
2013b) e processadores. O software é utilizado para realizar verificações, como, por
exemplo, valores de impedância eletrodo-pele e níveis de bateria disponíveis, e também
o processamento digital de sinais. A impedância do eletrodo de pele é usada para
verificar se os eletrodos estão posicionados corretamente para evitar erros durante a
aquisição do sinal (SOBRINHO et al., 2019; SOBRINHO, 2016). São exemplos de SASB:
ECG (REIS et al., 2013), EEG (MISRA; KALITA, 2018), EMG (MARCHETTI; DUARTE,
2006) e EGG (SANTOS et al., 2015).
Os passos básicos realizados por um sistema de ECG (SOBRINHO et al., 2019)
são ilustrados na Figura 1, em forma de diagrama de blocos. O primeiro passo, neste
exemplo, consiste no posicionamento de eletrodos no corpo do paciente para realizar a
aquisição dos sinais. No segundo passo, o condicionamento de sinal é realizado por
meio do processamento analógico, sendo responsável pela amplificação (KITCHIN;
1
2

Estas siglas são utilizadas para se referirem aos sinais biomédicos, aos exames e aos próprios
sistemas/equipamentos biomédicos.
A metrologia é a ciência que cuida das medições e suas aplicações.

17
Figura 1 – Diagrama de blocos dos passos básicos para a aquisição e processamento de
sinais por um sistema de ECG.

Fonte: adaptado de Sobrinho (2016).
COUNTS, 2006) e filtragem (MIYARA, 2004). No terceiro passo é realizada a conversão
do sinal analógico para digital (PELGROM, 2013), para ser processado digitalmente,
por exemplo, por um sistema microcontrolado. No quarto passo, um sinal de ECG
amostrado e quantizado é obtido e analisado pelo equipamento (ECG) (SOBRINHO,
2016). Por fim, o resultado é armazenado na memória do sistema e/ou apresentado por
meio de uma impressão gráfica em papel ou numa interface gráfica de usuário.
Os requisitos necessários para outros sistemas, tais como em EGG, EEG e EMG,
são similares ao processo de aquisição realizado pelo ECG. Todos esses sistemas possuem,
em comum, eletrodos que são conectados ao corpo de pacientes para a aquisição dos
sinais. A diferença básica entre eles está na forma com que os sinais biomédicos são
processados. Por exemplo, os filtros aplicados aos sinais adquiridos por um sistema de
ECG podem diferir dos filtros necessários para o sistema de EEG, além de possuírem
parâmetros com diferentes valores de ganho de amplificação (SOBRINHO, 2016).
Estes sistemas estão sujeitos a falhas a nível de hardware e/ou software que podem
gerar situações indesejadas a pacientes, bem como induzir profissionais de saúde ao erro
(por exemplo, erro de diagnóstico). Logo, pelo motivo de existir risco iminente a vida,
os sistemas de aquisição de sinais biomédicos são classificados como sistemas críticos

18
seguros3 . Por isso, durante processos de certificação, tais sistemas devem ser avaliados
em relação a segurança, eficácia e confiabilidade4 (LI et al., 2013c). E posteriormente,
passar periodicamente por verificação, calibração, manutenção (por empresa autorizada)
e/ou reparo, além de treinamento de técnicos para manuseio, até a sua desativação final
(KHANDPUR, 1987).
Um sistema é dito seguro quando não apresenta riscos de lesão aos pacientes, é
eficaz quando fornece resultados clinicamente significativos (SOBRINHO et al., 2019).
Além disso, é confiável quando desempenha sua função requerida sob condições
especificadas, durante um dado intervalo de tempo (TÉCNICAS, 1994a).
Umas das maneiras para aumentar a confiança e qualidade dos sistemas, sejam
eles de hardware ou de software, é a modelagem formal durante o processo de desenvolvimento, e, posteriormente, mantendo práticas como a calibração e a manutenção
periódica por empresas especializadas (BRASIL, 2010).
Métodos formais são técnicas baseadas em formalismos matemáticos para a
especificação, desenvolvimento e verificação de sistemas de softwares e hardware. Seu
uso é motivado pelo fato de possibilitar aumentar a confiança dos sistemas porque é
expressa em uma determinada linguagem cujo vocabulário, sintaxe e semântica são
formalmente definidos e rígidos, de modo a evitar ambiguidade (comum em linguagem
natural, não formal).
A especificação formal pode ser usada como guia enquanto o sistema real é
desenvolvido e ser usada como base para a comprovação das propriedades da especificação (OLIVEIRA, 2006), isto é, validar o seu desempenho. Assim, a partir da criação
de modelos formais, é possível entender melhor o problema abordado e identificar,
em etapas iniciais do projeto, problemas que normalmente seriam identificados após
a construção de protótipos e versões finais de sistemas reais (SOBRINHO, 2016). Um
exemplo de aplicação típica são os sistemas médicos embarcados de aquisição de sinais,
onde a exatidão, segurança e eficácia são extremamente necessárias para garantir a
integridade dos pacientes(SOBRINHO et al., 2019).
Uma maneira não formal de avaliar o desempenho de SASB, quanto ao processamento de sinais, é o uso de uma ferramenta para simulação de sinais biomédicos.
3
4

Sistemas críticos seguros são sistemas nos quais falhas podem gerar situações indesejadas, e, consequentemente, resultar em riscos à integridade física de seres humanos (SOBRINHO, 2016)
A confiabilidade é o grau de confiança (probabilidade subjetiva) de que um sistema não falhe dentro
de um período de tempo especificado e respeitadas as condições de operação (de projeto) do mesmo
(TÉCNICAS, 1994a).

19
Como o próprio nome indica, ele simula sinais elétricos específicos semelhante aqueles
gerados pelo corpo humano, podendo também gerar outros tipos de sinais (e.g. senoidal,
quadrado e triangular). Os sinais podem ser modificados em função da frequência e da
amplitude. A função do simulador de sinais é simular sinais característicos de amplitude e frequência configuráveis para ser adquirido por um equipamento/instrumento
específico.
Um exemplo de aplicação é o simulador de ECG, com o qual os fabricantes
podem realizar testes e calibração em seus dispositivos médicos de ECG antes de lançar
no mercado, eliminando-se, assim, a necessidade de obter os sinais diretamente de seres
humanos (VASCONCELLOS et al., 2019), o que requer aprovação prévia do comitê de
ética e o recrutamento de voluntários.
Neste contexto, o presente trabalho suscita duas contribuições principais: (1)
disponibilizar um único sistema composto por hardware e software capaz de simular vários
sinais biomédicos diferentes (em específico, sinais de ECG, EEG, EMG e EGG); e (2) suprir
a ausência de sistemas comerciais que utilizem métodos quantitativos confiáveis (por
exemplo, métodos formais) para a avaliação do desempenho de múltiplos equipamentos
de aquisição de sinais biomédicos5 . Para comprovar a premissa (1), foram realizadas
várias buscas por patentes e trabalhos acadêmicos relacionados.
Essas contribuições são relevantes porque tem caráter inovador no campo da
indústria médica. Podem beneficiar unidades de saúde, por exemplo, no contexto
da verificação e manutenção de equipamentos biomédicos (manutenção corretiva e
preventiva). Órgãos validadores de sistemas de aquisição de sinais biomédicos podem
utilizar o sistema em processos de certificação. É aplicável também nas áreas de ensino,
pesquisa e para o treinamento de profissionais.
1.1

MOTIVAÇÃO
Os equipamentos médicos, destinados a aquisição de sinais biomédicos, são

frequentemente usados em unidades de saúde por serem fundamentais para o monitoramento e o diagnóstico médico. Os cuidados para mantê-los em bom estado
funcional devem ser tomados para diminuir a incidência de erros, sendo essencial que
os equipamentos médicos passem por manutenção periódica, conforme as exigências
presentes em legislações do Ministério da Saúde e da ANVISA, como a RDC n.º 2/2010
5

Por múltiplos, entende-se mais de um equipamento ou sistema.

20
(BRASIL, 2010).
A ANVISA no Brasil e a Food and Drug Administration (FDA) nos Estados Unidos
são exemplos de agências reguladoras que definem requisitos rígidos para aprovar
equipamentos/sistemas médicos antes que cheguem ao mercado (HAWKINS et al., 2013).
No entanto, apesar dos rígidos requisitos impostos por agências reguladoras, defeitos
foram identificados em sistemas médicos já existentes no mercado. Casos relatados de
recalls de produtos expõem limitações em sistemas existentes no mercado. A FDA relatou
5.294 recalls entre 2006 e 2011. Desses recalls, 1.210 estão relacionados a computadores,
90,5% dos quais estão em sistemas de Classe 2, como sistemas de aquisição de sinal
biomédico. Trinta e três por cento foram falhas de software e 66,7% foram distribuídos
entre dispositivos de entrada-saída (I-O) (por exemplo, sensores e botões), hardware (por
exemplo, chips de memória e curto circuitos), bateria (por exemplo, alimentação e carga
e descarga de energia) e outros (por exemplo, reset e documentação) (ALEMZADEH et
al., 2013; SOBRINHO et al., 2019). Já dados mais recentes, de 2017 a 2020, mostram que
a FDA relatou 147 recall de dispositivos médicos, muitos deles relatados pelos próprios
profissionais de saúde e consumidores.
No contexto da manutenção, são realizadas avaliações de desempenho, calibração
de parâmetros e validações de exatidão e eficácia em SASB. Simuladores de sinais
biomédicos são essenciais durante estas atividades. Os simuladores são importantes
também no processo de fabricação de equipamentos biomédicos, sendo aplicados em
testes para validação final de produtos, auxiliar no processo de validação de projeto e em
situações específicas que surgem durante o processo de desenvolvimento (SEITENFUS
et al., 2011). A avaliação da qualidade de um sistema biomédico usando um simulador
de sinal específico, como, por exemplo, o simulador de ECG (PELGROM, 2013), vem
sendo utilizada atualmente por possibilitar avaliações qualitativas do estado atual do
equipamento.
A indústria de instrumentação médica e os hospitais devem ser setores mais
regulamentados. Isso porque, quando as medições são realizadas em seres humanos e
por seres humanos, o equipamento não deve apenas ser seguro para operar, mas deve
apresentar o desempenho pretendido para que os pacientes possam ser devidamente
diagnosticados e tratados (KHANDPUR, 1987). Atitudes precisam ser tomadas para
que os erros evitáveis em equipamentos médicos sejam mitigados ao máximo.
Assim, uma metodologia que pode aumentar o nível de confiança em sistemas

21
médico é o uso de métodos formais para realizar a especificação de requisitos. Além
do gerenciamento de risco, os fabricantes podem usar artefatos gerados a partir de
especificações formais como evidências em um processo de certificação. Redes de Petri
coloridas (Coloured Petri Nets - CPN) é um exemplo de linguagem para a modelagem
formal e validação de sistemas complexos (JENSEN; KRISTENSEN, 2009). A partir da
criação de modelos formais, é possível entender melhor o problema abordado e identificar, em etapas iniciais do projeto, problemas que normalmente seriam identificados
após a construção de protótipos e versões finais de sistemas reais (SOBRINHO et al.,
2019).
Neste trabalho, um dos fatores motivadores para a construção de um sistema
para a validação de SASB é a flexibilidade em integrar o processo de avaliação da
qualidade em um único sistema. Isto também é relevante, por exemplo, em um cenário
de verificação e manutenção de sistemas biomédicos em um hospital, que possui
vários destes sistemas em uso. Além disso, a redução no custo do sistema de validação
pode ser alcançada. A disponibilização de uma solução para validação de SASB pode
auxiliar na melhoria de qualidade e, consequentemente, na redução de riscos de
diagnósticos inconsistentes. Tais sistemas, possuem propriedades, tais como eficácia,
que podem impactar negativamente no usuário final, caso não sejam contempladas
adequadamente. Por exemplo, informações inconsistentes, geradas pelo sistema, podem
impactar negativamente na tomada de decisão de profissionais de saúde.
1.2

PROBLEMA
O problema de pesquisa está relacionada com a validação, de maneira confiável,

de múltiplos sistemas de aquisição de sinais biomédicos por intermédio de um único
sistema, dotado de hardware e software, com especificação formal. Neste trabalho, um
sistema de validação é considerado confiável quando permite realizar, corretamente,
a validação do comportamento de sistemas do ponto de vista do sinal biomédico
processado.
De acordo com a Resolução RDC Nº 16, de 28 de março de 2013 (BRASIL, 2013), a
validação é a confirmação por análise e evidência de se os requisitos definidos para uma
determinada finalidade conduzem, de forma consistente, ao resultado esperado. Com
relação a um projeto, significa estabelecer e documentar evidências objetivas de que as
especificações do produto atendem as necessidades do usuário e o seu uso pretendido.

22
Com relação a um processo, significa estabelecer e documentar evidências objetivas de
que o processo produzirá consistentemente um resultado que satisfaça as especificações
predeterminadas.
Segundo a Intertek, uma importante empresa no ramo de certificação, aproximadamente 90% dos equipamentos médicos falham em atender os requisitos regulatórios
na primeira tentativa de certificação (INTERTEK, 2008). Quando as empresas falham na
sua tentativa de submissão regulatória, isso acaba gerando impactos para a organização
como: atraso na entrada no mercado e, consequentemente, perda de clientes; aumento
nos custos e diminuição na rentabilidade; além de comprometer o nome da marca no
mercado (INTERTEK, 2008).
No mercado, foram encontrados simuladores de sinais biomédicos para os
sistemas de ECG, EEG, EMG e EOG. Entretanto, não foi encontrado simuladores com
função para simular mais de um tipo de sinal biomédico. Bem como, não foi identificado
um sistema integrado que, além de simular, seja capaz de automaticamente analisar
e validar o processamento de sinais do equipamento que faz a aquisição, fazendo
uso de modelos matemáticos parametrizáveis. Além disso, os sistemas atuais não
realizam comparações, de maneira automatizada, dos resultados especificados e obtidos
por equipamentos em validação. Isto resulta em problemas, como, por exemplo, o
aumento de custos da manutenção, dado que uma unidade de saúde, que possui vários
equipamentos biomédicos, deve realizar avaliações usando um simulador para cada
equipamento a ser validado.
1.3

OBJETIVOS
O objetivo geral com este trabalho é desenvolver um sistema dotado de hardware

e software para a validação de sistemas de aquisição de sinais biomédicos (ECG, EEG,
EMG e EGG) por meio de uma solução baseada em simulação, métodos formais e
métricas de desempenho a fim de auxiliar fabricantes em processos de certificação.
Como objetivos específicos, propõem-se:
1. projetar a solução proposta (hardware e software) para descrever suas funcionalidades;
2. desenvolver um protótipo da solução projetada;
3. escrever e submeter proposta de patente de invenção;

23
4. validar o sistema desenvolvido (hardware transceptor de sinais biomédicos e
modelo formal adaptado); e
5. escrever e submeter artigo científico e registros de software.
1.4

METODOLOGIA
Este trabalho pode ser classificado como uma pesquisa do tipo: aplicada (quanto à

natureza), quantitativa (quanto à abordagem), experimental (quanto aos procedimentos
adotados na coleta de dados) e exploratória (quanto ao objetivo) (GIL et al., 2002;
ZANELLA, 2006). É aplicada porque busca contribuir para a solução de um problema
específico em prol da sociedade. É experimental por serem necessários efetuar testes
práticos para a validação do sistema proposto. É quantitativa porque os resultados foram
quantificados e avaliados por meio de modelos matemáticos. Por fim, é considerada
exploratória por investigar a realidade atual, buscando contribuir com a ciência na
resolução de problemas.
Para contemplar os objetivos propostos, a metodologia utilizada correspondeu
nas seguintes divisões básicas:
1. embasamento teórico - compõe a revisão da literatura existente, sintetizando os
conteúdos que são considerados fundamentais para o entendimento da solução
proposta neste trabalho.
2. trabalhos relacionados - são analisados alguns trabalhos de outros autores considerados relevantes, tais como artigos, teses e patentes, a fim de contribuir com o
desenvolvimento da solução proposta neste trabalho bem como identificar lacunas
de pesquisa para propor soluções. Os principais trabalhos que serviram de base
para a construção desta proposta foram o de Sobrinho et al. (2019) (SOBRINHO et
al., 2019) e Cunha et al. (2016) (CUNHA, 2012). Porém, outros trabalhos relevantes
também foram utilizados.
3. modelagem formal de sistemas de aquisição de sinais biomédicos. Nesta etapa,
foi utilizada a metodologia de projeto de refinamento sucessivo, compreendendo:
especificação, estrutura, codificação e testes/validação do modelo (o passo a
passo é descrito na seção 5). O desenvolvimento do modelo formal proposto
foi baseado no trabalho de Sobrinho et al. (2019) (SOBRINHO et al., 2019). Os

24
autores apresentaram uma metodologia de modelagem formal de sistemas de
aquisição de sinais biomédicos baseada em redes de Petri coloridas e realiza um
estudo de caso do modelo de referência de um sistema de ECG. Este modelo foi
aproveitado e melhorado para atender a atual solução proposta nesta dissertação.
Uma das melhorias foi o aumento no número de eletrodos de aquisição de sinal
(de 3 para 5) para possibilitar a simulação de pelo menos 12 derivações do ECG.
Outro importante avanço foi a utilização do framework Access/CPN6 , desenvolvido
em java, para possibilitar simular o modelo CPN sem necessariamente utilizar
a ferramenta padrão do CPN Tools, possibilitando, assim, estender a simulação
do modelo para outros dispositivo de computação (por exemplo, Smartphones).
A manipulação do modelo CPN utilizando a bibliotca Access/CPN é descrita na
seção 5.3.
4. projeto e desenvolvimento do software. Nesta etapa, a metodologia baseouse nas descrições dos requisitos e especificações do software para a simulação e
comparação de sinais biomédicos, referente à interface gráfica de usuário embutido
em um dispositivo de computação (desktop). Em seguida foi construída a sua
arquitetura, contemplando os componentes de software e diagramas de bloco, com
descrições dos mesmos. Logo após, foi projetado esboços com os componentes
e recursos que a interface gráfica deve apresentar, foi escolhida a linguagem de
programação (a linguagem Java), para então fazer o seu desenvolvimento. Para
isto, foi escolhido o software Processing. No site processing.org, foi estudado sua
documentação e suas bibliotecas úteis para o desenvolvimento da interface. A
meta foi desenvolver uma versão funcional do software para visualizar sinais
biomédicos obtidos da plataforma da PhysioNet e gerar sinais característicos de
ECG, EEG, EMG, EGG e onda trigonométricas (senoidal, quadrada e triangular)
com possibilidade do usuário mudar a amplitude e frequência. A interface deve
opere em desktops nos sistemas operacionais Linux e Windows 7 ou superior.
Assim, o software poderá ter maior disponibilidade para os usuários, tais como de
setores de saúde, órgãos validadores, área da educação, entre outros.
O Processing surgiu em 2001, no Massachusetts Institute of Tecnology (MIT), com
o objetivo de facilitar a programação nas artes visuais. Ele possui um ambiente
integrado para desenvolvimento de software também conhecido como Ambiente
6

Acesso em: <http://cpntools.org/access-cpn/>.

25
de Desenvolvimento Integrado (Integrated Development Environment - IDE) para a
execução do seu código. A IDE está disponível neste link7 com versões disponíveis
para Windows, Linux e Mac OS X. É amplamente adotado em vários países no
ensino de programação e foi uma inspiração para o Arduino, uma plataforma de
prototipagem para interação física com o ambiente que se tornou bastante popular.
O Processing apresenta funções nativas e uma estrutura de processamentos internos
otimizados para produção de imagens (GREENBERG et al., 2013; NOBLE, 2009).
O Processing foi escolhido porque é um Software Livre que, além de possuir
ferramentas e bibliotecas para o desenvolvimento de interfaces gráficas, também
possui recursos facilitadores para a comunicação com microcontroladores, bem
como possibilita programar em outras plataformas, o que aumenta o campo de
possibilidades. Uma das vantagens da linguagem é a de que, com praticamente o
mesmo código, pode-se produz aplicativos executáveis para Windows, GNU/Linux,
Android e iOS.
5. projeto e desenvolvimento do hardware. Nesta etapa, a metodologia de projeto
seguida se deu primeiramente com o levantamento dos requisitos e especificações
do hardware Transceptor de Sinais Biomédicos. Em seguida foi construída a sua
arquitetura, contemplando os componentes de hardware e diagramas de bloco,
com descrições dos mesmos. O próximo passo foi projetar o circuito eletrônico
e escolher os componentes adequados a fim de atender aos requisitos definidos
na seção 3. Também foi realizado simulações no software Proteus de algumas
partes do circuito para testar seu funcionamento. Logo em seguida, com o circuito
projetado, foi construído o layout da Placa de Circuito Impresso (PCI), enviado
para fabricação e, com a placa em mãos, foi realizado testes funcionais. Para a
elaboração do circuito e layout da PCI foi utilizado o software EasyEDA.
O EasyEDA8 é uma ferramenta web gratuita baseada em Electronics Design Automation (EDA) para engenheiros eletrônicos, educadores, estudantes, fabricantes e
entusiastas. Para utilizá-lo, não há a necessidade de instalar nenhum software, basta
abrir o EasyEDA em qualquer navegador compatível com os padrões HTML5.
Nessa ferramenta é possível criar o esquema elétrico utilizando a ampla biblioteca
de componentes eletrônicos disponível. Posteriormente, é possível converter para
7
8

Disponível em: <https://processing.org/>
Para conhecer o EasyEDA acesse: <https://easyeda.com/editor>

26
o layout da PCI para organizar a disposição dos componentes, definir a quantidade
de camadas (geralmente 1 ou 2), traçar as trilhas e exportar o arquivo no formato Gerber (formato padrão para o envio à fabricação industrial) ou no Portable
Document Format (PDF) para construir a placa de forma artesanal.
6. programação do microcontrolador. Consistiu em desenvolver o firmware do
microcontrolador para gerenciar o hardware TSB, a fim deste ser configurável por
software e possibilite simular sinais cuja amplitude vai do micro-volt ao volt e cuja
frequência vai do mili-hertz ao quilo-hertz. O microcontrolador escolhido para ser
o “cérebro” do hardware do sistema foi o ESP-WROOM-32 da fabricante chinesa
Espressif. Ele é um módulo de baixa potência, possui dois núcleos de 32-bit LX6
da Ten-silica Xtensa e opera com o sistema operacional de tempo real freeRTOS
(Real-Time Operating System). O kit de desenvolvimento ESP32 foi escolhido para
ser aplicado neste trabalho pelas características apresentadas, além de ser de baixo
custo. A programação do microcontrolador foi realizada na IDE do Arduino, por
ser um ambiente de desenvolvimento integrado open source e contemplar inúmeras
bibliotecas, com códigos exemplos para vários microcontroladores, o que facilita e
acelera o desenvolvimento de soluções.
7. integração do software com o hardware - realizada por intermédios da interface Universal Serial Bus (USB), permitindo estabelecer comunicação de "mão
dupla" entre o sistema microcontrolado e a interface de usuário.
8. montagem e realização de testes - referente ao hardware. Foram desenvolvidos
módulos com funções específicas para compor o protótipo do TSB, bem como
facilitar a verificação funcional do circuito eletrônico antes de projetar a PCI
definitiva.
9. estudos de caso - possibilitou a validação da solução proposta com o uso de
um sistema de ECG comercial. Foi utilizado um equipamento/monitor de ECG
multiparâmetro da empresa Instramed, modelo ENGC901448, com o qual foi
possível avaliar o desempenho do software e do hardware do TSB com base na
observação da reprodução do sinal de ECG, da aquisição pelo equipamento
(visualização do sinal em sua tela) e da leitura do sinal devolvido pelo mesmo
(visualização na tela da interface em dispositivo de computação).

27
10. escrita do formulário para pedido de patente de invenção e registros de software
- com o projeto definido (especificado e arquitetado) e os resultados alcançados,
foi possível abarcar os objetivos específicos 3 e 5, respectivamente.
11. escrita da dissertação e artigo científico - foi a última etapa realizada.
1.5

ORGANIZAÇÃO DO DOCUMENTO
Este documento de mestrado está estruturado em sete capítulos. No primeiro

capítulo foi apresentada uma introdução sobre o trabalho, composta por contextualização
do tema de pesquisa, problemática, objetivos, motivação e metodologia. O restante dos
capítulos estão organizados da seguinte maneira:
• no Capítulo 2 é apresentado o embasamento teórico sobre sistemas de aquisição
de sinais biomédicos, amplificação de sinais biomédicos, introduzidos conceitos
sobre redes de Petri coloridas e certificação de equipamentos médicos;
• no Capítulo 3 são apresentados trabalhos relacionados com o tema de pesquisa,
incluindo patentes e trabalhos acadêmicos;
• no Capítulo 4 é apresentado os requisitos e arquitetura de hardware e software do
sistema de validação proposto;
• no Capítulo 5 é descrita a modelagem formal de sistemas de aquisição de sinais
biomédicos e levantadas as discussões referentes aos resultados alcançados no
desenvolvimento do trabalho;
• no Capítulo 6 é apresentado o desenvolvimento do hardware e do software da
solução proposta, bem como é realizada a validação e levantadas as discussões
referentes aos resultados alcançados no desenvolvimento do trabalho;
• no Capítulo 7 são apresentadas conclusões obtidas com a realização deste trabalho
e a indicação de trabalhos futuros.

28

2 EMBASAMENTO TEÓRICO
Neste capítulo é apresentado o embasamento teórico que fundamenta este
trabalho. São abordadas algumas características fundamentais sobre os sistemas de
aquisição de sinais biomédicos de interesse neste trabalho (ECG, EEG, EMG e EGG),
amplificação de sinais biomédicos, uma revisão breve sobre redes e Petri coloridas e
certificação de equipamentos médico. Por fim, são apresentadas as considerações finais
do capítulo. Espera-se, com isso, contribuir para o entendimento da teoria relacionada a
solução proposta nos objetivos deste trabalho.
2.1

SISTEMAS DE AQUISIÇÃO DE SINAIS BIOMÉDICOS
No capítulo introdutório foi definido que um sistema de aquisição é o conjunto

de um ou mais equipamentos de medição e outros dispositivos (FILIPE et al., 2012). Por
sua vez, Sistemas de Aquisição de Sinais Biomédicos (SASB) são tipos de Equipamentos
Médico-Assistencial (EMAs) desenvolvidos para a aquisição e processamento de sinais
biomédicos. Nesta subseção, será detalhado mais sobre os tipos de sinais biomédicos, as
suas derivações e o escopo geral das etapas de aquisição destes sinais.
2.1.1

Sinais Biomédicos
Os sinais biomédicos podem surgir de diversas fontes podendo receber diferentes

classificações: sinais bioelétricos (gerados pelo potencial de membrana), sinais de
bioimpedância (gerados por injeção de correntes, ou tensões, por exemplo, tensões
senoidais, no tecido sobre teste), sinais bioacústicos (sinais acústicos produzidos por
fenômenos biomédicos), sinais biomagnéticos (campos magnéticos produzidos pelo
funcionamento de alguns órgãos como o cérebro), sinais biomecânicos (originados
pela função mecânica de algum sistema fisiológico), sinais bioquímicos (resultam de
medições químicas em tecidos vivos, ou amostras analisadas em laboratório) e sinais
biópticos (resultam de funções ópticas dos sistemas biológicos, ocorrem naturalmente
ou por indução de um processo de medição)(BRONZINO, 2000; RATHKE et al., 2008).
De acordo com Webster (2010) (WEBSTER, 2003), os sinais biomédicos, ou biopotenciais, podem ser classificados em: Eletrocardiograma (ECG); Eletroencefalograma
(EEG), Eletromiograma (EMG), Eletrogastrograma (EGG), Eletro-oculograma (EOG) e
Eletrorretinograma (ERG).

29
Cada um destes biopotenciais são gerados em locais diferentes no corpo humano
e são coletados através de eletrodos específicos. Uma breve descrição sobre os quatro
primeiros é apresentada a seguir, devido a sua relevância neste trabalho.
2.1.1.1

Eletrocardiograma
O ECG é um exame que realiza a representação gráfica da atividade elétrica do

coração. Através do estudo morfológico do sinal de ECG, médicos podem diagnosticar
doenças cardíacas, pulmonares e cardiovasculares. A amplitude do sinal varia de 0, 5mV
a 4mV, com largura de banda entre 0, 01Hz e 250Hz (diagnóstico), e sua medição pode
ser realizada com eletrodos de superfície. A aquisição do sinal de eletrocardiograma
depende das derivações, que variam de acordo com o posicionamento dos eletrodos e
combinações. Na eletrocardiografia, 12 derivações são usadas, nomeadas: derivação
bipolar, derivação aumentado (unipolar) e precordial (POLO et al., 2018; LYNN et al.,
2014; REZAEIYAN et al., 2018).
2.1.1.2

Eletroencefalograma
O EEG é o exame que faz a representação gráfica da atividade cerebral. Eletrodos

de superfície são colocados em áreas específicas do couro cabeludo, que medem os
potenciais elétricos gerados no córtex cerebral. O exame de eletroencefalografia é
utilizado para a detecção das ondas cerebrais (alfa, beta, delta e gama) e permitem, por
exemplo, o estudo do sono, doenças nervosas, entre outras. A amplitude do sinal é
bastante baixa, da ordem de microvolt, variando entre 5uV e 300uV, e possui largura de
banda entre 0, 01Hz e 150Hz (BHATTACHARYYA et al., 2018).
2.1.1.3

Eletromiograma
O EMG registra a atividade elétrica muscular. O sinal elétrico é resultante da troca

de íons na membrana das células musculares, devido a uma contração, e é útil para o
diagnóstico de patologias nos sistemas muscular e nervoso. A amplitude do sinal EMG
varia de 100uV a 5mV, com largura de banda entre 0, 01 Hz e 10KHz. A amplitude desse
tipo de sinal depende de vários fatores, como, por exemplo, o tempo e a intensidade
da contração muscular, a distância entre o eletrodo e a área de atividade muscular, as
propriedades da pele e as propriedades do eletrodo (SADIKOGLU et al., 2017).

