Clasificación de Señales Biomédicas ECG Mediante Filtros Basados en Modelos Polinomiales

Resumen:
Las enfermedades cardiovasculares son una de las principales causas de muerte a nivel mundial. El electrocardiograma (ECG) es una herramienta diagnóstica esencial para identificar patologías cardíacas, capturando características morfológicas clave que pueden utilizarse en sistemas automáticos de detección. Sin embargo, estas características pueden verse afectadas por ruido o artefactos. A lo largo de las décadas, se han desarrollado diversas técnicas para enfrentar este desafío, pero aún es necesario mejorar la precisión en la detección y clasificación automática de las señales ECG. En este contexto, esta investigación propone la clasificación de señales ECG con algunas patologías cardiacas tales como arritmias, insuficiencia cardíaca congestiva y ritmo normal.
Se destaca el uso del análisis ANOVA y Kruskal-Wallis de las características espectrales, como la entropía espectral del filtro UFIR. Los resultados muestran una mejora significativa en la clasificación de los modelos de aprendizaje mediante el análisis AUC de las curvas ROC.