I. MART y su aplicación clasificación de latidos cardíacos - E

Computación y Sistemas Vol. 3 No.4 pp. 296 -299
@ 2000, CIC -IPN. ISSN 1405-5546 Impreso en México
Fernández-Delgado, M.
Directores:
Barro, S.1 y Presedo, J.M.l
Resumen
El trabajo que se describe en esta tesis doctoral se integra en
el diseñoe implementaciónde SUTIL+ (Barro, 1999),un sistema
para la monitorización inteligente de pacientes ingresados en
una Unidad de Cuida(los Intensivos Coronarios (UCIC). El
seguimiento del paciente seefectúa a partir de múltiples señales
y parámetros de carácter fisiológico (ECO, presiones
hemodinámicas, etc.), sobre las cuales SUTIL+ realiza un
procesamiento en tiempo real, que busca aportar información
en buena medida complementaria a la proporcionada
usualmeQtepor los sistemas de ntonitorización comerciales y
con un contenido semántico muy superior. El desarrollo de
drivers para la adquisición de señalesy parámetros a partir de
monitores comerciales de cabecera, conectados en redes de
área local, su posterior procesamiento, la gestión del
almacenamiento y recuperación de información en memoria y
en disco, el diseño de las comunicaciones entre equipos y
procesos y, por supuesto, el dotar a todo el conjunto de una
adecuada interfaz de usuario, son una parte muy importante
del trabajo realizado. Otro aspecto fundamental ha sido el
desarrollo de las etapas de procesamiento de bajo y medio
nivel de las señales monitorizadas. Entre ellas sobresale la
implententación de la etapa de clasificación morfológica en
tiempo real de latidos cardíacos, haciendo uso de una nueva
arquitectura de computación neuronal, denominada MART
(Multi-channel AR1), desarrolladatambién en el marco de esta
tesis doctoral, que posee unas excelentes cualidades para el
reconocimiento de patrones multicanal.
1 Dept. Electrónica
y Computación,
Univ. Santiago de Compostela,
Espaffa. email: { delga,senen, suso }@dec.usc.es
El primer capítulo de la tesis ofrece una introducciórt a la
monitorización inteligente de pacientesen UCIC. En el capítulo
2 se presenta la estructura software de SUTIL+, analizando
sus niveles de procesamiento, los drivers para la adquisición
de señal a partir de monitores comerciales, y los aspectos de
comunicación y almacenamientode datos en disco. El capítulo
3 describe los algoritmos de procesamiento de señal, tanto a
nivel de muestra (acondicionamiento de señal, detección de
latidos) como de latido (cálculo de la anchura del complejo
QRS, delineación de sus ondas, cálculo de la desviación y
pendiente del segmento ST, clasificación morfológica de
iatidos, cálculo de las presiones media, sistólica y diastólica,
etc.).
El capítulo 4 presenta la arquitectura MART como una nueva
propuesta para el reconocimiento adaptativo de patrones
multicanal, cuya aplicación a la clasificación morfológica de
latidos setrata en el capítulo 5. Por último, el capítulo 6 describe
la interfaz de comurticacióncon el usuario de SUTIL+, haciendo
especialénfasis en las posibilidades que el uso de la tecnología
lava ofrece para el accesoremoto a la información a través de
un navegador Web desde cualquier tipo de plataforma
hal'dware.
I. MART
clasificación
y su aplicación
de latidos cardíacos
a
la
El modelo MART (Barro, 1998; Femández-Delgado, 1998;
Femández-Delgado, 2000) es un modelo de computación
neuronal que parte de la arquitecturaART (Carpenter, 1987),
de la cual aprovecha sus propiedades de aprendizaje autoorganizativo y on-line, su independencia respecto a un
conjunto de entrenamiento y su resolución del dilema
"estabilidad-plasticidad", y a las que afiade su orientación al
reconocimiento de patrones sobre múltiples canales de señal.
Resumen
de Tesis
Doctoral.
MART:
Una Nueva
Arquitectura
MART aporta, no obstante, una serie de propiedades
adicionales, ausentes en la arquitectura ART original, entre
las que podemos mencionar:
Operación sobre múltiples canales de señal, valorando
selectivamente cada uno de ellos en función de su calidad
en cada momento.
Autonomía en su funcionamiento,
adaptando sus
parámetrosdinámicamenteen función de las características
de la señal de entrada.
Capacidad de discriminación individualizada para cada
una de las clases aprendidas, en función de los patrones
asignados a la misma.
Adaptación a la variabilidad de las clases,incrementando
o reduciendo la capacidad de discriminación asociada a
cada clase en función de la variabilidad exhibida por sus
patrones asignados, y aumentando así su tolerancia en
situaciones de ruido.
Valoración selectiva de las clasesaprendidas, en ftmción
de su interés para el proceso de reconocimiento de
de Computación
Neuronal
y su Aplicación
al Diseño...
bloque monocanal se determina la diferencia local di entre el
representante de la clase k. y el patrón de entrada en el canal
i. El Sistema de Orientación determina la diferencia global d
sobre todos los canales en base a las diferencias locales d.,
I
cada una de ellas ponderada
por un factor
o crédito
de canal xi
que evalúa, en cada instante, la fiabilidad asociada al canal i.
