Un novedoso algoritmo de detección del complejo QRS de ECG basado en redes bayesianas dinámicas

Área de la Ciencia:

• Ingeniería Biomédica
• Procesamiento de Señales
• Inteligencia Artificial

Sus antecedentes:

• La detección precisa del complejo QRS es vital para el análisis del electrocardiograma (ECG), pero los dispositivos portátiles actuales luchan contra la interferencia del ruido.
• Los métodos existentes a menudo se centran únicamente en las formas de onda del ECG, lo que limita su robustez frente al ruido complejo.

Objetivo del estudio:

• Desarrollar un novedoso método de detección del complejo QRS para dispositivos de ECG portátiles que mejore la robustez al ruido y la precisión.
• Integrar la forma de onda del ECG y la información del ritmo cardíaco en un modelo probabilístico unificado.

Principales métodos:

• Se desarrolló un enfoque de red bayesiana dinámica (DBN), que incorpora la distribución de probabilidad de los intervalos RR.
• Se empleó la optimización de parámetros no supervisada utilizando Expectation Maximization (EM) para la adaptación específica del paciente.
• Se implementaron estrategias de simplificación y un modo de detección en línea para mejorar la eficiencia y la capacidad en tiempo real.

Principales resultados:

• El método propuesto basado en DBN demostró un rendimiento superior en comparación con los métodos de vanguardia, incluidos los enfoques de aprendizaje profundo (DL), particularmente en conjuntos de datos ruidosos.
• El algoritmo mostró alta precisión, robustez al ruido, capacidad de generalización y capacidades de procesamiento en tiempo real.

Conclusiones:

• El algoritmo de detección QRS basado en DBN ofrece una solución prometedora para la localización precisa y robusta de latidos en dispositivos de ECG portátiles.
• La precisión, la resiliencia al ruido y la escalabilidad del método sugieren un potencial significativo para aplicaciones clínicas en la monitorización remota de pacientes.