Detección de fibrilación ventricular mediante técnicas de aprendizaje profundo

Artzai Picon, Unai Irusta Zarandona, Aitor Alvarez-Gila, Elisabete Aramendi Ecenarro, Estibaliz Garrote, Unai Ayala, F. Alonso-Atienza, Carlos Figuera

Producción científica: Contribución a una conferenciaArtículorevisión exhaustiva

1 Descargas (Pure)

Resumen

Detección de fibrilación ventricular mediante técnicas de aprendizaje profundo La detección de arritmias ventriculares, en particular la fibrilación ventricular (FV), es parte fundamental de los algoritmos de clasificación de arritmias de los desfibriladores. Dichos algoritmos deciden si administrar la descarga de desfibrilación, para lo que clasifican los ritmos en desfibrilables (Sh) o no desfibrilables (NSh). Este trabajo propone un nuevo abordaje para la clasificación Sh/NSh de ritmos basado en un sistema de aprendizaje profundo. Para el trabajo se emplearon tres bases de datos públicas de la plataforma Physionet (CUDB, VFDB y AHADB), y se extrajeron segmentos de 4 y 8 segundos. Se anotaron los segmentos como Sh y NSh en base a las anotaciones de las bases de datos, que fueron auditadas por expertos. Los datos se dividieron por paciente en 80% para desarrollar los algoritmos y 20% para evaluación. El sistema de aprendizaje profundo emplea dos etapas convolucionales seguidas de, una red longshort- term-memory y una etapa final de clasificación basada en red neuronal. A modo de referencia se optimizó un clasificador SVM basado en las características de detección de arritmias ventriculares más eficientes publicadas en la literatura. Se calculó la sensibilidad (Se), ritmos desfibrilables, especificidad (Sp), ritmos no desfibrilables, y la precisión (Acc). El método de aprendizaje profundo proporcionó Se, Sp y Acc de 98.5%, 99.4% y 99.2% para segmentos de 4 segundos y 99.7%, 98.9%, 99.1% para segmentos de 8 segundos. El algoritmo permite detectar FV de forma fiable con segmentos de 4 segundos, corrigiendo un 30% de los errores del método basado en SVM.
Idioma originalInglés
EstadoPublicada - 2018

Palabras clave

  • Ventricular arrhythmias
  • Detection
  • Defibrillators
  • Algorithms

Project and Funding Information

  • Funding Info
  • Este trabajo ha sido financiado por el Ministerio de_x000D_ Economía y Competitividad mediante el proyecto_x000D_ TEC2015-64678R junto con el Fondo Europeo de_x000D_ Desarrollo Regional (FEDER), así como por la UPVEHU_x000D_ mediante el proyecto EHU16/18.

Huella

Profundice en los temas de investigación de 'Detección de fibrilación ventricular mediante técnicas de aprendizaje profundo'. En conjunto forman una huella única.

Citar esto