La diferencia global d se compara con la vigilancia Pk"asociada a la clase K, que mide la diferencia patrón-clase por debajo
de la cual se alcanza la resonancia entre ambos. Si d es inferior
a Pk"se produce la resonancia. En caso contrario, la clase k"
queda descartadapara la resonancia con este patrón. El bloque F4 selecciona la segunda clase más similar con el patrón
de entrada sobre todos los canales, y se repite el proceso
hasta que, o bien se alcanza la resonancia con alguna de las
clases aprendidas, o bien el Gestor de Clases (ver figura I)
crea una nueva clase que en adelante identificará al patrón de
entrada, al cual se iguala el representante de esta nueva clase.
Si resulta necesario, el Gestor de Clases suprime aquella clase
con menor crédito o relevancia entre los patrones de entrada.
patrones.
F4
+
-I
+
+
{T¡J
Cuando se alcanza la resonancia, la infonnación asociada a la
clase resonante se actualiza para adaptarse al patrón de
entrada:
J::
El representantede la clase se aproxima al patrón, aunque
sólo cuando la diferencia global d entre ambos es reducida, y sólo en aquellos canales donde la diferencia local d.,
m
I
es inferior a Pk.. Se intenta así evitar que errores de clasificación puedan distorsionar gravemente los representantes de clase.
I
I
Bloque
Monoc¡¡n¡¡¡!
~
(E
I +Si~te~a~e+I ,
,
,act,
¡ac1k
~
Orien~a~iÓ~
¡:
~
Figura
{rek
Diagrama de bloques funcionales
de MAR T
La figura I muestra el diagrama de bloques de MAR T, donde
se pueden distinguir I Bloques Monocanal, asociados a cada
uno de los I canales de entrada. El bloque i (i = I, ..., 1) tiene
como entrada el patrón en dicho canal (E) y presenta en su
salida su similitud local I:k (k = I, ..., K) en el canal i con los
representantes de cada una de las K clases aprendidas, en
basea una medida de similitud adaptable a la aplicación abordada. El bloque F4 integra sobre los I canales las similitudes
locales I:k entre el patrón y las clases apren~idas, seleccionando la clase k. que presentauna mayor similitud global (i.e.,
sobre todos los canales) con el patrón de entrada. En cada
Paracadauna de las clases,el sistemaaprendeuna medida
de la variabilidad promedio exhibida por los patrones que
han resonado con ella, medida denominada "radio de
clase". La diferencia global d entre un patrón y su clase
resonante sirve para actualizar el radio de dicha clase. De
esta forma, una diferencia superior (inferior) al radio de
claserevela un incremento (decremento) en la variabilidad
promedio de los patrones asociados a dicha clase, razón
por la cual se eleva (disminuye) su vigilancia. Se intenta
asíadaptarla capacidadde discriminación asociadaa dicha
clase a la evolución en la variabilidad de sus patrones
asociados.
Los créditos de canal x; se actualizan con cada patrón,
incrementándose
en aquellos
canales donde
sistemáticamentela variabilidad entre el patrón y su clase
más similar es baja, situación asociada a una clara pertenencia a dicha clase y, por tanto, a un canal fiable. A la
inversa, se reduce el crédito hacia aquellos canales donde dicha variabilidad es reiteradamente elevada, revelando la presencia de ruido o aleatoriedad y, consecuentemente, una baja fiabilidad.
Resumen
.
de Tesis
Doctoral:
MART:
Una Nueva
Arquitectura
Con cada resonancia, el crédito o factor de ponderación
asociado a la clase resonantese incrementa, reduciéndose
el asociado a las clasesrestantes.De estaforma, el sistema
valora en mayor medida aquellas clases más
representativas, esto es, con más patrones asignados,
tratando de evitar con ello su posible sustitución en caso
de agotamiento en la capacidad de aprendizaje de clases
nuevas.
---I
,-;:-~~r:~cl1laI11C"
declase-,
mor[¡¡lógica"
Pa!ron
deentrada,
(lu!ldo"urd¡uco)
CliL'e1 , Gal1odoru
CI","2 ,' CliL'eJ CliL'"4
CI- ,
-r
Canal'
t1,=ü.l14
x, = Il~l"'
de Computación
I
~
i
! I
I!
I
~
I
'
\
I ':
I'
,
¡
;1
I
I
J
,
.r--:-7
"r \
~
"r""
'r""'I~;1¡M
1¡¡¡, '"'\\ I "¡
/ .J i
--
,
-'---c¡¡¡
~
)
, ,.,
."
¡¡JLi".
r"i
~
\1
i
",.J
LlL
~
\,
Cl
~
II
Neuronal
y su Aplicación
al Diseño...
