Classificação de complexo QRS em Sinais Cardíacos empregando abordagens baseadas na Decomposição Empírica de Modo

Abstract

O eletrocardiograma (ECG) é um exame médico preliminar e importante na assistência diagnóstica de sinais cardiovasculares. A grande demanda de exames, fez surgir estudos para automatizar a análise do sinal de ECG, diminuindo o tempo de laudo pelos especialistas e proporcionando algoritmos para diversos tipos de doenças cardíacas. Nesse contexto, o presente trabalho avalia três diferentes abordagens para a detecção de arritmias utilizando a Decomposição Empírica de Modo (Empirical Mode Decomposition – EMD). A primeira abordagem utiliza como pré-processamento o filtro do tipo Butterworth e a distinção dos sinais é realizada por meio da frequência cardíaca. A segunda abordagem emprega como pré-processamento algoritmo de Pan e Tompkins e a distinção dos sinais também por meio da frequência cardíaca. A terceira abordagem também utiliza o algoritmo de Pan e Tompkins como pré-processamento e utiliza cinco características para classificar os sinais entre saudáveis e não saudáveis em uma rede neural: frequência cardíaca, entropia, segmento QRS, desvio padrão do segmento QRS, segmento PR e desvio padrão do segmento PR. Formas distintas de avaliação de desempenho foram consideradas, para cada algoritmo implementado, tais como o intervalo de frequência, na primeira abordagem, o número de picos detectados da onda R, na segunda abordagem, e métricas de acurácia, sensibilidade e especificidade, na terceira abordagem. Por fim, é analisada a taxa de acerto, as quais são, respectivamente, 77,08% na abordagem 1, 99,15% na abordagem 2 e 100% na abordagem 3 utilizando a frequência e entropia como característica e uma rede neural. Diante dos resultados obtidos, o método EMD vem sendo muito usado em processamento de sinais e contribuindo em pesquisas de profissionais e pesquisadores.