Análisis de electrocardiogramas mediante técnicas de ingeniería para la detección de enfermedades cardiacas

Abstract

Este proyecto tiene como objetivo la aplicación de un algoritmo recientemente planteado para llevar a cabo la caracterización de anomalías que se presentan en un electrocardiograma. Este algoritmo en la práctica es una versión de la transformada de Fourier de Tiempo Reducido, solo que hace uso de una ventana fijada en el dominio de la frecuencia: ventana temporal reducida para altas frecuencias y amplia para bajas frecuencias.

Este proyecto se centra en la caracterización de una irregularidad en particular al aplicar el algoritmo sobre ella, y así estudiar la forma que adopta en el espectro resultante de la variante de esta transformada. Se procede llevando a cabo la generación de una señal artificial que emule el comportamiento de un electrocardiograma y así caracterizar el significado de las líneas de frecuencia que se obtienen al aplicar dicha transformada sobre un ECG.

Viendo la fiabilidad que presentaba la señal resultó de gran interés emplearla para ayudar a la caracterización de la anomalía en concreto (PVC), generando dicha irregularidad artificialmente y atendiendo a las características que la identifican. También se llevó a cabo la representación de señales reales adquiridas de la base de datos Physionet, aplicando el algoritmo a Los instantes de tiempo en los que se produce la anomalía y finalmente comprobando que el patrón generado es repetitivo y coherente con la señal artificial.

La última parte del proyecto versa sobre la identificación automática de la anomalía utilizando un ordenador. Viendo el rumbo que lleva la tecnología hoy en día, se consideró interesante el uso de inteligencia artificial para clasificarlas, en particular, redes neuronales convolucionales especializadas en la clasificación de imágenes. Con esta técnica se consiguió un porcentaje de acierto del 99,6 % analizando 325 imágenes, lo que demuestra la utilidad de la técnica a este campo.

The aim of this research is the characterization of the anomalies presented in an electrocardiogram, using a recently proposed transform. In practice, this algorithm is a version of the Short-Time Fourier Transform, but using a fixed window in the frequency domain: reduced temporary window for high frequency and broaden for low ones.

This study focuses on the characterization of a particular disorder when being analyzed with the transform , so as to study the shape presented in the resulting spectrum. It is done by developing an artificial signal that emulates an electrocardiogram’s behaviour to characterize the frequency lines derived from the implementation of the mentioned transform on an ECG.

The outstanding results achieved by the artificial signal made possible its implementation for the characterization of a specific anomaly (PVC), generating the mentioned signal artificially by taking into consideration its particular features. The representation of real signals obtained from Physionet database were also carried out and compared to the artificial one, by aplying the transform to those time instants were the anomaly appeared. Finally, the generated pattern was repetitive and coherent with the artificial signal model.

The last part of the research deals with the automated identification of the anomaly when using a computer. Considering the current course of technology, the best possible option was to use artificial intelligence to classify them. Notably, a convolutional neural network is applied as this method is highly appropriate to distinguish images, especially spectrograms. By using this technique, the success rate reached over 99.6%, after analysing 325 images , showing the applicability of this technique to automatically diagnose ECGs.