Estudio comparativo de métodos de agrupamiento no supervisado de latidos de señales ECG

En este trabajo se presenta un estudio comparativo de diferentes técnicas de agrupamiento no supervisado con enfoque particional y espectral, orientado a la agrupación de patrones representativos de latidos extraídos de registros electrocardiográficos ambulatorios. Debido a la naturaleza de las señales estudiadas y a que, en muchos casos, no es factible el etiquetado de las mismas, se prefieren las técnicas de agrupamiento no supervisado para su análisis. El uso de un modelo genérico de agrupamiento particional y la estimación de parámetros de inicialización adecuados empleando técnicas espectrales, son algunos de los aportes m´as significativos de esta investigación. Los experimentos se realizan sobre una base de datos de arritmias estándar del MIT (Massachusetts Institute of Technology) y la extracción de características se hace con técnicas recomendadas por la literatura. Otro aporte importante, es el desarrollo de un método de análisis por segmentos que reduce el costo computacional y mejora el desempeño del agrupamiento en comparación con el análisis tradicional, es decir, analizando todo el conjunto de datos en una sola iteracción del procedimiento. Adicionalmente, se sugiere un esquema completo de análisis no supervisado de señales ECG, incluyendo etapas de caracterización, selección de características, estimación del número de grupos, inicialización y agrupamiento. También se diseñan medidas adecuadas de desempeño, basadas en la conformación de los grupos, que relacionan el agrupamiento con el número de grupos empleados y costo computacional. Este estudio se realiza teniendo en cuenta las recomendaciones de la AAMI (Association for the Advanced of Medical Instrumentation) / Abstract: This work presents a comparative study of different partitional and spectral clustering techniques to cluster heartbeats patterns of long-term ECG signals. Due to the nature of signals and since, in many cases, it is not feasible labeling thereof, clustering is preferred for analysis. The use of a generic model of partitional clustering and the appropriate estimation of initialization parameters via spectral techniques represent some of the most important contributions of this research. The experiments are done with a standard arrhythmia database of MIT (Massachusetts Institute of Technology) and the feature extraction is carried out using techniques recommended by literature. Another important contribution is the design of a sequential analysis method which reduces the computational cost and improves clustering performance compared to traditional analysis that is, analyzing the whole data set in one iteration. Additionally, it suggests a complete system for unsupervised analysis of ECG signals, including feature extraction, feature selection, initialization and clustering stages. Also, some appropriate performance measures based on groups analysis were designed, which relate the clustering performance with the number of resultants groups and computational cost. This study is done taking into account the AAMI standard (Association for the Advance of Medical Instrumentation).

• Autores: Peluffo Ordoñez, Diego Hernán
• Fecha de publicación: 2009
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/69982
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/69982; http://bdigital.unal.edu.co/2112/
• Palabra clave: 61 Ciencias médicas; Medicina / Medicine and health; 62 Ingeniería y operaciones afines / Engineering; Electrónica médica; Electrónica en cardiología; Procesamiento de señales.
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional