ECG Signals Classification Using Overlapping Variables to Detect Atrial Fibrillation
DOI:
https://doi.org/10.5540/tcam.2022.023.03.00569Palavras-chave:
Rényi entropy, statistical complexity, Fisher information, Lyapunov exponent, fractal dimension, atrial fibrillation, decision treesResumo
In the present work a method for the detection of the cardiac pathology known as atrial fibrillation is proposed by calculating different information, statistics and other nonlinear measures over ECG signals. The original database contains records corresponding to patients who are diagnosed with this disease as well as healthy subjects. To formulate the dataset the Rényi permutation entropy, Fisher information measure, statistical complexity, Lyapunov exponent and fractal dimension were calculated, in order to determine how to combine this features to optimize the identification of the signals coming from ECG with the above mentioned cardiac pathology. With the aim to improve the results obtained in previous studies, a classification method based upon decision trees algorithms is implemented. Later a Montecarlo simulation of one thousand trials is performed with a seventy percent randomly selected from the dataset dedicated to train the classifier and the remaining thirty percent reserved to test in every trial. The quality of the classification is assessed through the computation of the area under the receiver operation characteristic curve (ROC), the F1-score and other classical performance metrics, such as the balanced accuracy, sensitivity, specificity, positive and negative predicted values. The results show that the incorporation of all these features to the dataset when are employed to train the classifier in the training task produces the best classification, in such a way that the largest quality parameter is achieved.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
- Esta é uma revista de acesso aberto, o que significa que todo o conteúdo é livremente disponível gratuitamente para o usuário ou sua instituição. Os usuários estão autorizados a ler, baixar, copiar, distribuir, imprimir, pesquisar ou vincular os textos completos dos artigos, ou usá-los para qualquer outro propósito legal, sem pedir permissão prévia do editor ou do autor. Isso está de acordo com a definição de acesso aberto do BOAI.
Todo o conteúdo do periódico está licenciado sob uma Licença Creative Commons do tipo atribuição BY.