Resumen

Una de las principales causas de muerte en el mundo son las arritmias cardiacas. En el ámbito sanitario, los médicos utilizan los registros del electrocardiograma (ECG) del paciente para detectar las arritmias, que indican la actividad eléctrica del corazón del paciente. El problema es que los síntomas no siempre aparecen y el médico puede equivocarse en el diagnóstico. Por lo tanto, los pacientes necesitan una monitorización continua mediante el análisis del ECG en tiempo real para detectar las arritmias a tiempo y prevenir un eventual incidente que amenace la vida del paciente. En esta investigación, utilizamos por primera vez el módulo Structured Streaming construido sobre la plataforma de código abierto Apache Spark para implementar un pipeline de aprendizaje automático para la detección de arritmias cardiacas en tiempo real y evaluar el impacto del uso de este nuevo módulo en las métricas de rendimiento de la clasificación y la tasa de retraso en la detección de arritmias. Los datos de ECG recogidos de la base de datos MIT/BIH para la detección de tres etiquetas de clase: latidos normales, RBBB y arritmias de fibrilación auricular. También desarrollamos tres clasificadores multiclase de árboles de decisión, bosque aleatorio y regresión logística para la clasificación de datos, donde el clasificador de bosque aleatorio mostró un mejor rendimiento en la clasificación que los otros dos clasificadores. Los resultados muestran resultados anteriores en las métricas de rendimiento del modelo de clasificación y una disminución significativa en el tiempo de ejecución de la tubería mediante el uso de más etiquetas de clase en comparación con estudios anteriores.

• 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:paciente, fuente plataforma Apache Spark, módulo Structured Streaming, detección de arritmias cardiacas, métricas de rendimiento de clasificación, más etiquetas de clase, clasificador random forest, análisis ECG temporal, arritmias, base de datos BIH.
• Keywords:patient, source Apache Spark platform, Structured Streaming module, cardiac arrhythmias detection, classification performance metrics, more class labels, random forest classifier, time ECG analysis, arrhythmias, BIH database