SciELO - Scientific Electronic Library Online

 
 issue31Influence of Subgrade and Unbound Granular Layers Stiffness on Fatigue Life of Hot Mix Asphalts - HMASound Event Detection for Music Signals Using Gaussian Processes author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


TecnoLógicas

Print version ISSN 0123-7799On-line version ISSN 2256-5337

Abstract

OROZCO-NARANJO, Alejandro J.  and  MUNOZ-GUTIERREZ, Pablo A.. Detección de Latidos Cardiacos Patológicos y Normales Utilizando Transformada por Paquetes Wavelet, Máquinas de Soporte Vectorial y Perceptrón Multicapa. TecnoL. [online]. 2013, n.31, pp.73-91. ISSN 0123-7799.

Este artículo presenta los resultados obtenidos al desarrollar una metodología para la detección de 5 tipos de latidos cardiacos (Normal (N), Bloqueo de Rama Derecha (RBBB), Bloqueo de Rama Izquierda (LBBB), Contracción Auricular Prematura (APC) y Contracción Ventricular Prematura (PVC)) utilizando la transformada por paquetes Wavelet de manera no adaptativa en la extracción de características de las señales cardiacas, empleando la función Shanon para cálculo de la entropía y adicionando una fase de identificación de nodos por cada tipo de señal cardiaca en el árbol Wavelet. La utilización de la transformada por paquetes Wavelet permite acceder a información obtenida de la descomposición tanto de baja como de alta frecuencia proporcionando un análisis más integral que el logrado con la transformada Wavelet discreta. Se evaluaron Wavelets madre de las familias Daubechies, Symlet 5 y Biortogonal inversa; que fueron resultado de una investigación previa en que se identificaron las Wavelet madre que mayor entropía presentaban con las señales cardiacas. Con la modalidad no adaptativa se reduce el costo computacional al utilizar los paquetes Wavelet, coste que representa la mayor desventaja de esta transformada, dando validez a la investigación realizada. Para la clasificación de los patrones cardiacos se emplearon las máquinas de soporte vectorial y el perceptrón multicapa. Con las máquinas de soporte vectorial empleando kernel de función de base radial, se logró un error de clasificación del 2,57 %.

Keywords : Clasificación; extracción de características; latidos cardiacos; máquinas de aprendizaje supervisadas; paquetes Wavelet.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License