Classification of high resolution ECG from chagasic patients with wavelet based Bayesian models

Prado, Raquel; García, I.; Gomis, Pedro

doi:10.1109/cic.2001.977702

Cited by 2 publications

(2 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…La mayoría de estos trabajos científicos se basan en efectuar solamente un análisis estadístico descriptivo de los diferentes parámetros del complejo QRS extraído de las señales adquiridas (valores medios y desviaciones estándar de cada parámetro) [6,7]. En otros casos, se plantean algoritmos de clasificación básicos pero clínicamente inaplicables, ya que no se consiguen altas tasas de acierto cuando se consideran las 3 categorías de daño cardíaco detallados en la base de datos [8,9]. Estudios más recientes plantean algoritmos sofisticados de clasificación, pero los resultados obtenidos presentan márgenes de mejora significativos [10], ya que no se explotan todas las posibles combinaciones de los paráme-tros estimados.…”

unclassified

Estimación de Daño de Miocardio Producido por el Mal de Chagas Mediante Técnicas no Invasivas

Rattá

Laciar

2013

V Latin American Congress on Biomedical Engineering CLAIB 2011 May 16-21, 2011, Habana, Cuba

View full text Add to dashboard Cite

Abstract-Chagas' disease affects about 10 million people in Latin America. It is mainly transmitted by the faeces of triatomine bugs. The illness in humans can be recognized with a conventional Machado-Guerreiro test. However, it evolves in different stages. To determine the miocardial damage inflicted by the disease in the chronic stage it is necessary to perform several expensive, time consuming and sometimes even invasive tests.In this article, a machine learning system (Support Vector Machines) is trained to determine the degree of damage using exclusively the cardiac signals obtained from High Resolution Electrocardiogram (HRECG).The final classifiers consist of two simple formulas whose implementation can be easily carried out without the need of any knowledge in computer sciences.The research provides three significant contributions in the subject. First, it attains high classification rates. Second, it provides the final solution in two simple equations. Finally, it implements an exhaustive method useful to determine the best set of QRS features to train the classifiers.Palabras claves-Chagas Disease, Classification, Miocardial Damage. I. INTRODUCCIÓNSegún cifras recientes de la Organización Mundial de la Salud, el Mal de Chagas afecta alrededor de 10 millones de personas en Latinoamérica y se estima que otros 25 millones se encuentran en riesgo de contraer la enfermedad [1]. La enfermedad es causada por un parásito "Trypanosoma cruzi" (T. cruzi) y transmitida principalmente a humanos mediante insectos triatominos portadores [2].En la evolución de la enfermedad pueden distinguirse diferentes etapas. La primera fase aguda aparece poco tiempo después de la infección mientras que la etapa crónica se manifiesta luego de un periodo variable de tiempo [3]. La etapa aguda suele ser asintomática o presentar incomodidades medias. Muy raramente los enfermos mueren en esta etapa de la enfermedad.En un periodo posterior marcadamente variable alrededor de un 30% de los infectados alcanzan la etapa crónica. En esta fase el corazón evidencia una clara inflamación (miocarditis chagásica) que acarrea como consecuencia una inflamación del músculo cardiaco y una destrucción fibrilar. Esta fibrosis impide la correcta propagación del impulso eléctrico cardíaco [4], cuya consecuencia representa la mayor causa de decesos debido a la enfermedad en zonas donde esta es endémica [5]. Por otra parte, las zonas rurales o semirrurales, donde más extendida se encuentra la enfermedad, normalmente no cuentan con los equipos adecuados para realizar una correcta valoración del daño miocárdico.Sin embargo, las características eléctricas asociadas a la fibrosis producida por el Mal de Chagas deben ser evaluadas correctamente para establecer el tratamiento más adecuado en los pacientes. Debido a ello, en los últimos 15 años se han realizado varios trabajos usando registros de ECGAR (ElectroCardioGrafía de Alta Resolución). La mayoría de estos trabajos científicos se basan en efectuar solamente un análisis estadístico descriptivo de los difere...

show abstract

unclassified

Estimación de Daño de Miocardio Producido por el Mal de Chagas Mediante Técnicas no Invasivas

Rattá

Laciar

2013

V Latin American Congress on Biomedical Engineering CLAIB 2011 May 16-21, 2011, Habana, Cuba

View full text Add to dashboard Cite

show abstract

“…Principal Component Analysis (PCA) of the ECG signal was investigated for cardiac arrhythmia classification in [106]. Wavelet-based Bayesian models were used for ECG beat classification [107]. A linear discriminant classifier was introduced for classification of heartbeats [108].…”

Section: Related Workmentioning

confidence: 99%

Kernel machines and classifier ensemble learning for biomedical applications

Li¹

View full text Add to dashboard Cite

show abstract

Classification of high resolution ECG from chagasic patients with wavelet based Bayesian models

Cited by 2 publications

References 4 publications

Estimación de Daño de Miocardio Producido por el Mal de Chagas Mediante Técnicas no Invasivas

Estimación de Daño de Miocardio Producido por el Mal de Chagas Mediante Técnicas no Invasivas

Kernel machines and classifier ensemble learning for biomedical applications

Contact Info

Product

Resources

About