Técnicas estadísticas para diagnóstico de arritmias ventriculares

• Autores: Diego Cabello Ferrer , J.M. Salceda, Senén Barro , R. Ruiz, José Mira Mira
• Localización: Revista de informática y automática, ISSN 0210-8712, Año 22, Nº. 4, 1989, págs. 45-52
• Idioma: español
• Títulos paralelos:
  • Statistic technichs for diagnosis of ventricular arrhytmias
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    We have faced the detection of life threatening ventricular arrythmias applaing statistical techniques on a training set of 90 ECG registers. After the phase of properties extracting each one of these registers is characterized by a vector composed of 7 spectral characteristics.

    Because we work on a small sets of samples, they are not representatives of the probability distributions, and because the fact that we work with imprecisely defined categories, we have considered fuzzy clasificators which are based on K-NN rules in order to obtain betterresults. Labels adscriptionon the training set is carried out using fuzzy clustering algorithm (fuzzy C-means and fuzzy covariance algorithms).

    The fuzzy covariance algorithm shows clusters associated to categories of ECG registers. This information is the base for a K-NN fuzzy clasificator which detects new cases of ventricular arrhythmias with a high degree of reliability.

  • español

    En este trabajo abordamos la detección de arritmias ventriculares mediante técnicas estadísticas. Para ello disponemos de conjunto de entrenamiento formado por 90 registros electrocardiográficos. Tras la etapa de extracción de propiedades cada uno de estos registros está caracterizado por un vector de 7 parámetros espectrales. Dado que trabajamos con conjuntos pequeños de muestras, posiblemente no representativos de las distribuciones de probabilidad, y que las clases están definidas de forma imprecisa, introducimos clasificadores "fuzzy" (algoritmo "fuzzy C-means" y algoritmo de "covarianza fuzzy"). Conseguimos así que las "etiquetas" reflejen de forma precisa la relación entre sus propiedades.

    El algoritmo de "covarianza fuzzy" pone de manifiesto la existencia de una estructura de clusters en el espacio de medida con cada uno de los clusters asociado a una de las clases de registros electrocardiográficos considerados. Esta información constituye la base de un clasificador "fuzzy K-NN" que permite detectar de forma eficiente nuevas muestras de arritmias ventriculares a partir de registros electrocardiográficos mediante un procesamiento similar al de aquellos que constituyeros el comjunto de test.