Resumen

Recientemente se ha generalizado el uso de un método de fotopletismografía para medir de forma no invasiva los cambios del volumen sanguíneo durante un ciclo cardiaco. Las señales de fotopletismograma (PPG) son sensibles a los artefactos que afectan negativamente a la precisión de muchas mediciones importantes. En este trabajo, proponemos un sistema eficaz para detectar artefactos en la señal PPG adquirida de la yema del dedo en la base de datos pública de asistencia sanitaria denominada Monitorización Inteligente Multiparámetro en Cuidados Intensivos (MIMIC) utilizando 11 características como entrada del algoritmo de bosque aleatorio y clasificando las señales en dos clases: aceptables y anómalas. Se propone un algoritmo en tiempo real para identificar artefactos utilizando el método. Se utilizó el eficaz algoritmo de selección de características de puntuación de Fisher para ordenar y seleccionar 11 características relevantes de entre 19 características disponibles que representaban la señal PPG de forma muy eficaz. Se aplicaron seis algoritmos de aprendizaje automático (bosque aleatorio, árbol de decisión, Bayes ingenuo gaussiano, máquina de vectores de soporte lineal, red neuronal artificial y red neuronal probabilística) con las características extraídas, y se midió su precisión de clasificación. Entre ellos, el bosque aleatorio obtuvo el mejor rendimiento utilizando sólo 11 de las 19 características, con una precisión del 85,68%. Nuestro método propuesto también obtuvo unos buenos valores de sensibilidad y especificidad del 86,57 y 85,09%, respectivamente. El algoritmo en tiempo real propuesto puede ser una manera fácil y conveniente para la detección de artefactos de señal PPG en tiempo real utilizando teléfonos inteligentes y dispositivos portátiles.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:características, método, random forest, algoritmo temporal, algoritmo eficiente de selección de características fisher score, máquina lineal de vectores soporte, detección de artefactos de señal ppg temporal, monitorización inteligente multiparámetro, artefactos de señal ppg, red neuronal artificial
• Keywords:features, method, random forest, time algorithm, efficient fisher score feature selection algorithm, linear support vector machine, time ppg signal artifact detection, multiparameter intelligent monitoring, ppg signal artifacts, artificial neural network