Date post: | 23-Feb-2017 |
Category: |
Engineering |
Upload: | marcos-gonzalez |
View: | 24 times |
Download: | 3 times |
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Clasificacion de ECG de IAM Usando laTecnica Medida de Disimilaridad Basada en
Compresion
Ing. Marcos Amaris GonzalezMs.Eng. Victor Martinez Abaunza Dr.Eng. Pablo Guillen Rondon∗
Grupo de Investigacion en Ingenierıa Biomedica - UIS
∗Centro de Simulacion y Modelado - ULA
Bucaramanga - Agosto de 2012
Marcos Amaris — CDM para clasificar ECG de IAM 1/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agenda
1 Planteamiento
2 Objetivos
3 Metodologıa
4 Resultados
5 Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 2/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agenda
1 Planteamiento
2 Objetivos
3 Metodologıa
4 Resultados
5 Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 3/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
PlanteamientoEl Corazon y su Funcionamiento como Bomba
Figura 1: Funcionamiento del corazon como bomba
Marcos Amaris — CDM para clasificar ECG de IAM 4/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
PlanteamientoElectrofisiologıa
Figura 2: Proceso electrico en el Corazon
Marcos Amaris — CDM para clasificar ECG de IAM 5/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
PlanteamientoElectrocardiograma
El electrogardiograma (EKG, del aleman Elektrokardiogramm)es la forma en que se representa la senal electrica del sistemacardiaco.
El electrocardiograma en las enfermedades cardiovasculares jue-ga un papel fundamental. Estas enfermedades representan laprincipal causa de muerte en paıses desarrollados y la terceracausa de muerte en paıses en vıa de desarrollo.
Marcos Amaris — CDM para clasificar ECG de IAM 6/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
PlanteamientoVariabilidad Frecuencia Cardiaca
Figura 3: VFC de un sujeto sano contra un paciente de IAM
Marcos Amaris — CDM para clasificar ECG de IAM 7/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
PlanteamientoTecnicas de Minerıa de Datos
• Symbolic Agreggate aproXimation (SAX).
• Compresion-based Disimilarity Measure (CDM).
CDM(x, y) =C(xy)
C(x) + C(y)(1)
donde C(xy) es el tamano en bytes de la concatenacion de las variables x y y, C(x) esel tamano en bytes de la compresion de la variable x, C(y) es el tamano en bytes de lacompresion de la variable y.
Marcos Amaris — CDM para clasificar ECG de IAM 8/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agenda
1 Planteamiento
2 Objetivos
3 Metodologıa
4 Resultados
5 Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 9/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ObjetivosObjetivo General
Objetivo General
Desarrollar una Aplicacion de Software para la Clasificacion deECG de IAM Utilizando la Tecnica CDM.
Marcos Amaris — CDM para clasificar ECG de IAM 10/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ObjetivosObjetivos Especıficos
Objetivos Especıficos
1 Seleccionar los algoritmos para el filtrado.
2 Caracterizar la VFC de cada uno de los electrocardiogramas.
3 Validar el funcionamiento de la tecnica CDM.
4 Validar el algoritmo de la maquina de aprendizaje para la clasificacionentre pacientes enfermos y sujetos sanos.
5 Disenar un modelo teorico basado en tenicas de procesamiento pa-ralelo y/o sistemas distribuidos.
Marcos Amaris — CDM para clasificar ECG de IAM 11/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agenda
1 Planteamiento
2 Objetivos
3 Metodologıa
4 Resultados
5 Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 12/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
MetodologıaProceso KDD en senales electrocardiograficas
Figura 4: Metodologıa de Descubrimiento de Conocimiento en ECG
Marcos Amaris — CDM para clasificar ECG de IAM 13/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
MetodologıaProceso KDD en senales electrocardiograficas
2 Bases de Datos de ECG de a 5 minutos con tasa de 250 muestras/seg
1 Una de propiedad del GIIB; adquiridas mientras el paciente era internado con eldiagnostico de infarto de miocardio.
2 Y otra de senales de sujetos sanos de propiedad de la Fundacion Cardiovascularde Colombia (FCV)
Ambiente de Calculo y Estadıstica R
Eficiencia
Variedad
Graficos de Alta Calidad
Minerıa de Datos
Computacion de Alto Rendimiento
Documentacion
Software Libre
Gratis . . .
