Aplicação da análise de recorrência para detecção de infarto do miocárdio em sinais de ECG 12 derivações

Abstract

A utilização de métodos de análise de sistemas dinâmicos não-lineares para identificação de arritmias cardíacas a partir de sinais do eletrocardiograma (ECG) tem se tornado amplamente difundida, sobretudo as técnicas de análise de quantificação de recorrência (AQR) do espaço de fase (EF) reconstruído. Entretanto, a escolha dos parâmetros de reconstrução do EF, atraso e dimensão, ainda é controversa na literatura. Este estudo tem por objetivo principal avaliar o impacto da escolha do delay e dimensão na classificação de sinais de ECG de pacientes saudáveis e com infarto do miocárdio (IM). A classificação se deu pela construção de um modelo de aprendizado de máquinas, k-nearest neighbors (KNN), treinado a partir de atributos de AQR retirados de duas formas de reconstrução do EF, uma com parâmetros de imersão ótimos calculados para cada sinal e outro com parâmetros de imersão fixados. Complementarmente, também foram avaliadas as performances do algoritmo na detecção de IM em diferentes regiões cardíacas afetadas, além de testar cinco técnicas diferentes de normalização dos atributos. Os resultados indicam que apesar dos modelos com parâmetros de imersão fixos, em geral, possuírem desempenho superior aos modelos com parâmetros de imersão variáveis, em poucos casos essa diferença foi estatisticamente significativa. Quando a localização do infarto é levada em consideração, entre os melhores resultados, o desempenho do modelo com parâmetros de imersão fixos foi superior em todos os casos em que houve diferença estatisticamente significativa. Além disso, o melhor resultado obtido para classificação de IM foi de 0,815 para a área sob a curva da característica de operação de receptor, sendo o escalamento MinMax a técnica de normalização de atributos mais robusta entre os modelos testados.