Título

DSP-based arrhythmia classification using wavelet transform and probabilistic neural network


Autor(es)

Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Arturo Méndez Patino; Adriana del Carmen Téllez Anguiano; Daniel Lorias Espinoza; Arturo Méndez Patiño; Enrique Reyes Archundia; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Jose Antonio Gutiérrez Gnecchi; Rodrigo Morfin Magaña; Daniel Lorias Espinoza; Adriana del Carmen Téllez Anguiano; Enrique Reyes Archundia; Arturo Méndez Patino; Rodrigo Castañeda Miranda;

Revista

Biomedical Signal Processing and Contro


Volumen

32(1)


Abstract

Una gran parte del espectro de la investigación biomédica se dedica al desarrollo de técnicas de procesamiento de señales de electrocardiograma (ECG) para contribuir al diagnóstico precoz. Sin embargo, es común encontrar que los métodos de análisis de ECG informados se limitan al funcionamiento del host de PC fuera de línea. Los autores presentan un método de clasificación de arritmias implementado en una plataforma de procesamiento digital de señales (DSP) destinado a la operación ambulatoria en línea y en tiempo real para clasificar ocho afecciones del latido cardíaco: ritmo sinusal normal (N), fibrilación auricular (FA), contracción auricular prematura. (PAC), bloqueo de rama izquierda (BRI), bloqueo de rama derecha (BRD), contracción ventricular prematura (PVC), bloqueo cardíaco sinoauricular (SHB) y taquicardia supraventricular (TSV). El algoritmo utiliza un proceso de transformación de ondículas basado en ondículas cuadráticas para identificar ondas de ECG individuales y obtener una matriz de marcadores fiduciales. La clasificación se realiza mediante una red neuronal probabilística. El algoritmo se prueba con 17 registros de ECG obtenidos del repositorio PhysioNet. El procedimiento de clasificación propuesto se probó inicialmente en MATLAB y los resultados se compararon con los datos analógicos equivalentes alimentados a un prototipo de adquisición de datos de ECG basado en DSP a través de un generador de formas de onda arbitrarias. Los resultados derivados de las pruebas de matriz de confusión arrojaron una precisión de clasificación en línea del 92,69% (AF), 97,15% (N), 76,82% (PAC), 91,06% (LBBB), 87,5% (RBBB), 71,04% (PVC), 91,94% (SHB) y 95,45% (SVT), tasa de clasificación general de 92,746% y 100% de acuerdo entre MATLAB y las implementaciones de DSP en línea.


Fecha

2016-10-15