Resum
El treball que a continuació es presenta vol donar continuïtat a la línia
de treball iniciada amb una tesi prèvia titulada ”Estudio de métodos
para procesamiento y agrupación de señales electrocardiográficas”.
La problemàtica a tractar és la mateixa que en la tesi esmentada: reducció
del nombre de batecs a examinar en un registre electrocardiogràfic
(ECG) de llarga durada (conegut com a Holter), per mitjà de tècniques
d’agrupament no supervisat. En canvi, en aquest cas i com a tècnica
d’extracció de característiques s’empra l’aproximació poligonal (Polygonal
Approximation, PA) i a més a més, en l’etapa de reducció de les característiques,
s’emprarà un mètode estocàstic basat en els models ocults
de Markov (Hidden Markov Models, HMM) i un altre estadístic basat
en l’anàlisi de components principals (Principal Component Analysis,
PCA). En aquesta tesi es descriuen les aportacions realitzades en aquestes
tres àrees: PA, HMM i PCA, aplicades a aquesta problemàtica comcreta.
La validesa dels mètodes ve refrendada per l’ampli conjunt d’experiments
realitzats emprant com a font de dades els senyals ECG de que es disposa
en la base de dades del Massachusetts Institute of Technology (MIT). Com
a conclusió s’enumeren les millores obtingudes de l’aplicació d’aquests
mètodes sobre el procés de clustering de batecs sobre senyals ECG de tipus
Holter.