Detección de arritmias mediante redes neuronales adaptativas

Detección de arritmias mediante redes neuronales
adaptativas
Resumen—El siguiente estudio está englobado en el marco de
la ingeniería biomédica, concretamente en la detección de
arritmias. Se trata de un primer estudio acerca de los algoritmos
basados en redes neuronales adaptativas, que se utilizan para su
detección, estudiando los más utilizados, y finalmente se decidirá
qué algoritmotiene un mejor funcionamiento. Este artículo
queda clara la importancia de la inteligencia artificial a la hora
de detectar arritmias cardiacas, consiguiendo así un mayor
ahorro en tiempo de análisis con respecto a otros métodos de
detección.
Palabras clave—Electrocardiograma, redes
artificales, Backpropagation, Kohonen, QRS.

neuronales



Neuronas de salida: capa de salida

Fig. 1.Diagrama esquemático de la neurona artificial [2]

Actualmente, los cardiólogos se encuentran con problemas
cuando utilizan software de reconocimiento automático de
arritmias, debido a los falsos positivos, y a las arritmias que
quedan sin detectar.
En los últimos años, ha habido un gran avance en el campo
de la inteligencia artificial y las redes neuronales, provocando
una revolución demétodos y algoritmos en la bioingeniería.
El objetivo final de las redes neuronales adaptativas como
método de detección de arritmias, es principalmente reducir el
tiempo de análisis en su detección y mejorar la eficiencia sobre
los ya existentes.

El esquema de la figura 1 representa el funcionamiento de
una neurona artificial. Se parte de un grupo de entradas x1,
x2,…, xn, definidas en unvector X correspondiente a las
señales sinápticas de una neurona biológica, que son
multiplicada por un peso asociado, w1, w2,…, wn. Cada peso
corresponde a la fuerza de conexión sináptica entre cada par de
neuronas.
La función de ponderación corresponde al cuerpo de la
neurona, donde se suma todas las entradas ponderadas
algebraicamente, dando lugar a una salida que se multiplica por
unafunción de activación que produce una señal. Finalmente
pasa por la función de transferencia o salida que acota la salida
de la neurona.

II. REDES NEURONALES

III. ESTRUCTURA DE UNA RED NEURONAL

Uno de los retos más importantes para el ser humano ha
sido y sigue siendo la construcción de sistemas inteligentes, ya
sean físicos o lógicos.

A. Entradas y salidas
Existen dos tipos deentradas y salidas en una neurona,
binarias y continuas. La utilización de un tipo u otro dependerá
del tipo de aplicación.

I. INTRODUCCIÓN

A. Modelo biológico
Para poder crear un sistema de inteligencia artificial, es
importante conocer cómo funcionan los sistemas biológicos,
partiendo desde una única neurona.
Las neuronas utilizan señales electroquímicas para la
transmisión de lainformación, que se envía a través de las
prolongaciones de las neuronas, formando redes neuronales
que elaboran y almacenan la información [1].
B. Neurona artificial
Una neurona artificial pretende simular las características
de una neurona biológica.
Parten de un vector de entrada procedente del exterior o de
otras neuronas conectadas, posee también un estado interno o
nivel de activación,lo que le permite cambiar de estado, y
proporciona una única respuesta o salida.
Existen tres tipos de neuronas artificiales dependiendo de
su localización:
 Neuronas de entrada: capa de entrada
 Neuronas ocultas: capa oculta

B. Pesos sinápticos, W
Son la fuerza de conexión sináptica entre dos neuronas.
Puede tomar valores negativos en caso de ser inhibidores,
positivos, paraexcitadores, o cero, para cuando no exista
conexión entre un par de neuronas.
C. Función de propagación
Convierte los valores de entrada en un solo valor de salida
siguiendo la siguiente ecuación:
( )
∑(
( ))
D. Función de activación
En algunos modelos, la función de activación es igual al
nivel de la función de salida. Existen cinco funciones de
activación típicas que determinan distintos...