Comparación de métodos de selección de subconjuntos en datos de electrocardiograma multilead

Área de la Ciencia:

• Ingeniería Biomédica
• Cardiología Computacional
• Ciencia de Datos

Sus antecedentes:

• Las complicaciones de la salud cardíaca a menudo se detectan a través de anomalías en el electrocardiograma (ECG).
• El resumen automatizado de ECG ayuda a los médicos en la evaluación oportuna e integral del paciente.
• La disponibilidad variable de derivaciones en diferentes entornos de salud requiere métodos flexibles de análisis de ECG.

Objetivo del estudio:

• Investigar algoritmos de selección de subconjuntos para resumir datos de ECG de una sola derivación, ECG de 12 derivaciones, vectorcardiograma (VCG) y magnitud VCG.
• Comparar el rendimiento de siete algoritmos de descomposición de matrices CUR, incluidas las técnicas de sobremuestreo.
• Identificar representaciones de datos de ECG y algoritmos óptimos para mejorar la precisión diagnóstica y la eficiencia computacional.

Principales métodos:

• Se utilizó la base de datos de arritmias de 12 derivaciones INCART de San Petersburgo para el análisis.
• Se aplicaron siete algoritmos distintos de descomposición de matrices CUR para la selección de subconjuntos.
• Se investigaron enfoques estándar y de sobremuestreo, incluido el método de interpolación empírica discreta basado en QR (Q-DEIM) y el DEIM extendido (E-DEIM).

Principales resultados:

• El método de interpolación empírica discreta basado en QR (Q-DEIM) con datos de ECG de 12 derivaciones logró una alta detección de clases entre los métodos sin sobremuestreo.
• El algoritmo extendido DEIM (E-DEIM) demostró un rendimiento general superior utilizando una representación de menor rango de datos de magnitud VCG.
• E-DEIM proporcionó una detección de clases mejorada con posibles ahorros computacionales.

Conclusiones:

• La selección de subconjuntos es eficaz para resumir diversas representaciones de ECG.
• Los datos de magnitud VCG, cuando se resumen utilizando E-DEIM, ofrecen un enfoque prometedor para el análisis eficiente y preciso del ritmo cardíaco.
• Estas representaciones de ECG resumidas pueden mejorar los modelos de diagnóstico posteriores y la toma de decisiones clínicas para mejores resultados para los pacientes.