30
2.1.1.4

Eletrogastrograma
O EGG representa graficamente as atividades elétricas do estômago. A amplitude

do sinal de EGG varia de 100uV a 500uV, com frequência entre 0, 015Hz a 0, 15Hz (ou
seja, de 0, 9 a 9 ciclos por minuto) (SANTOS et al., 2015). A eletrogastrografia é um
exame que vem se tornado cada vez mais valorizado na área de saúde porque, em
geral, causa pouco desconforto aos pacientes, além de apresentar menos riscos por
ser não-invasiva. Com o avanço das pesquisas em processamento de sinais, torna-se
possível inferir informações importantes (HUBKA et al., 2005) e realizar diagnósticos
mais precisos a partir dos dados adquiridos através do EGG.
2.1.2

Derivações padrão dos sinais
O corpo humano gera potenciais elétricos devido a atividade elétrica das células

de órgãos, como o coração, cérebro, músculo, estômago, olhos, ente outros. Tais sinais
são passível de registro, mensuração e análise. Por meio de fios e eletrodos é possível a
construção de pontos de referência que permitem a captação, o estudo e a análise desses
registros, ditos derivação (REIS et al., 2013).
Uma derivação é obtida pela diferença de potencial entre dois pontos do corpo.
Cada ponto é medido por um eletrodo independente, pelo menos na maioria das
aplicações. De uma forma abstrata, as derivações são como ângulos de visão que
capturam amostras exclusivas da atividade elétrica de regiões específicas do corpo
(Texas Instruments Inc, 2017). A seguir, são apresentadas as derivações padrão dos
sinais de ECG, dado que é o estudo de caso abordado neste trabalho.
2.1.2.1

Derivações do ECG
As derivações do ECG são divididas em dois grupos: horizontais e verticais. As

somas dessas resultantes isoelétricas podem ofertar traçados ricos em informação dos
efeitos de determinada patologia ou alteração sobre a atividade elétrica do coração
(REIS et al., 2013).
O número de derivações em um sistema de ECG pode variar amplamente. Os
sistemas mais simples, destinados à diagnósticos básicos, geralmente usam não mais
do que 3 derivações. Por outro lado, os sistemas de diagnóstico de alta qualidade são
mais complexos e podem usar até 12 ou mais derivações. Quanto mais ângulos de visão

31
Figura 2 – Representação das derivações eletrocardiográficas bipolares dos membros.

Fonte: adaptada de Reis et al. (2013)
forem incluídos no ECG, mais informações de diagnóstico o médico poderá reunir sobre
a saúde cardíaca do paciente (Texas Instruments Inc, 2017).
A seguir, é realizada uma revisão sobre cada um dos diferentes grupos de
derivações de ECG para entender como são medidos ou calculados. Mais especificamente,
é apresentado sobre as três derivações primárias, três derivações aumentadas e seis
derivações torácicas, para um total de 12 derivações padrão. Além do mais, será
mostrado como algumas derivações podem ser derivadas de outras.
As três derivações primárias estão localizadas no chamado plano frontal do corpo
humano, são de característica bipolar (com polo negativo e positivo) e representam
os lados de um triângulo chamado “triângulo de Eithoven” – em homenagem ao
fisiologista que inventou o primeiro eletrocardiograma, Willem Einthoven, em 1933. Os
três eletrodos de medição principais são colocados no braço esquerdo, braço direito
e perna esquerda, que são respectivamente abreviados como LA, RA e LL (Texas
Instruments Inc, 2017; REIS et al., 2013). A diferença de potencial entre os eletrodos
originam as derivações, isso pode ser observado na Figura ??, onde a Derivação I é igual
a LA menos RA, a Derivação II é igual a LL menos RA e a Derivação III é LL menos LA.
Na Figura 3 é apresentada uma ilustração para o sistema de ECG de 12 derivações.
Na Figura 3(a) é apresentada a colocação espacial de 10 eletrodos utilizados pelo sistema

32
Figura 3 – Derivações do sistema de ECG: (a) posicionamento dos eletrodos; (b) eixo
cardíaco no ECG.

Fonte: (YAO et al., 2020).
de ECG de 12 derivações - três derivações de membros e três derivações de membros
aumentadas, bem como seis derivações precordiais (tórax) foram formadas entre
eletrodos físicos e um eletrodo virtual conhecido como terminal central de Wilson.
Na Figura 3(b) são representadas as diferenças de potencial elétrico entre eletrodos
colocados na pele humana, os sinais de ECG de 12 derivações refletem a atividade
elétrica do coração de diferentes ângulos espaciais (YAO et al., 2020).
A Lei de Einthoven diz que, em um eletrocardiograma, o potencial da derivação
II em qualquer instante é igual à soma dos potenciais da derivação I e III (isto é, II = I +
III). Em outras palavras, basta medir duas derivações, porque a terceira sempre pode ser
calculada (REIS et al., 2013). Na Tabela 1 são apresentadas as possibilidades de cálculo
dos eletrodos e das derivações.
2.1.3

Amplificação de sinais biomédicos
Os sinais biomédicos são de amplitudes muito baixas, da ordem de milivolts

(mV) e até micro-volts (uV), o que torna difícil a sua visualização. Porém, é possível
amplificar estes sinais e torna-los visíveis. Para tanto, a contribuição vem da Eletrônica
Analógica através dos amplificadores operacionais e de instrumentação, e dos filtros
ativos passa-alta, passa-baixa e rejeita-faixa. Com isso, se faz possível a aquisição
destes sinais e a eliminação de ruídos indesejados (CUNHA, 2012; FERREIRA JÚNIOR;
CUNHA, 2020).

33
Tabela 1 – Eletrodos e derivações do eletrocardiograma.
Derivações

Medido/calculado Fórmula das Derivações
Derivações Bipolares
I
LA − RA
Ambos
II − III ou aVL − aVR
II
LL − RA
Ambos
I + III ou aVF − aVR
III
LL − LA
Ambos
II − I ou aVF − aVL
Derivações Aumentada
aVR
RA − (LL + LA)/2
Ambos
−(I + II)/2
aVL
LA − (LL + RA)/2
Ambos
(I − III)/2 ou I – (II)/2
aVF
LL − (LA + RA)/2
Ambos
(II + III)/2 ou II – (I)/2
Derivações do Peito
V1
v1 – WCT*
Medido
V2
v2 – WCT*
Medido
V3
v3 – WCT*
Medido
V4
v4 – WCT*
Medido
V5
v5 – WCT*
Medido
V6
v6 – WCT*
Medido
*WCT = (RA + LA + LL)/3, é o Terminal Central de Wilson.
Fonte: adaptado de Texas Instruments (2017) (Texas Instruments Inc, 2017).

2.1.3.1

Eletrodos

Amplificadores Operacionais
Amplificador operacional (ou simplesmente AOP) é um elemento de circuito

ativo projetado para executar operações matemáticas de adição, subtração, multiplicação, divisão, diferenciação e integração. Ele é um dispositivo eletrônico formado por
um complexo arranjo de resistores, transistores, capacitores e diodos (ALEXANDRE;
SADIKU, 2013). As características ideais de um AOP são: ganho de tensão infinito,
resposta em frequência infinita, tensão de offset nula, impedância de estrada infinita e
impedância de saída nula (JR, 2015; FERREIRA JÚNIOR; CUNHA, 2020). Contudo, os
AOPs reais se afastam dessas características ideias por razões de natureza física dos
componentes que os constituem. O símbolo de um amplificador operacional é como o
apresentado na Figura 4.
2.1.3.2

Amplificadores de Instrumentação
Um dos circuitos mais úteis e versáteis com o uso de AOPs para medições de

precisão e controle de processos é o amplificador de instrumentação (Instrumentation
Amplifier - IA) (ALEXANDRE; SADIKU, 2013). O IA é essencial em qualquer sistema de
aquisição de sinais de pequenas amplitudes, da ordem de micro-volts(uV) a mili-volts
(mV). O que o difere de um AOP é a alta razão de rejeição de modo comum (do inglês,

34
Figura 4 – Símbolo de um Amplificador Operacional e os principais “pinos”.

Fonte: autor (2022).
Figura 5 – Configuração clássica de um amplificador de instrumentação.

Fonte: adaptado de Cunha (2012).
Commom Mode Rejection Ratio - CMRR) a uma taxa de pelo menos -90 decibéis (dB), ou
seja, ser capaz de rejeitar ruídos externos comuns em amplitude e frequência (FABBRO
et al., 2002; FERREIRA JÚNIOR; CUNHA, 2020).
Uma representação clássica do amplificador de instrumentação é apresentado
na Figura 5, sendo formado por três AOPs e sete resistores. Na representação, V1 é a
entradas inversora, V2 é a entrada não inversora, Vo é a saída, RG é o resistor externo
para ajuste de ganho, os resistores R1 = R2 e os resistores R3 = R5 = R4 = R6 (para ganho
diferencial unitário).
Na construção de equipamentos para realização da aquisição de sinais biomédicos,
amplificadores de instrumentação podem ser utilizados para amplificar o sinal. A
diferença entre as tensões de dois sinais é amplificada e sinais comuns entre as duas
entradas são rejeitados. A saída de um amplificador de instrumentação pode ser
representada utilizando a seguinte equação:
Vout = Ad ·Vd + Ac ·Vc

(1)

35

CMRRdB = 20·log10

|Ad |
|Ac |

(2)

onde Vd = v2 - v1 é o sinal diferencial de entrada, Vc = 12 ·(v1 + v2 ) é o sinal de
entrada de modo comum, Ad é o ganho diferencial, Ac é o ganho de modo comum
(idealmente zero) e Vout é o sinal de saída (CARMO; CORREIA, 2013).
2.1.4

Filtragem
Um outro elemento necessário para o condicionamento de sinais são os filtros

ativos – construídos com elementos ativos, como transistores e amplificadores operacionais. Os filtros ativos de primeira ordem são aqueles que possuem apenas um capacitor
(elemento RC, resistor-capacitor), os de segunda ordem possuem dois capacitores e
os de terceira três. Portanto, a ordem de um filtro é determinada pela quantidade de
capacitores que o mesmo possui, e, quanto maior é a ordem, mais eficiente é o filtro
(FABBRO et al., 2002; FERREIRA JÚNIOR; CUNHA, 2020).
Para promover a filtragem de uma região configura-se uma faixa passante
através da união dos filtros passa-alta e passa-baixa, dando origem ao filtro passa-faixa,
representado na Figura 3. Os filtros passa-alta permitem a passagem de frequências
acima da frequência de corte estipulada e atenuam frequências inferiores. Ao contrário
dos passa-alta, os filtros passa-baixa só permitem a passagem de frequências inferiores
ao estipulado, atenuando frequências acima do corte (SILVA et al., 1991).
2.2

REDES DE PETRI COLORIDAS
As redes de Petri são uma ferramenta matemática de modelagem aplicável

a muitos sistemas. São usadas para a descrição e estudos de sistemas assíncronos,
concorrentes, distribuídos, paralelos, não determinísticos e/ou estocásticos. Devido as
suas representações gráficas, as redes de Petri coloridas (Coloured Petri Net - CPN) podem
ser usadas para apoiar análise formal de sistemas complexos.
2.2.1
2.2.1.1

Definição formal de redes de Petri coloridas
CPN não hierárquica
Formalmente, uma rede de Petri colorida não hierárquica é uma tupla de nove

elementos CPN = (P, T, A, Σ, V, C, G, E, I) (JENSEN; KRISTENSEN, 2009), na qual:

36
1. P é um conjunto finito de lugares.
2. T é um conjunto finito de transições tal que P ∩ T = ∅. Ou seja, não existe algum
elemento em T igual a algum elemento em P.
3. A ⊆ P × T ∪ T × P é um conjunto de arcos direcionados. Isso significa que um arco
pode ligar apenas um lugar a uma transição ou vice-versa. Não é possível usar
um arco para ligar um lugar a outro lugar ou uma transição a outra transição.
4. Σ é um conjunto não vazio de cores. Isto é, os lugares de CPN possuem algum
tipo de dado (ou cor), o qual pertence a Σ.
5. V é um conjunto finito de variáveis tipadas tal que Tipo[v] ∈ Σ para todas as
variáveis v ∈ V. Ou melhor, existe uma cor associada a cada variável tal que essa
cor é um elemento de Σ.
6. C : P → Σ é uma função de conjunto de cor que associa uma cor a cada lugar. Dito
de outro modo, cada lugar da CPN possui uma cor.
7. G : T → EXPRV é uma função de guarda que associa uma guarda a cada transição
t tal que Tipo[G(t)] = Bool. Isto é, a cor de guarda de cada transição é um booleano.
8. E : A → EXPRV é uma função de expressão de arco que associa uma expressão de
arco a cada arco a tal que Tipo[E(a)] = C(p)MS 1 , no qual p é o lugar conectado ao
arco a. Em outros termos, a cor associada a a deve ser a mesma cor associada a p,
que é o lugar com o qual a está conectado.
9. I : P → EXPRθ é uma função de inicialização que associa uma expressão de
inicialização a cada lugar p tal que Tipo[I(p)] = C(p)MS . Ou seja, a cor dos valores
de inicialização de um lugar deve ser igual a cor daquele lugar.
2.2.1.2

Módulo CPN
Um módulo de rede de Petri colorida é definida como uma tupla de quatro

elementos CPNM = (CPN, Tsub , Pporta , PT) (JENSEN; KRISTENSEN, 2009), na qual:
1. CPN = (P, T, A, Σ, V, C, G, E, I) é uma CPN não hierárquica.
1

MS está relacionado a “multiconjunto”.

37
2. Tsub ⊆ T é um conjunto de transições de substituição. Isso significa que uma
transição de substituição é também uma transição.
3. Pporta ⊆ P é um conjunto de lugares porta. Dito de outro modo, um porta é também
um lugar.
4. PT : Pporta → IN, OUT, I/O é um conjunto de tipo porta que associa tipos de porta
a lugares. Em outras palavras, uma porta deve possuir um dos seguintes tipos:
IN, OUT, I/O.
A definição abaixo resume a definição de um modelo CPN hierárquico com base
na descrição acima.
2.2.1.3

CPN hierárquica
Uma rede de Petri colorida hierárquica é definida como uma tupla de quatro

elementos CPNH = (S, SM, PS, FS) (JENSEN; KRISTENSEN, 2009), na qual:
1. S é um conjunto finito de módulos. Cada módulo é um módulo de rede de
s
Petri colorida s = ((Ps , Ts , As , Σs , V s , Cs , Gs , Es , Is ), Tsub
, Psporta , PTs ). É necessário que

(Psi ∪ Tsi ) ∩ (Psj ∪ Tsj ) = ∅ para todo si , s j ∈ S tal que i , j.
2. SM : Tsub → S é uma função de submódulo que associa um submódulo a cada
transição de substituição. É necessário que a hierarquia do módulo seja acíclica,
ou seja, um submódulo não pode possuir transição de substituição associada a
um submódulo superior na hierarquia.
3. PS é uma função de relação porta-socket que associa uma relação porta-socket
PS(t) ⊆ Psock (t) × Pporta SM(t) a cada transição de substituição t. É necessário que
PT(p) = PT(p′ ), C(p) = C(p′ ) e I(p)⟨⟩ para todo (p, p′ ) ∈ PS(t) e t ∈ Tsub . Em síntese,
a cada transição de substituição existe uma associação de uma relação porta-socket,
de modo que o tipo do socket deve ser igual ao tipo da porta e a cor do socket deve
ser igual a cor da porta.
4. FS ⊆ 2P é uma família de conjuntos de fusão (fusion sets) não vazios tal que
C(p) = C(p′ ) e I(p)⟨⟩ = I(p′ )⟨⟩ para todo p, p′ ∈ f s e todo f s ∈ FS. Em outras palavras,
é possível fundir dois lugares de modo que a marcação de ambos sejam sempre
iguais. São semelhantes às variáveis globais conhecidas em muitas linguagens de
programação.

38
2.3

CERTIFICAÇÃO DE EQUIPAMENTOS MÉDICO
A certificação é um indicador para os consumidores de que o produto, processo

ou serviço atende a padrões mínimos de qualidade. Auxilia na identificação de produtos
que atendam a normas específicas, estabelecendo por consequência parâmetros para
decisão de compra complementar aos custos. A certificação de conformidade induz à
busca contínua da melhoria da qualidade (TÉCNICAS, 1994b).
A autorização para comercialização e fabricação de qualquer equipamento
eletromédico no Brasil é concedida pela Agência Nacional de Vigilância Sanitária
(ANVISA), que, sob Resolução n° 444/99, estabelece como requisito o cumprimento da
norma geral NBR IEC 601-1 de 1994 e normas da série NBR IEC 60601-2. A certificação
é realizada por um Organismo de Certificação de Produto (OCP) credenciado pelo
INMETRO (Instituto Nacional de Metrologia, Normalização e Qualidade Industrial). Os
OCPs são organismos que recebem acreditação do INMETRO para conduzir e conceder
a certificação de conformidade de produtos com base em regulamentos técnicos ou
normas nacionais, regionais e internacionais (RATHKE et al., 2008).
Existem laboratórios credenciados que realizam testes de conformidade realizando ensaios de rotina e controle. Estes testes têm o objetivo de proporcionar uma
garantia na conformidade do cumprimento das normas, garantindo a segurança de
funcionamento do equipamento evitando riscos ao paciente. Estes ensaios são realizados
periodicamente respeitando um intervalo de tempo pré-estabelecido, que varia de
acordo com algumas variáveis específicas a cada tipo de equipamento, ou ainda, após
o equipamento ser submetido a uma manutenção ou apresentar falhas na operação
(RATHKE et al., 2008).
Os ensaios de conformidade da NBR IEC 60601-1 de 1994: “Equipamento Eletromédico. Parte 1 – Prescrições gerais para a Segurança” que garantem a utilização segura
do equipamento compreendem os seguintes ensaios:
• Testes de funcionalidade.
• Aterramento de proteção, aterramento funcional e equalização de potencial (Cláusula 18).
• Medição de corrente de fuga permanentes e auxiliares através do paciente (Cláusula
19).

39
• Rigidez dielétrica (Cláusula 20).
O cumprimento dos requisitos da norma compreende os testes descritos na
norma geral e específica de cada tipo de equipamento.

40

3 TRABALHOS RELACIONADOS
Neste capítulo são apresentados trabalhos relacionados, incluindo patentes e
trabalhos acadêmicos.
3.1

PATENTES
Na literatura, existem algumas patentes publicadas relacionadas com a proposta

definida nesta dissertação. Por exemplo, a patente BR 102015007064-0 A2 (SARAIVA et
al., 2017), depositada em 23/03/2015, com título "Bancada de Sinais Eletrocardiógrafos",
publicada em 07/11/2017, está relacionada com a proposta para auxiliar na metrologia
de equipamentos hospitalares. É proposto um esquema elétrico para uma bancada para
o ensino de conceitos relacionados com equipamentos de ECG com foco em fabricação
e manutenção. A principal limitação nesta patente está na aplicação da solução para
somente um tipo de equipamento biomédico. Outra limitação é o foco somente na
formação de profissionais, sem considerar a avaliação da qualidade de equipamentos
biomédicos.
A patente PI 9903360-7 A (MORAES; FILHO, 2001), depositada em 27/07/1999,
com título "Simulador de Sinais Cardíacos", publicada em 06/03/2001, está relacionada
com a proposta de um simulador de sinais cardíacos para auxiliar na manutenção
corretiva, manutenção preventiva, avaliação e aferição de equipamentos de ECG.
Além disso, possui aplicação em pesquisa e treinamento de profissionais da área
médica. O simulador é composto por fonte, microcontrolador, memória, interface, lógica,
conversores, atenuadores, circuitos e micro computador. A principal limitação nesta
patente também está na aplicação da solução para a avaliação de somente um tipo de
equipamento biomédico. Outra limitação é o foco somente na simulação de sinais de
ECG, sem considerar mecanismos para a comparação de resultados de equipamentos
biomédicos em validação com resultados corretos esperados.
A patente US963.3577B2 (CONSTANTINE, 2001) com título "CPR Training System
and Methods", publicada em 25/04/2017, está relacionada com a proposta de um sistema
para simulação de sinais de ECG com foco em auxiliar no treinamento de usuários de
dispositivos médicos para ressuscitação cardiopulmonar. O sistema é composto por um
simulador de ECG e um sensor de compressão torácica gerar um novo sinal de ECG
com artefato de ressuscitação cardiopulmonar em tempo real. Neste caso, a principal

41
limitação também está na aplicação da solução com base somente na simulação de um
tipo de sinal biomédico.
Neste contexto, para auxiliar na solução das limitações existentes em patentes já
publicadas, foi definida a presente solução, cujo objetivo foi desenvolver um sistema
para a validação de sistemas biomédicos, como, por exemplo, EGG, EMG, EEG e ECG.
Para isso, nesta solução, a simulação de vários sinais biomédicos é realizada usando
bases de dados disponíveis gratuitamente, como, por exemplo, a da PhysioNet em seu
PhysioBank ATM (disponível pelo seguinte site1 ). As bases de dados mais relevantes
para este trabalho, encontradas na PhysioNet, são: ECG-ID (ecgiddb), CHB-MIT Scalp
EEG Database (chbmit) e Electromyograms (emgdb).
Além da simulação de sinais biomédicos, modelos matemáticos (executáveis e
parametrizáveis), embutidos em dispositivos de computação, são usados para representar os comportamentos especificados de sistemas biomédicos com o propósito de
possibilitar avaliações de qualidade no próprio sistema de validação pela aplicação
de métricas de desempenho. Ou seja, comparações entre resultados do equipamento
ou sistema biomédico em validação com resultados esperados gerados por modelos
matemáticos.
A aplicabilidade desta solução está na possibilidade de avaliar vários equipamentos de aquisição de sinais biomédicos usando somente um sistema validador durante o
processo de desenvolvimento. Além disso, pode ser aplicada em etapas da manutenção
corretiva em ambientes hospitalares.
3.2

TRABALHOS ACADÊMICOS
O artigo de Sobrinho et al. (2019) (SOBRINHO et al., 2019), intitulado Formal

modeling of biomedical signal acquisition systems: source of evidence for certification (em
português, “Modelagem formal de sistemas de aquisição de sinais biomédicos: fonte
de evidência para certificação”), apresenta uma metodologia de modelagem formal de
sistemas de aquisição de sinais biomédicos usando Redes de Petri Coloridas (Colored
Petri Nets - CPN). Mais especificamente, os autores fornecem um modelo de referência de
sistemas biomédicos de aquisição de sinais com suas principais características (aquisição,
filtragem e amplificação) e propõe gerar evidências de segurança e eficácia dos sistemas
modelado para contribuir com os fabricantes em processos de certificação.
1

Site da PhysioBank ATM: <https://archive.physionet.org/cgi-bin/atm/ATM>

42
Um estudo de caso foi implementado utilizando o modelo de referência para
representar o comportamento de um sistema de eletrocardiografia. Foi utilizado uma
configuração de monitor cardíaco básico com base na extremidade frontal do monitor
de frequência cardíaca de derivação única (AD8232) e o microcontrolador analógico
de precisão de baixa potência, ARMcortexM3 com conversores sigma- delta duplos
(ADUCM360). As evidências de segurança foram geradas de dois modos: através do
relatório de espaço de estados do modelo CPN para verificar as principais propriedades
(como a de vivacidade, casa e justiça); e a técnica de verificação de modelos através da
lógica ASK-CTL. As evidências de eficácia foram geradas por meio de três métodos:
pela análise do sinal no domínio da frequência (Fast Fourier Transform - FFT) (RAO et al.,
2010); através da métrica de desempenho do erro absoluto médio (Mean Absolute Error MAE) (AMEER; BASIR, 2008); e por meio da métrica de desempenho do erro médio
quadrático (Root Mean Squared Error - RMSE) (WANG; BOVIK, 2009). Os sinais de ECG
utilizados na simulação do modelo CPN foram obtidos da base de dados PhysioNet
ECG-ID, na internet, sendo selecionado o sinal de ECG com derivação I, designado
Person_01rec_1.
Os autores concluem que a metodologia utilizada permite que os fabricantes
identifiquem defeitos em sistemas de aquisição de sinais biomédicos no início do
processo de desenvolvimento, visando reduzir custos e tempo de desenvolvimento e
gerar evidências de segurança e eficácia para a certificação. Contudo, uma limitação
evidente desse trabalho está relacionada com a falta de validação do processamento de
sinais no hardware de sistemas reais considerando outros componentes além de filtros.
Portanto, carece de validação do hardware para obter mais evidências e comparar os
resultados obtidos da simulação do modelo CPN, para que a certificação de sistemas de
aquisição de sinais biomédicos possa ser possível por parte dos fabricantes.
Em um trabalho acadêmico (POLO et al., 2018), publicado em 15/05/2018, foi
apresentada a implementação de um protótipo didático para auxiliar no aprendizado
da teoria e prática da instrumentação biomédica. No protótipo, são contempladas a
aquisição, processamento e visualização de ECG, EEG, EMG e EOG. Outra solução
similar é o trabalho acadêmico proposto por Satiro et al. (SATIRO et al., 2019), publicado
em 22/11/2019, no qual é apresentada uma plataforma para a aquisição de ECG, EMG e
EOG.
No trabalho acadêmico, disponível em (GOIS et al., 2018), publicado em 12/06/2018,

43
é apresentada uma plataforma para aquisição e condicionamento de sinais biomédicos.
O trabalho possui foco em sistemas de ECG, EMG e EOG;
Outros exemplos de trabalhos acadêmicos incluem o disponível em (SILVA et al.,
2014), publicado em 09/01/2014, com foco em ECG, EMG, atividade eletrodérmica e biomecânica usando acelerômetro; o trabalho acadêmico, disponível em (ANDRIGHETTO
et al., 2007), publicado em 28/09/2007, com foco em ECG, EEG, EMG e EOG; o trabalho
acadêmico, disponível em (Lai et al., 2018), publicado em 30/06/2018, com foco em
ECG e EMG; o trabalho acadêmico, disponível em (KHAN et al., 2018), publicado em
29/03/2018, com foco em ECG, EEG e EMG.
Nestes casos citados, a principal limitação está em não incluírem a avaliação
da confiança na aquisição de sinais biomédicos em múltiplos sistemas com base em
comparações com comportamentos especificados (matematicamente) e métricas de
desempenho.
Neste contexto, para auxiliar na solução das limitações existentes em patentes e
trabalhos acadêmicos já publicados, foi definida a presente solução. A simulação de
sinais biomédicos é realizada usando bases de dados disponíveis gratuitamente, como,
por exemplo, a PhysioNet ECG-ID (GOLDBERGER et al., 2000). Além da simulação de
sinais biomédicos, modelos matemáticos (executáveis e parametrizáveis), embutidos
em dispositivos de computação, são usados para representar os comportamentos
especificados de equipamentos biomédicos com o propósito de possibilitar avaliações de
qualidade no próprio sistema de validação pela aplicação de métricas de desempenho.
Ou seja, comparações entre resultados do equipamento biomédico em validação com
resultados esperados gerados por modelos matemáticos.
3.3

COMPARAÇÃO COM TRABALHOS EXISTENTES
Na Tabela 2 é apresentada uma comparação de problemas técnicos entre a presente

solução e outras existentes. Os marcadores indicam se a solução é CONTEMPLADA (")
ou NÃO CONTEMPLADA (%) pela presente solução e por invenções já patenteadas
e/ou comercializadas.
Como solução para os problemas relacionados com avaliação confiável e automatizada, esta solução apresenta um único sistema flexível e de baixo custo para
validação de múltiplos equipamentos, isto é, sistemas biomédicos, em especial: ECG,
EEG, EMG e EGG. São usados recursos de simulação de sinais biomédicos, execução de

44
Tabela 2 – Comparativo de soluções identificadas.

Problema
Ausência de sistemas
com capacidade para validar múltiplos equipamentos de aquisição de
sinais biomédicos
Dificuldade em obter dados biomédicos reais e
confiáveis
Ausência de especificação formal em validadores comerciais para
representar o comportamento específico de múltiplos sistemas biomédicos
Medir a confiança na
aquisição de sinais em
equipamentos biomédicos
Custo elevado (utilizando vários sistemas
validadores)

Solução

Solução
Proposta

Um sistema para validação de múltiplos equipamentos de aquisição
de sinais biomédicos "
(ECG, EEG, EMG e EGG)
usando modelos matemáticos
Obter dados biomédicos
de bases de dados con"
fiáveis da internet (e.g.,
PhysioNet ECG-ID)

Outras
Abordagens

%

"

Modelos matemáticos
parametrizáveis que representam o comporta"
mento desejado de múltiplos equipamentos biomédicos

%

Utilizar métricas de desempenho para avaliar o "
sistema

%

Baixo custo (utilizando
um único sistema valida- "
dor integrado)
Fonte: autor (2022).

