Un método de diagnóstico inteligente para enfermedades cardiovasculares basado en el modelo CNN-CBAM-GRU

Área de la Ciencia:

• Ingeniería biomédica
• La inteligencia artificial en la medicina
• Cardiología

Sus antecedentes:

• El diagnóstico precoz de las enfermedades cardiovasculares (ECV) es fundamental para los resultados de los pacientes.
• La clasificación de la señal del electrocardiograma (ECG) es un desafío debido a las características complejas de la señal.
• El diagnóstico automático de ECV requiere métodos de análisis de ECG sólidos y eficientes.

Objetivo del estudio:

• Desarrollar y evaluar un nuevo modelo de aprendizaje profundo para la clasificación mejorada de la señal ECG.
• Mejorar la precisión y la eficiencia del diagnóstico automatizado de enfermedades cardiovasculares utilizando datos de ECG.
• Proporcionar una evaluación exhaustiva del rendimiento del modelo propuesto en los conjuntos de datos públicos de ECG.

Principales métodos:

• Propuso un modelo híbrido de aprendizaje profundo que integra las redes neuronales convolucionales (CNN), el módulo de atención de bloque convolucional (CBAM) y las unidades recurrentes con puerta (GRU).
• Se evaluó el modelo CNN-CBAM-GRU en dos conjuntos de datos de ECG de referencia: MIT-BIH y PTB-XL.
• Se realizó una evaluación exhaustiva del rendimiento utilizando precisión, recuerdo, sensibilidad y puntuación F1 para la clasificación en cinco clases.

Principales resultados:

• El modelo CNN-CBAM-GRU propuesto logró un alto rendimiento de clasificación en ambos conjuntos de datos.
• Logró un 98.17% de precisión y un 98.91% de puntuación F1 en el conjunto de datos MIT-BIH.
• Se logró una precisión del 99,21% y una puntuación de F1 del 99,47% en el conjunto de datos PTB-XL, con 2,45 millones de parámetros.

Conclusiones:

• El modelo CNN-CBAM-GRU ofrece una solución práctica y robusta para la clasificación inteligente del ECG.
• El modelo demuestra un fuerte equilibrio entre el rendimiento predictivo y la eficiencia computacional.
• Este enfoque facilita el diagnóstico automatizado de enfermedades cardiovasculares a través del análisis avanzado de ECG.