Resumen de Variables latentes para identificar el infarto agudo del miocardio mediante análisis de componentes principales probabilístico.

Jorge Hernando Rivera Piedrahita, Edison Duque Cardona, José A. Soto Mejía

• español

  Este articulo presenta algunos resultado parciales de una reciente investigación [1] que comparó varias técnicas lineales y no lineales del análisis multivariado de datos con el objeto de seleccionar y extraer de manera efectiva un grupo de características basadas en señales electrocardiográficas orientadas a la identificación del infarto agudo de miocardio.

  Específicamente en este artículo se presentan los resultados obtenidos al aplicar el Análisis de Componentes Principales Probabilístico (Probabilistic Principal Component Analysis- PPCA) para generar un subespacio de características de menor dimensión que el original. Se presentan también los resultados obtenidos al evaluar la precisión de la clasificación de estados funcionales normales y patológicos del miocardio utilizando un clasificador bayesiano. Además, se estimó también su costo computacional.

• English

  In this article some partial results from a recent research are presented [1].In the mentioned research a comparison between linear and non linear methods from multivariate analysis is made with the main purpose of selection and feature extraction from electrocardiography signals, this all oriented to identification of sharp infarction of the myocardium.

  Specifically this article summarizes the results from having applied the Multivariate method of analysis known as Probabilistic Principal Component Analysis (PPCA) to generate a subspace of characteristics of minor dimension than the original one.

  The precision of the classification of normal and pathological functional states of the myocardium using a Bayesian classifier was also computed. Its associated computational cost was also estimated.