%

modelos matemáticos (comportamento especificado) de sistemas biomédicos e utilização de métricas de desempenho para comparação com sinais pelo sistema biomédico
em validação. Com isso, amplia-se a confiança no sistema validador e a acurácia do
resultado de validação. Além dos sistemas biomédicos destacados, dado o uso de
modelos matemáticos parametrizados, o sistema para a validação pode ser estendido,
com facilidade, para outros sistemas, como, por exemplo, EOG (SCOLARO; BIELSKI,
2017).
A presente solução refere-se a um sistema para validação de equipamentos/sistemas de aquisição de sinais biomédicos usando simulação de sinais, transmissão de sinais
e especificação formal (matemática) de comportamentos de sistemas biomédicos. Os
principais propósitos deste trabalho são a manutenção corretiva (mediante informação

45
de projeto do fabricante) e avaliação da qualidade na aquisição de sinais em sistemas
biomédicos. Além disso, pode ser aplicada para o ensino, pesquisa e treinamento de
profissionais na área biomédica.
A solução apresentada refere-se ao uso de simulação de múltiplos sinais biomédicos, modelos matemáticos para representação de comportamentos desejados de
múltiplos sistemas biomédicos de aquisição de sinais e métricas de desempenho para
a comparação entre sinais especificados e sinais obtidos pelo equipamento/sistema
biomédico em validação. Mais especificamente, a solução se refere a um sistema para validação de sistemas de aquisição de sinais biomédico, composto por quatro componentes
principais: simulador de sinais biomédicos, utilizado em dispositivos de computação
(por exemplo, smartphone); transceptor de sinais biomédicos, conectado com dispositivos
de computação e sistemas biomédicos em validação para processamento e transmissão
de sinais; modelos matemáticos executáveis e parametrizáveis que são embutidos em
dispositivos de computação, capazes de representar o comportamento desejado de
múltiplos sistemas biomédicos com base na definição de parâmetros; e comparador de
sinais desejados e obtidos pelo sistema em validação, usando métricas (por exemplo,
erro quadrático médio) para a avaliação de qualidade na aquisição de sinais (exatidão).

46

4 REQUISITOS E ARQUITETURA DE HARDWARE E SOFTWARE
Neste capítulo são seguidas as etapas correspondentes aos requisitos/especificações e a arquitetura do sistema proposto, compreendendo os componentes de hardware
e software. Para isso, é seguida a metodologia de projeto baseada no fluxo ilustrado
na Figura 6, apresentada por Wolf (2017). As demais etapas desta metodologia são
desenvolvidas nas seções 6.1 (Projeto de Hardware), 5 (modelagem formal) e 6.2 (interface
gráfica de usuário).
É importante frisar que os componentes de hardware estão associados ao projeto
de desenvolvimento do Transceptor de Sinais Biomédicos (TSB), isto é, um dispositivo
transmissor e receptor de sinais. Enquanto que os componentes de software estão
relacionados à interface gráfica de usuário, lógica de aplicação e modelo CPN embutido
em dispositivo de computação para interagir com o dispositivo TSB, fazer simulações
de sinais, realizar validações, entre outras funcionalidades. Ressalta-se também que as
numerações incluídas nas figuras apresentadas neste capítulo estão relacionadas com
partes específicas da arquitetura do sistema e foram inclusas para melhor descrever
essas partes.
4.1

REQUISITOS E ESPECIFICAÇÕES
Antes de projetar um sistema é preciso saber bem o que se pretende fazer. Por isso,

as metodologias de projeto são importantes para ajudar a orientar as decisões de projeto,
especialmente ao projetar grandes sistemas. Os termos “requisitos” e “especificações”
são usados para representar etapas distintas no processo de projeto, mas que estão
relacionadas entre si. Os requisitos são descrições informais do que o cliente deseja,
enquanto as especificações são descrições mais detalhadas, precisas e consistentes do
sistema que podem ser usadas para criar a arquitetura. Tanto os requisitos quanto as
especificações são, no entanto, direcionados ao comportamento externo do sistema,
não à sua estrutura interna (WOLF, 2017). A especificação é muito importante para o
sucesso de um projeto, uma vez que, segundo Young et al. (1985) e afirmado por Lee
and Seshia (2017), “um projeto sem especificações não pode ser certo ou errado, só pode
ser imprevisível”.

47
Figura 6 – Fluxo de projeto de hardware/software de sistemas embarcados.

Requisitos e
especificações

Arquitetura

Projeto de
Software

Projeto de
Hardware

Integração

Teste do
sistema
Fonte: (WOLF, 2017).
4.1.1

Requisitos e especificações do hardware
Os requisitos e especificações do hardware do transceptor de sinais biomédicos

são descritos na Tabela 3.

48
Tabela 3 – Tabela de Requisitos e especificações do hardware TSB.
Nome

Transceptor de Sinais Biomédicos (TSB)

Propósito

Dispositivo para simular sinais biomédicos (ECG, EEG, EMG e
EGG) e ondas trigonométricas (senoidal, quadrada e triangular)
com amplitude e frequência configuráveis, podendo realizar
leituras analógicas de sinais externos e interação por interface
gráfica de usuário (em dispositivo de computação).

Entrada

a. receber comandos, via interface USB ou bluetooth, para o
controle do dispositivo, tais como: comandos de início e fim
da transmissão, tipo de sinal, frequência de amostragem e
ganho de amplificação;
b. ler os sinais digitais enviados da interface de usuário; e
c. fazer leitura de sinal analógico externo com amplitude de até
± 6 Vp e frequência máxima de 10 kHz.

Saída

d. 4 saídas de sinal analógico com amplitude configurável (da
ordem do microvolt ao milivolt) e 1 terminal de referência
para a aquisição por um determinado equipamento biomédico
(ECG, EEG, EMG ou EGG);
e. transmissão digital do sinal lido para ser recebido pelo
dispositivo de computação via interface USB ou bluetooth; e
f. envio de comandos funcionais e dados informativos sobre o
sinal.

Funções

g. comunicar-se com a interface gráfica de usuário por
intermédio da USB ou bluetooth;
h. receber sinais digitais da interface gráfica;
i. escrever e ler simultaneamente valores de sinais;
j. configurar automaticamente a tensão de referência externa do
DAC para adequada resolução de conversão de sinal;
k. configurar automaticamente o hardware para o adequado
ganho de atenuação de sinal.
l. transmitir sinais lidos para a interface gráfica.

Performance

Sistema microcontrolado com dois núcleos de 32 bits, memória
flash de 4 MBytes e de baixíssimo consumo de energia, deve
possuir conversor digital-analógico com resolução mínima de 16
bits, conversor analógico-digital com resolução mínima de 12 bits
com taxa de amostragem de pelo menos 100 kS/s e taxa de
transmissão de 115,2 kbps.

Custo de fabricação

R$ 350,00

Tensão de alimentação

5 Vcc

Potência média

250 mW

Dimensões

Não mais do que 20x10x5cm (comprimento x largura x altura)
Fonte: autor (2022).

49
4.2

ARQUITETURA DE HARDWARE E SOFTWARE
Após a fase de detalhamento dos requisitos e especificações, o próximo passo é

definir a arquitetura do sistema. A arquitetura é um plano para a estrutura geral do
sistema que será usado posteriormente para projetar os seus componentes. Seu propósito
é descrever como o sistema implementa suas funções. As descrições da arquitetura devem
ser projetadas para satisfazer os requisitos funcionais e não funcionais (WOLF, 2017).
Neste sentido, são apresentados, a seguir, a arquitetura e descrições dos componentes
de hardware e software, bem como os aspectos funcionais do sistema.
4.2.1

Componentes do hardware
Em relação aos componentes do hardware TSB, os detalhes externos deste dis-

positivo são apresentados na Figura 7 em quatro projeções: superior (1), inferior (9),
frontal (14) e traseira (11). Na projeção superior (1), estão disponíveis cinco pinos de
saída de sinais que servem para a conexão dos eletrodos do equipamento biomédico a
fim de realizar a aquisição, nomeadamente são: E1, E2, E3, E4 e E5, respectivamente
em (2), (3), (4), (79) e (83). Os pinos E1, E2, E3 e E4 são referentes aos eletrodos de sinal
(sinal simulado recebido do dispositivo de computação). O pino E5/Ref é usado como
referência do sinal (por exemplo, no ECG, a referência de perna direita, enquanto, no
EEG, a referência da orelha). Com cinco eletrodos de saída é possível validar todos os
canais, um por vez, dos equipamentos biomédicos para validação que englobam este
trabalho. Por exemplo, pode-se validar um ECG com 12 canais testando um canal por
vez, assim também para um EEG de 32 canais, o EMG e o EGG.
O transceptor de sinais é composto também por uma chave (5) liga ou desliga; um,
led FONTE (6), que indica, visualmente, o estado do dispositivo (ligado ou desligado);
um led Rx (7), que emite uma luz intermitente durante o recebimento de dados e
comandos; um led Tx (83), que emite uma luz intermitente durante o envio de dados e
comandos. Além disso, o botão INICIAR (8) possibilita iniciar ou reiniciar a transmissão
dos sinais do transceptor para o equipamento a ser validado; enquanto que, o botão
PARAR (84), possibilita a finalização da transmissão dos sinais para o equipamento
biomédico. A chave MODO (64) possibilita a seleção da interface desejada (USB ou
Bluetooth) para a comunicação com o dispositivo de computação.
Ainda considerando a Figura 7, na projeção inferior (9), é apresentado o espaço
reservado para incluir uma bateria recarregável (10) para alimentar os circuitos que

50
Figura 7 – Visão geral com perspectiva 2D do transceptor de sinais utilizado no sistema
para a validação de equipamentos biomédicos proposto na presente solução.

Fonte: (FERREIRA JUNIOR et al., 2021).
integram o transceptor. A bateria pode ser carregada usando uma interface USB (16),
apresentada na projeção frontal (14). A interface USB (16) também pode ser utilizada
para o envio e recebimento de dados e comandos entre o transceptor e o dispositivo de
computação do sistema para validação. O envio, recebimento de dados e comandos,
também podem ser realizados de forma remota usando a interface Bluetooth (15),
que possibilita “parear” o transceptor com o dispositivo de computação. Conforme a
ilustração da projeção (11), são duas as técnicas usadas pelo transceptor para receber os
sinais do equipamento biomédico: por conector Bayonet Neill Concelman (BNC) (13) ou
por recepção sem fio (70).
Para a entrada do sinal pelo conector BNC, utiliza-se a ponteira/sonda apresentada
na Figura 8, caracterizado por possuir o plugue BNC macho (71), cabo blindado (72),
ponteira de medição (73) e garra tipo jacaré (74). Na técnica para recepção do sinal sem

51
Figura 8 – Ponteira de prova que se conecta ao transceptor, com conector BNC, para
medição de sinais proposto na presente invenção

Fonte: (FERREIRA JUNIOR et al., 2021).
fio, utiliza-se o dispositivo mostrado na Figura 2C, caracterizado por fazer a medição de
sinais, fazer a transmissão sem fio (82) das medições para o transceptor, possuir bateria
(76), botão ligar/desligar (75), botão iniciar (8), botão reiniciar (79), led indicador (77),
ponteira de medição (80) e garra tipo jacaré (81). É relevante observar que o item (12) do
transceptor é uma outra perspectiva dos pinos dos eletrodos (2), (3) e (4).
Os detalhes internos do transceptor de sinais são apresentados na Figura 9, em
forma de diagrama de blocos. O principal componente é o microcontrolador (19), que é
responsável por:
• Gerenciar a comunicação com o dispositivo de computação.
• Processar dados e comandos recebidos via interfaces USB (18) ou Bluetooth (17).
• Encaminhar os sinais digitais para serem convertidos por conversores digitalanalógicos (Digital-to-Analog Converter - DAC), podendo ser enviados até quatro
sinais, recebidos pelos componentes DAC 0 (20), DAC 1 (88), DAC 2 (21) e DAC
3 (89) - dos quais os sinais analógicos podem ser acessados usando os pinos dos
eletrodos em (22), (23), (24), (90) e (91), respectivamente.
• Receber, pelo conector BNC (25), o retorno do sinal analógico processado por um
equipamento biomédico em validação e convertê-lo em digital para possibilitar o

52
Figura 9 – Esquemático detalhado, em diagrama de blocos, do transceptor de sinais
proposto na presente solução.

Fonte: (FERREIRA JUNIOR et al., 2021).
envio para um dispositivo de computação.
• Configurar a interface de comunicação (Bluetooth ou USB) usado para enviar sinais
digitais, conforme escolhida pelo usuário usando a chave táctil (29).
• Acionar os leds usados para indicar a situação atual do dispositivo (ligado/desligado) e os pinos dos eletrodos do TSB que devem ser utilizados para determinado
equipamento biomédico e para um sinal específico (assim, o usuário não se perde
com situações técnicas básicas).
• O microcontrolador deve ler a carga atual da bateria (28) para alertar quando
estiver descarregada.
A bateria é usada para disponibilizar energia para todos o componentes eletrônicos do circuito que compõem o transceptor.

53
Figura 10 – Apresenta uma visão geral das funções do dispositivo de computação
utilizado no sistema para a validação de equipamentos biomédicos proposto
na presente solução.

Fonte: (FERREIRA JUNIOR et al., 2021).
4.2.2

Componentes do software
O software se refere a uma interface gráfica de usuário, lógica de aplicação e

modelo CPN embutido em um dispositivo de computação, especificado especialmente
para auxiliar na validação de equipamentos biomédicos. Em relação aos componentes do
software, ilustrações de funções principais são apresentadas na Figura 10. O dispositivo
de computação (31) recebe comandos manuais do usuário (32), que podem ser inseridos
usando o mouse, teclado ou toque de tela (dependendo do dispositivo). Os dados
relacionados aos sinais biomédicos podem ser obtidos de bases de dados (30) disponíveis
na internet (por exemplo, da PhysioBank ATM). A memória interna (33) é utilizada
para registrar os dados relacionados aos sinais biomédicos adicionados pelo usuário,
para serem acessados novamente quando necessário. A interação com o dispositivo de
computação é realizada usando uma interface gráfica amigável, visível pela tela (40) do
dispositivo.
Usando as configurações (34) do dispositivo de computação (31), o usuário pode
habilitar o tipo de comunicação a ser realizada com o transceptor de sinais: interface

54
Bluetooth (39) ou interface USB (38). Em caso da escolha do uso da interface Bluetooth
(39), é necessário identificar a rede Bluetooth do transceptor e aceitar o “pareamento”.
Em caso da escolha do uso da interface USB (38), é necessário identificar a porta de
comunicação serial na qual está conectado o transceptor.
O sinal biomédico desejado pode ser visualizado, de maneira gráfica, na interface
de usuário. A visualização gráfica permite controlar o processo via software e realizar
algumas interações. Uma observação relevante é que a escolha do tipo de sinal a ser
enviado para o transceptor deve ser relacionada ao tipo de equipamento biomédico a ser
validado. Por exemplo, se o equipamento biomédico a ser validado é um EMG, o sinal
biomédico a ser enviado para o mesmo, pelo simulador, deve corresponder a um sinal
característico de EMG (exceto se o sinal escolhido for senoidal, triangular ou quadrado,
que possui usos especiais nesta proposta). Antes de ser enviado, o sinal pode passar
por alguns ajustes opcionais, como, por exemplo, alteração de amplitude, mudança de
frequência e recorte de uma partição do sinal. Estes ajustes podem ser registrados e os
sinais alterados guardados na memória (33) do dispositivo.
Após as configurações (34) e demais ajustes, o sinal biomédico pode ser enviado
para o transceptor, que, posteriormente, retorna o sinal para o dispositivo de computação (31) para processamento (35). Nesta etapa, são realizadas análise de perdas na
transmissão, cálculo do ganho de amplitude do sinal de retorno em razão do sinal de
envio, verificação da frequência do sinal e conversão analógica-digital. Em seguida, os
sinais biomédicos, enviado e recebido, passam pela etapa denominada comparador (37),
para serem avaliados através de métricas de desempenho.
4.2.2.1

Especificação formal
A especificação formal (36), discutida em detalhes no próximo capítulo, é respon-

sável pela simulação do comportamento especificado para o equipamento biomédico a
ser validado. Para a simulação, são utilizados os mesmos sinais biomédicos simulados,
enviados para o transceptor de sinais, para a comparação, realizada na etapa (37), dos
resultados relacionados com os itens (35) e (36). Além disso, este modelo matemático é
parametrizável para possibilitar configurações de acordo com o equipamento biomédico
em validação.
A especificação formal é baseada em um modelo definido com redes de Petri
coloridas e equações matemáticas. A solução baseada em simulação é usada para

55
Figura 11 – Apresenta o esquemático detalhado, em diagrama de blocos, com componentes representados no modelo matemático, definido com redes de Petri
coloridas e equações matemáticas, utilizado no sistema para a validação de
equipamentos biomédicos.

Fonte: (FERREIRA JUNIOR et al., 2021).
representar os comportamentos especificados para um equipamento biomédico: os sinais
são obtidos pelos Eletrodos (41); são processados pelo amplificador de instrumentação
(42), que rejeita sinais de modo comum e realiza a pré-amplificação da diferença
resultante entre os sinais. O sinal é convertido para o domínio da frequência (43) usando
a transformada rápida de Fourier (Fast Fourier Transform, ou FFT), para realizar a
remoção de frequências do sinal consideradas ruidosas. A remoção de ruídos ocorre na
etapa de filtragem (44), na qual, o filtro passa alta ativo atenua componentes de baixa
frequência (e pode amplificar o sinal), o filtro passa baixa ativo atenua componentes de
alta frequência (e pode amplificar o sinal) e o filtro rejeita faixa atenua componentes com
frequência de 50Hz/60 Hz (ruído da rede elétrica). Portanto, os filtros (44) delimitam
a banda passante de frequência de acordo com o tipo de sinal selecionado em etapas
anteriores. Posteriormente, o sinal biomédico é retornado para o domínio do tempo com
a transformada rápida inversa de Fourier (Inverse Fast Fourier Transform, ou IFFT) em
(45). Por fim, o sinal biomédico é convertido pelo conversor analógico-digital (46). O
modelo CPN deve ser embutido no dispositivo de computação.

56
4.2.2.2

Comparador
Os resultados do sistema físico (equipamento em validação), recebidos na etapa de

processamento (35) e da simulação realizada pela especificação formal (36), são analisados
na etapa do comparador (37). Neste caso, são utilizadas métricas de desempenho, como,
por exemplo, erro médio quadrático e erro absoluto médio. O objetivo é avaliar as
diferenças entre os resultados. É relevante observar que o comparador pode ser aplicado
para avaliar o processo de aquisição de sinais biomédicos em relação ao ganho de
amplificação e a filtragem.
4.2.2.3

Comunicação
De forma mais abrangente, na Figura 12, é apresentado o esquema da comunicação

entre o dispositivo de computação, o transceptor de sinais e o equipamento biomédico a
ser validado. O transceptor de sinais (54) se comunica com o dispositivo de computação
usando rede sem fio (63) com a interface Bluetooth ou com conexão pela interface USB
(55). O transceptor recebe digitalmente sinais biomédicos (simulados pelo dispositivo
de computação do sistema para validação) para serem transmitidos analogicamente
para um equipamento biomédico (49) a ser validado, calibrado ou testado.
O equipamento biomédico em validação (49) processa o sinal biomédico e retorna
o sinal processado para o transceptor (54), usando uma conexão por cabo blindado com
conector BNC (53). Posteriormente, o sinal é retornado para o dispositivo de computação
do validador. Isto possibilita a realização de avaliações de qualidade do equipamento
em validação, quando comparado com comportamentos especificados usando o modelo
matemático.
Na Figura 13, são ilustrados formatos de ondas triangulares (56), quadradas (57),
senoidais (58), ECG (59), EEG (60), EMG (61) e EGG (62). Estes são exemplos de tipos de
onda (saídas) que podem ser utilizadas durante o processo de avaliação da qualidade de
equipamentos biomédicos. Sinais senoidais, por exemplo, são úteis para testar o ganho
de amplificação do equipamento. Os sinais de entrada são simulados no dispositivo de
computação usando bases de dados disponíveis gratuitamente.
A integração do software do dispositivo de computação com o hardware do TSB
pode ocorrer de duas formas possíveis: por interface Universal Serial Bus (USB) ou por
interface Bluetooth, como supracitado. Utilizando interface USB ou bluettoth, dados e
comandos são transmitidos do software do dispositivo de computação e recebidos pelo

57
Figura 12 – Ilustra o esquema da comunicação entre o dispositivo de computação, o
transceptor de sinais e o equipamento biomédico a ser validado.

Fonte: (FERREIRA JUNIOR et al., 2021).
Figura 13 – Ilustra formas de ondas triangulares, quadradas, senoidais, ECG, EEG, EMG
e EGG

Fonte: (FERREIRA JUNIOR et al., 2021).
sistema microcontrolado do TSB. Os dados/sinais digitais recebidos são armazenados
na memória não-volátil do microcontrolador.
4.2.3

Aspectos funcionais
Os sinais biomédicos originalmente possuem amplitudes que podem variar da

ordem de µV a mV, a depender do tipo de sistema biomédico que o sinal representa.
Nesta proposta, estes sinais são caracterizados como sendo dos tipos senoidal, retangular,
triangular, ECG, EEG, EMG e EGG. Eles são simulados pelo software em dispositivo

58
de computação e podem ser transmitidos para o TSB, a fim de serem reproduzidos.
Entretanto, o TSB possui limitação técnica para a conversão digital-analógica de sinais
de baixas amplitudes. Por este motivo, é necessária realizar uma pré-amplificação digital
destes sinais, ainda no software do dispositivo de computação, antes de serem transmitidos. Na transmissão, também são enviadas informações referentes a frequência de
amostragem, ganho de amplificação e outros dados pertinentes para o microcontrolador
do TSB gerenciar o processo. Com isso, o TSB desempenha a conversão digital-analógica
adequadamente, e executa as demais etapas, ver Figura 14.
As próximas etapas compreendem os blocos de isolação elétrica, cuja função
é separar e proteger o microcontrolador e a saída do sinal. Através da interface de
comunicação serial, os sinais discretos são transmitidos para a conversão digitalanalógica (Digital-to-Analog Converter - DAC), de 16 bits de resolução, com quatro canais,
no qual é condicionado e passa a ser contínuo no tempo. Em seguida, o sinal analógico
passa por uma etapa de atenuação da sua amplitude, através de um amplificador de
ganho programável (Programable Gain Amplifier - PGA), com ganho controlado por
multiplexador. O objetivo é que a saída seja mantida nos mesmos níveis da amplitude
do sinal digital antes de pré-amplificado. Na etapa de saída, o sinal pode ser adquirido
por um Equipamento Biomédico através dos eletrodos de E1 a E5 do TSB.
O Equipamento Biomédico poderá realizar a aquisição do sinal recebido do TSB.
Além disso, para ser validado, testado ou calibrado, é necessário que ele seja aberto e que
a placa eletrônica esteja acessível, de modo a possibilitar que uma ponteira de medição
apropriada, imune a Radio Frequência (RF), conectada ao TSB, possa realizar a aquisição
em algum ponto desejado do circuito. Com isso, pode-se realizar a aferição do sinal
analógico na saída dos amplificadores e filtros do equipamento. Portanto, o sinal retorna
para o TSB e passa por mais algumas etapas, envolvendo proteção contra sobretensão,
buffer de elevada impedância de entrada, drive ajuste de nível de tensão (ajusta o nível
de sinais bipolares em unipolares). A próxima etapa é a conversão de analógico para
digital por um conversor A/D. Por fim, um sinal discreto chega ao microcontrolador, o
qual transmite, por interface bluetooth ou USB, o sinal biomédico de volta para o software
do dispositivo de computação. Assim, o sinal retornado pode ser exibido e a análise dos
resultados pode ser realizada para a validação do equipamento em análise.

59
Figura 14 – Diagrama de blocos do circuito projetado para o transceptor de sinais
biomédicos.

Fonte: autor (2022).
4.3

CONSIDERAÇÕES FINAIS
A solução proposta para a validação de sistema de aquisição de sinais biomédicos

foi projetada, compreendendo os componentes de hardware e software. A relevância do
software do dispositivo de computação está relacionada ao processo de validação usando
múltiplos sinais biomédicos adquiridos em bases de dados disponíveis gratuitamente
(e.g., PhysioNet). Além da simulação de sinais biomédicos, modelos matemáticos
(executáveis e parametrizáveis), embutidos em dispositivos de computação, são usados
para representar os comportamentos especificados de equipamentos biomédicos com
o propósito de possibilitar avaliações de qualidade no próprio sistema de validação
pela aplicação de métricas de desempenho. Ou seja, comparações entre resultados
do equipamento biomédico em validação com resultados especificados gerados por
modelos matemáticos.
O uso de modelos matemáticos, embutidos em dispositivos de computação, é
um diferencial relevante que propicia o funcionamento correto do sistema de validação.
Com o projeto do sistema, que contempla um dos objetivos específicos, foi possível
escrever e submeter uma patente de invenção juntamente ao Instituto Nacional da

60
Propriedade Industrial (INPI) da solução proposta neste trabalho. Desta forma foi
possível alcançar também outro objetivo específico. O acesso ao resumo da patente pode
ser obtido através do seguinte número do processo: BR 10 2021 002591 3. O resumo
também pode ser acessado no Apêndice A.

61

5 RESULTADOS E DISCUSSÕES: ESPECIFICAÇÃO FORMAL
A modelagem formal de sistemas de aquisição de sinais biomédicos apresentada
por Sobrinho et al. (2019) (SOBRINHO et al., 2019) serviu de referência para o desenvolvimento da solução proposta neste trabalho. Ressalta-se que modificações foram
realizadas no modelo original dos autores para alcançar os objetivos deste trabalho. As
seguintes especificações foram consideradas:
• A modelagem formal deve ser capaz de simular o processamento de múltiplos
sistemas de aquisição de sinais biomédicos, mais especificamente, sistemas de
ECG, EEG, EMG e EGG.
• O modelo deve ser facilmente parametrizável, com opções para o usuário escolher
o tipo de sistema biomédico (dentre os que estão disponíveis), o tipo de sinal,
o valor do ganho de entrada, a CMRR do amplificador de instrumentação, a
resolução desejada para o conversor analógico-digital, a impedância eletrodo-pele,
a tensão de referência do conversor e o ajuste de linha de base do sinal.
• A modelagem do sistema deve interagir com o software simulador e validador de
SASB projetado neste trapalho.
5.1

ESTRUTURA DO MODELO
A modelagem formal de sistemas de aquisição de sinais biomédicos, proposta

neste trabalho, foi desenvolvida em rede de Petri coloridas hierárquica, possui declarações de conjuntos de cores, variáveis, constantes e funções. As declarações são
parte integrante da rede e foram organizadas de cima para baixo, de acordo com a
dependência existente entre as expressões. As páginas do modelo foram ordenadas
seguindo a hierarquia top-down, iniciando do nível mais abstrato para submodelos mais
detalhados, como pode ser visualizado na Figura 15.
As declarações padrão (standard declarations) possuem conjuntos de cores padrão
simples fornecidas pela linguagem CPN ML no CPN Tools, a saber: Unit, Boolean,
Integer, time, Enumerated, real e String. No bloco COLSETS foram definidos novos
conjuntos de cores, compreendendo os tipos simples (supracitados) e os compostos como:
product, record, union, list e alias. Os blocos das VARIAVEIS e CONSTANTES reúnem
todas as variáveis e constantes, respectivamente, que são utilizadas nas inscrições

62
Figura 15 – Declarações e hierárquica do modelo de sistema de aquisição de sinais
biomédicos apresentado no CPN Tools.

Fone: autor (2022).
associadas aos elementos da rede. Por fim, os dois últimos blocos organizam as funções
criadas para as inscrições de rede do modelo CPN, sendo que no bloco FUNCOES
foram inseridas as funções consideradas de uso geral na rede e no bloco FUNCOES
FFT foram reunidas as funções consideradas de uso específico (mais explicitamente,
funções para o cálculo da transformada rápida de Fourier). É relevante destacar que as
implementações de funções FFT e IFFT não são contribuições alcançadas neste trabalho.
Esta contribuição foi apresentada em outro trabalho (??). Entretanto, a organização de
variáveis, constantes e funções em blocos foi definida neste trabalho.
O modelo CPN projetado para os SASB foi organizado hierarquicamente como
um conjunto de módulos pelas seguintes razões: para representar os estados e eventos
associados aos componentes dos SASB e dispor os módulos de acordo com sua função
e facilitar o entendimento. Os módulos e submódulos existentes no modelo original
são os seguintes: Top, Hardware, Bateria, ProcessaSinal, Amplificador, FiltragemSinal,
Eletrodos e Software. O módulo principal é denomidado de Top e os demais são seus
submódulos. Uma descrição detalhada sobre cada um deles é feita na próxima seção.

