Evaluación de la Calidad en Registros Electrocardiográficos Procedentes de Pacientes con Fibrilación Auricular Mediante una Red Neuronal Convolucional

Abstract

[ES] La fibrilacion auricular (FA) es la arritmia cardiaca mas comun en la practica clinica. Su aparicion se asocia con un mayor riesgo de eventos cardiovasculares, siendo su deteccion temprana un reto todavia sin resolver. Esta arritmia suele comenzar con episodios asintomaticos y muy breves, necesitandose por tanto para su deteccion sistemas de registro electrocardiografico (ECG) con capacidad para la monitorizacion de largos periodos de tiempo. El principal problema que presentan estos sistemas es su fuerte exposicion al ruido, por ser adquiridos en entornos no controlados. Por lo tanto, es necesario disponer de sistemas automaticos que evaluen la calidad del registro de ECG adquirido, como primer paso para una deteccion precisa y temprana de la FA. Asi pues, en este trabajo se introduce un algoritmo basado en aprendizaje profundo, con el objetivo de discernir entre segmentos ECG de alta y baja calidad en registros de ECG de una sola derivacion, adquiridos en pacientes con FA. El metodo se basa en la alta capacidad de aprendizaje de una red neuronal convolucional, la cual se ha entrenado con senales de ECG sin preprocesar convertidas a imagen. Los resultados muestran una gran capacidad del metodo para discernir entre los segmentos de ECG de alta y baja calidad, alcanzando una exactitud del 95 %. Ademas, el metodo solo confunde el 6 % de los segmentos con FA como intervalos de baja calidad. Estos resultados mejoran en mas de un 20 % el rendimiento de la mayoria de los algoritmos previamente publicados para la evaluacion de la calidad del ECG que tambien tratan con señales de FA.