Resumen de Unsupervised analysis applied to the detection cardiac arrhythmias

Mónica Moreno-Revelo, Sandra Patascoy-Botina, Andrés Pantoja, E. Javier Revelo Fuelagán, José Luis Rodríguez-Sotelo, Santiago Murillo-Rendón, Diego Hernán Peluffo Ordoñez

• español

  Una arritmia es una patología que consiste en la alteración de los latidos del corazón. A pesar de que el electrocardiograma de 12 derivaciones permite evaluar el comportamiento eléctrico del corazón para determinar ciertas patologías, existen algunas arritmias que son de difícil detección con este tipo de electrocardiografía. Por tanto, es necesario recurrir al uso del monitor Holter, debido a que facilita el registro de la actividad eléctrica del corazón durante largos periodos de tiempo, por lo general de 24 a 48 horas. Debido a la extensión de los registros proporcionados por el monitor, es común acudir al uso de sistemas computacionales para evaluar características diagnósticas y morfológicas de los latidos con el fin de determinar si existe algún tipo de anormalidad. Estos sistemas computacionales pueden basarse en técnicas supervisadas o no supervisadas de reconocimiento de patrones, pero teniendo en cuenta que en la primera opción el realizar una inspección visual de la gran cantidad de latidos presentes en un registro Holter, resulta ser una ardua tarea, además de implicar costos monetarios, en este trabajo se presenta el diseño de un sistema completo para la identificación de arritmias en registros Holter usando técnicas no supervisadas de reconocimiento de patrones. El sistema propuesto involucra etapas de pre-procesamiento de la señal, segmentación y caracterización de latidos, además de selección de características y agrupamiento. En este caso, la técnica utilizada es k-medias. Dichas etapas se aplican dentro del marco de una metodología basada en segmentos que mejora la detección de clases minoritarias. Asimismo, se considera criterios de inicialización que permiten mejorar las medidas de desempeño, en especial, la sensibilidad. Como resultado, se determina que usar k-medias con el criterio de inicialización máx-mín y un número de grupos igual a 12, permite obtener los mejores resultados, siendo: 99,36 %, 91,31 % y 99,16 % para exactitud, sensibilidad y especificidad, respectivamente.

• English

  An arrhythmia is a pathology that consists on altering the heartbeat. Although, the 12-lead electrocardiogram allows evaluation of the electrical behavior from heart to determine certain pathologies, there are some arrhythmias that are difficult to detect with this type of electrocardiography. In this sense, it is necessary the use of the Holter monitor because it facilitates the records of the heart electrical activity for long periods of time, it is usually 24 up to 48 hours. Due to the extension of the records provided by the monitor, it is common to use computational systems to evaluate diagnostic and morphological features of the beats in order to determine if there is any type of abnormality. These computational systems can be based on supervised or unsupervised pattern recognition techniques, however considering that the first option requires a visual inspection about the large number of beats present in a Holter record, it is an arduous task, as well as it involves monetary costs. Consequently, throughout this paper we present the design of a complete system for the identification of arrhythmias in Holter records using unsupervised pattern recognition techniques. The proposed system involves stages of pre-processing of the signal, segmentation and characterization of beats, as well as feature selection and clustering. In this case, the technique k-means is used. These steps are applied within the framework of a segment-based methodology that improves the detection of minority classes. Additionally, initialization criteria are considered, which allow to enhance quality measures, especially sensitivity. As a result, it is determined that using k-means with the max-min initialization and a number of groups equal to 12, it is possible to obtain the best results, with values of: 99.36%, 91.31% and 99.16% for accuracy, sensitivity and specificity, respectively.