Determinación de valvulopatías cardíacas a través del análisis de sonidos del corazón mediante algoritmos de machine learning

Abstract

Las patologías asociadas al mal funcionamiento de las válvulas cardíacas constituyen un gran porcentaje de las enfermedades del corazón en general; su diagnóstico representa un reto para los médicos de atención primaria, incluso para médicos especialistas ya que se requiere de un oído entrenado y expertis en el campo para interpretar los sonidos del corazón, ya sea a través de la escucha o a través de la visualización de las señales cardíacas. En este trabajo se desarrolla un algoritmo de clasificación de sonidos cardíacos utilizando redes neuronales convolucionales (CNN) para la determinación de valvulopatías. Se realizó una etapa de pre procesamiento de la señal de fono cardiograma (PCG), que inicia con un re muestreo de la señal a 1000Hz, a continuación, se normalizó la señal y se realizó un proceso de filtrado entre 25 – 400 Hz. Posteriormente se segmentaron los sonidos cardíacos utilizando el modelo de semi Markov oculto (HSMM) que permite determinar los sonidos S1, S2, y las etapas sístole y diástole del ciclo cardíaco. Entonces se extrajeron las características de la señal descomponiendo la misma en cuatro bandas de frecuencia que se utilizaron como entrada de la CNN. Para la evaluación del clasificador se consideraron 301 registros del subconjunto de validación de la base de datos de Physionet, los resultados de las estadísticas obtenidas fueron 91.4% de especificidad y 75.3% de sensibilidad.