Hacia la clasificación de fonocardiogramas utilizando descriptores caóticos y estadísticos

Carlos Antonio Osorio Maceda, Hugo G. González Hernández

Resumen


En este trabajo, tres descriptores: la dimensión de correlación, el exponente de Lyapunov y la entropía aproximada, son calculados a partir de series de tiempo procedentes de mediciones de fonocardiogramas, con el propósito de entrenar una red neuronal auto-organizada para clasificar afecciones cardíacas. El uso de la red neuronal, en conjunto con descriptores caóticos y estadísticos, muestran un buen desempeño y capacidad para lograr una segmentación entre clases.

Palabra(s) Clave(s): análisis de series de tiempo, entropía aproximada,
fonocardiograma, reconstrucción del atractor, red neuronal auto-organizada, teoría de caos.


Texto completo:

1390-1407 PDF

Referencias


S. Schulz, K. Bär, A. Voss. Analyses of Heart Rate, “Respiration and Cardiorespiratory Coupling in Patients with Schizophrenia”. Entropy. Vol. 17. 2015. 483-501 pp..

C. Hoang, P. Stein, “Time frequency analysis of heart rate variability with chaos theory”. 13th International Conference on Computational Science and Its Applications. 2013. 174-177 pp.

B. Raghavendra. D. Dutt, “Multiscale fractal dimension technique for characterization and analysis of biomedical signals”. Digital Signal Processing Workshop and IEEE Signal Processing Education Workshop (DSP/SPE). IEE. 2011. 370 – 374 pp.

N. Bhaskar, “Performance Analysis of Support Vector Machine and Neural Network in Detection of Myocardial Infarction”. Procedia Computer Science. Vol. 46. 2015. 20-30 pp.

G. Redlarski, D. Gradolewski y A. Palkowski, “A System for Heart Sounds Classification”. US National Library of Medcine National Institutes of Health. Ed. Alena Talkachova. 2014.

K. Balasubramanian, S. Nair y N. Nagaraj, “Classification of periodic, chaotic and random sequences using approximate entropy and Lempel-Ziv complexity measures”. Pramana, journal of physics. Vol. 84. 2015. 365-372

pp.

D. Baoxiang, X. Wei, S. Bingbing, D. Qun y C. Shu-chuan, “Prediction of Chaotic Time Series of RBF Neural Network Based on Particle Swarm Optimization”. Intelligent Data Analysis and Its applications. Vol. 2. 2014. 489-497 pp.

P. Grassberger y I. Procaccia, “Characterization of strange attractors”. Physical Review Lett. Vol. 50. No. 346. 1983.

M. Rosenstein, J. Collins y C. Luca, “A practical method for calculating largest lyapunov exponents from small data sets”. Physica D. Vol. 65. 1993. 117–34 pp.

M. Steven, Pincus y A. Goldberger, “Modelling in physiology. The american Physiological Society”. Cadiovascular Division. No. 266. 1994.

The Pascal Classifying Heart Sounds Challenge. Disponible en: http://www.peterjbentley.com/heartchallenge/index.html. 2011.

P. O’Gara y J. Loscalzo, “Approach to the Patient with Heart Murmur”. Cardinal Manifestations and Presentation of Diseases. 2012. McGraw-Hill. 13-10 pp.

T. Poari, H. Owaitha, “Heart and Lung Auscultation. CDHB Clinical Skills Unit. Canterbury”. 2013. 1-30 pp.

H. Abarbanel, “Analysis of observed chaotic data”. Springer-Verlag. 1995. 13-65 pp.

J. Sprott, “Chaos and Time-Series Analysis”. 2003. Oxford University Press.

A. Casiano, H. González, “Automatic classification of EEG epileptic patterns using chaotic descriptors”. Congreso Nacional de Control Automático. 2005.


Enlaces refback

  • No hay ningún enlace refback.




URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Esta revista está bajo una Licencia Creative Commons Atribución 3.0 No portada.