Sistemas conexionistas en el procesado de señales biomédicas

Abstract

En este trabajo se analiza la aplicación de técnicas de Sistemas Conexionistas en el procesado de señales biomédicas. En este campo establecer un diagnóstico correcto es tan importante como realizarlo con tiempo suficiente para permitir un tratamiento eficaz. En consecuencia, el personal médico puede encontrar en las herramientas de predicción del estado del paciente una ayuda valiosa para su trabajo. En estos sistemas normalmente es prioritaria la exactitud de la predicción, por encima de la extensión temporal de la misma. En particular estas técnicas consisten en una serie de pasos comunes: - Procesado previo de la señal: adaptación de la señal a los requisitos de entrada del sistema, como los valores límite, las frecuencias de corte y de muestreo, etc. - Entrenamiento del Sistema Conexionista utilizando un conjunto de patrones de entrenamiento generados a partir de las señales recogidas previamente. - Presentación de una ventana temporal de la señal a la entrada del sistema. - Obtención de la predicción de la señal a la salida del sistema. Con el fin de comprobar la adecuación de estas técnicas se ha desarrollado una aplicación basada en Redes de Neuronas Artificiales para la predicción de la frecuencia cardiaca de pacientes ingresados en Unidades de Cuidados Intensivos. En este caso se utiliza una red de neuronas tipo FeedForward con un esquema de aprendizaje por retropropagación del error, una capa oculta y 23 elementos de procesado en cada capa. El procesado previo de la señal consiste en un filtrado en frecuencia. En el caso práctico desarrollado se han obtenido resultados adecuados con un sistema relativamente simple. Se esperan obtener resultados más precisos utilizando otro tipo de redes (con retardos temporales, por ejemplo). En trabajos futuros se contemplará la posibilidad de ampliar el número de patrones de entrenamiento, y generalizar el sistema al uso de otras señales distintas a la de la frecuencia cardíaca.