Resumen

La arritmia es una enfermedad cardiovascular que afecta gravemente a la salud humana. La identificación y el diagnóstico de la arritmia es un medio eficaz para prevenir la mayoría de las enfermedades cardiacas. En este trabajo se propone un algoritmo BiLSTM-Treg que integra información sobre el ritmo para realizar la clasificación automática de la arritmia. En primer lugar, se utiliza la transformada wavelet discreta para eliminar el ruido de la señal de ECG, a partir de la cual se realiza la segmentación de los latidos y se preserva la relación temporal entre ellos. A continuación, se utilizan diferentes longitudes de segmento de latido y el modelo de red BiLSTM para realizar múltiples experimentos y seleccionar la longitud de segmento de latido óptima. Por último, se utiliza el método de regularización de árbol para optimizar el modelo de red BiLSTM y mejorar la precisión de la clasificación. Y la interpretabilidad del modelo de red neuronal se analiza analizando el árbol de decisión simulado generado en el método de regularización de árbol. Este método divide los latidos en cinco categorías (no ectópico (N), ectópico supraventricular (S), ectópico ventricular (V), latidos fusionados (F) y latidos desconocidos (Q)) y se valida en la base de datos de arritmias MIT-BIH. Los resultados muestran que la precisión global de clasificación del algoritmo es del 99,32%. En comparación con otros métodos de clasificación de latidos, el algoritmo del modelo de red BiLSTM-Treg propuesto en este artículo no sólo mejora la precisión de la clasificación y obtiene una mayor sensibilidad y valor predictivo positivo, sino que también tiene una mayor interpretabilidad.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:Modelo de red BiLSTM, método de regularización en árbol, precisión de la clasificación, algoritmo del modelo de red Treg, diferentes longitudes de segmento de latido, longitud óptima de segmento de latido, base de datos de arritmias BIH, transformada wavelet discreta, mayoría de enfermedades cardiacas, modelo de red neuronal.
• Keywords:BiLSTM network model, tree regularization method, classification accuracy, Treg network model algorithm, different heartbeat segment lengths, optimal heartbeat segment length, BIH arrhythmia database, discrete wavelet transform, most heart diseases, neural network model