El modelo MAR T seha aplicado con éxito (Barro, 1998) en el
problema de la clasificación morfol6gica multicanal de latidos
cardíacos, como se describe en el capítulo 5 de la tesis. Para
ello, se han utilizado como entradas a la red las muestras de
ECG correspondientes a un intervalo de 230 ms en torno al
complejo QRS, cuya morfología revela información relativa al
origen de activación del latido. La medida de similitud utilizada
se basa en la distancia city-block entre el patrón de entrada y
el representantede clase. La figura 2 muestra un ejemplo en el
cual MART seleccionala clase con mayor similitud global con
el patrón de entrada, indicándose algunos parámetros de
operación de MAR T en estecaso.En la figura sepuede apreciar
I cómo el crédito asociadoal canal2 esinferio~ al correspondiente
al canal 1' q ue p resenta un menor contenIdo de ruIdo y , p or
tanto, mayor fiabilidad.
El conjunto de validación utilizado está integrado por 20
registros electrocardiográficos seleccionados de la base de
datos MIT -BIH (MIT-BIH, 1992). Los valores obtenidos para
la sensibilidad y predictividad positiva brutas (ponderando
cadaclasepor el número de latidos que la fonnan) son excelentes
(ambos del 99%), con un porcentaje de latidos clasificados
incorrectamente de aproximadamente el1 %.
I r-!"-
r~1I
~--:LJ~~l}.L--L1
;~:::',~:~'~;':~;:
' ~i:':~i:
i ~::;':~;~~;':~;:~:;':~~~;;':;'~
2. Interfaz
Figura 2: Latido y representantes asociados a las clases aprendidas,
junto con las similitudes locales Tjk y globales (i.e., sobre todos los
canales) p k' las diferencias locales di y global d, los créditos de
canal x; y la vigilancia P2asociada a la clase ganadora 2.
Usuario-Sistema
La figura 3 muestrala aparienciade la Interfaz de Acceso Integral
(IAI) de sunL+ , integrada por varias ventanas que permiten
visualizar, tanto en tiempo real como en diferido, las señales
g~
1
..."",,18'8180W1V\888
182C"0W1V\8~
I
"'-'1"""1UW,",
~
-!~--
áT~.na~C;Uiadas
"1,.-'
co.
..,'-
~.-
-.-Jrw
~P.r~.tros
I ','m,"
!
~
--
D...8T
'DO
r
"000
'ODDD
"',
c..L -J Ir"
-;':"
!..
.-"4'
""DO
'8'800
Q9!!1!"'"0
Figura3:
Apariencia
de la interfase de usuario SUTIL+
bajo Windows
95.
,
Resumen
de Tesis
Doctoral:
MART:
Una Nueva
Arquitectura
monitorizadas(ECG,presiónhemodinámica,
saturacióndeoxígeno,
respiración, etc.), los parámetros extraídos de las mismas
(amplitudes y alturas de las ondas del latido, frecuencia
cardíaca, anchura del complejo QRS, desviación y pendiente
del segmento ST, presiones sistólica, diastólica y media),
las alarmas producidas, diagramas de tendencias cruzadas,
latidos basales ( construídos como el promedio de los latidos
con un origen de activación normal) y morfologías de latido
(generadas por MART en la etapa de clasificación
morfológica). El acceso a esta información se puede efectuar
por vía remota a través de la red local hospitalaria o de
Internet, permitiendo al personal médico autorizado acceder
a toda la información desde dependencias hospitalarias
ajenas a la UCIC y, potencialmente, desde cualquier lugar
del mundo. La IAI ha sido desarrollada como un applet lava,
permitiendo su ejecución desde un navegador Web
compatible con lava, sin necesidad de software adicional
alguno, sobre cualquier plataforma hardware.
Referencias
Barro S., Fernández-Delgado
M., Vila J., Regueiro C. V. y
Sánchez E., 1998, " An adaptive neural network íor the
classification oí electrocardiographic
pattems on multichannel
ECO",
de Computación
IEEE
Engineering
Neuronal
y su Aplicación
in Medicine
and Biology
al Diseño..
Magazine.
Vol. 17,N°l,pp.139-150.
Barro S.,PresedoJ., Castro D., Fernández-Delgado M, Fraga
S., Lama M. y Vila J., 1999, "Intelligent tele-monitoring of
critica1 patients", IEEE Engineering in Medicine and Biology
Magazine, Vol. 18,N° 4, pp. 80-88.
CarpenterG.A.y GrossbergS., 1987,"ART2: Se1f-organizing
of stab1e category recognition codes for ana10g input
pattems", Applied Optics, Vol. 16, N° 23, pp. 4919-4930.
Fernández-Delgado M. y Barro S., 1998, "MART: A
mu1tichanne1AR T -basedneura1network", IEEE Transactions
onNeuraINetworks,V01. 9,N° 1,pp.139-150.
Fernández-Delgado M., Presedo J., Lama M. y Barro S.,
2000, " A new neural network for adaptive pattem recognition
of multichannel input signals", Recen! advances in Artificial
Neural Networkf: Design and Applications, Capítulo 5, pp.
155-186,CRC PressLLC, L. Jainy Fannelli (Eds.).
MIT -Blli, 1992,"The MIT -BIH aIThythmiadatabaseCD-ROM"
(Second Edition), Harvard-MIT Division of Health Sciences
and Technology.