Desarrollo De Un Sistema Para Clasificación De Patologías Cardiovasculares En Señales Electrocardiográficas (Ecg) Aplicando Inteligencia Artificial Y Cloud Computing

En el presente proyecto se plantea el desarrollo de un sistema para clasificación de patologías cardíacas en señales electrocardiográficas (ECG) mediante la implementación de Inteligencia Artificial (IA) basado en Machine Learning bajo el lenguaje de programación Python sobre Linux. La idea principal de la inteligencia artificial es la de desarrollar métodos y algoritmos que permitan comportarse a las computadoras de modo inteligente. En primer lugar, se adquieren las señales electrocardiográficas de pacientes sanos y pacientes con problemas cardiovasculares por medio de la base de datos denominada “Physiobank” tales como afección valvular, bloqueo de rama, hipertrofia ventricular y disritmia cardiaca, en lo cual se debe aplicar técnicas de tratamiento y procesamiento de señales como lo es Wavelet, FFT, entropía y energía para la posterior búsqueda de características o patrones que demuestren una diferencia en las señales, por consiguiente, obtener una correcta clasificación mediante la aplicación de técnicas de Machine Learning con respecto a las cardiopatías presentes y dar una mayor facilidad en cuanto al diagnóstico por parte del especialista, con base a lo anterior se selecciona la mejor técnica en cuanto a resultados y optimización. En segundo lugar, una vez finalizada la caracterización y clasificación de las ondas ECG se procede a aplicar estrategias de Cloud Computing para gestionar los datos, almacenarlos y procesarlos bajo el mismo servidor y entregar resultados en línea.

Las señales ECG se trabajan en formato .mat, estas son preprocesadas y procesadas mediante las técnicas de tratamiento de señales,  se implementan técnicas como Support Vector Machine, Naïve Bayes y Árboles de decisión, por otro lado, la selección de la técnica a emplearse como clasificación se basa en el mejor porcentaje de clasificación arrojado por el modelo generado por cada una de las técnicas mencionadas anteriormente, una vez se ha seleccionado la mejor técnica se da por finalizado el sistema clasificador de señales y se procede a crear un aplicativo web mediante el uso de un micro-framework denominado Flask el cual se puede implementar en Python, como ventaje se puede ejecutar código bajo dicho lenguaje de programación permitiendo crear su propia página web y poder ser compilada en la nube mediante el servicio Cloud Pythonanywhere.