Comparação de modelos matemáticos para classificação morfológica do complexo QRS do sinal eletrocardiograma

Abstract

O uso do sinal eletrocardiograma (ECG) é mundialmente aceito como padrão ouro no diagnóstico não invasivo de arritmias e distúrbios de condução. Considerando-se que a extração automática de parâmetros do ECG é iniciada com a segmentação de suas ondas características, o presente trabalho tem como objetivo apresentar um estudo comparativo do desempenho de diferentes kernels para a modelagem matemática e a classificação morfológica do complexo QRS do sinal ECG, dado que as diversas morfologias identificadas podem estar ou não associadas a eventos adversos. Inicialmente, utilizou-se um simulador computacional de geração de sinais sintéticos a partir de modelos dinâmicos com análise de variação de um conjunto de parâmetros (batimento cardíaco, frequência de amostragem, duração do sinal, amplitude do ruído gaussiano, média e desvio-padrão de frequência cardíaca, relação entre os componentes de frequência LF (Low Frequency) e HF (High Frequency), duração, amplitude e morfologia do complexo QRS). A partir da geração de vinte diferentes tipos de morfologia do complexo QRS, realizaram-se testes computacionais de modelagem matemática da forma de onda do batimento (ondas Q, R e S). Para tanto, foram empregadas as seguintes funções matemáticas: função Gaussiana, função Chapéu Mexicano e função densidade de probabilidade de Rayleigh. Posteriormente, utilizaram-se 10 registros de sinais reais, com trinta minutos de duração, de referência da base de dados MIT-BIH (Massachucetts Institute Technology - Beth Israel Hospital) Arrhythmia database, e através de simulações computacionais, testou-se a conformação das funções propostas a um conjunto de morfologias disponíveis na base. A partir de resultados preliminares obtidos, constata-se que as funções matemáticas propostas com parâmetros ajustáveis podem ser aplicadas conjuntamente para modelagem e classificação automática de tipos de batimentos comumente presentes em sinais reais, com eficiência e precisão. O cálculo do erro RMS normalizado permite a diferenciação e a identificação do modelo mais apropriado a uma dada morfologia, a qual pode alternar-se ao longo de um mesmo registro de paciente.