Clasificación de arritmias cardiacas utilizando análisis de componentes principales y redes neuronales pre-alimentadas en segmentos cortos de electrocardiograma

Abstract

La monitorización electrocardiográfica ambulatoria es un método utilizado para medir la frecuencia y regularidad de los latidos cardiacos en tiempos prolongados. La comparación del patrón y la forma de la onda del electrocardiograma permite a los médicos diagnosticar posibles enfermedades. El procedimiento necesario para el desarrollo de este análisis consume bastante tiempo a los médicos especialistas, debido a que dicho procedimiento trata de un análisis visual de todo el registro electrocardiográfico, con la finalidad de determinar la clasificación de cada segmento electrocardiográfico anómalo. En este sentido, contemplando la situación actual del médico especialista, se plantea una solución que permite automatizar la clasificación de registros electrocardiográficos completos en segmentos. En el presente proyecto, se presenta el diseño y desarrollo de un sistema que permite la clasificación de arritmias cardiacas mediante la utilización de análisis de componentes principales y redes neuronales pre-alimentadas, en segmentos de diez segundos de electrocardiogramas (ECG). Se reconoce un alto nivel variabilidad de los registros electrocardiográficos, incluso muestras tomadas de un mismo sujeto pueden ser muy diferentes entre sí, por tal motivo el enfoque mediante el cual se aborda el problema es un desafío académico en ciernes, debido a la aplicación de técnicas de procesamiento de imágenes, y de sistemas de inteligencia artificial como las redes neuronales artificiales empleadas para la clasificación. Los resultados obtenidos fueron evaluados mediante la técnica de matrices de confusión, y el sistema clasificador logró una exactitud general del 80.1% al distinguir entre los catorce tipos de señales electrocardiográficas en estudio. Estos resultados son prometedores y se podrían mejorar aumentando los datos de entrenamiento.