Nuevos desarrollos y aplicaciones basados en métodos estocásticos para el agrupamiento no supervisado de latidos en señales electrocardiográficas

Abstract

El trabajo presentado, pretende dar continuidad a la línea de trabajo iniciada con una tesis previa titulada ''Estudio de métodos para procesamiento y agrupación de señales electrocardiográficas''. La problemática a abordar es la misma que en la tesis mencionada: reducción del número de latidos a examinar el un registro electrocardiográfico (ECG) de larga duración (conocido como Holter), mediante técnicas de agrupamiento no supervisado. Sin embargo, en este caso y como técnica de extracción de características se utiliza la aproximación poligonal (Polygonal Approximation, PA) y además, en la etapa de reducción de características, se usará un método estocástico basado en los modelos ocultos de Markov (Hidden Markov Models, HMM) y uno estadístico basado en el análisis de componentes principales (Principal Component Analysis, PCA). En esta tesis se describen las aportaciones realizadas en estas tres áreas: PA, HMM y PCA, aplicadas a esta problemática concreta. La validez de los! métodos viene refrendada por un conjunto amplio de experimentos utilizando como fuentes de datos las señales ECG disponibles en la base de datos del Massachusetts Institute of Technology (MIT). Como conclusión se enumeran las mejoras obtenidas de la aplicación de estos métodos sobre el proceso de clustering de latidos sobre señales ECG de tipo Holter.