ResumenEste trabajo propone la detección de FV y su discriminación de TV y otros ritmos cardiacos basándose en la representación tiempo-frecuencia del ECG y su conversión en imágen como entrada a un clasificador de vecinos más cercanos (KNN) sin necesidad de extracción de parámetros adicionales. Tres variantes de datos de entrada al clasificador son evaluados. Los resultados clasifican la señal en cuatro clases diferentes: 'Normal' para latidos con ritmo sinusal, 'FV' para fibrilación ventricular, 'TV' para taquicardia ventricular y 'Otros' para el resto de ritmos. Los resultados para detección de FV mostraron 88,27 % de sensibilidad y 98,22 % de especificidad para la entrada de imagen equivalente reducida que es la más rápida computacionalmente a pesar de obtener resultados de clasificación ligeramente inferiores a las representaciones no reducidas. En el caso de TV, se alcanzó un 88,31 % de sensibilidad y 98,80 % de especificidad, un 98,14 % de sensibilidad y 96,82 % de especificidad para ritmo sinusal normal y 96,91 % de sensibilidad con 99,06 % de especificidad para la clase 'Otros'. Finalmente, se realiza una comparación con otros algoritmos.Palabras Clave: Sistemas biomédicos, Señales Electrocardiográficas, Representación tiempo-frecuencia, Señales no estacionarias, Análisis de imágenes, Clasificación Ventricular Fibrillation detection using time-frequency and the KNN classifier without parameter extraction. AbstractThis work describes new techniques to improve VF detection and its separation from Ventricular Tachycarida (VT) and other rhythms. It is based on time-frequency representation of the ECG and its use as input in an automatic classifier (K-nearest neighbours -KNN) without any further signal parameter extraction or additional characteristics. For comparison purposes, three time-frequency variants are analysed: pseudo Wigner-Ville representation (RTF), grey-scale image obtained from RTF (IRTF), and reduced image from IRTF (reduced IRTF). Four types of rhythms (classes) are defined: 'Normal' for sinus rhythm, 'VT' for ventricular tachycardia, 'VF' for ventricular fibrillation and 'Others' for the rest of rhythms. Classification results for VF detection in case of reduced IRTF are 88.27 % sensitivity and 98.22 % specificity. In case of VT, 88.31 % sensitivity and 98.80 % specificity is obtained, 98.14 % sensitivity and 96.82 % specificity for normal rhythms, and 96.91 % sensitivity and 99.06 % specificity for other rhythms. Finally, results are compared with other authors.

ResumenLa docencia del Tratamiento Digital de Señales (TDS) se realiza en diversos módulos, con una gran intersección de contenidos. En el presente trabajo se desarrolla una estrategia, que permite la unificación de contenidos de TDS, pudiéndose extraer los correspondientes a cada asignatura que componen el mapa curricular de TDS. Además, se plantea que el repositorio común de los contenidos se base en una plataforma para gestión de recursos, analizando en este trabajo el caso de Moodle y DotLRN. La solución final consiste en un repositorio en formato HTML formado por unidades básicas. Estas unidades básicas se agrupan en paquetes estándar IMS-CP, formando los materiales de las distintas asignaturas.Palabras clave: Tratamiento Digital de Señales, aprendizaje en línea, DotLRN, Moodle, Aula Virtual, IMS-CP | DOCENTIC Resum La docència del Tractament Digital de Senyals (TDS) es realitza en diversos mòduls, amb una gran intersecció de continguts. Este treball planteja el desvolupament d'una estratègia que permeta la unificació de continguts de TDS, de manera que es puguen extraure els corresponents a cada assignatura que composen el mapa curricular de TDS. Amés, es planteja que el repositori comú dels continguts es base en una plataforma per gestió de recursos, tot analitzant el cas de Moodle i DotLRN. La solució final consistix en un repositori en format HTML format per unitats bàsiques. Estes unitats bàsiques s'agrupen en paquets estàndard IMS-CP, formant els materials de les diferents assignatures.Paraules clau: Tractament Digital de Senyals, aprenentatge en línia, DotLRN, Moodle, Aula Virtual, IMS-CP |Fecha presentación: 26/09/2010 | Aceptación: