Resumo

RODRIGUEZ, C.A. et al. CLASSIFICAÇÃO DE PREMATUROS BATIDAS CONTRAÇÃO VENTRICULAR BASEADO SUPERVISIONADO MÉTODOS DE APRENDIZAGEM. Rev. ing. biomed. [online]. 2014, vol.8, n.15, pp.51-58. ISSN 1909-9762.

A doença cardiovascular é a principal causa de morte em todo o mundo, de modo que o desenvolvimento de algoritmos para detectar arritmias cardíacas, em tempo real, tornou-se um importante campo de pesquisa. O desenvolvimento desses algoritmos tem levado a melhores dispositivos cardíacos portáteis. Este artigo apresenta o desempenho dos dois com base na aprendizagem de máquina sem supervisão para detecção de batidas de contração ventriculares prematuras nos algoritmos de sinais de ECG. As batidas são extraídos das bases de dados do MIT-BIH, que foram pré-processados e segmentado pelo grupo da UPB Cardiovasculares Dynamics pesquisa. A Transformada Wavelet Discreta, Análise de Componentes Principais e uma abordagem híbrida proposta são implementadas para extração de características e redução de dimensão, a partir do qual 8 espaços de recursos para a avaliação dos algoritmos são gerados. Kmeans e mapas de auto-organização são desenvolvidos e comparados em termos de precisão e custo computacional. A especificidade de 96,22% e uma sensibilidade de 95,04% com um tempo de execução de 79.41µs por batida foi alcançado. Os resultados mostram que estes métodos podem ser implementados em aplicações de detecção de arritmia em tempo real, devido ao seu baixo custo computacional.

Palavras-chave : Arritmia; Ventricular batida prematura; Transformada Wavelet Discreta; Análise de Componentes Principais; Kmeans; SOM.

        · resumo em Espanhol | Inglês     · texto em Espanhol     · Espanhol ( pdf )