Detección de anomalías en señales electrocardiográficas usando minería de flujo de datos

Abstract

El presente trabajo tiene como fin proporcionar una herramienta que permita detectar anomalías en señales electrocardiográficas (ECG), que sirva de soporte al experto y contribuya con el cuidado de la salud cardiovascular. Esta investigación parte de estudios realizados que muestran que las principales causas de muerte en el mundo se presentan por enfermedades cardiovasculares. Una de las características de este trabajo es mostrar los procedimientos que se realizaron para el análisis de las señales ECG a través de técnicas de minería de flujos de datos (Data Stream Mining en inglés), con el fin de detectar cualquier posibilidad de anomalía en las señales. Para esto se hizo una revisión bibliográfica con el fin de investigar técnicas de minería de flujo de datos que sirvieran para la extracción de información relevante en señales de ECG. Posteriormente se procedió a escoger la técnica de minería de flujo de datos que se ajustara de manera eficiente a la solución del problema planteado; una vez seleccionada la técnica se diseñó un algoritmo donde se plantea el proceso general para el tratamiento de la señal y la implementación del algoritmo con la técnica de minería de flujo de datos seleccionada. Basados en las investigaciones realizadas se diseñó una interfaz gráfica que permitiera la detección de anomalías en señales de ECG. Para obtener los resultados se llevó acabo primero un análisis de sensibilidad donde se muestra la probabilidad que tiene el algoritmo de no detectar anomalías en la señal, y de especificidad que es la probabilidad que tiene el algoritmo de detectar anomalías en la señal. Estas pruebas se hicieron con el fin de comparar el desempeño de la herramienta comparada con la lectura dada por un experto.