CDLR-net: una red de clasificación de ECG basada en redes de contracción residual profunda y LSTM

Área de la Ciencia:

• Cardiología
• Ingeniería biomédica
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• Las redes de clasificación de electrocardiogramas (ECG) tradicionales a menudo se basan únicamente en señales de plomo MLII.
• Este enfoque se enfrenta a limitaciones de precisión, especialmente para las características sutiles del ECG, como los latidos prematuros.

Objetivo del estudio:

• Desarrollar una red avanzada de clasificación de ECG, CDLR-Net, que mejore la precisión de los latidos cardíacos prematuros.
• Integrar las señales del ECG MLII y las características del intervalo RR para mejorar el rendimiento diagnóstico.

Principales métodos:

• Un nuevo CDLR-Net que combina la Red de Reducción Residual Profunda (DRSN) y la Memoria Larga a Corto Plazo (LSTM).
• Descomposición de ondulaciones para la desnudez de la señal de ECG.
• Extracción de varias características del intervalo de RR (pre-RR, post-RR, RR promedio local-10, RR promedio general) después de la localización de la onda R.

Principales resultados:

• Logró una precisión del 97% en la clasificación entre pacientes en la base de datos del MIT-BIH.
• Alcanzó un 99% de precisión en la clasificación intrapaciente en la base de datos MIT-BIH.
• Se ha demostrado una mejora significativa en la precisión de la clasificación del ECG mediante la incorporación de información sobre el intervalo RR.

Conclusiones:

• El CDLR-Net propuesto mejora efectivamente la precisión de la clasificación del ECG, especialmente para los latidos cardíacos prematuros.
• La integración de las características del intervalo RR junto con las señales de ECG MLII es una estrategia prometedora para un análisis cardíaco robusto.
• El CDLR-Net muestra un alto potencial de aplicación clínica en la interpretación automatizada del ECG.