Detección y clasificación de arritmias

Detección de patrones de arritmia cardíaca mediante análisis adaptativo

Mi contribución a este proyecto ha sido el desarrollo de una tecnología adaptativa para detectar patrones de arritmia cardíaca. Esta tecnología utiliza modelos neuronales con retropropagación del error y aplica el método de descenso del gradiente para la adaptación muestra a muestra. Los modelos neuronales dinámicos de orden superior se han implementado en Python.

El reconocimiento de patrones es uno de los campos más provechosos para el desarrollo de metodologías adaptativas, por sus múltiples aplicaciones en diversas áreas del conocimiento. El desarrollo de nuevos modelos matemáticos impulsa a la comunidad investigadora a crear nuevas tecnologías para reconocer patrones de comportamiento en sistemas caóticos, aplicadas al diagnóstico de enfermedades como el párkinson, el cáncer o las enfermedades pulmonares y cardíacas, entre otras.

Metodología adaptativa en tres pasos: entrenamiento de la D-QNU con una base de datos de entrenamiento, monitorización en línea con los pesos neuronales adaptados y visualización de los marcadores de variabilidad
Metodología adaptativa basada en una unidad neuronal cuadrática dinámica (D-QNU)
Envolvente de la transformada de Hilbert con los umbrales adaptativos superior e inferior
Envolvente de la transformada de Hilbert con umbrales adaptativos

Más información: Reconocimiento de patrones.

Arquitectura de redes neuronales para la detección de arritmias

Mi contribución a este proyecto ha sido el desarrollo de un sistema de detección y clasificación de arritmias, en el que he sido el investigador de correspondencia. La señal del electrocardiograma se captó mediante electrodos con ayuda de una tarjeta de adquisición, y tanto el procesamiento de la señal como la interfaz gráfica de usuario se programaron en Python. Los picos R se detectaron con la transformada de Hilbert y umbrales adaptativos. La onda R es una de las partes más importantes del complejo QRS y desempeña un papel esencial en el diagnóstico de las alteraciones del ritmo cardíaco.

El rendimiento del sistema se evaluó con registros de ECG estándar de la base de datos de arritmias MIT-BIH. Además, se realizaron pruebas con los sensores para procesar los datos en tiempo real.

Cadena de clasificación: (a) adquisición de datos, (b) extracción de características de la señal de ECG, (c) reducción de características con PCA y (d) clasificación con una unidad neuronal de orden superior
Cadena de detección y clasificación: adquisición, extracción de características, PCA y unidad neuronal de orden superior
Gráficas de las características del ECG proyectadas sobre las tres primeras componentes principales a lo largo del tiempo discreto
Proyección PCA sobre tres componentes principales

Más información: Clasificación de arritmias (en inglés) · Procesamiento de señales.