Resumen

Se presentan diferentes métodos de extracción de características en señales ECG normales y en presencia de eventos relacionados con cardiopatía isquémica, basados en mediciones de diagnóstico, la transformada wavelet y el análisis no lineal de componentes principales. Con el fin de determinar las características que contribuyen de mejor manera con el modelo, se aplican dos técnicas de selección efectiva de características empleando métodos estadísticos multivariados y univariados. La evaluación de las técnicas de extracción propuestas se realiza mediante análisis discriminante lineal y máquinas de soporte vectorial, comparando el error en la clasificación de diferentes estados de funcionalidad cardiaca. Como resultado del análisis discriminante lineal se obtiene que las características más efectivas se consiguen empleando el análisis no lineal de componentes principales sobre un latido. En este caso, el error obtenido de clasificación es de hasta el 0.22%, contra 6.78% en el caso de las wavelets, y 24.22% en el caso de las mediciones de diagnóstico. Con las máquinas de soporte vectorial se obtiene que las características más discriminantes se obtienen empleando wavelets aplicadas al latido con una precisión de clasificación hasta del 0.1%, contra 0.12% en el caso del análisis no lineal de componentes principales y 5.11% en el caso de las mediciones de diagnóstico.

Introducción

El empleo de métodos de control y prevención de las enfermedades cardiovasculares implica, entre otros, el desarrollo de herramientas más efectivas en el diagnóstico de la funcionalidad cardíaca, en particular el análisis de la actividad eléctrica del corazón a través de los registros ECG, los cuales están relacionados con la cuantificación directa de sus diferentes parámetros morfológicos (ritmo, estimación de intervalos y amplitudes de eventos, etc.) con ayuda de reglas relativamente simples. Sin embargo, las limitaciones de los métodos de análisis son severas, particularmente cuando las señales ECG deben ser evaluadas en relación con factores de influencia internos (sincronismo del mismo fenómeno de ECG en sus diferentes derivaciones) o externos (estado funcional de otros órganos, hábitos del paciente, factores congénitos, etc.). El ECG de cada estado de actividad cardíaco-eléctrica (normal o patológico) algunas veces es extremadamente difícil de describir mediante ponderaciones exactas de las formas de sus picos, ondulaciones bruscas u otros patrones anormales que el especialista detecta a simple vista. Lo anterior plantea el problema de la cuantificación (extracción de características) y la clasificación de las señales ECG que envuelve elementos de reconocimiento de patrones, suponiendo de antemano que pueden ser estimadas las características principales de actividad cardíaco-eléctrica (normal o patológica).

La extracción de características es la etapa encargada de obtener la información clínica relevante de  un  registro  ECG y antecede a la  selección  efectiva  de  características, la cual consiste en reducir la dimensionalidad de las características iniciales que alimentan el clasificador, manteniendo un nivel discriminante que permita el reconocimiento de las diferentes clases de estado funcional cardíaco. Entre las técnicas de extracción de características más conocidas se encuentran las basadas en mediciones de diagnóstico (Kunzmann et al., 2002), (Gholam Hosseini y  Nazeran,  1999),  (Silipo,  1999),  que han sido empleadas principalmente en la detección de arritmias debido a la facilidad que ofrecen en el hallazgo   de variaciones presentes en los intervalos que  componen la señal ECG. 

• Materias:Sistema cardiovascular Electrocardiograma
• Subjects:Cardiovascular system Electrocardiography
• Palabras claves:ECG. Cardiopatía isquémica. Extracción de características. wavelets. PCA. KPCA
• Keywords:ECG. Ischemic heart disease. Feature extraction. Wavelets. Nonlinear transformations. PCA. KPCA