Predicción de arritmias e infartos agudos de miocardio usando aprendizaje automático

Resumen Las enfermedades cardiovasculares, como el infarto agudo de miocardio, son una de las tres principales causas de muerte en el mundo según datos de la OMS. De forma similar, las arritmias cardíacas¸ como la fibrilación auricular, son enfermedades muy comunes en la actualidad. El electrocardiograma (ECG) es el medio de diagnóstico cardíaco que se utiliza de forma estandarizada en todo el mundo. Los modelos de aprendizaje automático son muy útiles en problemas de clasificación y predicción. Aplicadas al campo de la salud, las redes neuronales artificiales (ANN) y las redes neuronales convolucionales (CNN) en conjunto con modelos basados en árboles como XGBoost, son de vital ayuda en la prevención y control de enfermedades del corazón. El presente estudio tiene como objetivo comparar y evaluar el aprendizaje basado en los algoritmos ANN, CNN y XGBoost mediante el uso de las bases de datos de ECG Physionet MITBIH y PTB, que proporcionan ECG clasificados con arritmias e infartos agudos de miocardio, respectivamente. Se comparan por separado los tiempos de aprendizaje y el porcentaje de exactitud de los tres algoritmos en las dos bases de datos, y finalmente se cruzan los datos para comparar la validez y seguridad de la predicción.

Bibliographic Details

Main Authors:	Patiño,Darwin, Medina,Jorge, Silva,Ricardo, Guijarro,Alfonso, Rodríguez,José
Format:	Digital revista
Language:	Spanish / Castilian
Published:	Universidad Politécnica Salesiana 2023
Online Access:	http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S1390-860X2023000100079
Tags:	Add Tag No Tags, Be the first to tag this record!