Classificação de Arritmias Utilizando Sinais de Variabilidade da Freqüência Cardíaca e o Algoritmo Prediction by Partial Matching

• Thiago Fernandes Lins de Medeiros UFPE
• Amanda Barreto Cavalcanti UFPB
• Berg Élisson Sampaio Cavalcante UFPB
• Erick Vagner Cabral de Lima Borges UFPB
• Igor Lucena Peixoto Andrezza UFPB
• Leonardo Vidal Batista UFPB

Resumo

Este artigo descreve um método de classificação de arritmias baseado no Sinal de Variabilidade da Freqüência Cardíaca (VFC) e no algoritmo de compressão Prediction by Partial Matching(PPM). A extração do sinal VFC é realizada através da análise do eletrocardiograma para detectar o pico R no complexo QRS dos batimentos cardíacos. Então é possível gerar o sinal. A classificação das arritmias cardíacas é feito em dois passos. Na etapa de treinamento o algoritmo PPM constrói modelos estatísticos para os tacogramas extraídos. Na etapa de classificação, os tacogramas são comprimidos pelos modelos obtidos e atribuídos às classes que obtêm a melhor razão de compreensão.

Referências

Acharya R.U., Bhat BS, Iyengar SS, Rao A, Dua S. (2003)"Classification of heart rate data using artificial neural network and fuzzy equivalence relation". Pattern Recogn 2003;36(1): p. 61-68.

Asl B.M., Setarehdan SK, and Mohebbi M. (2008)."Support vector machine-based arrhythmia classification using reduced features of heart rate variability signal", Artif. Intell. Med. 44, 1 (Sep. 2008), p. 51-64.

Bell T. , Cleary J. , Witten I. (1984),"Data compression using adaptive coding and partial string matching", IEEE Transactions on Communications, v. 32, n. 4, p. 396-402.

Shannon C. E. (1948)"A mathematical theory of communication",' Bell System Technical Journal,vol. 27, p. 379-423 and 623-656, July and October.

Carvalho L.C. (2008)"Instrumentação Médico-Hospitalar", 1ª ed. Barueri - São Paulo: Manole. v. 1.

Hamilton P.S., Tompkins W.J. (1986)"Quantitative investigation of QRS detection rules using the MIT/BIH arrhythmia database". IEEE Trans Biomed Eng 1986;33(12), p.1157-1165.

Honorio, T. C. S. ; Batista, L. V. ; Duarte, R. C. M. (2009)"Texture Classification Using Prediction by Partial Matching Models". Workshop de Visão Computacional, São Paulo, p. 21-26.

Goldberger, L. and E. (1977), Clinical Electrocardiography, Saint Louis: The Mosby Company, 1st edition.

Madeiro J.P.V. et al (2007),"A new approach to QRS segmentation based on wavelet bases and adaptive threshold technique", Medical Engineering and Physics, v. 29, p. 26-37.

Mark R.G., Moody G.B. (1997)."MIT-BIH Arrhythmia Database" [Online]. Disponível em: [link] [acessado: 23.02.2009].

Pan J., Tompkins W.J. (1985)"A real time QRS detection algorithm" IEEE Trans Biomed Eng 1985;32(3): p. 230-236.

Salomom D. (2004)"Data Compression – The Complete Reference". 3ª ed. Springer.

Task force of The European Society of Cardiology and The North American Society of Pacing and Electrophysiology (1996),"Heart Rate Variability: Standards of measurement, physiological interpretation and clinical use", Eur. Heart J, vol. 17, p. 354-381.

Tsipouras M.G., Fotiadis D.I. (2004)"Automatic arrhythmia detection based on time and time—frequency analysis of heart rate variability" Comp Meth Prog Biomed 2004;74(2): p. 95-108. Comput 1997;35(6): p. 626-632.

Tsipouras M.G., Fotiadis D.I., Sideris D. (2005)"An arrhythmia classification system based on the RR-interval signal" Artif Intell Med 2005;33(3): p. 237-250.