Marcos Amaris — CDM para clasificar ECG de IAM 14/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agenda
1 Planteamiento
2 Objetivos
3 Metodologıa
4 Resultados
5 Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 15/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosFiltrado y Caracterizacion Wavelet
El proceso mas empleado para hallar la DWT es por medio del algoritmopiramidal de Mallat,
Figura 5: Arbol de descomposicion wavelet de una senal X.
Marcos Amaris — CDM para clasificar ECG de IAM 16/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosFiltrado y Caracterizacion Wavelet
Figura 6: Escalogramas antes y despues del filtrado con la funcion de filtro d6.
Marcos Amaris — CDM para clasificar ECG de IAM 17/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosProcesamiento Wavelet de Senales Electrocardiograficas sobre R
Wavelet Shrinkages (Atajos Wavelet)
1 Calcular la DWT la senal original.
2 Aplicar el esquema de segmentacion a los coeficientes wavelet.
3 Hallar la inversa o reconstruccion de la DWT.
Paquete Fecha Funciones WaveShrink Alg. Picos Scorewmtsa 2011-10-16 53 Si Si 93msProcess 2011-02-07 72 Si Si 47waveslim 2012-03-13 55 Si No 108wavethresh 2010-03-01 254 Si Si 144wavelets 2010-04-22 25 No No 77
Atributo wavShrink msDenoiseWavelet ThresholdingUser 0.024 0.528 0.596System 0.004 0.016 0.012Elapsed 0.047 0.591 0.609Score 33 32 25
Marcos Amaris — CDM para clasificar ECG de IAM 18/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosFiltrado y algoritmo de Hallazgo de Picos
Figura 7: Recuperacion de la linea de base, Filtrado y hallazgo de picos.
Marcos Amaris — CDM para clasificar ECG de IAM 19/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosAlgoritmo de Hallazgo de Picos
Figura 8: Hallazgo de picos por maximos locales.
Marcos Amaris — CDM para clasificar ECG de IAM 20/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosAlgoritmo de Hallazgo de Picos
Marcos Amaris — CDM para clasificar ECG de IAM 21/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosIntervalos RR y Extraccion de la VFC
Figura 9: Intervalos RR y FC de pacientes con IAM Vs. Sujeto Sano.
Marcos Amaris — CDM para clasificar ECG de IAM 22/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosIntervalos RR y Extraccion de la VFC
Figura 10: Diagrama de dispersion Intervalos RR y VFC de paciente con Infarto deMiocardio Vs. Sujeto Sano.
Marcos Amaris — CDM para clasificar ECG de IAM 23/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosIntervalos RR y Extraccion de la VFC
Figura 11: Histograma de los Intervalos RR de paciente con Infarto de Miocardio Vs.Sujeto Sano.
Marcos Amaris — CDM para clasificar ECG de IAM 24/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosIntervalos RR y Extraccion de la VFC
Figura 12: Histograma la VFC de paciente con Infarto de Miocardio Vs. Sujeto Sano.
Marcos Amaris — CDM para clasificar ECG de IAM 25/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosTransformacion - SAX
Normalizacion z-score: Los valores son normalizados basados en la mediaµ y la desviacion estandar σ de los valores a computar.
