Detección de latidos cardiacos patológicos y normales utilizando transformada por paquetes wavelet, máquinas de soporte vectorial y perceptrón multicapa

Este artículo presenta los resultados obtenidos al desarrollar una metodología para la detección de 5 tipos de latidos cardiacos (Normal (N), Bloqueo de Rama Derecha (RBBB), Bloqueo de Rama Izquierda (LBBB), Contracción Auricular Prematura (APC) y Contracción Ventricular Prematura (PVC)) utilizando la transformada por paquetes Wavelet de manera no adaptativa en la extracción de características de las señales cardiacas, empleando la función Shanon para cálculo de la entropía y adicionando una fase de identificación de nodos por cada tipo de señal cardiaca en el árbol Wavelet. La utilización de la transformada por paquetes Wavelet permite acceder a información obtenida de la descomposición tanto de baja como de alta frecuencia proporcionando un análisis más integral que el logrado con la transformada Wavelet discreta. Se evaluaron Wavelets madre de las familias Daubechies, Symlet 5 y Biortogonal inversa; que fueron resultado de una investigación previa en que se identificaron las Wavelet madre que mayor entropía presentaban con las señales cardiacas. Con la modalidad no adaptativa se reduce el costo computacional al utilizar los paquetes Wavelet, coste que representa la mayor desventaja de esta transformada, dando validez a la investigación realizada. Para la clasificación de los patrones cardiacos se emplearon las máquinas de soporte vectorial y el perceptrón multicapa. Con las máquinas de soporte vectorial empleando kernel de función de base radial, se logró un error de clasificación del 2,57 %.

Abstract

This paper presents the results obtained by developing a methodology to detect 5 types of heartbeats (Normal (N), Right bundle branch block (RBBB), Left bundle branch block (LBBB), Premature atrial contraction (APC) and Premature ventricular contraction (PVC)), using Wavelet transform packets with non-adaptative mode applied on features extraction from heartbeats. It was used the Shannon function to calculate the entropy and It was added an identification nodes stage per every type of cardiac signal in the Wavelet tree. The using of Wavelet packets transform allows the access to information which results of decomposition of low and high frecuency, giving providing a more integral analysis than achieved by the discrete Wavelet transform. Three families of mother Wavelet were evaluated on transformation: Daubechies, Symlet and Reverse Biorthogonal, which were results from a previous research in that were identified the mother Wavelet that had higher entropy with the cardiac signals. With non-adaptive mode, the computational cost is reduced when Wavelet packets are used; this cost represents the most marked disadvantage from the transform. To classify the heartbeats were used Support Vector Machines and Multilayer Perceptron. The best classification error was achieved employing Support Vector Machine and a radial basis function; it was 2.57 %.