Resumen

El artículo presenta los resultados del análisis de la actividad cardíaca aplicado con precisión al enfoque de aprendizaje automático. El estudio evalúa las posibilidades de diagnóstico de la hipertensión arterial mediante las señales de variabilidad del ritmo cardíaco a corto plazo. Se estudiaron dos grupos: 30 voluntarios relativamente sanos y 40 pacientes con hipertensión arterial de grado II-III. Se estudiaron los siguientes enfoques de aprendizaje automático: análisis discriminante lineal y cuadrático, vecinos más cercanos, máquina de vectores de apoyo con base radial, árboles de decisión y clasificador ingenuo de Bayes. Además, en el estudio se analizan diferentes métodos de extracción de características: estadístico, espectral, wavelet y multifractal. En total, se investigaron 53 características. Los resultados de la investigación muestran que el análisis discriminante logra la mayor precisión de clasificación. El enfoque sugerido de búsqueda de conjuntos de características no correlacionadas logró resultados más altos que el conjunto de datos basado en los componentes principales.

• Materias:Ingeniería biomédica Biomecánica Robots Antropometría
• Subjects:Biomedical engineering Biomechanics Robot Anthropometry
• Palabras claves:enfoque de aprendizaje automático, hipertensión arterial, resultados de la máquina, mayor precisión de clasificación, señal de variabilidad de la frecuencia, clasificador de bayes ingenuo, búsqueda de conjuntos de características, métodos de características, análisis discriminante cuadrático, hipertensión de ii
• Keywords:machine learning approach, arterial hypertension, results of machine, highest classification accuracy, rate variability signal, naive bayes classifier, features set search, methods of features, quadratic discriminant analysis, hypertension of ii