Z − norm =x− µ
σ(2)
Con la tecnica SAX se convierte una serie temporal o cadena de datosnumericos a cadena de sımbolos
Figura 13: Symbolic Agreggate aproXimation
Marcos Amaris — CDM para clasificar ECG de IAM 26/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosCompression-based Dissimilarity Measure
CDM(x, y) =C(xy)
C(x) + C(y)
MatDis ECG1 ECG2 ECG3 ECG4 ECG5 ECG6 ECG7 ECG8 ECG9 ECG10ECG1 D1,1 D1,2 D1,3 D1,4 D1,5 D1,6 D1,7 D1,8 D1,9 D1,10
ECG2 D2,1 D2,2 D2,3 D2,4 D2,5 D2,6 D2,7 D2,8 D2,9 D2,10
ECG3 D3,1 D3,2 D3,3 D3,4 D3,5 D3,6 D3,7 D3,8 D3,9 D3,10
ECG4 D4,1 D4,2 D4,3 D4,4 D4,5 D4,6 D4,7 D4,8 D4,9 D4,10
ECG5 D5,1 D5,2 D5,3 D5,4 D5,5 D5,6 D5,7 D5,8 D5,9 D5,10
ECG6 D6,1 D6,2 D6,3 D6,4 D6,5 D6,6 D6,7 D6,8 D6,9 D6,10
ECG7 D7,1 D7,2 D7,3 D7,4 D7,5 D7,6 D7,7 D7,8 D7,9 D7,10
ECG8 D8,1 D8,2 D8,3 D8,4 D8,5 D8,6 D8,7 D8,8 D8,9 D8,10
ECG9 D9,1 D9,2 D9,3 D9,4 D9,5 D9,6 D9,7 D9,8 D9,9 D9,10
ECG10 D10,1 D10,2 D10,3 D10,4 D10,5 D10,6 D10,7 D10,8 D10,9 D10,10
Tabla 1: Matriz de Disimilaridad de la medida CDM de 5 ECG in-fartados y 5 sanos
Marcos Amaris — CDM para clasificar ECG de IAM 27/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosClasificacion - Agrupamiento Jerarquizado
Figura 14: Dendograma de 10 ECG’s. 1:5 Infartados; 6:10 Sanos
Marcos Amaris — CDM para clasificar ECG de IAM 28/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosClasificacion - Agrupamiento Jerarquizado
Figura 15: Dendograma de 10 ECG’s. 1 Infartado; 2:10 Sanos
Marcos Amaris — CDM para clasificar ECG de IAM 29/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosClasificacion - Agrupamiento Jerarquizado
Figura 16: Dendograma de 10 ECG’s. 1:9 Infartados; 10 Sano
Marcos Amaris — CDM para clasificar ECG de IAM 30/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosClasificacion - Agrupamiento Jerarquizado
Figura 17: Dendograma de 20 ECG’s. 1:10 Infartados; 11:20 Sanos
Marcos Amaris — CDM para clasificar ECG de IAM 31/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosClasificacion - Agrupamiento Jerarquizado
Figura 18: Dendograma de 50 ECG’s. 1:25 Infartados; 26:50 Sanos
Marcos Amaris — CDM para clasificar ECG de IAM 32/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosEspecificadad y Sensibilidad del Modelo
Tabla 2: Relacion de una prueba diagnostica y la presencia o ausenciade una enfermedad.