63
Figura 16 – Módulo principal do modelo de referência de sistemas de aquisição de
sinais.
Estados_S
STATESS
Eventos_S
EVENTSS
Hardware

Software
Software

Hardware
Eventos_H
EVENTSH
Estados_H
STATESH

Fonte: Sobrinho (2016)
5.2

MÓDULO PRINCIPAL E SUBMÓDULOS
O módulo principal é ilustrado na Figura 16, sendo composto por duas transições

de substituição denominadas Hardware e Software, que estão associadas as representações dos componentes de hardware e software presentes nos SASB. Os componentes de
hardware representam os componentes físicos como a bateria, eletrodos, amplificadores
e filtros de sinal. Os componentes de software são aqueles relacionados aos eventos que
comandam o hardware, ao processamento digital dos sinais e a exibição gráfica.
As transições de substituição Hardware e Software compartilham estados e
eventos no modelo CPN através dos lugares Estados_S, Estados_H, Eventos_S e
Eventos_H, distribuídos ao longo do modelo como lugares sockets (no módulo principal)
e lugares ports (nos submódulos, etiquetados com In e Out). Estes lugares, sockets e
ports, estão associados aos conjuntos de cores do tipo union, nomeados como STATESS,
STATESH, EVENTSS e EVENTSH, respectivamente, e permitem a manipulação de
diferentes tipos de dados em seus respectivos lugares. No CPN Tools, os conjuntos de
cores destes lugares são definidos, em CPN ML, como:
colset
2 colset
3 colset
4 colset
1

dig = list INT;
STATESH = union Impedancia :INT + Digital :dig + Valor :INT;
STATESS = union EnviaT :UNIT + Recarga :INT;
EVENTSS = union EventoBateria :UNIT + EventM :UNIT;

64
5

colset EVENTSH = union Botao :UNIT + Recarregado :UNIT;

A palavra-chave colset, na linguagem CPN ML, define novos tipos de dados.
Normalmente, em um lugar só pode existir fichas pertencentes a um único conjunto de
cores. Contudo, o conjunto de cores union (entre outros) ajuda a superar esta limitação,
pois permite associar diferentes conjuntos de cores a um único lugar. Nesse sentido:
• Para o lugar socket/port Estados_H foi criado o conjunto de cores STATESH para
representar os estados de hardware relacionados a impedância dos eletrodos
(Impedância, cor do tipo INT), aos dados digitais do sinal (Digital, cor do tipo
dig e previamente definida com a cor do tipo list INT) e os valores de tensão da
bateria (Valor, cor do tipo INT).
• No lugar socket/port Estados_S foi definido o conjunto de cores STATESS para
representar os estados do software, associados ao envio de tensão para testar os
eletrodos (EnviaT, cor do tipo UNIT) e recarga da bateria (Recarga, cor do tipo
INT).
• No lugar socket/port Eventos_S foi definido o conjunto de cores EVENTSS para
unir os eventos de software referentes a bateria (EventoBateria, cor do tipo UNIT)
e evento de memória (EventM, cor do tipo UNIT).
• Por último, no lugar socket/port Eventos_H foi criado o conjunto de cores EVENTSH
para os eventos do botão para iniciar o sistema (Botao, cor do tipo UNIT) e indicação
de que a bateria está carregada (Recarregado, cor do tipo UNIT).
Assim, o módulo Top possibilita ter-se uma visão geral de todo o modelo e
permite o acesso aos demais submódulos, organizados de acordo com a metodologia
top-down. A simulação do modelo inicia a partir do submódulo Hardware, cuja descrição
é feita a seguir. Os módulos relacionados com o software também são apresentados
neste documento porque foram adaptados e possibilitam o entendimento do modelo
CPN como um todo, porém não impactam em validações de amplificadores, filtros e
conversores (principal propósito com este trabalho). Toda alteração realizada no modelo
CPN original serão destacadas ao decorrer das explicações. Caso nenhuma observação
seja adicionada, pode-se assumir que o modelo original não foi modificado.

65
Figura 17 – Submódulo Hardware do SASB e seus submódulos Bateria, Eletrodos e
Processa Sinal.
Eventos_S
In
EVENTSS

Sinal_Analog

Estados_S
In
STATESS

Eletrodos

Processa
Sinal
ProcessaSinal

ANALOG

Estados_H
Out
STATESH

Eletrodos

Bateria

Eventos_H
Out
EVENTSH

Bateria
1
Inicio

Botao Iniciar

Botao()

Fonte: Sobrinho et al. (2016)
5.2.1

Submódulo Hardware
O submódulo Hardware (ver Figura 17) modela os estados e eventos físicos

comuns aos quatro tipos de sistemas de aquisição de sinais biomédicos dessa solução,
sendo: a fonte de tensão (e.g., bateria), os eletrodos (de sinal e referência), amplificadores
e filtros (para o processamento dos sinais). Para organizar a hierarquia do modelo, foram
criadas as transições de substituição nomeadas Eletrodos, Bateria e Processa Sinal, pelas
quais são acessados os seus respectivos submódulos. Os lugares porta de entrada (port
In) Estados_S e Eventos_S, bem como os lugares porta de saída (port Out) Estados_H
e Eventos_H, recebem e transmitem, respectivamente, estados e eventos ocorridos no
modelo para acompanhamento no módulo principal (Top) da rede.
A execução do submódulo Hardware decorre do disparo da transição Botao Iniciar,
que inicia habilitada devido a presença de uma ficha no lugar Inicio e a inscrição/peso
do arco que os interligam tem valor e tipo satisfatórios, conforme a definição formal1 .
Após o disparo da transição, a porta de saída Eventos_H recebe uma ficha associada à
expressão de arco Botao(), que faz parte do conjunto de cores EVENTSH. Desta forma,
um evento do submódulo Hardware é enviado para o submódulo Software, notificando
1

Numa rede de Petri lugar-transição, uma transição t é habilitada se e somente se M(p) ≥ W(p,t), onde
M(p) é a marcação do lugar de entrada p e W(p,t) é o peso do arco que liga p a t (MURATA, 1989).

66
que o sistema deve ser iniciado.
Em suma, pelo submódulo Hardware são acessados outros submódulos relacionados aos componentes de hardware do sistema. Através da transição de substituição
Bateria, é acessado o submódulo que verificada a situação atual do nível de bateria para
fazer a recarrega (se necessário)2 . Pela transição de substituição Eletrodos é acessado
o submódulo que aguardado as verificações da impedância dos eletrodos e da tensão
da bateria para depois fazer a aquisição dos sinais (de ECG, EEG, EMG ou EGG). Na
saída da transição de substituição Eletrodos, os valores do sinal analógico adquirido
pelos eletrodos são dispostos no lugar socket Sinal_Analog. Pela transição de substituição Processa Sinal é acessado o submódulo que possibilitar o envio dos valores do
sinal analógico para ser processados nas etapas de amplificação, filtragem e conversão
analógica-digital.
5.2.1.1

Submódulo Eletrodos
O submódulo Eletrodos é ilustrado na Figura 18. Neste trabalho, este submódulo

foi adaptado para possibilitar a representação de mais eletrodos. Este modelo foi especificado com eletrodos de sinal (lugares E1, E2, E3 e E4) e eletrodo de referência
(lugar E5_Ref) para realizar a aquisição de sinais biomédicos. Identifica o tipo de
sistema biomédico e a derivação do sinal (lugar Sistema), conforme especificado
no bloco CONSTANTES. São apresentados os nomes dos eletrodos de sinal no lugar
Eletrodos_Sinal. Faz-se também a verificação de valor de impedância dos eletrodos
(transição Impedância Eletrodos). Além disso, obtém-se os sinais de cada eletrodo
(nos lugares Sinal_E1, Sinal_E2, Sinal_E3 e Sinal_E4). É representada também a combinação dos sinais resultantes da aquisição (transição Combina Sinais)
para serem processados nas etapas seguintes.
Deve-se observar que o conjunto de cores E é do tipo STRING, o conjunto de
cores ELETRODOS é do tipo product, formado pelo produto de quatro STRINGS, e o
conjunto de cores SIGNAIS é do tipo list com valores do tipo REAL. A expressão CPN
ML é descrita como:
colset E = STRING ;
2 colset ELETRODOS = product STRING * STRING * STRING * STRING ;
3 colset SINAIS = list REAL;
1

2

O módulo relacionado com bateria não é discutido porque não impacta nas validações propostas neste
trabalho.

67
Figura 18 – Submódulo Eletrodos do SASB.
eletrodos()

(sistema,
derivacao)
Sistema
sistema
SISTEMAxD

Eletrodos_Sinal
ELETRODOS

E1

e1

E
e1

eletrodo
Estados_S
In
STATESS

eletrodo

i2

Ok_I
OkI

INT

Impedancia
Eletrodos

e5

e5

E5_Ref
E

Impedancia(impEle)
b3

Ok_B
Estados_H
Out
STATESH

OkB INT
1

Eventos_S
In

Control_B
B
INT

EVENTSS

EventM()

sinalE1

Sinal_E1

sinalE1

e2

Onda2

sinalE2

Sinal_E2

sinalE2

Sinal_Resultante
Out
ANALOG

input (e2);
SINAIS
output (sinalE2);
(sinalResult1,
action ( abrir (e2, arquivo2) );
sinalResult2)
Combina
Aquisicao
output
(e1,
e2,
e3,
e4);
Sinais
de Sinais
action (eletrodos());
input (sinalE1, sinalE2, sinalE3, sinalE4);
e3
output (sinalResult1, sinalResult2);
e3
sinalE3
sinalE3
E3
Onda3
Sinal_E3
action detectaSinal
(sinalE1, sinalE2, sinalE3, sinalE4);
E
input (e3);
SINAIS
1
output (sinalE3);
e4
action ( abrir (e3, arquivo3) );
e2

"Ref"
EnviaT(t)

E2

Onda1

input (e1);
SINAIS
output (sinalE1);
action ( abrir (e1, arquivo1) );

E

E4

e4
E

Onda4

sinalE4

Sinal_E4

sinalE4

input (e4);
SINAIS
output (sinalE4);
action ( abrir (e4, arquivo4) );

Fone: adaptado de Sobrinho et al. (2016)
A marcação inicial do lugar Eletrodos_Sinal é representada pela função
eletrodos(), escrita em CPN ML, e tem valor associada com a identificação dos nomes dos
eletrodos de sinal pertencentes ao tipo de derivação e ao sistema biomédico selecionados
no bloco CONSTANTES. Por exemplo, se o sistema for ”ECG” e a derivação for "aVL",
a função eletrodos() selecionará automaticamente os eletrodos convenientes e, neste
caso, a marcação terá uma ficha igual a 1‘("LA", ” ”, "RA","LL"), como é apresentado
na Figura 19. Em equipamentos de ECG reais o procedimento é similar, o operador
seleciona a derivação desejada e o equipamento verifica automaticamente os eletrodos
convenientes para medir os sinais que irão compor aquela derivação específica. Por isso,
é muito importante posicionar os eletrodos corretamente para evitar erros de medição.
Na versão original do modelo, somente eram considerados dois eletrodos de sinal e um
eletrodo de referência.
A função eletrodos() identifica os nomes dos eletrodos correspondentes às 12
derivações do sistema de ECG. Ela também é utilizada com os sistemas de EEG, EMG
e EGG. Entretanto, tendo em vista que nesses sistemas a medição básica dos sinais é
comumente feita com dois eletrodos de sinal e um de referência (MARINHO, 2017;
FREITAS, 2018; SANTOS, 2015), e que existem muitas representações (derivações e/ou
canais) para os sinais biomédicos desses sistemas, optou-se por representar no modelo
a derivação pelo símbolo ”_” (underline), significando que a derivação é genérica.
Neste caso, o modelo seleciona dois eletrodos genéricos com nomes iguais ao sistema
especificado seguidos por um número. Por exemplo, sistema = "EEG", derivação = "_",
logo a marcação no lugar Eletrodos_Sinal será igual a 1‘("EEG1", "EEG2", ” ”, ” ”).

68
Figura 19 – Identificação do tipo de sistema, da derivação e dos nomes dos eletrodos de
sinal no submódulo Eletrodos do SASB.
1`("LA"," ","RA","LL")
1`("ECG","aVL")
eletrodos()
(sistema,
1
1
derivacao)
Eletrodos_Sinal
Sistema
sistema
ELETRODOS
SISTEMAxD

EnviaT(t)

eletrodo

Impedancia
Eletrodos

i2

Ok_I
OkI

INT

E5_Ref

E
1`0

1

b3

Ok_B
OkB INT
1`EventM(())
1
Eventos_S
In

e1

EVENTSS

E2

Onda1

sinalE1

Sinal_E1

sinalE1

input (e1);
SINAIS
output (sinalE1);
action ( abrir (e1, arquivo1) );
e2

Onda2

sinalE2

Sinal_E2

sinalE2

Sinal_Resultante
Out
ANALOG

input (e2);
SINAIS
e2
output (sinalE2);
(sinalResult1,
action ( abrir (e2, arquivo2) );
sinalResult2)
Combina
Aquisicao
output
(e1,
e2,
e3,
e4);
Sinais
de Sinais
action (eletrodos());
input (sinalE1, sinalE2, sinalE3, sinalE4);
e3
output (sinalResult1, sinalResult2);
e3
sinalE3
sinalE3
E3
Onda3
Sinal_E3
action detectaSinal
(sinalE1, sinalE2, sinalE3, sinalE4);
E
input (e3);
SINAIS
1
output (sinalE3);
e4
action ( abrir (e3, arquivo3) );
E

1`"Ref"
"Ref"
1
e5

e5

Impedancia(impEle)
Estados_H
Out
STATESH

e1

E

eletrodo

1 1`EnviaT(3.8)
Estados_S
In
STATESS

E1

1
Control_B
B
INT
EventM()

E4

e4
E

Onda4

sinalE4

Sinal_E4

sinalE4

input (e4);
SINAIS
output (sinalE4);
action ( abrir (e4, arquivo4) );

Fonte: autor (2022).
Onde ”EEG1” e ”EEG2” representam dois potenciais genéricos de eletroencefalograma
obtidos pelos eletrodos E1 e E2 do modelo CPN - por exemplo: para o canal/derivação
Fp1 − F3 (MARINHO, 2017), ”EEG1” = Fp1 e ”EEG2” = F3, onde Fp1 é um potencial
elétrico da região frontal-polar e F3 um potencial elétrico da região frontal do cérebro.
Na Tabela 4 são apresentados todos os eletrodos identificados pelo modelo CPN através
da função eletrodos() e a fórmula de cálculo dos eletrodos.
Valores de impedância eletrodo-pele são gerados quando a transição Impedancia
Eletrodos é disparada baseada em fichas dos conjuntos de cores ELETRODOS,
E e STATESS pertencentes aos lugares de entrada Eletrodos_Sinal, E5_Ref e
Estados_S, respectivamente, e as expressões de arco associadas a esses lugares. A
expressão EnviaT(t) é utilizada para representar um valor de tensão sendo enviada
para os eletrodos, já as variáveis eletrodo e e5 representam os eletrodos de sinal e
de referência, respectivamente, a serem testados. O valor de impedância dos eletrodos
é enviado para o submódulo Software, pela porta de saída Estados_H, por meio
da expressão de arco Impedancia(impEle). Neste caso, foi mantida a representação
definida para o modelo original.
Somente quando as verificações de bateria e de impedância dos eletrodos
estiverem completas, com fichas aparecendo nos lugares de fusão Ok_I e Ok_B, a
aquisição do sinal é permitida (transição Aquisicao de Sinais habilita). Esta é
uma medida de segurança comum em equipamentos comerciais, visto que problemas
de descarga de bateria comprometem o funcionamento do sistema como um todo.

69
Tabela 4 – Eletrodos identificados pelo modelo CPN dos SASB.
Sistema

ECG

EEG
EMG
EGG

Derivação
E1
E2
E3
E4
E5
D1
LA
””
RA
””
Ref
D2
””
””
RA
LL
Ref
D3
LA
””
””
LL
Ref
aVR
LA
””
RA
LL
Ref
aVL
LA
””
RA
LL
Ref
aVF
LA
””
RA
LL
Ref
V1_V6
LA
v1_v6
RA
LL
Ref
"_"
ECG1
””
ECG2
””
Ref
"_"
EEG1 EEG2
””
””
Ref
"_"
EMG1
””
””
EMG2 Ref
"_"
””
EGG1
””
EGG2 Ref
A marcação ” ” significa "não usado".
Fonte: autor (2022).

Cálculo

Tabela 1

ECG1 - ECG2
EEG1 - EEG2
EMG1 - EMG2
EGG1 - EGG2

Além disso, eletrodos mal posicionados elevam a impedância do contato eletrodopele, ocasionando erros de medição. Esta proteção também foi adotada, de forma
representativa, no atual modelo CPN dos SASB porque visa ser uma specificação de
algumas das principais funcionalidades de um sistema real de aquisição de sinais
biomédicos.
Uma vez que a transição Aquisicao de Sinais estiver habilitada, isso significa que a aquisição dos sinais está pronta para iniciar. No momento que ela é disparada,
fichas com o nome dos eletrodos associados à derivação do sistema especificado no
bloco CONSTANTES são distribuídas para os lugares E1, E2, E3 e E4. O nome dos
eletrodos é identificado pela função eletrodos() e distribuídos pelo seguimento de
código (code action), inscrito na transição Aquisicao de Sinais, por meio das variáveis de saída e1, e2, e3 e e4. Um exemplo utilizando o sistema de ECG, derivação
aVL, é ilustrado na Figura 20. Observe que a distribuição dos nomes dos eletrodos estão
de acordo com a Tabela 4. Neste caso, apenas o eletrodo E2 recebeu uma ficha sem nome
(” ”), significando que ele não fará parte da aquisição do sinal.
A aquisição do sinal é realizada com sucesso quando as transições sensibilizadas
Onda1, Onda2, Onda3 e Onda4 são disparadas. Nesse instante, o segmento de
código, inscrito em cada uma das transições supracitadas, recebe em seu padrão de
entrada input a variável pertencente à expressão de arco que tem valor igual ao nome
do eletrodo do lugar de entrada. Portanto, a função abrir é executada, que verifica
primeiro se existe um eletrodo com nome válido e diferente de (vazio). Caso verdadeiro,
abre o arquivo de texto para ler os valores de tensão (em mV) do sinal. Os valores

70
Figura 20 – Distribuição dos eletrodos de sinal para realização da aquisição de sinais do
modelo CPN dos SASB.
1`("LA"," ","RA","LL")
1`("ECG","aVL")
eletrodos()
(sistema,
1
1
derivacao)
Eletrodos_Sinal
Sistema
sistema
ELETRODOS
SISTEMAxD
eletrodo
Estados_S
In
STATESS
EnviaT(t)

eletrodo

Impedancia
Eletrodos

i2

Ok_I
OkI
e5

INT

1`"Ref"
"Ref"
1
e5
E5_Ref
E
Ok_B

b3

OkB INT

Eventos_S
In

EVENTSS

1 e1
E1

Onda1

sinalE1

Sinal_E1

sinalE1

1`" "

input (e1);
SINAIS
output (sinalE1);
action ( abrir (e1, arquivo1) );

1 e2
E2

Onda2

E
e1

sinalE2

Sinal_E2

sinalE2

Sinal_Resultante
Out
ANALOG

input (e2);
SINAIS
e2
output (sinalE2);
(sinalResult1,
action ( abrir (e2, arquivo2) );
sinalResult2)
Combina
Aquisicao
Sinais
de Sinais output (e1, e2, e3, e4);
action
(eletrodos());
1`"RA"
input (sinalE1, sinalE2, sinalE3, sinalE4);
e3
1 e3
output (sinalResult1, sinalResult2);
sinalE3
sinalE3
E3
Onda3
Sinal_E3
action detectaSinal
(sinalE1, sinalE2, sinalE3, sinalE4);
E
input (e3);
SINAIS
1
output (sinalE3);
e4 1`"LL"
action ( abrir (e3, arquivo3) );
E

Impedancia(impEle)
Estados_H
Out
STATESH

1`"LA"

1`1
1 1
Control_B
B
INT

1 e4
sinalE4
sinalE4
E4
Onda4
Sinal_E4
E
input (e4);
SINAIS
output (sinalE4);
action ( abrir (e4, arquivo4) );

EventM()

Fonte: autor (2022).
devem estar separados um baixo do outro, por quebra de linha, para serem corretamente
reconhecidos. É necessário ressaltar que o caminho do arquivo a ser aberto deve ser
informado para que o CPN Tools possa tentar acessá-lo. Isso pode ser realizado no
bloco CONSTANTES, através das constantes: arquivo1; arquivo2; arquivo3 e
arquivo4 (por exemplo: arquivo1 = "sinalE1.txt";). Uma sugestão é obter os
arquivos de sinais biomédicos a partir de bases como a PhysioBank ATM e utilizar uma
interface gráfica para carregar e tratar os arquivos a serem lidos pelo modelo CPN.
Os sinais lidos dos arquivos de entrada são agrupados em listas do tipo real
e individualmente recebidos pelos lugares Sinal_E1, Sinal_E2, Sinal_E3 e
Sinal_E4 (ver Figura 21). Se a lista for vazia aparecerá uma marcação igual a 1‘[], seja
devido a leitura de um arquivo vazio ou pelo motivo de não ter identificado o eletrodo de
sinal (como ocorreu com o eletrodo E2 no exemplo com a derivação aVL). Com a presença
de todas as fichas nos lugares, o próximo passo é combinar os sinais, isto é, realizar
uma operação de modo a prepará-los para a etapa de processamento do sinal. Para isso,
a transição Combina Sinais, uma vez habilitada e disparada, realiza a combinação
dos sinais de modo a resultar em uma tupla (sinalResult1, sinalResult2)
para ser recebida pelo lugar Sinal_Resultante (do conjunto de cores ANALOG). A
combinação é realizada através da função detectaSinal (sinalE1, sinalE2,
sinalE3, sinalE4), inscrita no segmento de código da atual transição, e segue a
lógica de cálculo nas Tabelas 1 e 4.
Por exemplo, a combinação do sinal de derivação aVL do sistema de ECG

71
Figura 21 – Preparação para a combinação dos sinais adquiridos do modelo CPN dos
SASB.

1`("LA"," ","RA","LL")
eletrodos()

1`("ECG","aVL")
(sistema,
derivacao)
Sistema
sistema
SISTEMAxD

letrodos_Sinal

DOS

E1

eletrodo

i2

Ok_I
OkI

Impedancia
Eletrodos

e5

INT
1`"Ref"
"Ref"
1
e5
E5_Ref
E
Ok_B

b3

OkB INT

Eventos_S
EVENTSS

1`1
1 1
Control_B
B
INT
EventM()

e1

Onda1

sinalE1

Sinal_E1

sinalE1

input (e1);
SINAIS
output (sinalE1);
1`[]
action ( abrir (e1, arquivo1) );
1
e2
sinalE2
sinalE2
E2
Onda2
Sinal_E2
E

e1

eletrodo

mpEle)

n

1

1

1`[0.106,0.134,0.162,0.191,0.209,0.
228,0.251,0.275,0.295,0.316,0.326,0.
338,0.333,0.328,0.318,0.306,0.286,0.
266,0.249,0.231]

Sinal_Resultante
Out
ANALOG

input (e2);
SINAIS
output (sinalE2);
(sinalResult1,
action ( abrir (e2, arquivo2) );
sinalResult2)
Combina
Aquisicao
Sinais
de Sinais output (e1, e2, e3, e4);
action (eletrodos());
input (sinalE1, sinalE2, sinalE3, sinalE4);
e3
1
output (sinalResult1, sinalResult2);
e3
sinalE3
sinalE3
1`[0.349,0.384,0.42,0.456,0.516,0.5
E3
Onda3
Sinal_E3
action detectaSinal
75,0.631,0.688,0.736,0.784,0.819,0.8
(sinalE1, sinalE2, sinalE3, sinalE4);
E
input (e3);
53,0.879,0.906,0.939,0.972,1004.0,1
SINAIS
1
output (sinalE3);
038.0,0.994,0.95]
e4
action ( abrir (e3, arquivo3) );
e2

E

E4

e4
E

1
sinalE4
Sinal_E41`[0.455,0.519,0.583,0.647,0.725,0.
803,0.882,0.962,1.031,1.1,1.145,1.19
SINAIS
1,1.212,1.234,1.256,1.278,1.291,1.30
output (sinalE4);
3,1.242,1.181]
action ( abrir (e4, arquivo4) );
sinalE4
Onda4
= "LL"
inpute4(e4);

Fonte: autor (2022).
é realizada da seguinte forma: aVL = LA − (LL + RA)/2, onde, sinalResult1 = LA e
sinalResult2 = (LL + RA)/2. Logo, aVL = sinalResult1 − sinalResult2.
5.2.1.2

Submódulo Processamento do Sinal
Sinais elétricos passam por passos de condicionamento (processamento analógico)

e conversão (processamento digital) de sinais. Portanto, três passos foram modelados
para representar o sistema: amplificação, filtragem e conversão de sinais. Os passos do
processo de aquisição de sinais são representados no submódulo ilustrado na Figura 22.
Neste trabalho, foram realizadas adaptações da representação da etapa de amplificação.
O submódulo Processamento do Sinal é composto por uma transição de
substituição associada com o componente amplificador de instrumentação e duas transições relacionadas aos passos de filtragem e conversão (conversor AD). A representação
dos sinais adquiridos pelos eletrodos de sinal, na porta de saída Sinal_Resultante
do submódulo Eletrodos (veja a Figura 19), são compartilhados com a transição de
substituição Amplificador Instrumentacao por meio da sua associação com o
lugar (porta de entrada) Sinal_Analog. A porta de entrada Sinal_Analog pertence
ao conjunto de cores ANALOG, definida pelo produto de duas listas (ONDA1 e ONDA2, do
tipo list com valores do tipo REAL), como é apresentada na seguinte declaração CPN

72
Figura 22 – Submódulo Processamento do Sinal do SASB.
Sinal_Analog
In
ANALOG

Estados_H

Filtrado
SIGNALS

Out

STATESH

difSignals

Filtragem
Sinal

Amplificador
Instrumentacao
Amplificador

FiltragemSinal

Preamplificador

Digital(digSignals)

ADC
input (difSignals);
output (digSignals);
action
salvarArquivo1(ajusteLB(difSignals) );
convert (ajusteLB(difSignals) );

SIGNALS

Fone: adaptado de Sobrinho et al. (2016)
ML:
colset ONDA1 = list REAL;
colset ONDA2 = list REAL;
3 colset ANALOG = product ONDA2 * ONDA1 ;
1
2

Após os passos de aquisição e amplificação dos sinais (envolvendo valor de
CMRR e ganho de amplificação), o próximo passo corresponde ao da filtragem de sinais.
Neste, através da transição de substituição Filtragem Sinal, fichas são consumidas
do socket Preamplificador - que contem uma lista de valores reais dos sinais préamplificados obtidos no passo de amplificação - e são conduzidas ao submódulo
Filtragem do Sinal (Figura 24) para fazer esse processo. Por fim, a partir do passo
de filtragem (lugar Filtrado), as fichas são consumidas pela transição ADC e uma
função CPN ML é utilizada para converter os sinais para um formato digital e outra
função salva num arquivo de texto os valores do sinal analógico. Os sinais digitais
convertidos são enviados como estados de hardware para o submódulo Software por
meio do lugar de saída Estados_H.
5.2.1.3

Submódulo Amplificador
Um amplificador de instrumentação clássico (contendo três amplificadores

operacionais) é representado no submódulo Amplificador. Uma ficha contendo
dois conjuntos de dados de sinais é recebida na porta de entrada Sinal_Analog a
partir do submódulo Eletrodos, e um único sinal de saída diferencial é provido

73
Figura 23 – Submódulo Amplificador do SASB.
Sinal_Analog
In

Preamplificador

ANALOG

Out

SIGNALS

(sinalResult1,
sinalResult2)

difSignals

Ganho
Entrada
(ampSignal1,
ampSignal2)

Amplificador
Diferencial
input (sinalResult1, sinalResult2);
output (ampSignal1, ampSignal2);
action
gain (sinalResult1, sinalResult2);

Ganho_Ok

input (ampSignal1, ampSignal2);
output (difSignals);
action
outAmpDif (ampSignal1, ampSignal2);

(ampSignal1,ampSignal2)

ANALOG

Fone: adaptado de Sobrinho et al. (2016)
levando em consideração o modo comum dos sinais de entrada (CMRR). O sinal
diferencial é amplificado utilizando um ganho diferencial específico. O amplificador de
instrumentação foi modelado de acordo com a Equação 2, descrita no Capítulo 2. Portanto,
mais três parâmetros são necessários para que realizar simulações utilizando o modelo
de referência, a saber: as constantes do tipo real ganhoEntrada, ganhoDiferencial
e CMRRdB (presentes no bloco CONSTANTES).
A função CPN ML gain(sinalResult1, sinalResult2) calcula o ganho
para os dois sinais de entrada. A função outAmpDif (ampSignal1, ampSignal2)
calcula o ganho da diferença entre os dois sinais e computa a Equação 2 (relacionada a
CMRR) para determinar a tensão de saída. O sinal diferencial amplificado é definido
como entrada para a transição Filtragem Sinal do submódulo Processamento
do Sinal.
5.2.1.4

Submódulo Filtragem do sinal
Uma vez que a aquisição de sinais é realizada e o sinal analógico já passou pelo

passos de amplificação, o passo seguinte é a filtragem digital do sinais. Neste estágio,
a amplificação foi modelada baseada na abordagem do domínio da frequência para
representar o comportamento dos filtros algebricamente. O submódulo Filtragem
do Sinal é ilustrado na Figura 24.
Na modelo original, as funções CPN ML fft(realToImag(difSignals)),
filter(signalFft) e imagToReal(ifft(signalFft)) foram definidas para

74
Figura 24 – Submódulo Filtragem do Sinal do SASB.
Preamplificado
In

Filtrado
Out

SIGNALS

SIGNALS
signalIfft

difSignals

FFT

input (difSignals);
output (signalFft);
action
fft(realToImag (difSignals));

IFFT

signalFft

input (signalFft);
output (signalIfft);
action
imagToReal (ifft (signalFft));

signalFft

FFT_Sinal

signalFft

COMPLEXSIGNAL

H(jw)

y

Dominio_Frequencia

input (signalFft);
output (y);
action filter(signalFft);

COMPLEXSIGNAL

Fone: Sobrinho (2016).
aplicar a filtragem no domínio da frequência utilizando o algoritmo da transformada
rápida de Fourier, a atenuação dos coeficientes da função de transferência e o algoritmo
da transformada rápida de Fourier inversa (IFFT), respectivamente. Neste contexto,
a FFT do código digital vd (X(jω) = FFT[vd ]), o sinal filtrado ou desejado X f (jω), e o
sinal de saída filtrado no domínio do tempo x f (n) (x f (n) = IFFT[X f (jω) ]) são obtidos
(SOBRINHO, 2016).
5.2.1.5

