Σχεδίαση Μεθόδου Πρόβλεψης Παροξυσμικής Κολπικής Μαρμαρυγής Μέσω Ανάλυσης Ecg Σημάτων Με Χρήση Αλγορίθμων Μηχανικής Μάθησης

Abstract

Η Κολπική Μαρμαρυγή (ΚΜ) είναι η πιο κοινότυπη αρρυθμία και επηρεάζει από 0.5% ως 1% του γενικού πληθυσμού. Συνήθως η ΚΜ ξεκινά με παροξυσμικά επεισόδια. Κάποιοι ασθενείς παρουσιάζουν μόνο Παροξυσμική Κολπική Μαρμαρυγή (ΠΚΜ), κυρίως σε περιπτώσεις χορήγησης αντι-αρρυθμικής αγωγής, αλλά στην πλειονότητα των περιστατικών, η ΠΚΜ προχωράει σε μόνιμη ΚΜ. Η ΚΜ συνδέεται με αυξημένο κίνδυνο εγκεφαλικού επεισοδίου, καρδιακή ανεπάρκεια και άνοια, γι αυτό είναι πολύ σημαντικό να προβλεφθούν τα επεισόδια πριν η ΠΚΜ εξελιχθεί σε ΚΜ. Παρά τις πολύχρονες έρευνες, δεν έχει εξακριβωθεί ακόμη και σήμερα ο μηχανισμός μετάβασης από τα επεισόδια της ΠΚΜ στη μόνιμη κατάστασή της. Έτσι, η πρόβλεψη και η θεραπεία της ασθένειας είναι ανεπαρκείς. Για την αποτελεσματική πρόβλεψη και κατά συνέπεια τη θεραπεία της ΚΜ απαιτείται ένας αυτοματοποιημένος τρόπος διάγνωσής της, που να βασίζεται στην ανάλυση των ηλεκτροκαρδιογραφημάτων. Κάτι τέτοιο αποτελεί ακόμη και σήμερα μια τεχνική πρόκληση. Η ΠΚΜ μπορεί εύκολα να περάσει απαρατήρητη αφού μετά το πέρας του επεισοδίου ή πολύ πριν από αυτό, τίποτα δεν αποδεικνύει ότι συνέβη ή ότι πρόκειται να συμβεί. Έχει αποδειχθεί ότι η ΚΜ διαφοροποιεί ένα ΗΚΓ στα ακόλουθα τρία σημεία: μορφολογία του P κύματος, δυναμική των RR διαστημάτων και αυξημένη παρουσία έκτοπων παλμών.Η παρούσα μελέτη ξεκίνησε με σκοπό την αναπαραγωγή ενός διαγωνισμού που οργανώθηκε από τη Physionet, κι έγινε μια προσπάθεια σχεδιασμού μιας αυτοματοποιημένης μεθόδου διάγνωσης ΠΚΜ, βασιζόμενη στην ανάλυση των ECG σημάτων με χρήση αλγορίθμων μηχανικής μάθησης. Η μέθοδος αυτή από μια διαδικασία δύο σταδίων: το πρώτο στάδιο είναι η εξαγωγή των χαρακτηριστικών και το δεύτερο η δημιουργία ενός ταξινομητή που βασίζεται στα HRV χαρακτηριστικά που εξήχθησαν. Τα ΗΚΓ που χρησιμοποιήθηκαν στην προτεινόμενη μέθοδο προέρχονται από την Βάση Δεδομένων Πρόβλεψης Κολπικής Μαρμαρυγής (AFPDB). Αυτή η βάση δεδομένων συνίσταται από 100 ψηφιοποιημένα σετ ECG καταγραφών, με δειγματοληψία στα 128 Hz και 12 bit ανάλυση από 48 διαφορετικά υποκείμενα.Για τους σκοπούς της διπλωματικής όλα τα σήματα χρησιμοποιήθηκαν για τη διαμόρφωση του συνόλου των εκπαιδευτικών δεδομένων και στη συνέχεια ακολούθησε επικύρωση των SVMs με τη μέθοδο της διασταυρούμενης επικύρωσης.