Cantid. ECG VP VN FP FN Espec Sens10 5 4 1 0 80 % 100 %20 10 8 2 0 80 % 100 %40 20 18 2 0 90 % 100 %50 25 23 2 0 92 % 100 %
100 50 48 2 0 96 % 100 %
Tabla 3: Valores de Especificidad y Sensibilidad.Marcos Amaris — CDM para clasificar ECG de IAM 33/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosInterfaz Grafica
Paquetes svWidget y rpanel, ventana con 6 menus los cualesson:
1 Cargar DB
2 Preprocesamiento
3 Transformacion
4 Clasificacion
5 Graficos
6 Ayuda
Marcos Amaris — CDM para clasificar ECG de IAM 34/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosSistemas Distribuidos y Computacion en Paralelo
AlgoritmoNumero de senales a procesar
1 5 20 50 100 200 300Recuperacion Baselinea (seg) 0.308 1.405 4.906 11.712 23.257 46.878 69.533Reduccion Ruido (seg) 0.194 0.214 0.820 1.452 2.740 5.520 8.590Maximos Locales (seg) 4.381 19.729 77.678 201.492 406.679 807.683 1179.361Normalizacion Z (seg) 0.004 0.006 0.011 0.025 0.049 0.081 0.108SAX (seg) 0.007 0.027 0.099 0.264 0.362 0.716 1.103TOTAL (segundos) 4.894 21.381 83,514 214,945 433,087 860,878 1258,695
Paquetes y Funciones en R para HPC
Pack Parallel, RMPI, RPVM
Func lapply, papply, mclapply
Links http://cran.r-project.org/web/views/
HighPerformanceComputing.html,
http://cloudnumbers.com/r-for-hpc
Computacion de Alto Rendimiento
Cluster Beowulf
Cluster SuperComputadoras
Arquitecturas Multicore
Grid Computing
Memoria Distribuida o Compartida
Paralelizacion con mclapply 1 CPU 4 CPU’s 8 CPU’s 12 CPU’s 24 CPU’sMaximos Locales 300 ECG (seg) 1179.361 151.955 90.756 84.682 71.756
Marcos Amaris — CDM para clasificar ECG de IAM 35/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
ResultadosSistemas Distribuidos y Computacion en Paralelo
Figura 19: Modelo Distribuido - Paralelo del analisis de ECG con R
Marcos Amaris — CDM para clasificar ECG de IAM 36/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agenda
1 Planteamiento
2 Objetivos
3 Metodologıa
4 Resultados
5 Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 37/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Conclusiones
• Importancia de la etapa de preprocesamiento.
• El filtrado Wavelet facilito la optima extraccion de la VFC.
• Las tecnicas SAX y CDM fueron excelentes ındices para laclasificacion de electrocardiogramas.
• El algoritmo de compresion utilizado fue gzip, debido a queobtuvo la mejor distancia CDM.
Marcos Amaris — CDM para clasificar ECG de IAM 38/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Conclusiones
• El agrupamiento jerarquizado aglomerativo demostro exce-lentes resultados en la clasificacion.
• Se diseno un modelo distribuido-paralelo.
• El entorno de desarrollo satisfizo todas las necesidades.
• Herramienta que podrıa favorecer a la deteccion oportunade personas con enfermedades de cardiovasculares.
Marcos Amaris — CDM para clasificar ECG de IAM 39/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Artıculos y Eventos
Artıculos en Revistas Nacionales - En revision
N Clasificacion por Computadora de Electrocardiogramas con Infarto del Miocardio.Revista Duazary. Facultad de Medicina. Universidad del Magdalena.
H Medidas de Similaridad de Informacion Basadas en Compresion de Datos. Revistaen Estadıstica. Facultad de Estadıstica. Universidad Santo Tomas-Bogota.
Ponencias Orales en Eventos Internacionales
♣ Procesamiento Wavelet de Senales Electrocardiograficas sobre R. III Jorna-das de Usuarios de R; 17 y 18 de Noviembre de 2011, Madrid-Espana.http://usar.org.es/ponencias/node54.html.
♠ Clustering of Electrocardiographic Signals Using Compression-based Data MiningTechniques. Congreso Brasilero de Ingenierıa Biomedica. Porto Galinhas, Brasil.Notificacion de Aceptacion: 15 de Agosto de 2012.
F Maquinas de Aprendizaje No Supervisado para la Clasificacion de Senales Elec-trocardiograficas. V III Seminario Internacional de Procesamiento de Analisis deInformacion Medica. San Cristobal, Venezuela.Notificacion de Aceptacion: 14 de Septiembre de 2012.
Marcos Amaris — CDM para clasificar ECG de IAM 40/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Agradecimientos
Gracias a . . .Eamonn Keogh: Profesor de Ciencias Computacionales, Universidad de California.
FCV: Fundacion Cardiovascular de Colombia - Sede Bucaramanga.
grid.uis.edu.co: Unidad de Supercomputacion y Calculo Cientıfico de la UIS.
Marcos Amaris — CDM para clasificar ECG de IAM 41/43
Planteamiento Objetivos Metodologıa Resultados Conclusiones
Marcos Amaris — CDM para clasificar ECG de IAM 42/43