Submódulo Software
O submódulo Software é responsável por gerenciar os eventos e estados do

sistema de aquisição de sinais em conjunto com o submódulo Hardware. É caracterizado
por fazer o reconhecimento dos sistemas e sinais biomédico, fazer verificações de
impedância eletrodo-pele e estados da bateria, mostrar os resultados da medição, entre
outras funções ligadas ao hardware. Primeiramente, para o sistema ser iniciado, um evento
de hardware (Botao()) é recebido pela da transição Iniciar. Uma tensão é enviada para
o eletrodo de referência (transição Tensao Eletrodos), e a situação atual da bateria é
consultada. Uma vez que os valores de impedância e bateria são obtidos, é realizada a
sua verificação para determinar se são aceitáveis ou não, considerando a especificação
do sistema de aquisição de sinais biomédicos específico em desenvolvimento.
As variáveis do tipo inteiro i e b1 foram associadas com a transição Verifica
Impedancia e Verifica Bateria no submódulo Software para analisar se os

75
Figura 25 – Submódulo Software do SASB.
1`EnviaT
(tensaoBat)

Tensao
Eletrodos

Evento_T

if (i > impMax) then
1`EnviaT(tensaoBat)
else empty
Verifica
1`Impedancia(i)
Impedancia

if (i <= impMax)
then 1`0
1
else empty
Ok_I

Estados_S
Out

Iniciar

(sistema, derivacao)

OkI
Digital
(digSignals)
Estados_H
In
STATESH

Apresenta
Medicao

digSignals

Botao()

INT

Medido

SINAISD
input (digSignals);
action salvarArquivo2(digSignals);

Valor(b1)
if (b1 = 1) then
1`Recarga(1) else empty

Sistema
sistema
SISTEMAxD

1`EventM()

STATESS

Verifica
Bateria

if(b1 = 0) then 1`b1
else empty

Eventos_H
Evento_B
In
EVENTSH
Recarregado()

Eventos_S
Out
EVENTSS

Simulacao
Bateria

Recarregado
0

EventoBateria()

b3
1

1
Ok_B
OkB INT

B

Controle_B
INT

Fone: adaptado de Sobrinho et al. (2016).
valores são aceitáveis (i = 0 e b1 = 0) ou inaceitáveis (i = 1 e b1 = 1). Em caso de
valores inaceitáveis de impedância, os valores são verificados novamente até que apresentem valores aceitáveis (valores aceitáveis de impedância e de tensão são definidos no
bloco CONSTANTES). Em caso de valores inaceitáveis de bateria, um evento é enviado
solicitando que seja realizada a recarga da bateria utilizando a estrutura condicional
associada com a expressão do arco de saída
if(b1 = 1) then 1‘Recarga(1) else empty.
A aquisição de sinais (submódulo Eletrodos) só é permitida se os valores de impedância eletrodo-pele e bateria são aceitáveis. Em caso de valores aceitáveis, a aquisição
de sinal é permitida enviando o valor contido nas variáveis i e b1 para os lugares Ok_I
e Ok_B (SOBRINHO, 2016).
Após os processos de aquisição, amplificação, filtragem e conversão de sinal,
o último passo consiste em apresentar o sinal medido para ser visualizado. Essa
tarefa é feita mediante o disparo da transição Apresenta Medicao. Nela, um segmento de código (code action) receber a variável digSignals (da expressão de arco
Digital(digSignals)) e executa a função salvaArquivo2(digSignals) para
salvar, num arquivo de texto, os valores do sinal digital medido e simultaneamente
apresenta-os no lugar Medido.
5.2.2

Declaração dos parâmetros do modelo
Cada um dos tipos de sistemas biomédicos possui características específicas,

como amplitude, frequência, forma de onda, entre outras, que os diferenciam. Por isso,

76
Figura 26 – Apresenta as constantes utilizadas na modelagem dos SASB com a ferramenta CPN Tools.

Fonte: autor (2022).
o modelo desenvolvido em CPN disponibiliza um campo chamado CONSTANTES,
apresentado na Figura 26, com as opções disponíveis para o usuário facilmente alterar
os parâmetros do sistema que deseja simular.
A descrição sobre cada um dos parâmetros do bloco CONSTANTES é apresentada
a seguir:

1. sistema ▶ Recebe o tipo de sistema biomédico a ser simulado, sendo quatro as
opções disponíveis: “ECG”, “EEG”, “EMG” e “EGG”. Uma observação importante
é que se esse parâmetro for deixado em branco, ou colocado outra palavra diferente
das opções sugeridas, o modelo não reconhece e não executa a simulação referente
ao processamento de sinal.
2. derivação ▶ Recebe o tipo de sinal de entrada para um dado sistema escolhido
(ECG, EEG, EMG ou EGG). Para a opção "ECG” existem 8 (oito) escolhas possíveis,
sendo 7 (sete) derivações reconhecidas ("D1", "D2", "D3", "aVR", "aVL", "aVF"e

77
"V1_V6") e uma não definida (símbolo “_”), que pode ser utilizada quando se
quer informar ao modelo a entrada de outro tipo de sinal, como, por exemplo,
sinal senoidal, onda quadrada, triangular etc. As demais opções de sistema são
representadas por uma única derivação genérica através do símbolo “_”, pelo
motivo de existir muitas derivações/canais (especialmente no EEG) e porque a
forma de aquisição de sinais desses sistemas é realizada tendo dois eletrodos de
sinal e um de referência (por canal) (MARINHO, 2017; FREITAS, 2018; SANTOS,
2015).
3. tensaoReferencia ▶ Representa a tensão de referência (em mV) para o conversor
analógico digital modelado.
4. ajusteLinhaDeBase ▶ Permite ajustar o offset do sinal, ou seja, a posição vertical
do sinal no modelo.
5. ganhoDiferencial ▶ Recebe o ganho de amplificação do sinal para o circuito
diferencial modelado, sendo recomendado que seu valor seja unitário para a
maioria das aplicações.
6. CMRRdB ▶ Especifica a Razão de Rejeição de Modo Comum do amplificador de
instrumentação modelado para o sistema. Quantificar a capacidade do dispositivo
de rejeitar sinais de modo comum, isto é, aqueles que aparecem simultaneamente
com a mesma fase e frequência nas duas entradas. Com esse parâmetro é possível
tornar o modelo próximo da realidade alterando o valor da CMRR. Quanto maior
o seu valor, maior é a capacidade de rejeitar sinais comuns indesejados.
7. ganhoEntrada ▶ Determina o valor do ganho de amplificação do sinal de entrada
para o sistema de aquisição de sinais modelado. Para o sistema ECG, o valor do
ganho recomendado está na faixa de 200 V/V a 1.000 V/V com um sinal de entrada
máximo de cerca de ± 5 mV. Para o sistema EEG, ganho da ordem de 10.000 a
20.000 V/V. Para sistemas de EMG o ganho comum está na faixa de 1.000 a 10.000
V/V dependendo da amplitude do sinal e do tipo de músculo a ser medido.
8. bitsConversorAD ▶ Representa a resolução, em bits, do conversor analógico-digital
responsável pela discretizarão do sinal analógico no modelo.
9. impEle ▶ Representa o valor hipotético atual da impedância eletrodo-pele para o
sistema avaliar e permitir a aquisição do sinal. Valores de impedância elevados

78
(acima de 5000Ω, para um eletrodo do ECG) afetam a aquisição do sinal. Portanto,
o sistema deve alertar a necessidade de correção antes de continuar para realizar a
aquisição (TOAZZA, 1998).
10. impMax ▶ Representa o valor máximo de impedância eletrodo-pele do sistema.
Um valor de impedância de 5000Ω é uma sugestão razoável para a máxima
impedância aceitável para o ECG (TOAZZA, 1998).
11. Vbat ▶ Neste parâmetro é informado o valor hipotético atual da tensão da bateria
(em volts) para o funcionamento do hardware do sistema. Representa o valor
medido pelo e é comparado com o parâmetro VbatMin para determinar o estado
atual da bateria.
12. VbatMin ▶ Representa o valor de tensão crítica da bateria, abaixo do valor
especificado é considerado que a bateria está descarregada. VbatMin.
13. arquivo1, arquivo2, arquivo3 e arquivo4 ▶ Recebem o diretório dos arquivos
de entrada contendo os dados dos sinais a serem lidos pelo modelo em CPN.
São quatro possíveis entradas de sinais: “sinalE1.txt”, “sinalE2.txt”, “sinalE3.txt”,
“sinalE4.txt”. Cada um representado um eletrodo específico dentre os quatro
eletrodos disponíveis no modelo e sua seleção é automática baseada no tipo
de sinal escolhido na constante “derivação” para um dado sistema. É relevante
observar que os arquivos precisam ser inseridos manualmente pelo usuário.
14. saida1 e saida2 ▶ Recebem o diretório dos arquivos de saída contendo os dados
dos sinais que foram simulados no modelo em CPN, sendo dois formatos: “saida1”
(“sinalAnalogico.txt”) e “saida2” (“sinalDigital.txt”).
15. h1 e h2 ▶ São arquivos de entrada do modelo que contêm os coeficientes do filtro
projetado para, em conjunto com a Transformada Rápida de Fourier (FFT), realizar
a filtragem digital do sinal. O arquivo “h1” contém os valores reais e “h2” os
valores imaginários. Os coeficientes podem ser gerados utilizando uma ferramenta
de projeto de filtros, como o software MATLAB/Octave, o Scilab, etc.
5.3

MANIPULAÇÃO DO MODELO UTILIZANDO A BIBLIOTECA ACCESS/CPN
O Access/CPN tem como vantagem possibilitar estender os recursos do CPN Tools

para aplicações externas. Mais especificamente, ele é um conjunto de plugins realizado

79
Figura 27 – Simulação do modelo CPN dos SASB utilizando o Access/CPN na IDE Eclipse, onde foi carregado o codigo fonte em
org.cpntools.accessscpn.model.testt > scr > (default package) > LoadTest.java.

Fonte: autor (2022).
em Java que permite a construção de aplicações Java para manipular um modelo CPN a
partir de uma interface gráfica de usuário personalizada sem a necessidade de instalar
o CPN Tools. Esta manipulação inclui as operações de carregamento de modelos CPN,
simulação, inspeção de estado atual e análise de espaço de estados (WESTERGAARD;
KRISTENSEN, 2009).
Portanto, neste trabalho, o Access/CPN foi utilizado para manipular e simular o
modelo CPN com o objetivo de demonstrar a execução ao embutir-lo em um dispositivo
de computação. Na Figura 27 é apresentado um exemplo de simulação do modelo
CPN dos SASB e amostra de código-fonte em Java com a IDE Eclipse, para possibilitar
que o modelo seja embutido em um dispositivo de computação. O modelo CPN foi
carregado utilizando o código exemplo localizado em org.cpntools.accessscpn.model.testt
> scr > (default package) > LoadTest.java. No console, é possível observar o resultado de
simulação com a apresentação do sinal amplificado, filtrado e convertido.
5.4

VALIDAÇÃO DO MODELO CPN
A validação é uma etapa importante no desenvolvimento de sistemas em geral,

uma vez que testa a margem de concordância de um sistema com as especificações
projetadas/desejadas para ele. Para validar o modelo CPN dos SASB foram seguidos
as seguintes etapas: (i) importação dos sinais da PhysioBank ATM; (ii) simulação do

80
comportamento da rede utilizando o CPN Tools; (iii) validação dos filtros implementados
no modelo; (iv) uso de métricas de desempenho para comparar o sinal resultante do
modelo CPN versus o sinal desejado; (v) teste do ganho de entrada, ganho diferencial e
linha de base; (vi) exemplo de simulação com o sistema de ECG.
O objetivo da validação é mostrar que o modelo corresponde às especificações
desejadas e que funciona adequadamente.
O modelo CPN de sistemas de aquisição de sinais biomédicos passou por testes
de validação baseadas em métricas de desempenho. Em específico foram utilizadas
as seguintes métricas: erro médio quadrático, erro absoluto médio e a regressão linear
para análises gráficas. Para isso, as seguintes ferramentas foram utilizadas: Software
MATLAB R2021b e o Software CPN Tools.
O software MATLAB foi utilizado por apresentar recursos matemáticos como a
FFT, projetos de filtros digitais, cálculos estatísticos, entre outros, necessários para a
análise, uma vez que dados fisiológicos requerem software especializado.
5.4.1

Importação dos sinais da PhysioNet
Primeiramente é necessário importar os sinais a serem processados no modelo

CPN dos SASB vindos da PhysioNet. Para isso, foi utilizado o MATLAB através da caixa
de ferramentas WaveForm DataBase (WFDB)3 , que contem mais de 30 funções e utilitários
que integram os aplicativos e bancos de dados de código aberto da PhysioNet com o
ambiente computacional e gráfico numérico de alta precisão do MATLAB e Octave
(??). Na pasta mcode da ferramenta WFDB existe a função wfdbRecordViewer.m, que ao
ser executada abre uma janela para o usuário escolher a base de dados de importação
do arquivo (diretório local, da PhysioNet ou do MATLAB). Foi selecionado importar
arquivo da PhysioNet, em específico da base ecdiddb. Na interface gráfica do usuário
apresentada na Figura 28, é ilustrado o sinal plotado da base de dados ecdiddb, registro
Person_01/rec_1, da PhysioNet. Ela possui um menu de processamento de sinal contendo
recursos para aplicar filtragem, análise, estimação de espectro, entre outros. Com tudo,
um script próprio no MATLAB foi desenvolvido para realizar a analisar e processamento
do sinal.
O script desenvolvido no MATLAB requer como entrada inicial dois arquivo no
formato .mat e .in f o, baixados diretamente da plataforma PhysioNet ATM, acessada
3

Pacote de software de banco de dados de forma de onda (WFDB) para MATLAB e Octave, disponível
em: <https://physionet.org/content/wfdb-matlab/0.10.0/>

81
Figura 28 – Interface Gráfica do Usuário do software WFDB.

Fonte: adaptado de PhysioNet (2021)
Figura 29 – Sinais de entrada obtidos da base da PhysioNet ATM ECG-ID, sendo um
com característica ruidosa (ECG I) e outro filtrado (ECG I filtered).

Fonte: autor (2022).
através da função pbsearch.m do toolbox WFDB do MATLAB, sendo selecionada a base
de dados ECG-ID e registro Person01/rec1. O arquivo importado é caracterizado por
possuir 5000 amostras, período de 10 segundos e frequência de amostragem de 500 Hz.
Sendo um com aspecto ruidoso (ECG I) e outro filtrado (ECG I filtered), como ilustra a
Figura 29.

82
5.4.2

Filtragem e análise dos sinais no MATLAB
Filtros são sistemas seletivos, que na sua maioria, são focados na seleção de

frequências, ou seja, os filtros limitam o espectro do sinal à faixa desejada de frequências.
Os filtros são fundamentais para o estudo de sinais e sistemas em termos de que todo
sistema usado para processar sinais contém um filtro de algum tipo em sua composição
(FILGUEIRA, 2006). Por exemplo, os sistemas biomédicos são compostos por filtros
analógicos (no hardware) e filtros digitais (no firmware 4 ).
No MATLAB, vários recursos para configuração dos filtros digitais estão disponíveis no script desenvolvido para execução e alteração pelo usuário. Recurso compreendendo a sua ordem, a modalidade IIR (Infinite Impulse Response) ou FIR (Finite
Impulse Response) e as configurações passa alta, passa baixa e passa faixa. Com os filtros
projetados, obtém-se os coeficientes da resposta complexa (Hwj), sendo uma parte real
e outra complexa. Esses coeficientes foram salvos para serem utilizados no processo de
filtragem do sinal no modelo CPN dos SASB.
A filtragem digital do sinal no MATLAB foi realizada utilizando as técnicas
matemáticas da transformada rápida de Fourier (filtro MAT1), porque é a mesma técnica
utilizada no modelo CPN dos SASB. Para fins de comparação, também foi utilizado
no mesmo script outra técnica de filtragem utilizando a função filtfilt (filtro MAT2),
tendo esta última a vantagem de reduz a defasagem do sinal. Os filtros projetados são
ilustrados nos gráficos da Figura 30.
A visualização dos espectros dos sinais ECG I (ruidoso) e ECG I (filtrado)
utilizando a FFT são ilustrados na Figura 31.
5.4.3

Simulação do SASB na ferramenta CPN Tools
Após os filtros serem projetados e os coeficiente da resposta complexa dos filtros

serem gerados, o próximo passo consiste na simulação do modelo CPN. O modelo é
aberto no software CPN Tools automaticamente pelo script do MATLAB, utilizando a
função system(’command’), onde ’command’ representa o diretório local do modelo CPN.
Com o modelo aberto e carregado, faz-se a parametrização do modelo acessando o bloco
CONSTANTES (Figura 32), onde é escolhido o tipo de sistema (e.g. ECG), a derivação
do sinal (e.g. D1), o ajuste de linha de base (e.g. 1.0), o ganho de entrada (e.g. 1000.0),
4

O firmware é um software no dispositivo de hardware que executa funções como tarefas básicas de
entrada/saída e oferece as instruções necessárias para que o dispositivo se comunique com outros
(KOVACS, 2022).

83
Figura 30 – Sinal filtrado ECG-ID, Gráficos da função de transferência dos filtros digitais
configurados para uma largura de banda entre 0,5 Hz e 70 Hz, filtro notch
de 50 Hz e de segunda ordem (dois polos).

Fonte: autor (2022).
entre outros. Após terminada a parametrização do modelo, segue-se com a simulação
passo a passo, seguindo a hierarquia do modelo. Terminada a simulação, o próximo
passo consiste na análise do sinal analógico (valores do sinal tratado) resultante da saída
do modelo CPN.
5.4.4

Resultados da validação do modelo CPN
Após a simulação, os resultados da validação do modelo CPN dos SASB são

gerados através das etapas de comparação, métricas de desempenho e regressão linear.
5.4.4.1

Comparação gráfica
Nesta etapa, é realizada a comparação gráfica entre o sinal filtrado pelo modelo

CPN (XCPN
) versus o sinal filtrado pelo MATLAB (XMAT2
) e com o próprio sinal filtrado
f
f
pela PhysioNet ATM (X f PHY = ECG filtered). A Figura 33 ilustra a comparação gráfica
como resultado da comparação entre os três sinais filtrados. Observando a sobreposição
dos três sinais, pode-se verificar que o sinal processado no modelo CPN é semelhante
ao filtrado pelo MATLAB e ambos são semelhantes ao sinal filtrado obtido da PhysioNet.

5.4.4.2

Métricas de desempenho
Métricas de desempenho são usadas principalmente para avaliar as taxas de

erro de previsão e o desempenho do modelo na análise de regressão. Nessa etapa, é

84
Figura 31 – Espectro do sinal no domínio da frequência (FFT).

Fonte: autor (2022).
avaliada a eficiência dos filtros implementados comparando o sinal original (XPHY
) com
f
o filtrado (X f CPN e XMAT2
). A fim de encontrar o método mais acurado foram utilizadas
f
duas métricas de desempenho: a que calcula a raiz quadrática média dos erros (Root
Mean Squared Error - RMSE) (WANG; BOVIK, 2009) e a que calcula o erro absoluto médio
(Mean Absolut Error - MAE) (AMEER; BASIR, 2008). Em tais métricas, quanto menor o
erro calculado mais semelhantes são os sinais entre si. A métrica MAE é definida por:
N

1 X
MAE =
|y − b
y|
N n=1

(3)

Onde N é o número de amostras do sinal, sendo y o valor real e b
y o valor predito.
A métrica RMSE, entre os registros do modelo e da base de dados, é definida por:
v
t
RMSE =

N

1 X
(y - b
y )2
N n=1

(4)

85
Figura 32 – Configuração dos parâmetros do modelo para simulação no CPN Tools.

Fonte: autor (2022).
Onde os mesmo parâmetros utilizados para a métrica MAE são utilizados para a
métrica RMSE. Este cálculo é a base para as métricas de desempenho aqui abordadas.
As Fórmulas 3 e 4 foram utilizadas no script do MATLAB para calcular os seguintes
MAT1
MAT2
MAT2
PHY
erros: XCPN
, XCPN
, XPHY
, XCPN
. Os resultados das referidas métricas são apresentados
MAT1
na Tabela 5. Onde é possível verificar que o menor erro está em XCPN
, cujo resultado

é praticamente nulo, significando que os dois filtros, tanto no modelo CPN como no
MATLAB, tiveram o mesmo comportamento. Desta forma, pode-se considerar que o
filtro baseado na FFT e coeficientes da resposta complexa dos filtros projetados para o
sinal simulado desempenharam resultado satisfatório. Nas demais comparações há um
erro maior por os filtros serem diferentes, mas ainda assim os resultados são satisfatórios.

86
Figura 33 – Sinal filtrado ECG-ID, Person01/rec, obtido da PhysioNet (X f PHY ) comparado
com o sinal filtrado pelo modelo CPN (XCPN
) e filtrado pela função filtfilt()
f
MAT2
do MATLAB (X f
).

Fonte: autor (2022).
Tabela 5 – Resultados de métricas de desempenho
Métricas
RMSE
MAE

5.4.4.3

MAT1
XCPN
4,42E-9
3,46E-09

MAT2
MAT2
PHY
XCPN
XPHY
XCPN
0,056478894 0,0464
0,055626942
0,047100179 0,0219790 0,045455475
Fonte: autor (2022).

Ganho do modelo e linha de base
O ganho do modelo CPN e o valor da linha de base do sinal de entrada no modelo

CPN e o de saída é apresentado na Tabela 6. O ganho de entrada especificado no modelo
CPN foi igual a 1.0 e a tensão de linha de base igual a 0.0 (Figura 32). Nota-se, pela
tabela, que os resultados para essa medidas diferem um pouco. O ganho, resultado da
razão entre sinal de saída / sinal de entrada, demonstra que o sinal foi moderadamente
atenuado. Tal ocorrência depende da ordem e das frequências de corte do filtro projetado.
Outro possível motivo é o fato de que, no modelo CPN, primeiro é amplificado o sinal
usando o ganho de entrada, depois é que é feito a filtragem do sinal, podendo causar
uma atenuação mais acentuada (não caracterizando, porém, erro no filtro projetado).
Por isso, o ganho final fica um pouco menor que o especificado. Portanto, o ganho de
saída representa 74,8% do ganho especificado no modelo.

87
Figura 34 – Regressão linear dos sinais processado no CPN e no MATLAB.

Fonte: autor (2022).
Tabela 6 – Ganho e tensão de linha de base do sinal processado no modelo CPN.
Ganho (Vout/Vin)
0,7482

5.4.4.4

Tensão de Linha de Base (volts)
Para o sinal de entrada Para o sinal de saída
0,0091
7,6618e-16
Fonte: autor (2022).

Regressão linear
Regressão linear é uma equação para se estimar a condicional de uma variável y,

dados os valores de uma variável x, permitindo verificar a relação entre eles (CARMO;
CORREIA, 2013). Por isso, essa técnica foi utilizada para comparar o desempenho
do processamento do sinal no modelo CPN, no MATLAB e no PhysioNet ATM. Essa
comparação é ilustrada nos gráficos da Figura 34.
No primeiro gráfico a esquerda é possível notar que os valores de XCPN e YMAT1
estão bem agrupados e o R-quadrado está com 100%, ou seja XCPN = YMAT1 (o sinal
processado no modelo do CPN Tools é igual ao do MATLAB utilizando a mesma técnica
de filtragem, a FFT). O R-quadrado é um valor que está sempre entre 0 e 100%, onde
0% indica que o modelo não explica nada da variabilidade dos dados de resposta ao
redor de sua média e 100% indica que o modelo explica toda a variabilidade dos dados

88
de resposta ao redor de sua média. Os demais gráficos são usados para comparar os
diferentes resultados entre o CPN, o MATLAB e a PhysioNet.

5.4.5

Exemplo de simulação com o sistema de ECG: sinal aVL a partir das derivações I
e II
Nesta subseção, é apresentado um exemplo de como utilizar o modelo CPN,

configurado para o sistema de ECG, para obter uma derivação a partir de outras
do mesmo sistema. O método segue as fórmulas das derivações presentes na Tabela
1, obtidas do guia da Texas Instruments (Texas Instruments Inc, 2017). No exemplo
proposto, é utilizada a derivação aVL, mostrando que ela pode ser obtida a partir das
derivações I e II, conforme a equação aVL = I - (II)/2.
Observação: no Apêndice B está disponível o acesso online ao código MATLAB
desenvolvido para a análise e comparação dos sinais apresentado nesta seção.
5.4.5.1

Realização do teste
Para este teste, foram coletados três sinais de ECG do banco de dados da

PhysioNet denominado CiPA ECG Validation Study ("ecgcipa"), correspondentes às
derivações I, II e aVL. Os arquivos, baixados em formato de texto, das derivações
I e II, foram inseridos no diretório do modelo CPN e renomeados com os nomes
"sinalE1"e "sinalE4". Em seguida, o modelo CPN foi configurado usando os seguintes
parâmetros: sistema = ECG, derivacao = aVL, ganhoEntrada = 1.0, linhaDeBase = 0.0,
bitsConversorAD = 32.0 e tensaoRe f erencia = 3.5. A Figura 35 ilustra as derivações I e II
(da base "ecgcipa") a serem utilizadas como entrada de sinal no modelo CPN.
Os sinais de entrada estão relacionados a derivação I e a derivação II (parte
superior da Figura 35), permitindo a comparação da simulação do modelo CPN e
do sinal disponível na PhysioNet (parte inferior da Figura 35). Como supracitado, a
derivação aVL pode ser obtida com base nas derivações I e II, conforme a equação
aVL = I − (II)/2. A derivação I foi colocada como posição do eletrodo LA ("sinalE1")
e a derivação II como posição do eletrodo LL ("sinalE4"), de acordo com a equação
aVL = LA − (LL + RA)/2, e o eletrodo RA não é utilizado. Assim, o modelo foi simulado
e coletado os resultados da saída analógica. Também foi importado esses resultados
para o MATLAB para comparar as saídas com o sinal aVL da PhysioNet (utilizado como

89
Figura 35 – Derivações de entrada (I e II) e de saída (aVL) da PhysioNet e do modelo
CPN.
Entrada do Sinal - Derivação I

0.6

Entrada do Sinal - Derivação II

1.5

X II

0.4

Amplitude (mV)

Amplitude (mV)

XI

0.2

0

-0.2

1

0.5

0

-0.5
0

0.2

0.4

0.6

0.8

1

1.2

0

0.2

0.4

Tempo (s)
Saída da Derivação aVL - PhysioNet

0.2

0.8

1

1.2

X

Saída da Derivação aVL - Modelo CPN

0.2

X

aVL

Amplitude (mV)

0.1

Amplitude (mV)

0.6

Tempo (s)

0
-0.1

I - (II / 2)

0.1
0
-0.1

-0.2
-0.2
-0.3
0

0.2

0.4

0.6

0.8

1

1.2

0

Tempo (s)

0.2

0.4

0.6

0.8

1

1.2

Tempo (s)

Fonte: autor (2022).
referência).
As métricas Root Mean Squared Error (RMSE) e Mean Absolute Error (MAE) foram
aplicadas para avaliar o desempenho do modelo CPN. Desta maneira, identificou-se
as semelhanças entre as saídas, alcançando 1,08% e 0,72%, respectivamente. Além
disso, foi utilizada a regressão linear, apresentando R-quadrado de 97,72% (Figura 36).
O R-quadrado deve ser apresentado entre 0 e 100%, onde 0% indica que o modelo
não explica nada da variabilidade dos dados de resposta, enquanto 100% indica que
o modelo explica toda a variabilidade dos dados. A Figura 36 também mostra as
saídas sobrepostas para ilustrar as semelhanças, revelando uma pequena atenuação na
amplitude do sinal resultante do modelo em comparação com o sinal de referência.
Desta forma, verifica-se que o modelo CPN foi capaz de simular satisfatoriamente
o sinal aVL a partir das derivações I e II. De forma análoga, as demais derivações de
ECG, como a aVR, aVF, I, II, III e V1aV6, podem ser simuladas no modelo. Para isso, é
necessário observar as fórmulas das derivações apresentadas na Tabela 1 e nomear as
derivações a serem utilizadas como entrada no modelo com os nomes apropriados -

90
Figura 36 – Comparação por regressão linear e sobreposição das derivações aVL, obtida
a partir das derivações I e II, simulada no modelo CPN e de referência
obtida da PhysioNet.
Derivação aVL da PhysioNet vrs do modelo CPN

0.15

X PHY
aVL

0.1

Dados
Regressão linear:

0.9

X CPN
aVL

R2 = 97.72 %

0.8

0.05

0.7

0

aVL CPN

Amplitude (mV)

Regressão Linear: sinal aVL PHY vrs aVL CPN

1

-0.05
-0.1

0.6
0.5
0.4

-0.15

0.3

-0.2

0.2

-0.25

0.1

-0.3

0
0

0.2

0.4

0.6

0.8

1

1.2

0

Tempo (s)

0.2

0.4

0.6

0.8

1

aVL PHY

Fonte: autor (2022).
"sinalE1", "sinalE2", "sinalE3"e/ou "sinalE4", referentes aos sinais dos eletrodos E1, E2,
E3 e E4, respectivamente (ver Tabela 4). Não obstante, é possível simular no modelo
uma única derivação do sistema de ECG sem necessariamente se utilizar de outras. Por
exemplo, para a derivação V1 = v1 − (RA + LA + LL)/3, faz-se V1 = v1 e os demais
eletrodos de sinal não são utilizados. Esta é uma medida possível para o simulador do
modelo CPN, não pretendendo representar, com tudo, uma ação real possível para um
equipamento de ECG.
5.4.6

Validação do conversor analógico-digital
Para validar a etapa do conversor analógico-digital (ADC) especificado no modelo

CPN (último bloco do submódulo Processamento do Sinal apresentado na Figura 22), foi
usada a entrada aVL apresentada na Figura 35 (da PhysioNet). Assim, foi utilizada a
mesma entrada apresentada na Seção 5.4.5 para executar a simulação do modelo CPN e
comparar a saída da representação ADC com o sinal aVL disponível no banco de dados
Physionet. No entanto, em vez de comparar a saída do modelo antes do ADC (Seção 5.4.5
- representação analógica), optou-se por comparar a saída após o ADC (representação
digital). Na Figura 37 é ilustrada a sobreposição do sinal de saída do modelo ADC e
os dados disponíveis no banco de dados Physionet, mostrando as semelhanças entre
eles. Os sinais de saída foram normalizados, ajustando a linha de base e realizando uma
divisão ponto a ponto utilizando o valor máximo do bit, garantindo que os sinais sejam
representados entre 0 e 1. Portanto, verificou-se que a morfologia do sinal é semelhante.

