Resumen

Este artículo tiene como objetivo analizar las señales de electrocardiografía (ECG) de pacientes con fibrilación auricular (FA) mediante el uso del biespectro y la máquina de aprendizaje extremo (ELM). La FA es la enfermedad más común de latido cardíaco irregular que puede causar muchas enfermedades cardíacas adicionales. Se utilizó el análisis biespectral para extraer la información no lineal de las señales de ECG. Se determinaron las características biespectrales de cada episodio de ECG y se alimentaron al clasificador ELM. La precisión de clasificación de ELM para distinguir FA no terminante, FA terminante y FA terminante inmediatamente fue del 96.25%. En este estudio, la señal ECG normal también se comparó con la señal ECG de FA debido a la no linealidad determinada por el biespectro. El resultado de clasificación de ELM fue del 99.15% para distinguir los ECG de FA de los ECG normales.

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Análisis; Señales de ECG; Fibrilación auricular; Bispectro; Máquina de aprendizaje extremo; Clasificación
• Keywords:Analysis; ECG signals; Atrial fibrillation; Bispectrum; Extreme learning machine; Classification