Serie Científica de la Universidad de las Ciencias Informáticas (Oct 2022)
Modelo computacional para el diagnóstico preliminar de arritmias cardiacas basado en Redes Neuronales Convolucionales
Abstract
La detección de enfermedades cardiovasculares es un proceso llevado por los médicos especialistas en cardiología, comúnmente mediante la exploración y análisis de un electrocardiograma (ECG), la presencia o ausencia de enfermedades cardiovasculares (ECV), se realiza mediante la lectura de una prueba simple e indolora que muestra el ritmo cardiaco, para determinar si existe o no un grado de afectación, de acuerdo con los protocolos que presentan las normas internacionales. Trabajos recientes sugieren que el desarrollado de las nuevas tecnologías permite establecer diagnósticos médicos, para la detección temprana de ECV, para así acelerar la aplicación de los tratamientos. Este trabajo presenta como objetivo seleccionar un modelo computacional basado en redes neurales convolucionales (CNN por sus siglas en inglés), para la detección temprana de anomalías cardiacas a partir de las imágenes de un ECG, para esto se utilizó un proceso de clasificación de cuatro fases: análisis de data, entrenamiento, depuración de datos y la evaluación de resultados. Como insumo se consideró un conjunto de imágenes de ECG, obtenidas desde el sitio de Mendeley data, otro corresponde al aporte del Centro Médico OHS y otras fueron generadas mediante el dispositivo KardiaMobile. Para la clasificación se utilizó una CNN de transferencia de aprendizaje, y para la validación se consideraron 230 imágenes, las cuales fueron corroboradas mediante tres modelos pre-entrenados, Inception V3 con 96% de precisión, ResNet 101 con 93% de precisión y MobileNet V2 con 92% de precisión, logrando clasificar tres tipos de arritmias cardiacas, miocardio, ritmo sinusal normal y anormal.