91
Figura 37 – Sobreposição do sinal de saída do modelo ADC e dados disponíveis no
banco de dados Physionet (os valores foram normalizados).
aVLPHY e aVL CPN
1
X PHY

aVL
CPN

0.9

X aVL

0.8

Bits Normalizados

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0

0.2

0.4

0.6

0.8

1

1.2

Tempo (s)

Fonte: autor (2022).
5.4.7

Validação da CMRR do modelo CPN
A razão de rejeição de modo comum (CMRR) é especificada no bloco CONS-

TANTES como opção para parametrização pelo usuário. A CMRR foi definida matematicamente para influencia no sinal de saída do módulo Amplificador de
Instrumentação (apresentado no submódulo Amplificador). O propósito de sua
modelagem foi tornar o módulo mais próximo da realidade, simulando, neste aspecto,
um amplificador de instrumentação real.
O teste da validação visa mostrar que a CMRR do modelo CPN está definida
matematicamente de maneira correta, em sua representação Standard ML. Para este
teste de verificação, considera-se que a CMRRdB = 100.0 (valor desejado especificado no
modelo) e o ganho diferencial é Ad = 1.0 (valor desejado especificado no modelo).
Conforme apresentado na subseção Amplificador de Instrumentação 2.1.3.2, a
tensão de saída em um Amplificador Operacional, em função do ganho diferencial (Ad )
e do ganho de modo comum (Ac ) é: Vout = Vd · Ad + Vc · Ac . Onde, Vd é a tensão diferencial
dada por Vd = V1 - V2 ; e Vc é a tensão de modo comum dada por Vc = (V1 + V2 )/2.
Com isso, calcula-se primeiramente o ganho de modo comum adicionando uma
tupla contendo dois valores de tensão iguais a 1.0 como marcação do lugar Ganho_Ok
do submódulo Amplificador. Isto é, ampSignal2 = [1.0] e ampSignal1 = [1.0]. Ver
Figura 38.

92
Figura 38 – Teste do ganho de modo comum para a CMRR definida no modelo CPN.
Sinal_Analog
In

Preamplificador
Out

ANALOG

(sinalResult1,
sinalResult2)

1`[1.00000000005E~05]

difSignals

Ganho
Entrada
(ampSignal1,
ampSignal2)

1

SIGNALS

Amplificador
Diferencial

input (ampSignal1, ampSignal2);
output (difSignals);
action
outAmpDif (ampSignal1, ampSignal2);

input (sinalResult1, sinalResult2);
output (ampSignal1, ampSignal2);
action
gain (sinalResult1, sinalResult2);

([1.0],[1.0])
Ganho_Ok

ampSignal2 = [1.0]
ampSignal1 = [1.0]

(ampSignal1,ampSignal2)

ANALOG

Fonte: autor (2022).
Assim, sendo Vout = Vd ·Ad +Vc ·Ac , decorre que a tensão diferencial é Vd = V1 −V2
⇒ Vd = 1−1 = 0V; e a tensão de modo comum é Vc = (1+1)/2 = 1V. Então, Vout = 0+1·Ac .
Logo, Vout = Ac . Resta calcular Ac .
A equação da CMRR em decibéis é dada por CMRRdB = 20 · log10 (Ad /Ac ). Sabendo
que CMRRdB = 100.0 e Ad = 1.0, é possível calcular Ac , fazendo:
Ac = 10(log10 (Ad )−

CMRRdB
)
20

(5)
100

Ao substituir as variáveis pelos valores, obtém-se Ac = 10(log10 (1)− 20 ) ⇒ Ac = 10(−5) .
Logo, Ac = 0, 00001 = 1 × 10−5 , conforme apresentado no resultado da simulação da
Figura 38.
E fazendo o calculo de volta, utilizando Ac = 1 · 10−5 e Ad = 1.0, obtém-se a
CMRRdB = 100.0. Logo, prova-se que a CMRR definida no modelo CPN está modelada
corretamente.
A função outAmpDif (ampSignal1, ampSignal2), no segmento de código da transição
Amplificador Diferencial, comporta-se como um amplificador operacional no
modo diferencial. Por meio dela, é calculado o ganho da diferença entre os dois sinais
(ampSignal2 e ampSignal1) e o ganho de modo comum com base na CMRRdB especificada
e no ganho diferencial especificado.
A função outAmpDif é definida, em Standard ML, como:
1 fun
2
3

outAmpDif (s1 , s2) =
let
val ganhoModoComum = Math.pow (10.0 , Math. log10 ( ganhoDiferencial ) CMRRdB /20.0)

93
4

in

5

if (not (List.null(s1)) andalso not (List.null(s2))) then
ListPair .map(fn (i, j) => (( ganhoDiferencial * (j - i) ) + (
ganhoModoComum * ((i + j) / 2.0 )))) (s1 , s2)
else if (List.null(s1)) then
List.map(fn j => (( ganhoDiferencial * j) + ( ganhoModoComum * (
j / 2.0 )))) (s2)
else if (List.null(s2)) then
List.map(fn i => (( ganhoDiferencial * i) + ( ganhoModoComum * (
i / 2.0 )))) (s1)
else []
end;

6

7
8

9
10

11
12

Esta função processa duas listas com valores reais (argumentos s1 e s2). Utiliza o
construtor let .. in .. end para definir as declarações locais e executar as expressões. No
construtor let é declarada a constante ganhoModoComum para recebe o valor calculado
do ganho de modo comum em função do ganho diferencial (ganhoDiferencial) e da
CMRRdB , conforme a equação 5. No construtor in, a primeira condição verifica se as
duas listas, contendo os valores correspondestes aos sinais de entrada, são não nulas (not
List.null(s1) e not List.null(s2)); se as duas listas forem não nulas, a equação 1 é aplicada
para calcular a tensão de saída do módulo utilizando os valores de ambas as listas;
para o cálculo poder ser efetuado, foi utilizada a função Standard ML ListPair.map em
conjunto com a função anônima fn (i, j), que obtém cada elemento da lista s1 (variável
i) e da lista s2 (variável j). A segunda condição é executada se apenas a lista s1 for nula
(List.null(s1)), então é feito o calculada da tensão de saída do módulo utilizando apenas
os valores da lista s2. E a terceira condição é executada somente se a lista s2 for nula
(List.null(s2)), então é feito o calculada da tensão de saída do módulo utilizando apenas
os valores da lista s1, e devolve uma única lista de valores reais. E a última condição
devolve lista vazia se nenhuma das condições acima forem verdadeiras.
5.5

ASPECTOS POSITIVOS
Como aspecto positivo, destaca-se que a especificação formal representa o

comportamento desejado de múltiplos equipamentos biomédicos, possibilitando a
mensuração dos sinais de equipamentos biomédicos promovendo, assim, confiança
na validação do sistema. Além disso, modelos CPN são executáveis e parametrizáveis,
simplificando as análises comportamentais. Foi possível também validar as etapas de
amplificação, filtragem e conversão de sinais, representadas no modelo CPN. Nesta

94
subseção, foram somente destacados exemplos de aspectos positivos.
5.6

LIMITAÇÕES
O modelo CPN adaptado não foi plenamente validado devido a alguns fatores,

que são destacadas abaixo:
1. Dificuldades para acesso a sistemas de aquisição de sinais biomédicos comerciais.
2. Dificuldades de acesso as especificações de filtros digitais de sistemas de aquisição
de sinais biomédicos comerciais.
3. O grande número de tipos de sistemas de aquisições de sinais biomédicos.

95

6 RESULTADOS E DISCUSSÕES: TRANSCEPTOR E DISPOSITIVO DE COMPUTAÇÃO
Este capítulo é dividido em seis seções principais. A primeira seção é referente
ao desenvolvimento e testes/validação do protótipo projetado no Capítulo 4, sendo aqui
designado Transceptor de Sinais Biomédicos (TSB). Na segunda seção é apresentado
o desenvolvimento do software, refere a uma interface gráfica de usuário, lógica de
aplicação e modelo CPN embutido em um dispositivo de computação. A terceira
seção é descrito sobre a programação do microcontrolador. A quarta seção apresenta
sobre a validação do protótipo com um sistema de ECG comercial. A quinta e sexta
seções apresentam os aspectos positivos e as limitações, respectivamente, do sistema
desenvolvido.
6.1

PROJETO DO TRANSCEPTOR DE SINAIS BIOMÉDICOS
O projeto do TSB foi desenvolvido com base nos requisitos e especificações

apresentados na seção 4.1.1 e conforme a arquitetura dos componentes do hardware
descrita na subseção 4.2.1, tendo também se baseado no diagrama de blocos ilustrado
na Figura 14. O circuito eletrônico foi desenvolvido no software EasyEDA.
6.1.1

Primeira versão do TSB
O TSB é um transmissor e receptor de sinais biomédicos, especialmente projetado

para trabalhar com sinais de ECG, EEG, EMG e EGG. Atua como um mediador entre
o software para simulação e validação de Sistemas de Aquisição de Sinais Biomédicos
(SASB) e o equipamento biomédico a ser validado. O TSB, nessa primeira versão, utiliza
somente a interface USB para estabelece comunicação com o software e é composto por
quatro módulos que realizam funções específicas, como é destacado a seguir.
6.1.1.1

Módulos do Transceptor
Os módulos projetados que compõem o transceptor são:

1. Módulo microcontrolador ESP32: é um módulo baseado no Chip ESP32-D0WDQ6,
fabricado pela empresa Espressif, que incorpora a utilização de Wi-Fi, Bluetooth e
microprocessador Xtensa 32-Bit LX6 Dual Core, de baixíssimo consumo de energia
(corrente típica de 80mA) e tensão de alimentação de 3, 3Vcc. Além destas, outras

96
Figura 39 – Módulo microcontrolador ESP32 DevKit v1 de 30 pinos.

Fonte: (ALBUQUERQUE, 2020).
características importantes são: memória SRAM de 520 kBytes, memória flash
de 4 MBytes, clock de 240MHz, conexão Wireless Fidelity (Wi-Fi) padrão 802.11
b/g/n e Bluetooth Low Energy (BLE), 36 portas GPIO (General Purpose Input Output,
entradas e saídas digitais), das quais 18 podem ser utilizadas como conversor
analógico-digital (ADC) de 12 bits do tipo aproximação sucessiva (Successive
Approximation Register - SAR) com taxa máxima de amostragem de 2MS/s, possui
2 conversores digital-analógico (DAC) de 8 bits, interfaces seriais (SPI, I²C, I²S,
UART), saídas com modulação por largura de pulso (PWM) e memória flash
criptografada (ESPRESSIF, 2020). A Figura 39 ilustra a pinagem do módulo ESP32
utilizada neste trabalho e a Figura 40 o diagrama em Blocos do Chip ESP32. A
escolha deste microcontrolador foi motivada pelas características supracitadas,
além de ser de baixo custo no mercado.

97
Figura 40 – Diagrama em Blocos do Chip ESP32.

Fonte: (ESPRESSIF, 2020).
2. Módulo conversor D/A: projetado para realizar a conversão digital-analógica de
sinais, sendo constituído pelo DAC8554 (de 16 bits) e é caracterizado por possuir
interface SPI, 4 canais de saída e tensão de referência externa selecionável.
3. Módulo atenuador de sinais: projetado a fim de selecionar automaticamente, via
hardware, por intermédio do microcontrolador ESP32, a escala de atenuação do
sinal analógico obtido após a saída do conversor D/A, para que o sinal resulte no
mesmo valor de amplitude que possuíra antes de sua pré-amplificação realizada
digitalmente via software.
4. Módulo ajuste de nível: projetado a fim de realizar medições de sinais bipolares de
até ±6Vp e transformar para o nível unipolar a fim de ser lido pelo microcontrolador.
6.1.1.2

Justificativas em utilizar os módulos
Algumas vantagens da utilização dos módulos na primeira versão do TSB são

apresentadas a seguir.
1. Minimizar custos de projeto por possibilitar analisar o circuito projetado e, como
isso, mitigar erros indesejados no protótipo final. Além disso, com os 4 módulos

98
Figura 41 – Módulos desenvolvidos para a realização de teste de simulação de sinais.

Fonte: autor (2022).
supracitados já é possível testar as funcionalidades do TSB;
2. Testar as funcionalidades do conversor D/A (DAC8554) com o microcontrolador
ESP32 para a conversão de sinais biomédicos;
3. Testar o circuito atenuador de sinais para verificar se o sinal é atenuado adequadamente de acordo com os valores de atenuação pré-especificados no circuito;
4. Testar o circuito de ajuste de nível de tensão para comprovar na prática seu
desempenho no processo de conversão de sinais bipolares em unipolar.
Os módulos foram projetados no software EasyEDA (Figura 41), com excessão
do módulo ESP32 que já foi adquirido pronto. Os componentes utilizados foram do
tipo SMD (Surface Mounted Device) posicionados em placa fenolite de fibra de vidro,
dupla face, e fabricados em blocos/módulos unidos a uma placa maior para posterior
separação. Os módulos já separados podem ser facilmente montados em protoboard,
uma vez que possuem pinos HDR-2,54 mm machos, e interligados por cabos jumper.
A metodologia de projeto seguida, modularizando o sistema inicial, traz como
benefício a possibilidade de testar um módulo por vez e detecção mais facilmente
possíveis erros de projeto. Desta forma, é possível avançar com maior segurança para
etapas de refinamento do projeto e alcançar o funcionamento desejado do sistema, no
final do processo.
6.1.1.3

Custo de fabricação
Foi realizada uma pesquisa dos custos de fabricação e dos componentes em 3

distribuidoras para verificar qual a mais econômica, sendo elas: Mouser Elec., Digi-Key

99
Figura 42 – Custos dos módulos desenvolvidos para o TSB.

Fonte: autor (2022).
Elec. e LCSC Elec. (China). Os menores custos de fabricação e de componentes foi
encontrado na empresa chinesa JLCPCB. Na Figura 42 é possível visualizar o custo de
fabricação dos módulos para 5 PCIs (R$ 11,28) mais os custos de montagem e aquisição
dos componentes para 5 PCIs (R$ 595,98). A quantidade mínima exigida pela fábrica para
envio é de 5 placas. Neste orçamento foi incluso um módulo a mais que seria utilizado
para a conversão analógica-digital (A/D) baseado no MCP3426, porém este módulo não
foi integrado ao TSB (embora se pretendesse) por ter apresentado inadequação devido
sua frequência de amostragem ser baixa para as especificações do sinal a ser medido.
6.1.2

Placa amplificadora para calibração do sinal
Para realizar a calibração do sistema do transceptor durante testes relacionados

à simulação de sinais biomédicos, foi projetada uma placa amplificadora de ganho
ajustável de 10 v/v a 10.000 v/v, com possibilidade de ajuste da Razão de Rejeição de
Modo Comum (Commom Mode Rejection Ratio - CMRR) e ajuste de offset. O intuito básico
da placa é amplificar sinais da ordem de milivolts (como os sinais de ECG). Por esse
motivo, ela não foi projetada com etapas de filtros ativos passa-alta e passa-baixa, que
atenuariam os sinais fora da faixa de frequência desejada, pelo motivo de que este não é
o seu propósito.
A placa foi projetada utilizando o amplificador operacional TL084 para o circuito
do amplificador de instrumentação e TL074 para os demais estágios de amplificação.
Ambos possuem baixo custo-benefício e são caracterizados por possuir larga CMRR
com valor típico de -86 dB (para o TL084) e 100 dB (TL072), baixa corrente de offset,

100
Figura 43 – Esquema eletrônico da placa amplificadora de sinais com ganho ajustável
de até 10.000 v/v construído no software EasyEDA.

Fonte: autor (2022).
Figura 44 – Projeção 2D da placa amplificadora construída no software EasyEDA.

Fonte: autor (2022).
proteção da saída contra curto-circuito, alta impedância de entrada e baixa impedância
de saída, alto slew rate (16 V/us e 18 V/us típicos, respectivamente). O esquema eletrônico
da placa é ilustrado na Figura 50.
Uma vez construído o esquema eletrônico, foi projetado o seu layout, de modo a
organizar os componentes, com trilhas elétricas realizando conexões. Uma representação
2D do layout da placa é apresentada na Figura 50, cujas dimensões é 5,45 cm x 3,54 cm.
Após a construção do circuito e do layout da placa projetada no EasyEDA, foi
realizado o envio para fabricação através da empresa JLCPCB, que fez a montagem e
soldagem dos componentes. A Figura 45 ilustra o resultado da placa fabricada.

101
Figura 45 – Placa amplificador fabricada e com os componentes soldados.

Fonte: autor (2022).

6.1.3

Testes da primeira versão do TSB
Os testes da versão 1 do TSB passou por etapas. Primeiramente foi realizado

testes práticos com cada um dos módulos desenvolvidos a fim de avaliar o circuito
projetado e o seu funcionamento. O último passo foi realizar a validação do protótipo
do TSB com base em um monitor multiparâmetro de ECG comercial.
Os testes dos módulos desenvolvidos consistiram em realizar medições com o
multímetro, osciloscópio e uso do gerador de função a fim de avaliar o circuito eletrônico
dos módulos e o funcionamento esperado de cada um. Também foi realizado alguns
testes com o firmewere do ESP32 programado na IDE do Arduino. Os módulos foram
projetados para serem inseridos em protoboar para facilitar ligações com fios jumpers
ente eles. Na Figura 46 é apresentado a disposição dos quatro módulos e da placa do
ESP32 DevKit montados em protoboard para realização de testes funcionais.
6.1.3.1

Teste do módulo conversor D/A
O módulo conversor D/A (DAC8554) pode ser alimentado com tensão de 2,7V a

5,5V por meio dos pinos VCC e GND. Possui 4 pinos de comunicação por Serial Peripheral
Interface (SPI), designados: CLK, DIN, SYNC e EN, que são conectados, respectivamente,
aos pinos MOSI (GPIO23), SCLK (GPIO18) e CS (GPIO5) do ESP32. O pino EN deve ser
conectado ao GND (nível baixo) para habilitar a operação, caso seja ligado ao nível alto
(5V) o DAC8554 desabilita a comunicação serial. Os pinos superiores LDAC, RSTSEL e
RST do módulo devem ser ligados ao GND para operação normal (para mais detalhes
consultar o datasheet do componente1 ). O módulo possui um circuito com o regulador de
1

<https://pdf1.alldatasheet.com/datasheet-pdf/view/138159/BURR-BROWN/DAC8554.html>

102
Figura 46 – Módulos montados em protoboar para a realização de teste.

Fonte: autor (2022).
Tabela 7 – Seleção da tensão de referência para o conversor D/A.
Seleção
S1
0
0
1
1

Seleção
S0
0
1
0
1

Tensão de referência Número de bits
Vre f do DAC
DAC8554
Vcc
2,5 V
16
1,35 V
0,35 V
Fonte: autor (2022).

Resolução
VLSB
Vcc/216 − 1
3,81476E-05
2,05997E-05
5,34066E-06

tensão de precisão REF3425IDBVR2 , que disponibiliza uma tensão de saída de 2,5V com
acurácia de ±0,05% e baixa tensão de ruido (5Vpp/V). E possui um estágio divisor de
tensão multiplexado que possibilita a seleção de até três opções de tensão de referência
externa para o DAC, conforme a Tabela 7. O módulo possui 6 pinos de saída, sendo 4
canais de saídas (A, B, C e D), 1 pino de saída de tensão de referência de 2,5V (VREF)
por padrão e 1 pino GND.
Os testes funcionais com o módulo foram realizados utilizado o ESP32 Devkit e a
programação foi realizada na IDE do Arduino. A biblioteca utilizada para a comunicação
com o DAC foi a "DAC8554.h"3 . Para os testes, foram definidas quatro funções senoidais
com amplitude variando de 0 a 65535 (216 bits), como é ilustrado na Figura 47. Testes
2
3

<https://pdf1.alldatasheet.com/datasheet-pdf/view/972576/TI1/REF3425IDBVR.html>
<https://github.com/RobTillaart/DAC8554>

103
Figura 47 – Teste funcional do módulo DAC8554 com os quatro canais sendo utilizados
e comandado pelo microcontrolador ESP32, programado através da IDE do
Arduino.

Fonte: autor (2022).
com outros sinais também foram realizados como sinais dente de serra, retangular e
sinais de ECG, apresentando bom desempenho. Assim, comprovou-se que o módulo
conversor D/A é adequado para as finalidades deste trabalho, visto que apresentou
funcionamento adequado em relação a comunicação com o microcontrolador e a
conversão digital-analógica simultaneamente pelos 4 canais de saída.
6.1.3.2

Teste do módulo atenuador de sinal
O módulo Atenuador de Sinal pode ser alimentado com tensão de 3V a 5,5V por

meio dos pinos VCC e GND. Possui 2 pinos de entrada de sinal, 2 pinos de seleção da
escala de atenuação do sinal de entrada (S2 e S3) e 4 pinos de saída (OUT_A, GND,
GND e OUT_B). O módulo recebe o sinal de entrada e realiza a atenuação do mesmo
com base em quatro escalas possíveis: 1/1 (0dB), 1/9 (−19, 1dB), 1/85 (−38, 6dB) e 1/1020
(−60, 2dB).
Para avaliar o módulo, foi injetado uma tensão contínua de 2,499V vindo do
regulador de tensão de precisão presente no Módulo Conversor D/A. Foram realizadas
medições da tensão de saída para cada uma das quatro escalas utilizando um multímetro
digital de bancada, modelo 34450A da Keysight, de alta precisão CC de 0,015%. Os
resultados dos testes são apresentado na Tabela 8. Durante os testes também foram

104
Tabela 8 – Resultados dos testes com o módulo atenuador de sinais.
Seleção
S3 S2
0
0
0
1
1
0
1
1

Tensão de entrada (Vin = 2,499V)
Tensão de Saída (Vout)
2,499 V
0,275 V
29,5 mV
2,45 mV
Fonte: autor (2022).

Atenuação
Vout / Vin
1/1
1/9
1 / 85
1 / 1020

inseridos, no módulo, sinais de diferentes amplitudes e frequências provenientes de
um gerador de função e sua saída fora visualizada com um osciloscópio. A placa
Amplificadora 45 também teve participação para amplificar os sinais da saída do
módulo.
Em uso prático, a seleção da escala apropriada é realizada pelo microcontrolador
com base na amplitude do sinal de entrada e no valor máximo de saída desejado. Os
valores de escala especificados foram definidos com o propósito de atingir amplitudes
suficientemente baixas, da ordem de mV (para o ECG e EMG) e da ordem de uV
(para o EEG e EGG). É possível fazer a associação entre dois módulos atenuadores
a fim de atingir amplitudes ainda menores. Os testes demostraram que o módulo
funcionou adequadamente conforme o especificado, atenuando o sinal de entrada
satisfatoriamente.
6.1.3.3

Teste do módulo ajuste de nível
O Módulo Ajuste de Nível é baseado no circuito integrado AD8275. Segundo o

datasheet do AD82754 , ele é um amplificador de diferença de ganho G = 0,2 que pode
ser usado para ajustar sinais de ± 10V para um nível de +4V, faz interface com os dois
níveis de sinal (simplificando o projeto), tem tempo de ajuste rápido de 450 ns e baixa
distorção e alta rejeição de modo comum de no mínimo 80 dB. Em suma, o AD8275 é
adequado para uma variedade de aplicações de aquisição de dados, onde a captura
precisa e rápida é necessária. O esquema eletrônico do AD8275 é ilustrado na Figura 48,
configurado para REF1 em nível baixo e REF2 em nível alto e cuja fórmula para o calulo
da tensão de saída é dada por
VOUT =
4

VINP − VINN VREF
+
5
2

<https://www.analog.com/media/en/technical-documentation/data-sheets/ad8275.pdf>

(6)

105
Figura 48 – Esquema elétrico de uma configuração básica do AD8275 utilizada.

Fonte: (DEVICES, 2018).
.
O módulo projetado do AD8275 funciona com tensão de alimentação entre 3,3V
e 15V através dos pinos VCC e GNG. Possui dois pinos de entrada de tensão IN+ e IN-.
Dois pinos para entrada da tensão de referência, REF1 e REF2. E um pino de saída, OUT,
e outro pino de GND.
Os testes práticos com o módulo são apresentados na Figura 49. A tensão de
alimentação do módulo foi de 5V, a tensão REF1 = 0V e REF2 = 2,5V exatos. Nessa figura,
é possível observar um gerador de função configurado para gerar uma onda quadrada
bipolar de ± 2,5Vpp e frequência de 1000Hz. O módulo recebe em suas entradas, IN+ e
IN-, o sinal do gerador. E um osciloscópio faz a medição dos sinais de entrada (pela
sonda no canal CH1) e de saída pela sonda no canal CH2) do módulo. Observando as
medidas do sinal de saída, nota-se que possui tensão mínima de 720mV e tensão máxima
de 1,76V, então a amplitude de saída é VOUT = 1, 04Vpp. Para o sinal de entrada, a tensão
máxima medida é de 2,56V e a tensão mínima é igual a -2,56V, então a amplitude é
VIN = 5, 12Vpp. Por fim, dividindo o sinal de saída pelo de entrada, pode-se calcular o
ganho de amplificação: Ganho = VOUT /VIN = 1, 04Vpp / 5,12Vpp = 0,2031 v/v. Assim,
o valor do ganho calculado está de acordo com o ganho de amplificação do AD8275
(G=0,2) conforme informado no datasheet. Logo, o Módulo Ajuste de Nível foi validado,
uma vez que funcionou corretamente, conforme o esperado.

106
Figura 49 – Teste do módulo ajuste de nível AD8275, onde recebe uma onda quadrada
bipolar de ± 2, 5V/1kHz vindo do gerador de função e na sua saída o sinal é
medido pelo osciloscópio.

Sinal de Entrada

Gerador de Função
Osciloscópio

Módulo Ajuste
de Nível (AD8275)

Sinal de entrada Sinal de saída

Sinal de Saída

Fonte: autor (2022).
6.1.3.4

Teste do conversor analógico-digital
Inicialmente foi proposto utilizar o módulo conversor A/D MCP3426 projetado

neste trabalho, no entanto os testes com esse módulo não foram satisfatórios. Para
os testes, foi utilizado um gerador de função ajustado para diferentes frequências,
observou-se que o MCP3426 não é adequado para realizar a aquisição de sinais de
frequências elevadas, devido a sua baixa taxa de amostragem. A escolha do MCP3426 foi
um equívoco que ocorreu devido a não observância atenta ao seu datasheest. O MCP3426
apresenta as seguintes taxas de amostragem: 5 S/s (a 16 bits), 60 S/s (a 14 bits) ou 240 S/s
(a 12 bits). Estas taxas são muito baixas para a captação dos sinais especificados neste
trabalho.
O objetivo era utilizar um conversor A/D de 16 bits para realizar a aquisição dos
sinais biomédicos com uma resolução e precisão melhor que o ADC de 12 bits interno
do ESP32. Por exemplo, realizar a aquisição de um sinal de ECG com frequência de
amostragem de 500 Hz. E respeitar ao teorema de Nyquist, segundo o qual a frequência
de amostragem do conversor deve ser pelo menos 2 vezes maior que a frequência do
sinal. Como esse critério não podia ser cumprido pelo MCP3426, optou-se por não
utilizá-lo.

107
Figura 50 – Teste da placa amplificadora utilizando o osciloscópio e o gerador de função.

Fonte: autor (2022).
A alternativa imediata foi buscar técnicas para melhorar a precisão da leitura
do ADC do ESP32. Uma vez que, segundo dados da própria Espressif, os chips ESP32
podem apresentar ± 6% de erro de leitura de um chip para outro e a conversão não
possui uma resposta linear por toda faixa disponível para leitura. Entretanto, existem
várias formas, simples e complexas, para realizar estas correções. Uma delas é o uso da
API chamada "esp_adc_cal"5 , disponibilizada pela Espressift, que fornece funções para
corrigir diferenças nas tensões medidas causadas pela variação das tensões de referência
do ADC (Vref). Esta API foi utilizada e pode-se observar melhoria significativa na
leitura.
6.1.3.5

Teste da placa amplificadora
Testes foram realizados com a placa amplificadora para avaliar seu desempenho

quanto a amplificação de sinais em função da frequência. Na Figura 50 é apresentado
um dos testes realizados com a placa configurada para ganho de 188 v/v. No teste, foi
inserido um sinal senoidal de ±24 mV com frequência de 972 Hz, resultando num sinal
de saída com amplitude máxima de 4,64 V.
O gráfico apresentado na Figura 51 ilustra a amplitude do sinal em função da
frequência. Pode-se verificar que a curva de atenuação do sinal na saída da placa
amplificadora tem maior inclinação a partir da frequência de 10 kHz. Isto é notório e tem
relação com o filtro passa-baixa passivo na entrada do amplificador de instrumentação
5

<https://docs.espressif.com/projects/esp-idf/en/latest/esp32/api-reference/peripherals/adc.html>

108
do circuito da Figura 43. Este filtro foi projetado para atenuar sinais de frequência acima
de 10 kHz. Seu uso justifica-se pelo fato de rejeitar ruídos de alta frequência que não
comprometem a passagem dos sinais biomédicos em especificados neste trabalho, e,
dentre eles, o sinal de EMG é o que possui frequência maior, podendo chegar à 10kHz.
Figura 51 – Curva de atenuação do sinal na saída da placa amplificadora.

