62ª Reunião Anual da SBPC
A. Ciências Exatas e da Terra - 2. Ciência da Computação - 17. Ciência da Computação
CLASSIFICAÇÃO DE SINAIS ELETROCARDIOGRÁFICOS ATRAVÉS DO ALGORTMO PPM
Igor Lucena Peixoto Andrezza 1
Thiago Fernandes Lins de Medeiros 1
Erick Vagner Cabral de Lima Borges 1
Leonardo Vidal Batista 1
1. Depto. de Informática, Universidade Federal da Paraíba - UFPB
INTRODUÇÃO:
Existem vários métodos de diagnóstico de doenças cardíacas, que podem ser invasivos ou não-invasivos. O eletrocardiograma é um método não invasivo, eficiente e de baixo risco, extremamente útil na análise e diagnóstico das doenças cardíacas. É também utilizado para monitorar pacientes em estado grave e/ou que necessitam de cuidados especiais, não só nas unidades corona¬rianas. O eletrocardiograma permite o diagnóstico de arritmias cardíacas (distúrbios do batimento rítmico regular do coração). As arritmias podem ocorrer tanto em corações saudáveis e ter conseqüências mínimas quanto podem indicar sérios problemas e levar a graves doenças cardíacas como derrames ou paradas cardíacas. Tal fato faz com que a detecção automática de arritmias em registros de eletrocardiogramas seja considerada uma questão de suma importância. A análise da variabilidade da freqüência cardíaca, através dos ECGs, é uma das melhores formas de diagnosticar doenças do coração e analisar a condição de saúde de um individuo. ELa refere-se às alterações batimento a batimento da freqüência do coração em qualquer instante do tempo e representa o resultado de várias influências nos centros simpáticos e parassimpáticos.
METODOLOGIA:
O algoritmo utilizado no método de classificação foi o PPM (Prediction by Partial Matching). Resultados experimentais mostram a superioridade do desempenho de compressão do PPM, em comparação a outros. Os sinais de variabilidade de freqüência cardíaca utilizados nesse trabalho foram obtidos do banco de sinais eletrocardiogramas do MIT, com 30 minutos de duração cada. Desse banco foram retirados segmentos relativos a três arritmias, Ritmo Sinusal Normal, Contração Ventricular Prematura e Bradicardia Sinusal, obtendo 942 segmentos de eletrocardiogramas. O algoritmo é composto por três etapas: pré-processamento, treinamento e classificação. Na etapa inicial foram extraídos os sinais da variabilidade da freqüência cardíaca, com o auxilio do algoritmo de Hamilton e Tompkins. Na fase de treinamento o número de classes é definido (n = 3). O PPM comprime seqüencialmente os tacogramas em Ti, e a tabela de probabilidades condicionais resultantes Mi é mantida como um modelo para os tacogramas das classes. Na fase final o PPM atua no modo estático, onde os modelos gerados no treinamento são usados para comprimir amostras desconhecidas, a razão de compressão é utilizada para classificar as mesmas. A amostra x é atribuída à classe que obtiver a menor razão de compressão.
RESULTADOS:
O desempenho do referido classificador foi medido através de três medidas típicas encontradas na literatura: sensibilidade, especificidade e precisão. Foram utilizados 835 segmentos NSR, 57 segmentos PVC e 50 segmentos SBR. Com estes segmentos, foram criados 10 grupos de teste, permitindo que segmentos ora façam parte do treinamento, ora sejam usados na classificação, além de terem sido testados diferentes contextos (k = 1, 2, 3,...). Os melhores resultados foram obtidos com o contexto igual a um (k = 1). Quanto a sensibilidade o resultados foram 98,61% (NSR), 80,53%(PVC) e 100% (SBR), com relação a especificidade o NSR teve uma taxa de acerto de 100%, o PVC teve uma taxa de 99,98% e o SBR obteve 99,49%. Já em relação à precisão temos os valores 99,14%, 99,16% e 99,51% de taxa de acerto para NSR, PVC e SBR, respectivamente.
CONCLUSÃO:
A partir dos valores obtidos com relação aos resultados, é sabido que o método apresentou medias de 93,04% em sensibilidade, 99,79% em especificidade e 99,27% em precisão. Com esses resultados temos que o método proposto é superior ao método de Redes Neurais, além de testar mais arritmias, e do método de Sistema baseado em conhecimento, porém não conseguiu superar o método SVM (maquina de suporte vetorial). Acredita-se que os resultados podem ser superados, pois ainda é se trata de uma primeira abordagem. Este resultado é comparável aos melhores classificadores que existem na literatura, tendo como vantagem utilizar o sinal da variabilidade de freqüência cardíaca ao invés da análise morfológica do eletrocardiograma em si, tornando-o mais robusto em relação a ruído.
Instituição de Fomento: Ministério da Educação (MEC)/Secretaria de Educação Superior(SESU)
Palavras-chave: PPM, Eletrocardiograma, Arritmia cardíaca.