Resumen de Análisis de ecg para la detección de patologías cardíacas de bloqueo utilizando redes neuronales artificiales
Javier Fornari
El uso del electrocardiograma permite la captura de la información eléctrica que produce el corazón y mediante la experiencia médica basada en métodos clásicos se puede aproximar al estudio de patologías cardíacas. Pero la interpretación del ECG por parte de una persona sin o con poca experiencia en la interpretación de los electrocardiogramas resulta una tarea sumamente complicada. Estudios realizados muestran que un profesional cualificado tiene una tasa de acierto alrededor del 95%, mientras que esa tasa disminuye al 55% en profesionales médicos no especializados. El objetivo principal de este trabajo de investigación, es el diseño y análisis de la extracción de los puntos característicos de ECG, y la implementación de un clasificador basado en redes neuronales artificiales para la clasificación de ECG, concretamente, para la patología de bloqueos. Para lograr el objetivo se comienza con una revisión de los enfoques más importantes utilizados en la extracción de rasgos característicos del ECG y se plantean los conceptos básicos ofreciendo un atisbo profundo sobre los últimos trabajos en esta área. Ya que el foco del problema reside en la extracción de características, se presentan los métodos más importantes, y finalmente se propone una clasificación de las diferentes técnicas basada en criterios que permite determinar su rendimiento. Luego se realiza un estudio exhaustivo de las transformadas que son utilizadas para la extracción de las características de la señal eléctrica para la patología de bloqueos y se formaliza un estudio sobre las diversas técnicas de clasificadores utilizados en la literatura para la categorización automática de latidos a través del uso de las características del ECG y se propone una clasificación de los mismos. Finalmente se propone un clasificador basado en redes neuronales artificiales para la patología de bloqueos.
