Cientifica, ISSN 2594-2921, vol. 28, no. 2, July-December 2024.
DOI: 10.46842/ipn.cien.v28n2a06
Sistema de detección de insuficiencia cardíaca congestiva en señales de ECG a través de aprendizaje máquina
Detection system of congestive heart failure in ECG signals through machine learning
Recibido 09-09-2024, aceptado 29-10-2024.
Resumen
Las enfermedades cardiovasculares, como la insuficiencia cardiaca congestiva, son una de las principales causas de mortalidad global y deterioran la calidad de vida. El electrocardiograma, eficiente y no invasivo, es esencial para detectar la insuficiencia cardiaca congestiva mediante el análisis de la actividad eléctrica del corazón. Este trabajo integra el aprendizaje automático supervisado en el análisis del electrocardiograma, utilizando modelos de clasificación para distinguir entre señales normales y aquellas afectadas por la insuficiencia cardiaca congestiva. Se desarrolla una plataforma web para apoyar la investigación y el desarrollo de sistemas de telemedicina, facilitando la clasificación de señales de electrocardiograma de manera automática y contribuyendo al diagnóstico médico a distancia, el registro de datos, y las consultas médicas. El presente trabajo demuestra que los modelos utilizados alcanzan una precisión de hasta el 99%, con solo cinco errores en 720 muestras de prueba. No obstante, la generalización del sistema puede verse limitada por la variabilidad en las señales y las condiciones de adquisición. La principal contribución de este trabajo es la investigación de rasgos específicos del electrocardiograma para entrenar modelos de clasificación, ofreciendo técnicas de utilidad para futuras investigaciones en entornos clínicos.
Abstract
Cardiovascular diseases, such as congestive heart failure, are leading causes of global mortality and deteriorate quality of life. The electrocardiogram, efficient and non-invasive, is essential for detecting congestive heart failure by analyzing the heart's electrical activity. This work integrates supervised machine learning into electrocardiogram analysis, using classification models to distinguish between normal signals and those affected by congestive heart failure. A web platform is developed to support research and the development of Telemedicine systems, facilitating the automated classification of electrocardiogram signals and contributing to remote medical diagnosis, data recording, and medical consultations. The present study demonstrates that the models used achieve up to 99% accuracy, with only five errors in 720 test samples. However, the system’s generalization may be limited by signal variability and acquisition conditions. The main contribution of this work is the investigation of specific electrocardiogram features to train classification models, offering useful techniques for future research in clinical settings.
Palabras clave: Análisis de señales, aprendizaje máquina, clasificación,
electrocardiograma, plataforma web.
Index terms: Classification, electrocardiogram, signal analysis,
machine learning, web platform.
ISO 690 reference:
Ascencio Salazar, Aldair;
Corral Domínguez, Ángel Humberto;
Ramírez Arzate, Fortunato;
Cárdenas Valdez, José Ricardo,
2024,
Sistema de detección de insuficiencia cardíaca congestiva en señales de ECG
a través de aprendizaje máquina,
Científica, vol. 28, no. 2,
ISSN 2594-2921, e280206,
DOI: 10.46842/ipn.cien.v28n2a06