Fonte: autor (2022).
6.1.4

Protótipo do TSB
O protótipo do TSB é constituído pela integração dos seguintes módulos: 1

microcontrolador ESP32, 1 conversor D/A (DAC8554), 2 atenuadores de sinal e 1 ajuste
de nível, além de um conector BNC, como é ilustrado na Figura 52 nas perspectivas
fechado (à esquerda) e aberto (à direita). Os módulos foram montados em protoboard
e postos em uma caixa plástica de dimensões 20x10x5cm (comprimento x largura x
altura). As ligações elétricas entre os módulos foi realizada por meio de cabos junper. A
Figura 53 ilustrar como as ligações forma efetuadas.
O protótipo possui 5 pinos nomeados E1, E2, E3, E4 e E5/Ref, por onde saem os
sinais do TSB e servem para a conexão dos eletrodos do equipamento. Possui também
1 conector BNC para a conexão da sonda de medição, compatível com a ponteira de
osciloscópio (utilizar a escala X1), a fim de receber o sinal do equipamento.

109
1

2

3

4

5

5 S2

U1
MODULO DAC8554

WI

FI

OUT
SYNC

2 CLK
3 DIN
4 EN
5 VCC

7

4

B

C 8

3

A

D

GND 9

2 VCC

2.5Vref 10

1 GND

B 11

6 GND

A
RST
RSTSEL
LDAC

12

S0 13
S1 14

5 S2

RV6
0.35V

RV5
1.35V

4

B

3

A

ESP32-DEVKITV1

2 VCC
1 GND

REF1

1

GND

6

IN+

7

GND

8

4

IN-

3

5

GND 8
GND

9

E2

OUT_B 10

E5/REF

OUT_A 7

E3

GND 8
GND

9

OUT_B 10

E4

BNC

5
1

REF2

2

OUT

2

C

VCC

3

Modulo
AD8275

U2
MODULO 8275
4

E1

OUT_A 7

U4
MODULO ATENUADOR
6 S3
1:1, 1:9, 1:85 ou 1:1020

ESP32-WROOM-32

1

D23
D22
D1
D3
D21
D19
D18
D5
D17
D16
D4
D2
D15
GND
3V3

Modulo Atenuador
de Sinal

B

ESPRESSIF

DAC8554

EN
VP
VN
D34
D35
D32
D33
D25
D26
D27
D14
D12
D13
GND
VIN

Modulo Atenuador
de Sinal

6 S3

BOARD1
ESP32_DEVKIT_V1

1:1, 1:9, 1:85 ou 1:1020

U3
MODULO ATENUADOR

A

CONECTORES DE SAIDA PARA CONECCAO COM OS
ELETRODOS DO EQUIPAMENTO BIOMEDICO

Figura 53 – Diagrama de ligação dos módulos do TSB.

SINAL DE ENTRADA MEDIDO
(Vin_mximo = +- 6Vp).

Fonte: autor (2022).
Figura 52 – Protótipo do transceptor de sinais biomédicos nas perspectivas: (a) fechado,
ilustrando os 5 conectores de saída; e (b) aberto, ilustrando a montagem dos
módulos.
D

TITLE:

Sheet_1
Company: Your Company
Date:

1

2

3

2022-08-09

4

(b)

(a)
Fonte: autor (2022).

6.1.5

Segunda versão do TSB
Após concluído os teste de funcionalidade do protótipo da versão 1 do TSB e

verificado os resultados da análise do modelo do circuito, observou-se que os módulos
projetados funcionaram conforme o projetado e atingiram aos objetivos deste trabalho
(contemplando fins acadêmicos). A montagem elétrica dos módulos em protoboard tem
como vantagem a flexibilização nas interligações entre os módulos para executar testes

5

Draw

110
de funcionamento. Porém, a desvantagem é a sujeição à "mau-contato" nas conexões
com a protoboard, afetando negativamente a confiabilidade do sistema; outro ponto
negativo é de que os módulos necessitam de ligação por cabos para funcionar, deste
modo ficam sujeitos à ruídos causados por ondas eletromagnéticas (para minimizar
este problema foi utilizado cabos blindados em algumas ligações do circuito). Com
tudo, o desenvolvimento dos módulos foi apenas a primeira fase da metodologia de
projeto adotada, baseada em refinamento sucessivo (WOLF, 2017), e melhorias podem
ser adotadas para refinar o projeto do sistema.
Por isso, para melhorar a funcionalidade do protótipo do TSB, bem como cumprir
com a descrição realizada no Capítulo 4, foi elaborado um novo esquema eletrônico
e Placa de Circuito Impresso (PCI) integrando todos os módulos da versão 1 em uma
única placa de camadas duplas. Para isso, foi projetado o circuito e desenvolvido o layout
da PCI no software EasyEDA. Na Figura 54 é ilustrada a superfície da PCI destacando as
conexões elétricas entre os componentes e as suas dimensões, que é de 7x11,33cm. Logo
após, na Figura 55 é apresentada uma perspectiva 3D da PCI do Transceptor.
Deve-se observar que testes funcionais da segunda versão não foram descritos
neste trabalho porque somente incluiu o projeto dos circuitos (desenvolvido conforme o
diagrama 14). Entretanto, dadas as similaridades com a primeira versão, espera-se que
os resultados de validação sejam similares.
6.2

DESENVOLVIMENTO DO SOFTWARE DA SOLUÇÃO PROPOSTA
O software desenvolvido neste trabalho se refere a uma interface gráfica de usuário,

lógica de aplicação e modelo CPN embutido em um dispositivo de computação.
6.2.1

Projeto da interface gráfica de usuário
A interface gráfica de usuário foi desenvolvida utilizado o software Processing

3, como descrito na Metodologia 1.4. Sua função básica é simular sinais biomédicos,
comunicar-se com o hardware do TSB para transmitir os sinais biomédicos desejados pelo
usuário ao equipamento de aquisição de sinais biomédicos, receber os valores de sinal
medidos do equipamento pelo TSB, preparar os sinais recebidos para serem utilizados
externamente pelo MATLAB e este realizar a validação do sistema em conjunto como o
modelo CPN.
Previamente foi realizado o planejamento das funcionalidades e do layout es-

111
Figura 54 – Layout da placa de circuito impresso do transceptor de sinais biomédicos
com as dimensões 7x11,33cm.

Fonte: autor (2022).
perado do software. Em seguida, iniciou-se o desenvolvimento definindo o tamanho
da janela de visualização da interface. Os menus e botões da interface foram criados
utilizando a biblioteca "controlP5"6 . Foi utilizada a biblioteca "grafica"7 para criar a
área do gráfico e realizar a exibição gráfica dos sinais. Outra biblioteca utilizada foi a
"processing.serial"para possibilitar a comunicação serial com o hardware do TSB. Além
dessas, outras bibliotecas referentes a importação de arquivos, eventos de mouse e
teclado foram importadas para utilizar seus recursos.
6.2.2

Recursos da interface
A tela inicial da interface gráfica de usuário é apresentada na Figura 56. Onde,

através dela é possível conectar a porta serial que o TSB está conectado no computador.
Escolher a origem do sinal a ser recebido/utilizado na aplicação, sendo duas opções:
6
7

<www.sojamo.de/libraries/controlP5>
<https://jagracar.com/sketches/twoVerticalAxes.php>

112
Figura 55 – Visualização 3D da placa de circuito impresso do Transceptor de Sinais
Biomédicos.

Fonte: autor (2022).
sinal da PhysioNet ou sinal Característico. E escolher o tipo de sistema para simulação
do sinal, sendo quatro opções: ECG, EGG, EEG e EMG.
Ao pressionar o botão "ECG"do menu principal com a seleção no modo "Sinal
Característico", é iniciada a interface gráfica do usuário ilustrada na Figura 57. É possível
simular até 4 tipos de sinais: sinal de ECG, onda senoidal, onda quadrada e onda
triangular. É possível também selecionar diferentes faixas de amplitude e frequência do
respectivo sinal. A área gráfica superior plota o sinal característico selecionado. E a área
gráfica inferior recebe o sinal medido vindo do TSB. O sinal é enviado para o TSB ao
pressionar o botão "Iniciar"e para a transmissão ao pressionar o botão "Parar".
Outra opção disponível na tela principal da interface é simular "Sinais da
PhysioNet". A tela da interface que simula sinais ECG da PhysioNet está ilustrado na
Figura 58. Os sinais podem ser baixados do site da PhysioBank ATM8 no formato ".txt"e
adicionados ao diretório da interface através do botão "Adicionar Dados Biomédicos". No
8

<https://archive.physionet.org/cgi-bin/atm/ATM>

113
Figura 56 – Tela inicial da interface gráfica de usuário desenvolvida no software Processing.

Fonte: autor (2022).
bloco à esquerda da interface gráfica de usuário ficam dispostos os arquivos adicionados
para serem visualizados. Na borda inferior da interface, o botão "Iniciar"possibilita
que o sinal se movimente ou pare na tela gráfica e o botão "Reiniciar"permite voltar
para o início da visualização do sinal no gráfico. Utilizando o mouse, é possível aplicar
efeitos de zoom, pan e reset para melhor visualizar o sinal plotado na área gráfica. As
informações a respeito do sinal são apresentado no lado direita da área do gráfico.
O sinal visualizado no gráfico pode ser enviado para o hardware do TSB. Para
isso, o botão "Selecionar"deve ser pressionando para habilitar a seleção de parte do sinal
desejado. Na tela da interface da Figura 59, é mostrado um exemplo do sinal selecionado
(gráfico superior). Para o sinal selecionado ser enviado ao TSB, basta pressionar o botão
"Gravar". A área do gráfico inferior é para plotar o sinal medido pelo TSB referente ao
sinal enviado. O botão "Parar"encerra a transmissão e recepção de dados com o TSB.
Os dados medidos do TSB e os dados do sinal enviado são salvos num formato

114
Figura 57 – Tela para apresentar os sinais característicos de ECG.

Fonte: autor (2022).
de arquivo de texto no diretório da interface gráfica de usuário. Os dados do sinal
enviado, em específico, são enviados ao modelo CPN dos SASB para simulação e
posterior comparação, no MATLAB, com os sinais recebidos do equipamento biomédico.
Métricas de desempenho são implementadas, através do MATLAB, para calcular o
erro médio quadrático e o erro médio absoluto entre o sinal simulado no modelo
CPN (sinal desejado) e o sinal obtido do Equipamento. Com isso, é possível avaliar
matematicamente a morfologia do sinal obtido do equipamento comparando-a com a
morfologia do sinal desejado.
6.3

PROGRAMAÇÃO DO MICROCONTROLADOR
O microcontrolador ESP32 é o responsável por gerenciar todas as funcionalidades

do Transceptor de Sinais Biomédicos e se comunicar com a interface gráfica de usuário
do software.

115
Figura 58 – Tela para apresentar os sinais da PhysioNet de ECG.

Fonte: autor (2022).
6.3.1

Etapas de processamento
O diagrama de blocos apresentado na Figura 60 ilustra o fluxo de dados que

transitam entre o software (no computador) e o microcontrolador do TSB. O destaque mair
é dado ao TSB, com foco no microcontrolador. É apresentado o fluxo (setas orientadas)
das etapas de funcionamento do TSB na seguinte ordem: microcontrolador ESP32,
conversão digital-analógica (DAC), atenuação, aquisição do sinal pelo equipamento
biomédico, ajuste do nível de tensão do sinal medido do equipamento e conversão
analógica-digital (ADC) do sinal pelo ESP32.
O firmware do microcontrolador foi desenvolvido na IDE do Arduino. As funcionalidades programadas para o microcontrolador foram baseadas na descrição feita
na subseção Componentes do Hardware 4.2.1 e na ilustração do diagrama de blocos da
Figura 14.
A programação foi dividida entre os dois núcleo do ESP32 (Núcleo 0 e Núcleo 1),
de modo que cada um ficou responsável por processar tarefas específicas:
• O Núcleo 0 ficou responsável por três tarefas principais:
– receber dados pela interface serial, mais especificamente valores referentes ao

116
Figura 59 – Seleção do sinal de ECG (gráfico superior) para ser enviado ao hardware TSB.

Fonte: autor (2022).
sinal digital, frequência de amostragem (Fs), tensão de referência, ganho
de amplificação e comandos específicos (e.g., início e fim da transmissão).
Estes dados são recebido a partir da interface gráfica de usuário do software.
Os dados recebidos são guardado na memória flash de 4 MBytes do ESP32
para, em seguida, serem utilizados nas etapas de configuração dos módulos
e reprodução do sinal.
– configurar os módulos, isto é, selecionar automaticamente a tensão de referência
(Vre f ) do módulo conversor D/A (especificada na Tabela 7) e o ganho de
atenuação (k) do módulo atenuador de sinal (especificado na Tabela 8). O
valor de Vre f é enviado pelo software, sendo escolhido levando em consideração
ao tipo de sinal biomédico e a sua amplitude. O valor de k é enviado pelo
software (onde, k = amplitude do sinal original / tensão de referência do
conversor D/A).
– fazer a transmissão do sinal para o conversor D/A, através da interface SPI, para
ser convertido do nível discreto (digital) para o nível contínuo no tempo
(analógico). Em seguida, o sinal passa pela etapa de atenuação do módulo
atenuador, a fim de retornar à amplitude original. Por fim, o sinal é liberado

117
para os terminais de aquisição para ser adquirido por um equipamento
biomédico.
• Já o Núcleo 1 foi designado para realizar duas tarefas principais:
– ler sinais externos por meio do conversor analógica-digital (ADC). A leitura ADC é
realizada pela porta GPIO35 do ESP32 na resolução de 12 bits e frequência
de amostragem máxima de 2 MS/s (2x106 amostras por segundo). Por razões
especificadas no projeto de hardware (por exemplo, acúmulo de muitos dados),
não foi utilizada a frequência máxima possível do ADC, ao invés disso, foi
limitada a frequência de amostragem (Fs) do sinal simulado definida no
software, que é também recebido pelo Núcleo 0. Por exemplo, se a Fs do sinal
no software mudar e este for enviado para o TSB, a Fs do ADC do ESP32
também mudará. A desvantagem dessa atitude é a dificuldade de projetar um
filtro anti-aliasing, já que ele precisaria ser alterado toda vez que a frequência
de amostragem mudar. Por isso, para minimizar os erros de falsa leitura e
contemplar a leitura de sinais biomédicos de frequências maiores (como o
EMG), foi projetado um filtro anti-aliasing para frequência de corte de 10 kHz.
O ponto de aquisição pelo ADC é logo após a saída do módulo ajuste de
nível.
– transmitir o sinal lido para o software em dispositivo de computação. O sinal obtido
pelo hardware TSB é transmitido ao software por intermédio da interface USB,
a uma velocidade de transmissão de 115200 bps. Desta forma, a interface
gráfica de usuário recebe e plota o sinal para ser visualizado em tela gráfica,
bem como guarda os dados recebidos e possibilita o acesso do mesmo ao
usuário. O fim da transmissão é determinada pelo usuário, via software, por
meio de comando enviado ao hardware.
Desta forma, os dois núcleo trabalham simultaneamente sem interrupção, podendo comunicar-se entre si, configurando maior poder de processamento.
6.4

VALIDAÇÃO COM UM SISTEMA DE ECG COMERCIAL
A validação individual de cada módulo foi realizado na subseção 6.1.3. Nesta

seção, objetiva-se validar o protótipo do TSB com todos os módulos reunidos fazendo
parte de um sistema único. Neste sentido, foi utilizado o equipamento/monitor de ECG

118
Figura 60 – Diagrama em blocos ilustrando o fluxo de dados entre o Software (no
computador) e o microcontrolador do TSB.
Base de
Dados
Biomédicos

Transceptor de Sinais Biomédicos (TSB)

Envio

Software
(computador)

Comandos,
(Fs, Sinal
digital)

ESP32
Núcleo 0

(Sinal
digital)*k
SPI

DAC
(16 bits)
Vref = 2,5 V

Sinal
analógico

Atenuador
k= 1/1020

(Sinal
analógico)/k

USB
(Fse,
Sinal equip.)

Ajuste de
ADC
nível
Sinal Equip.
Vref
= 2,5 V
ajustado
Veq_adj = 0,2*Veq – 1,25*Vref

Núcleo 1

Vref = tensão de referência do DAC (opções: 0,35V; 1,35V; ou 2,5V)
Vmax = tensão de entrada máxima para o módulo ajuste de nível
Veq = tensão na saída do equipamento biomédico
Veq_adj = tensão Veq ajustada é medida pelo ADC do ESP32

Veq
Sinal Equip.
Vmax = ± 6V

Equipamento
Biomédico
(ECG, EEG,
EMG e EGG)

Aquisição
do sinal

Fs = Frequência de amostragem do sinal
Fse = Freq. de amostragem do ESP (2 x Fs)
k = ganho de amplificação (opções: x1; x9;
x85; ou x1020)

Fonte: autor (2022).
multiparâmetro, modelo ENGC901448, da Instramed, obtido em parceria com uma
empresa de manutenção de aparelhos medico-hospitalares.
6.4.1

Transmissão e recepção do sinal do equipamento de ECG
Primeiramente, o protótipo do TSB foi conectado na porta USB do dispositivo de

computação com o software da aplicação desenvolvida aberto. Uma vez que o software
reconhece a porta serial onde o TSB está conectado, pode-se fazer a seleção do sinal
desejado. Para este teste de validação, foi escolhido um sinal característico de ECG com
frequência de 60bpm, derivação D1, frequência de amostragem igual a 553 Hz, duração
de 0,98 segundos, tensão máxima igual a 1,9mV e tensão mínima igual a 0,01mV.
Na Figura 61 é ilustrada a transmissão do sinal de ECG especificado através
do software ao hardware do TSB. Foram conectados 5 garras do equipamento de ECG
multiparâmetro (à direita) nos 5 pinos do TSB para realizar a aquisição do sinal de
derivação D1. A configuração do equipamento também foi programada para a leitura do
sinal de derivação D1, como apresenta a Figura 62. A conexão das garras do equipamento
nos pinos do TSB seguiu a disposição apresentada na Tabela 9 e ilustrada na Figura 63,
seguindo o padrão europeu (IEC9 ): L (amarelo), C (branco), R (vermelho), F (verde) e N
(preto).
9

IEC – Commission Electrotechnique Internationale (Comissão Eletrotécnica Internacional)

119
Figura 61 – Ilustra a transmissão e recepção de um sinal de ECG após ser processado
pelo monitor de ECG multiparâmetro.

Fonte: autor (2022).
O TSB realiza a captura do sinal processado pelo equipamento biomédico. A
captura deve ser preferivelmente realizada após os estágios de amplificação e filtragem
e antes da etapa de conversão analógio-digital do equipamento. Neste trabalho, o TSB
realizou a medição do sinal diretamente da placa de circuito impresso do equipamento,
como apresenta a Figura 64. A captura do sinal é realizada utilizando uma ponteira de
medição blindada, do tipo para osciloscópio. Ao mesmo tempo que o TSB mede o sinal
do equipamento, este continua a fazer a aquisição através dos pinos do TSB, desta forma
o TSB realiza duas tarefas ao mesmo tempo graças aos dois núcleos do microcontrolador
(um que faz a escrita e outro a leitura dos sinais). Simultaneamente, o sinal medido é
enviado pela porta USB ao software. Por sua vez, o software faz a recepção do sinal em
tempo real e apresenta-o graficamente em sua tela. Os valores de tempo e tensão do
sinal são salvos automaticamente numa pasta específica dentro do diretório do código
fonte do software. Foram realizados repetidos testes com duração de alguns minutos.
6.4.2

Análise dos sinais obtidos do equipamento de ECG comercial
Uma vez que o software da interface gráfica de usuário obtém o sinal do equi-

pamento de ECG comercial e salva-o com os valores de tempo e tensão, passa-se a
realizar a sua análise. A análise objetiva verifica a morfologia do sinal obtido, a presença
de ruídos e realizar uma possível filtragem no sinal. Para a análise do sinal obtido do

120
Figura 62 – Configuração do Monitor multiparâmetro para a derivação DI, sensibilidade
5, filtros de 50/60 Hz e 35 Hz ligados.

Fonte: autor (2022).
equipamento de ECG, foi utilizado o software MATLAB (as mesmas análises foram
realizadas também no software Octave).
Na Figura 65(a) é apresentado o gráfico do sinal característico de ECG (60bpm)
enviado para o equipamento comercial de ECG. Já na Figura 65(b) é visualizado uma
amostra do sinal, com duração de 7 segundos, obtido do equipamento pelo TSB. Nota-se
no sinal da Figura 65(b) que o início da aquisição apresentou desvio na linha de base e
depois de 2 segundos a linha de base foi estabilizada. Outra constatação é a presença de
alguns ruídos no sinal.
Para retirar os ruídos do sinal da Figura 65(b), sinal do equipamento, e melhorar
seu aspecto, foi projetado um filtro digital no MATLAB do tipo IIR, ordem 2, frequência

121
Figura 63 – Posição dos eletros do equipamento de ECG nos pinos do TSB em conformidade com o padrão IEC.

Fonte: autor (2022).
Tabela 9 – Eletrodos do TSB versus Equipamento de ECG..
Pinos do TSB
E1
E2
E3
E4
E5/Ref

Ligação dos eletrodos para o ECG
Padrão Americano Padrão Europeu
LA (preto)
L (amarelo)
V (roxo)
C (branco)
RA (branco)
R (vermelho)
LL (vermelho)
F (verde)
RL (verde)
N (preto)
Fonte: autor (2022)

Posição
Braço Esquerdo
Tórax
Braço Direito
Perna Esquerda
Perna Direita

passa-alta igual a 0,05 Hz e frequência passa-baixa igual a 15 Hz. O resultado da filtragem
é mostrado no gráfico da Figura 66, plotado em comparação com o sinal original ainda
com ruído.
O espectro da FFT do sinal ruidoso em comparação ao sinal filtrado é mostrado
no gráfico da Figura 67, onde nota-se a retirada o ruído.
O próximo passo consistiu em simular o mesmo sinal característico enviado
para o equipamento de ECG no modelo CPN dos SASB, a fim de posteriormente
compara o sinal resultante da simulação com o sinal obtido do equipamento. Antes de
simular o modelo, foi feita a sua parametrização no bloco CONSTANTES, definindo o
sistema = ECG, derivação = D1, ganhoEntrada = 842.3 (ganho obtido do equipamento),

122
Figura 64 – Mostra o ponto de medição do sinal processado pelo monitor de ECG.

Fonte: autor (2022).
ganhoDiferencial = 1.0, ajusteLinhaBase = 0.0, bitsConversorAD = 12.0, tensaoReferencia =
2500.0 (em mV), CMRRdB = 120.0 (valor hipotético) e os outros parâmetros não foram
alterados. Utilizando o MATLAB foi gerado os coeficientes da resposta complexa dos
filtros projetados para o sinal característico, com o objetivo de de serem utilizados para
o filtro do modelo CPN. O resultado comparativo é mostrado na Figura 68.
6.4.3

Medindo as Semelhanças dos Sinais
Nesta etapa é realizada a avaliação quantitativa das semelhanças entre os três

sinais: (i) o original enviado para o modelo CPN e para o aparelho de ECG comercial,
(ii) o sinal processado retornado do modelo CPN e (iii) o sinal processado retornado
do aparelho de ECG comercial. É relevante observar que esta validação também
complementa a validação do modelo CPN apresentado no capítulo anterior. Esta
análise objetiva responder as seguintes questões: (1) Os sinais enviados e retornados
são semelhantes quanto à frequência, fase e amplitude? (2) Como os dois sinais estão
relacionados? (3) Como comparar sinais com diferentes comprimentos ou diferentes
taxas de amostragem? (4) Como identificar se existe um sinal ou apenas ruído em uma

123
Figura 65 – (a) Sinal de ECG (60 bpm) característico enviado para o equipamento de ECG;
(b) Sinal de ECG (60 bpm) medido pelo hardware TSB após ser processado
pelo equipamento de ECG.

(a)

(b)
Fonte: autor (2022).

Tabela 10 – Comparação das grandezas ganho, amplitude e frequência do Equipamento
de ECG com o modelo CPN. Fonte: autor (2022).
Grandeza
Modelo CPN Equipamento de ECG
Ganho
727,6
842,3
Frequência (bpm)
60
61
Amplitude (Vpp)
1,44
1,69
Fonte: autor (2022).
medição?
Como resposta a questão (1), é apresentado a Tabela 10 comparando as grandezas
ganho, amplitude e frequência do Equipamento de ECG com o modelo CPN. A priori,
não se sabe o valor do ganho do equipamento. Mas é possível calculá-lo fazendo um
teste de verificação, enviado uma onda senoidal ou quadrada de baixa amplitude (e.g.
1mVpp/1Hz) para medir a respostas do equipamento. Com isso, é possível calcular o
ganho simplesmente dividindo o valor médio do sinal pelo valor do sinal enviado.
Depois, usa-se esse valor do ganho do equipamento na especificação do modelo CPN
(no bloco CONSTANTES).
O ganho de amplificação do sinal do equipamento de ECG foi de 842,3 v/v e,
utilizando-o como parâmetro de entrada no ganho do modelo CPN, foi obtido 727,6 v/v
(atenuação de 13,6%). Por esse motivo, a amplitude (valor pico-pico) do sinal de saída
do modelo ficou abaixo da amplitude do sinal medido do equipamento. Em relação
a frequência, houve uma variação pequena de 1 bpm entre a frequência do sinal do
modelo e a do equipamento, porém pode-se considerar essa como uma variação normal.

124
Figura 66 – Comparação do sinal de ECG ruidoso versus filtrado do equipamento
comercial.

Fonte: autor (2022)
Comprimentos diferentes impedem que se calcule a diferença entre dois sinais,
como por exemplo realizar as métricas de desempenho RMSE e MAE pretendidas.
Mas isso pode ser corrigido extraindo as partes comuns dos sinais, equalizando os
comprimentos. A correlação cruzada pode ser realizada entre sinais com comprimentos
diferentes, mas é essencial garantir que eles tenham taxas de amostragem idênticas. A
maneira mais segura de fazer isso é reamostrar o sinal com uma taxa de amostragem
mais baixa (MATHWORKS, 2022).
O processo de reamostragem pode ser facilmente aplicada utilizando uma função
do MATLAB chamada resample, que funciona em conjunto um filtro FIR passa-baixa
anti-aliasing. Esta implementação foi realizada com o sinal resultante da simulação do
modelo CPN por conter maior número de amostras por período, em relação ao sinal
obtido do equipamento de ECG. Para fins de comparação, o sinal CPN reamostrado foi
apresentado no mesmo gráfico com o sinal do equipamento, como apresenta a Figura 69.
Após fazer a reamostragem dos sinais, as métricas foram calculadas. Nesta Tabela
11 é apresentado as métricas de desempenho do sinal do equipamento de ECG com o

125
Figura 67 – Espectro de frequência do sinal ruidoso versus sinal filtrado do equipamento
de ECG comercial.

Fonte: autor (2022).
Tabela 11 – Métricas de desempenho do sinal do equipamento de ECG entre o sinal
enviado e a saída do modelo CPN.
Métricas
EQP3 x ENV4
1
RMSPE (%)
25,60
2
MAPE (%)
9,28
1

CPN5 x ENV
40,42
12,72

EQP x CPN
16,30
10,71

RMSE expressa em porcentagem; 2 MAE expressa em porcentagem; 3 Sinal medido do equipamento de
ECG; 4 Sinal característico enviado; 5 Sinal processado no modelo CPN.

Fonte: autor (2022).
sinal enviado (EQP x ENV), do sinal de saída do modelo CPN com o sinal enviado (EQP
x ENV) e do sinal do equipamento com o sinal de saída do modelo CPN (EQP x CPN).
As métricas RMSE e MAE foram expressas em porcentagem para melhor representar a
semelhança/discrepância entre os dois sinais.

