ANÁLISIS DE CLASIFICADORES ESTOCÁSTICOS PARA LA DETECCIÓN EFECTIVA DE SOPLOS CARDÍACOS A PARTIR DE SEÑALES FONOCAR-DIOGRÁFICAS

Abstract

Los sistemas de diagnóstico automatizados para la detección de soplos cardiacos, descritos en la literatura, regis-tran en intervalos cortos de tiempo la dinámica fisiológica a partir de bases de datos de señales fonocardiográficas segmentadas, obteniendo una multiplicidad de muestras del mismo paciente sin tener en cuenta la dinámica car-diaca de cada individuo, lo cual no garantiza una adecuada identificación de la anomalía cardiaca. El sistema de asistencia de diagnóstico propuesto inicia con el estudio de 1060 señales tomadas de los cuatro focos de auscul-tación cardiaca de 144 pacientes, agrupados principalmente en dos clases: normales y patológicos. Los registros se agruparon por su posición en el periodo cardiaco en 4 tipos: normales, soplo sistólico, diastólico y sistodias-tólico, obteniendo una base de datos de señales fonocardiográficas, a la cual se le realiza un preprocesamiento, sin embargo, no se segmenta para conservar la dinámica cardiaca de cada individuo en el estudio. Luego se genera un espacio de representación a partir de los PLP y los coeficientes cepstrales calculados a partir de la FFT y la STFT, desarrollando un análisis con los clasificadores estocásticos HMM y GMM y técnicas de selección de caracterís-ticas para la extracción de información relevante de la dinámica fisiológica, que permitan un adecuado y eficiente entrenamiento del sistema con una tasa adecuada de clasificación para soporte de diagnóstico clínico.

Keywords

• Procesamiento de señales
• Modelos de Mezclas Gaussianas
• Modelos Ocultos de Markov
• Soplos Cardiacos
• Detección de Patologías