Publicación:

Aplicación de software para la clasificación de señales electrocardiográficas de infarto agudo de miocardio implementando la técnica medida de disimilaridad basada en compresión

Resumen

En el presente documento se muestra la continuación del trabajo realizado por el Grupo de Investigación en Ingeniería Biomédica, en la línea de investigación de tratamiento de señales electrofisiológicas, orientadas a la contrucción de aplicaciones para la detección de enfermedades cardíacas en este caso el Infarto Agudo de Miocardio. Esta investigación fue enfocada al uso de dos técnicas de minería de datos, Compression-based Dissimilariy Measure y Symbolic Agreggate AproXimation, para la clasificación de la Variabilidad de la Frecuencia Cardiaca de señales electrocardiográficas digitales por medio de máquinas de aprendizaje no supervisadas. En este proceso de clasificación de señales electrocardiográficas se realiza un filtrado, la respectiva caracterización de las ondas y se extrae la VFC utilizando herramientas de análisis Wavelet, esto es llamado preprocesamiento; posteriormente se utilizan técnicas de minería de datos para una transformación y clasificación de la VFC de cada señal electrocardiográfica; por la anterior razón se mencionan los resultados de esta investigación como una metodología de descubrimiento de conocimiento en base de datos. Se presenta una fundamentación teórica de las técnicas de medidas de similaridad basadas en compresión, la base teórica de estas técnicas es la complejidad de Kolmogorov, en este documento se definen conceptos importantes de esta complejidad y ciertas analogías con la teoría de la información de Shannon, también se muestran algunas aplicaciones en máquinas de aprendizajes para la clasificación entre series temporales, imágenes, ADN, video, audio, ente otros. Se presenta una teoría básica del filtrado y análisis Wavelet en señales electrocardiográficas sobre el ambiente numérico R, todos los algoritmos y una interfaz gráfica fueron realizados en el entorno de software para estadística y computación R el cual satisfizo todas las necesidades, y brinda la posibilidad de desarrollar facilmente algoritmos paralelos, debido al modelos de datos por medio de listas.