126
Figura 68 – Comparação do sinal de ECG filtrado do Equipamento versus o sinal filtrado
do modelo CPN.

Fonte: autor (2022).
6.5

ASPECTOS POSITIVOS
Com esse trabalho foi possível desenvolver um sistema (hardware e software)

de simulação e analise de sinais biomédicos. O hardware desenvolvido é chamado de
transceptor de sinais biomédicos, sendo caracterizado por:
• ser um dispositivo microcontrolado;
• se comunicar com um software próprio por meio de interface USB;
• receber até quatro sinais por vez do software;
• possuir um módulo conversores digital-analógico de quatro canais com três opções
de tensão de referência de 2, 5V, 1, 35V e 0, 35V, selecionada automaticamente
em função da amplitude do sinal de entrada;

127
Figura 69 – Comparação dos sinais CPN versus Equipamento após a reamostragem.

Fonte: autor (2022)
• possuir dois módulos atenuadores de sinais com escalas de atenuação de 1/1 (0dB),
1/9 (−19, 1dB), 1/85 (−38, 6dB) e 1/1020 (−60, 2dB), selecionadas automaticamente
em função da amplitude do sinal de saída desejado;
• disponibilizar quatro pontos de saída de sinal e um ponto de referência para um
equipamento externo realizar a aquisição;
• realizar medições de sinais externos com amplitude máxima de 6V e frequência
de amostragem de 2M/s (pelo ADC do ESP32);
• possuir um módulo ajuste de nível de tensão bipolar para unipolar;
• utilizar uma ponteira de medição passiva (compatível com a de osciloscópio);
• realizar a conversão analógica-digital com resolução de 12 bits através do microcontrolador.
Além disso, um software foi desenvolvido, sendo caracterizado por:

128
• ser um ambiente de simulação de sinais biomédicos, transmissão e recepção de
sinais via interface USB com o TSB;
• interagir como o modelo formal do sistema de aquisição de sinais biomédicos no
CPN Tools; e
• interagir com o MATLAB para obter os resultados das métricas de desempenho
efetuados.
Sinais biomédicos reais provenientes da PhysioBank ATM e sinais característicos
gerados digitalmente são disponibilizados no software desenvolvido, com possibilidade
de seleção de regiões desejada do sinal, mudança da amplitude e alteração de frequência.
O sistema desenvolvido possibilita o envio de sinais tanto para o modelo formal
(simulação) como para o equipamento comercial (a ser validado). Faz uso das metrias
de desempenho RMSE e MAE para comparar os sinais retornados nas duas etapas,
simulado com o modelo formal e retornado após ser processado no equipamento. O
objetivo é avaliar se ambos os sinais são similares e, com isso, validar o equipamento
em teste. Para comprovação, foi realizado um teste de validação bem sucedido com um
equipamento de ECG comercial, usando o sistema desenvolvido.
Outro ponto que esta proposta apresenta é a de seu custo ser relativamente baixo,
quando comparado com equipamento de simulação comercial de fim específico (e.g.,
simulador de ECG), utilizado para a calibração de equipamentos médicos. A média
de custo ainda é elevado, em torno de R$ 1.332,00. A solução proposta e desenvolvida
neste trabalho possui custo de R$ 170,00 (custo só do protótipo), mais R$ 75,00 (custo da
sonda de medição), totalizando R$ 245,00, ainda utilizando um único sistema validador.
Em suma, quanto às finalidades:
• destina-se ao campo da engenharia biomédica;
• pode ser utilizado para verificar previamente os equipamentos biomédicos (e.g.,
monitores de ECG) identificando se esses estão com algum problema no processo
de aquisição antes de começar a monitorar os pacientes;
• pode ser utilizado na manutenção corretiva de equipamentos médicos de aquisição
de sinais;
• pode ser utilizado por órgãos validadores de equipamentos biomédicos durante
os processos de certificação de equipamentos;

129
• de forma complementar, é útil também nas áreas de ensino, pesquisa e para o
treinamento de profissionais.
6.6

LIMITAÇÕES
A solução projetada e descrita no Capítulo 4 não foi plenamente concretizada

devido a alguns fatores, que são destacadas abaixo:
1. Dificuldade de acesso aos equipamentos de EEG, EMG e EGG para realizar testes
e averiguações funcionais do protótipo do TSB e da interface gráfica desenvolvida.
Isso impactou na obtenção de resultados mais concretos de parte da proposta do
sistema;
2. Dificuldade de acesso ao diagrama elétrico do equipamento comercial para
identificar as etapas de processamento analógico e, com isso, encontrar o ponto
exato de saída do sinal para ser feita a medição pelo TSB (naturalmente apenas as
empresas autorizadas de manutenção de equipamentos médicos possuem acesso
ao diagrama elétrico). Outro ponto é a dificuldade de acesso ao projeto dos filtros
interno ao microcontrolador do equipamentos comercial.
3. Não foi desenvolvida uma versão completa e totalmente funcional do sistema,
que na versão atual, consiste em protótipos de hardware e software.

130

7 CONCLUSÕES
Neste trabalho foi desenvolvido um sistema baseado em simulação constituído
de hardware e software para a validação de sistemas de aquisição de sinais biomédicos,
mais especificamente sistemas de Eletrocardiografia (ECG), Eletroencefalografia (EEG),
Eletromiografia (EMG) e Eletrogastrografia (EGG). Tais equipamentos precisam passar
por verificação/manutenção periódica, conforme as exigências presentes em legislações
do Ministério da Saúde e da Anvisa, como indica a RDC n.º 2/2010. No contexto da
manutenção, são realizadas avaliações de desempenho, calibração de parâmetros e
validações de exatidão e eficácia. Simuladores de sinais fisiológicos são essenciais durante
estas atividades. Além disso, simuladores são importantes no processo de fabricação de
equipamentos biomédicos, sendo aplicados em testes para validação final de produtos
e em situações específicas que surgem durante o processo de desenvolvimento.
Como resposta ao primeiro objetivo específico, no Capitulo 4 foram especificados
e arquitetados os componentes de hardware e software (incluindo interface gráfica), onde
foram descritas suas funcionalidades. Além disso, este capítulo serviu de guia para
o desenvolvimento do sistema proposto. Os componentes de hardware especificados
referem-se ao dispositivo Transceptor de Sinais Biomédicos (TSB), que é um dispositivo
transmissor e receptor de sinais, cujas partes principais são: microcontrolador, conversor
digital-analógico, atenuador de sinais e ajuste de nível de tensão. Os componentes de
software estão relacionados a interface gráfica de usuário, lógica de aplicação e modelo
CPN embutido em dispositivo de computação para interagir com o dispositivo TSB,
realizando simulações de sinais, validações, entre outras funcionalidades.
Foi realizada a validação do transcetor de sinais biomédicos (TSB), considerando
dois níveis: nível de hardware, com a validação da funcionalidade dos módulos; e nível
de software, com base na aquisição do sinal recebido do equipamento comercial. Além
disso, foi realizada a validação do modelo CPN, comparando o sinal processado e
obtido do equipamento de ECG comercial ENGC901448 da Instramed, sendo feito uso
do MATLAB para obter os resultados das métricas de desempenho efetuados. Na etapa
de validação, foi realizada a configuração da posição dos eletrodos para cada derivação,
tanto no hardware como no modelo CPN, conforme a Tabela 4. Portanto, foram testados
os cinco pinos dos eletrodos utilizados na solução proposta. Além disso, foi possível
demonstrar que o modelo CPN especificado pode ser embutido e executado em um

131
Tabela 12 – Especificações finais do protótipo TSB.
Especificação
Máxima frequência de entrada
Máxima taxa de amostragem
Resolucão do conversor A/D
Resolucão do conversor D/A

Mínima frequência visualizável
Máxima tensão sem atenuador
Máxima tensão com atenuador x10

Valor
10 kHz
2 MS/s
12 bits
16 bits
USB 2.0 (velocidade
máxima de 12 Mbps)
20x10x5cm
(comprimento x
largura x altura)
0Hz
±6.0v
±60v

Tensão de alimentação

5V

Consumo máximo do circuito

150mA

Determinada pelo firmware
Sem ponteira de atenuacão
Com ponteira atenuadora 1:10
Entrada da alimentação pelo conector
micro USB do ESP32
Calculado

Precisão da tensão medida

±6%

Média da aferição pelo ADC do ESP32

Tamanho da memória buffer

4KBytes

Memória flash do ESP32

Quantidade de canais para aquisição
pelo ECG/EEG/EMG/EGG

5

Sendo 4 para saída de sinais e 1 de
referência

Sistema operacional adotado

Windows 10 e Linux
Mint

Testado com o software que comando
o protótipo do TSB

Tipo de interface
Dimensões do protótipo

Comentário
Com 10 amostras por ciclo
Determinada pelo ADC do ESP32
Determinada pelo ADC do ESP32
Determinada pelo DAC8554
Determinada pelo CP2104 (integrado
ao módulo ESP32)
Módulos + ESP32

Fonte: autor (2022).
dispositivo de computação fora da ferramenta do CPN Tools por meio da biblioteca
Access/CPN.
Assim, o protótipo do TSB, enquanto parte da solução desenvolvida, foi testado
e validado somente para o sistema de ECG. Mas o sistema como um todo (hardware e
software) foi especificado e projetado para trabalhar com os demais sistemas de aquisição
de sinais biomédicos citados. O sistema também é relevante por ser portátil e de baixo
custo. As especificações finais do protótipo são descritas na Tabela 12.
Em suma, uma das formas de contribuir para antecipar a detecção de funcionamentos inadequados em SASB, é melhorar o processo de teste/validação/certificação
dos dispositivos que serão comercializados. Por isso, este trabalho propôs contribuir
com o desenvolvimento de um sistema que possibilite executar previamente processo
de teste/validação/certificação é um passo concreto. É importante destacar que o sistema
previsto deve ser correto por construção, de modo que ele mesmo, não seja fonte
de funcionamentos inadequados, razão pela qual utiliza-se métodos formais na sua
concepção. A utilização de métodos formais, endoça a possibilidade de conceber um

132
sistema reconfigurável, que poderá ser usado no processo de teste/validação/certificação
de mais de um tipo de dispositivo biomédico.
Para abordar as limitações, pretende-se buscar parcerias com hospitais universitários e/ou empresas autorizadas de equipamentos medico-hospitalares com a finalidade
de obter acesso a tais equipamentos para melhorar as validações do funcionamento do
sistema simulador e validador desenvolvido neste trabalho. Como medida para resolver
outras limitações, propõe-se estender os protótipos de software e hardware relacionados
com a solução proposta para disponibilizar um sistema completo e totalmente funcional
com base na solução proposta.
Por fim, como contribuição científica, foi depositado um pedido de patente de
invenção no Instituto Nacional da Propriedade Industrial (INPI), em parceria com a
UFAL, intitulado "SISTEMA DE SIMULAÇÃO PARA A VALIDAÇÃO DE MÚLTIPLOS
EQUIPAMENTOS BIOMÉDICOS", processo número BR 10 2021 002591 3.

133

REFERÊNCIAS
ALBUQUERQUE, Y. ESP32 pinout – Guia Básico de GPIOs. 2020. Disponível em:
<https://blog.smartkits.com.br/esp32-pinout-guia-basico-de-gpios/>.
ALEMZADEH, H.; IYER, R. K.; KALBARCZYK, Z.; RAMAN, J. Analysis of
safety-critical computer failures in medical devices. IEEE Security & Privacy, IEEE,
v. 11, n. 4, p. 14–26, 2013.
ALEXANDRE, C. K.; SADIKU, M. N. O. Fundamentos de Circuitos Elétricos. 5. ed.
Porto Alegre: AMGH, 2013.
AMEER, S.; BASIR, O. Objective image quality measure based on weber-weighted
mean absolute error. In: 2008 9th International Conference on Signal Processing. [S.l.:
s.n.], 2008. p. 728–732.
ANDRIGHETTO, E.; ADUR, R.; RATHKE, J.; POSSA, P.; SANTOS, F. C. M.; ARGOUD,
F. I. M.; AZEVEDO, F. M.; NETO, J. F. Proposta de uma plataforma didática para o
ensino de engenharia biomédica em cursos de graduação de engenharia elétrica: I os
sinais bioelétricos. In: . [S.l.: s.n.], 2007.
ANSARI, M. S. Analog front-end design for biomedical signal acquisition systems. CSI
Transactions on ICT, Springer, v. 7, n. 3, p. 199–204, 2019.
BANCA, M. M. R. L.; JUNIOR, J. J. A. M.; PIRES, M. B.; JR, S. L. S. Captura e
processamento de sinais biomédicos utilizando o labview. In: BRAZILIAN JOURNAL
OF INSTRUMENTATION AND CONTROL. [S.l.], 2016.
BHATTACHARYYA, A.; SHARMA, M.; PACHORI, R. B.; SIRCAR, P.; ACHARYA, U. R.
A novel approach for automated detection of focal eeg signals using empirical wavelet
transform. Neural Computing and Applications, Springer, v. 29, n. 8, p. 47–57, 2018.
BRASIL. RESOLUÇÃO Nº 2, DE 25 DE JANEIRO DE 2010: Dispõe sobre o
gerenciamento de tecnologias em saúde em estabelecimentos de saúde. Ministério
da Saúde: Agência Nacional de Vigilância Sanitária (ANVISA). Diário Oficial [da]
República Federativa do Brasil, Poder Executivo. Brasília, 2010.
BRASIL. Resolução da Diretoria Colegiada - RDC Nº 16, de 28 de Março de 2013.
Ministério da Saúde: Agência Nacional de Vigilância Sanitária (ANVISA), 2013.
BRONZINO, J. D. The Biomedical Engineering HandBook. 2. ed. [S.l.]: CRC Press
LLC, 2000.
CARMO, J. P.; CORREIA, J. H. Introdução à Instrumentação Médica. Lisboa-Portugal:
LIDEL, 2013.
CONSTANTINE, H. C. CPR training system and methods. 2001. Patent US9633577B2,
06/03/2001.
CUNHA, P. C. d. N. Um modelo de eletrocardiógrafo portátil de baixo consumo.
Dissertação (Dissertação (Mestrado em Modelagem Computacional de Conhecimento))
— Universidade Federal de Alagoas, Maceió, 2012.

134
DEVICES, A. AD8275, datasheet. [S.l.: s.n.], 2018. <https://pdf1.alldatasheet.com/
datasheet-pdf/view/254491/AD/AD8275.html>.
ESPRESSIF. ESP32-WROOM32 Datasheet V3.0. [S.l.: s.n.], 2020. Disponível em:
<https://www.espressif.com/sites/default/files/documentation/esp32-wroom-32_
datasheet_en.pdf>.
FABBRO, P. A. D. et al. Projeto de um amplificador de instrumentação cmos integrado.
[sn], 2002.
FERREIRA JÚNIOR, J. I.; CUNHA, P. C. D. N. C. Desenvolvimento de um protótipo
didático para aquisição de sinais de pequenas amplitudes aplicado a eletrônica
analógica ii. EDUCTE: Revista Científica do Instituto Federal de Alagoas, v. 8, n. 1, p.
881–891, 2020.
FERREIRA JUNIOR, J. I.; SILVA, L. D.; CORDEIRO, T. D.; VASCONCELLOS, E. M. M.;
SOBRINHO, A. d. C. C.; PERKUSICH, A.; CUNHA, P. C. N.; LIMA., A. M. N. Sistema
de Simulação para a Validação de Múltiplos Equipamentos Biomédicos. 2021. Patent
BR 10 2021 002591 3, 11/02/2021.
FILGUEIRA, J. de O. Equalizador Automático de Áudio. Tese (B.S. thesis) —
CENTRO UNIVERSITÁRIO DE BRASÍLIA - FACULDADE DE CIÊNCIAS EXATAS E
TECNOLOGIA, Brasília, 2006.
FILIPE, E.; PELLEGRINO, O.; BARATTO, A. C.; OLIVEIRA, S. P. de; MENDOZA, V.
M. L. Vocabulário internacional de metrologia–conceitos fundamentais e gerais e termos
associados (vim 2012). Instituto Nacional de Metrologia, Qualidade e Tecnologia
(INMETRO), Imetro, 2012.
FREITAS, M. L. B. Análise de características do sinal EMG para auxílio em processos
de classificação de padrões. Tese (B.S. thesis) — Universidade Tecnológica Federal do
Paraná, 2018.
GIL, A. C. et al. Como elaborar projetos de pesquisa. [S.l.]: Atlas São Paulo, 2002. v. 4.
GOIS, D.; LIMA, J.; CHELLA, M.; JúNIOR, M. Youmake: A low-cost, easy for
prototyping, didactic and generic platform for acquisition and conditioning of
biomedical signals. In:
. [S.l.: s.n.], 2018. p. 473–497. ISBN 978-3-319-93374-0.
GOLDBERGER, A.; AMARAL, L.; GLASS, L.; HAUSDORFF, J.; IVANOV, P.; MARK, R.;
MIETUS, J.; MOODY, G.; PENG, C.-K.; STANLEY, H. Physiobank, physiotoolkit, and
physionet : Components of a new research resource for complex physiologic signals.
Circulation, v. 101, p. E215–20, 07 2000.
GREENBERG, I.; XU, D.; KUMAR, D. Processing: Creative Coding and Generative Art
in Processing 2. [S.l.]: Apress, 2013.
HAWKINS, R.; HABLI, I.; KELLY, T.; MCDERMID, J. Assurance cases and prescriptive
software safety certification: A comparative study. Safety science, Elsevier, v. 59, p.
55–71, 2013.
HUBKA, P.; ROSIK, V.; ZDINAK, J.; TYSLER, M.; HULÍN, I. Independent component
analysis of electrogastrographic signals. Measurement science review, v. 5, n. 2, p.
21–24, 2005.

135
INTERTEK. Why 90% of medical devices fail product certification testing the first
time. Massachusetts: Intertek ETL SEMKO: [s.n.], 2008.
JENSEN, K.; KRISTENSEN, L. M. Coloured Petri nets: modelling and validation of
concurrent systems. [S.l.]: Springer Science & Business Media, 2009.
JR, A. P. Amplificadores Operacionais e Filtros Ativos-8. [S.l.]: Bookman Editora, 2015.
KHAN, S.; TUSHAR, F. I.; ROKAN, A.; CHOWDHURY, R. Development of a modular
biopotential amplifier trainer for biomedical instrumentation laboratory experiments.
02 2018.
KHANDPUR, R. S. Handbook of biomedical instrumentation. [S.l.]: McGraw-Hill
Education, 1987.
KITCHIN, C.; COUNTS, L. A designer’s guide to instrumentation amplifiers. 3. ed.
[S.l.]: Analog Devices, 2006. v. 1.
KOVACS, L. O que é firmware? 2022. <https://tecnoblog.net/responde/
o-que-e-firmware/#:~:text=O%20firmware%20%C3%A9%20um%20software,
dispositivo%20se%20comunique%20com%20outros.> Online; acesso em 10 de agosto
2022.
Lai, S.; Hung, Y.; Chang, Y. Low-cost prototype design of biomedical sensing device
for ecg and emg signal acquisition system. In: 2018 International Conference
BIOMDLORE. [S.l.: s.n.], 2018. p. 1–2.
LI, S.; XU, L. D.; WANG, X. A continuous biomedical signal acquisition system based
on compressed sensing in body sensor networks. IEEE transactions on industrial
informatics, IEEE, v. 9, n. 3, p. 1764–1771, 2013.
LI, S.; XU, L. D.; WANG, X. A continuous biomedical signal acquisition system based
on compressed sensing in body sensor networks. IEEE Transactions on Industrial
Informatics, v. 9, n. 3, p. 1764–1771, 2013.
LI, T.; TAN, F.; WANG, Q.; BU, L.; CAO, J.-N.; LIU, X. From offline toward real time:
A hybrid systems model checking and cps codesign approach for medical device
plug-and-play collaborations. IEEE Transactions on Parallel and Distributed Systems,
IEEE, v. 25, n. 3, p. 642–652, 2013.
LYNN, W. D.; ESCALONA, O. J.; MCENEANEY, D. J. A low latency electrocardiographic
qrs activity recovery technique for use on the upper left arm. Electronics, v. 3, n. 3, p. 409–
418, 2014. ISSN 2079-9292. Disponível em: <https://www.mdpi.com/2079-9292/3/3/409>.
MARCHETTI, P. H.; DUARTE, M. Instrumentação em eletromiografia. [S.l.]:
Laboratório de Biofísica, Escola de Educação Física e Esporte. São Paulo: Universidade
de São Paulo, 2006.
MARINHO, T. F. Recomendação da sbnc para localização de eletrodos e montagens de
eeg. In: SOCIEDADE BRASILEIRA DE NEUROFISIOLOGIA CLÍNICA. São Paulo,
Brasil: [s.n.], 2017. p. 1–7.
MATHWORKS. Measuring Signal Similarities. 2022. <https://la.mathworks.com/help/
signal/ug/measuring-signal-similarities.html>. Online; acesso em 10 de agosto 2022.

136
MISRA, U. K.; KALITA, J. Clinical Electroencephalography E-Book. [S.l.]: Elsevier
India, 2018.
MIYARA, F. Filtros activos. Cátedra de Electrónica III FCEIA-UNR. Rosario, 2004.
MOORE, J. E.; MAITLAND, D. J. Biomedical technology and devices. [S.l.]: CRC press,
2013.
MORAES, J. C. T. d. B.; FILHO, J. G. G. Simulador de sinais cardíacos. 2001. BR, Patent
PI 9903360-7 A2, 06/03/2021.
MURATA, T. Petri nets: Propriedades, analysis and applications. IEEE, Felow, 1989.
NOBLE, J. Programming interactivity: a designer’s guide to Processing, Arduino, and
OpenFrameworks. [S.l.]: Analog Devices, 2009.
OLIVEIRA, C. A. L. D. Simulação de redes de petri em ambiente java. Recife: Escola
Politécnica de Pernambuco – Universidade de Pernambuco: [s.n.], 2006.
PELGROM, M. J. Analog-to-digital conversion. In: Analog-to-Digital Conversion. [S.l.]:
Springer, 2013. p. 325–418.
POLO, A.; NARVAEZ, P.; ALGARíN, C. R. Implementation of a cost-effective didactic
prototype for the acquisition of biomedical signals. Electronics, v. 7, n. 5, 2018. ISSN
2079-9292. Disponível em: <https://www.mdpi.com/2079-9292/7/5/77>.
RAO, K. R.; KIM, D. N.; HWANG, J.-J. Fast Fourier Transform - Algorithms and
Applications. 1st. ed. [S.l.]: Springer Publishing Company, Incorporated, 2010. ISBN
1402066287.
RATHKE, J. E. et al. Sistema de processamento de sinais biomédicos: módulos didáticos
de aquisição de ecg, emg, eog e conversão analógico-digital de biosinais. Florianópolis,
SC, 2008.
REIS, H. J. L.; GUIMARãES, H. P.; ZAZULA, A. D.; VASQUE, R. G.; LOPES, R. D. ECG:
manual prático de eletrocardiograma. São Paulo: Editora Atheneu, 2013.
REZAEIYAN, Y.; ZAMANI, M.; SHOAEI, O.; SERDIJN, W. A. A 0.5a/channel
front-end for implantable and external ambulatory ecg recorders. Microelectronics
Journal, v. 74, p. 79 – 85, 2018. ISSN 0026-2692. Disponível em: <http:
//www.sciencedirect.com/science/article/pii/S0026269217307115>.
ROSLI, K. A.; OMAR, M. H.; HASAN, A. F.; MUSA, K. S.; FADZIL, M. F. M.; NEU, S. H.
Development of electrocardiograph monitoring system. In: EDP SCIENCES. MATEC
Web of Conferences. [S.l.], 2018. v. 150, p. 01013.
SADIKOGLU, F.; KAVALCIOGLU, C.; DAGMAN, B. Electromyogram (emg) signal
detection, classification of emg signals and diagnosis of neuropathy muscle disease.
Procedia computer science, Elsevier, v. 120, p. 422–429, 2017.
SANTOS, H. C. d. et al. Classificação de sinais egg combinando análise em componentes
independentes, redes neurais e modelo oculto de markov. Universidade Federal de
Sergipe, 2015.

137
SANTOS, H. C. dos. Classificação de sinais EGG combinando Análise em
Componentes Independentes, Redes Neurais e Modelo Oculto de Markov. Tese (B.S.
thesis) — Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de
Sergipe, São Cristóvão, 2015.
INPI. Instituto Nacional da Propriedade Industrial. Andrade Aratã Saraiva, Flávio
Alves Dos Santos, Tolstenko Alexandre Nogueira, De Sá Ayrton Brandim, Francisco
Marcelino Almeida De Araújo e Pablo Henrique Ribeiro Bezerra. Bancada de Sinais
Eletrocardiógrafos. 2017. BR 102015007064 A2, 2017-11-07.
SATIRO, J. V.; CRUZ, I.; PRUDENTE, F.; SANTANA, D.; LISBOA, E. A low
cost hardware and software platform for biomedical signal acquisition and
treatment. In: Anais do IX Simpósio Brasileiro de Engenharia de Sistemas
Computacionais. Porto Alegre, RS, Brasil: SBC, 2019. p. 89–96. Disponível em:
<https://sol.sbc.org.br/index.php/sbesc/article/view/10272>.
SCOLARO, G. R.; BIELSKI, K. Sistema de aquisição de sinais biomédicos: Módulo
didático de eletrooculograma. Seminário de Iniciação Científica e Seminário Integrado
de Ensino, Pesquisa e Extensão, 2017.
SEITENFUS, P. I. S.; MACHADO, D. d. S.; DOLGANOV, A. Simulador de
eletrocardiograma. In: XII SALÃO DE INICIAÇÃO CIENTIFICA - FACULDADE DE
ENGENHARIA (PUCRS). Anais... Rio Grande do Sul: PUCRS, 2011.
SILVA, G. A. P. d. et al. Registrador digital de arritmias cardiacas-redac. (Publicação
FEE), [sn], 1991.
SILVA, H. P. D.; GUERREIRO, J.; LOURENÇO, A.; FRED, A. L.; MARTINS, R. Bitalino:
A novel hardware framework for physiological computing. In: PhyCS. [S.l.: s.n.], 2014.
p. 246–253.
SOBRINHO, A.; SILVA, L. D.; PERKUSICH, A.; CUNHA, P.; CORDEIRO, T.; LIMA, A.
M. N. Formal modeling of biomedical signal acquisition systems: source of evidence for
certification. Software & Systems Modeling, v. 18, n. 2, p. 1467–1485, Apr 2019.
SOBRINHO, Á. Á. d. C. C. S. Um método para o desenvolvimento e certificação de
software de sistemas embarcados baseado em redes de Petri coloridas e casos de
garantia. Tese (Doutorado) — Universidade Federal de Campina Grande, 2016.
SOUZA, A. F.; HERINGER, C. H. T.; JUNIOR, J. S.; MOLL, J. R. Gestão de Manutenção
em Serviçoes de Saúde. [S.l.]: Blucher, 2010. ISBN 8521205635.
Texas Instruments Inc. How to measure ECG: A guide to the signals, system blocks and
solutions. 2017. <https://training.ti.com/how-measure-ecg-analog-lead-derivation>.
Online; acesso em 10/12/2021.
TOAZZA, A. L. Sistema Microcontrolado Para Medição De Impedancia Pele-eletrodo
Em Registradores Biocletricos. Tese (B.S. thesis) — UNIVERSIDADE FEDERAL DE
SANTA CATARINA, 1998.
TÉCNICAS, A. B. D. N. NBR 5462: confiabilidade e mantenabilidade. Rio de Janeiro:
ABNT, 1994.

138
TÉCNICAS, A. B. D. N. NBR IEC 60601–1: Equipamento Eletromédico. Parte 1 –
Prescrições Gerais para Segurança. Rio de Janeiro: ABNT, 1994. p.149 p.
VASCONCELLOS, E. M. d. M.; CORDEIRO, T. D.; SOBRINHO, A.; SILVA, L. D. da;
PERKUSICH, A.; LIMA, A. M. N. A mixed-radix fft algorithm implementation based
on petri nets to assist the certification of bio-medical systems. In: IECON 2019 - 45th
Annual Conference of the IEEE Industrial Electronics Society. [S.l.: s.n.], 2019. v. 1, p.
2761–2766.
WANG, Z.; BOVIK, A. C. Mean squared error: Love it or leave it? a new look at signal
fidelity measures. IEEE Signal Processing Magazine, v. 26, n. 1, p. 98–117, 2009.
WEBSTER, J. G. Electrical measurement, signal processing, and displays. [S.l.]: CRC
Press, 2003.
WESTERGAARD, M.; KRISTENSEN, L. M. The access/cpn framework: A tool for
interacting with the cpn tools simulator. In: FRANCESCHINIS, G.; WOLF, K. (Ed.).
Applications and Theory of Petri Nets. Berlin, Heidelberg: Springer Berlin Heidelberg,
2009. p. 313–322.
WIKIPéDIA. Instituto de Engenharia Biomédica da UFSC — Wikipédia, a
enciclopédia livre. 2019. Disponível em: <https://pt.wikipedia.org/w/index.php?title=
Instituto_de_Engenharia_Biom%C3%A9dica_da_UFSC&oldid=57080423>.
WOLF, M. Chapter 7 - system design techniques. In: WOLF, M. (Ed.). Computers
as Components (Fourth Edition). Fourth edition. Morgan Kaufmann, 2017, (The
Morgan Kaufmann Series in Computer Architecture and Desi). p. 391–422. ISBN
978-0-12-805387-4. Disponível em: <https://www.sciencedirect.com/science/article/pii/
B9780128053874000078>.
YAO, Q.; WANG, R.; FAN, X.; LIU, J.; LI, Y. Multi-class arrhythmia detection from
12-lead varied-length ecg using attention-based time-incremental convolutional neural
network. Information Fusion, v. 53, p. 174–182, 2020. ISSN 1566-2535. Disponível em:
<https://www.sciencedirect.com/science/article/pii/S1566253518307632>.
ZANELLA, L. C. H. Metodologia da pesquisa. [S.l.]: SEAD/UFSC, 2006.

139

APÊNDICE A – Patente Depositada

Figura 70 – Comprovante de patente depositada no INPI

140

APÊNDICE B – Código MATLAB
B.1

CÓDIGO MATLAB E MODELO CPN DOS SASB
O código MATLAB para os testes realizados com o sinal de ECG, derivação aVL,

e o modelo CPN para a simulação pode ser acessoado neste link. Ou manualmente
em: <https://drive.google.com/drive/folders/1lsIdjrIihHFR3HRAEeJG2D7qNOhUQkTr?
usp=sharing>
Importante informar que a função principal do código MATLAB é a plotAnaliseATM_20_04_22.m, pela qual todas as demais funções da pasta que são dependentes são
chamadas. O modelo CPN requer a ferramenta CPN Tolls para ser executado. Por isso,
é necessário tê-la instalada no computador.