Resumen

El electrocardiograma (ECG) es una de las herramientas más potentes utilizadas en los hospitales para analizar el estado cardiovascular y comprobar la salud, un estándar para detectar y diagnosticar ritmos cardíacos anormales. En los últimos años, la salud cardiovascular ha atraído mucha atención. Sin embargo, las consultas médicas tradicionales presentan desventajas como el retraso en el diagnóstico y la elevada tasa de diagnósticos erróneos, mientras que las enfermedades cardiovasculares tienen las características de diagnóstico precoz, tratamiento temprano y recuperación precoz. Por lo tanto, es esencial reducir la tasa de diagnósticos erróneos de las enfermedades cardiovasculares. Nuestro trabajo se basa en cinco tipos diferentes de arritmia ECG clasificados según la norma AAMI EC57, a saber, no ectópica, ectópica supraventricular, ectópica ventricular, fusión y latido desconocido. Este artículo propone un método de clasificación de arritmias ECG de alta precisión basado en una red neuronal convolucional (CNN), que puede clasificar con precisión las señales ECG. Evaluamos el efecto de clasificación de este método de clasificación en el latido ectópico supraventricular (SVEB) y el latido ectópico ventricular (VEB) basándonos en la base de datos de arritmias MIT-BIH. Según los resultados, el método propuesto alcanzó una precisión del 99,8 sensibilidad del 98,4%, una especificidad del 99,9% y una tasa de predicción positiva del 98,5% en la detección de VEB. La detección de SVEB alcanzó una precisión del 99,7 sensibilidad, una especificidad del 99,9% y una tasa de predicción positiva del 96,8%.

• 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:tasa de predicción positiva, precisión del método de clasificación de arritmias ECG, norma AAMI EC57, base de datos de arritmias BIH, ritmos cardíacos anormales, red neuronal convolucional, alta tasa de diagnósticos erróneos, latido ectópico supraventricular, latido ectópico ventricular, SVEB
• Keywords:positive prediction rate, accuracy ECG arrhythmia classification method, AAMI EC57 standard, BIH arrhythmia database, abnormal heart rhythms, convolutional neural network, high misdiagnosis rate, supraventricular ectopic beat, ventricular ectopic beat, SVEB