Aprendizaje profundo para la evaluación del ritmo cardiaco: Evaluación de modelos CNN en datos de ECG

Abstract

El electrocardiograma (ECG) es una técnica para detectar problemas en el ritmo cardíaco y evaluar el sistema cardiovascular. Tradicionalmente, los médicos confiaban en observaciones manuales, pero esto tenía limitaciones en términos de precisión. En esta investigación, se utilizaron redes neuronales convolucionales para la identificación de arritmias cardiacas en pacientes. Se entrenaron tres modelos diferentes, usando arquitecturas: VGG16 y ResNet-50, así mismo una propuesta por los investigadores. Todos los modelos se entrenaron con el dataset (PhysioNet MIT-BIH), con la misma cantidad de datos y configuración. La evaluación de los modelos se realizó utilizando métricas: precisión, recall, F1Score y accuracy. El modelo VGG16 demostró ser el más efectivo, logrando una accuracy del 98,8%. Los resultados de la investigación pueden llegar a mejorar la detección de arritmias cardiacas, lo que podría llevar a diagnósticos más precisos y un mejor cuidado de la salud cardiovascular en pacientes.