Diseño de un sistema de adquisición y procesamiento de señales electrocardiograficas para la ayuda en el diagnóstico de arritmias mediante redes neuronales convolucionales

Abstract

La detección inoportuna de arritmias puede degenerar la calidad de vida de las personas e incluso puede provocar la muerte. Estas anomalías cardiacas son detectadas principalmente mediante el análisis de un electrocardiograma (ECG) por un médico especialista. Sin embargo, las condiciones socio económicas del Perú hacen que sea difícil realizar un diagnóstico oportuno debido a que las personas no acuden con frecuencia a realizarse chequeos médicos, y por lo general el costo de estos chequeos es restrictivo para muchos. Por ello en esta investigación se desarrolla un sistema que permita el diagnóstico de arritmias, el cual solo requiere una computadora personal, y un módulo electrocardiográfico de bajo costo. El sistema de detección de arritmias propuesto por esta tesis, hace uso de la base de datos ECG Heartbeat Categorization Dataset, la cual es utilizada para realizar el entrenamiento de la red neuronal convolucional (CNN). Con el modelo neuronal creado, se procede a implementar un sistema de adquisición y procesamiento de señales ECG de bajo costo, permitiendo que las nuevas señales adquiridas sean clasificadas en una de las 5 categorías de arritmias consideradas (N, S, V, F y Q). Después de realizar las pruebas adecuadas y verificar que el sistema funciona correctamente se procede a elaborar una interfaz gráfica que permite una evaluar de una forma eficiente e imprimir un reporte pdf del diagnóstico realizado. La capacidad de detección del sistema elaborado mostró resultados positivos, teniendo una exactitud general por encima del 93%, por lo que este sistema se puede utilizar para obtener un primer diagnóstico, el cual con un alto nivel de certeza puede alertar de una anomalía en el ritmo cardiaco, permitiendo a la persona asistir con un especialista para confirmar el resultado, lo cual evita gastos innecesarios.

The untimely detection of arrhythmias can degenerate people's quality of life and can even lead to death. These cardiac abnormalities are mainly detected by analysis of an electrocardiogram (ECG) by a specialist doctor. However, Peru's socio-economic conditions make it difficult to make a timely diagnosis because people do not frequently go for medical check-ups, and the cost of these check-ups is generally restrictive for many. For this reason, this research develops a system that allows the diagnosis of arrhythmias, which only requires a personal computer, and a low-cost electrocardiographic module. The arrhythmia detection system proposed by this thesis makes use of the ECG Heartbeat Categorization Dataset database, which is used to train the convolutional neural network (CNN). With the neural model created, a low-cost ECG signal acquisition and processing system is implemented, allowing new acquired signals to be classified into one of the 5 arrhythmia categories considered (N, S, V, F and Q ). After carrying out the appropriate tests and verifying that the system works correctly, a graphic interface is developed that allows an efficient evaluation and the printing of a pdf report of the diagnosis made. The detection capacity of the elaborated system showed positive results, having an overall accuracy above 93%, so this system can be used to obtain a first diagnosis, which with a high level of certainty can alert of an anomaly in the heart rate, allowing the person to assist a specialist to confirm the result, which avoids unnecessary expenses.