En
la implementación de los sistemas neuro–difuso, las redes neuronales multicapa
han logrado gran aceptación. Wang y Mendel (1992) propusieron originalmente el
uso del algoritmo de retropropagación para el entrenamiento de sistemas difusos
en tareas de búsqueda de los pares deseados de vectores de entrada-salida. La
idea esencial de esta propuesta es ver el sistema neuro–difuso como una red
neuronal de alimentación directa y lograr, mediante entrenamiento progresivo,
un correcto mapeo no-lineal, cuya eficiencia se ve mejorada con la incorporación
de reglas lingüísticas. Así, el sistema neuro–difuso utiliza tanto información
numérica (en la forma de pares de entrada-salida) como información lingüística
(en la forma de reglas IF-THEN).
La
generación neuro–difusa de reglas (rule generation) comprende la extracción de
reglas (rule extraction), referida a la extracción de conocimientos de una red
neuronal utilizando en el proceso los parámetros de la red, y el refinamiento
de reglas (rule refinement), que consiste en la extracción de un conocimiento procesado
y refinado, también de una red neuronal inicializada con conocimientos crudos.
Las
limitaciones más destacadas del modelado difuso son la ausencia de métodos
sistemáticos para transformar el conocimiento humano en bases de datos y reglas
de un sistema de inferencia, y la necesidad de contar con procedimientos
efectivos en el ajuste de las funciones de membresía para minimizar los errores
de salida.
Una
arquitectura de red neuronal difusa ha sido propuesta por Jyh-Shing Jang (1992)
y se denomina Sistema de Inferencia
Difuso basado en Redes Adaptativas o ANFIS (Adaptive–Network–Based Fuzzy
Inference System). La arquitectura propuesta sirve como base para la
elaboración automática de conocimientos en la forma de reglas difusas del tipo
IF-THEN. Mediante la identificación de las funciones de membresía apropiadas,
el sistema puede generar los pares deseados de entrada-salida
El
objetivo del presente trabajo es utilizar un sistema neuro–difuso para
identificar latidos cardíacos anómalos en señales electrocardiográficas
obtenidas in vivo.
Materiales y Métodos
Señales
electrocardiográficas: Corresponden a datos in vivo de sujetos normales y de
pacientes con patologías cardíacas. Doce sujetos, todos del sexo
masculino, de edades comprendidas entre 27
y 57 años, conformaron la población de voluntarios. El conjunto de señales
logradas en nuestro laboratorio corresponde a los registros identificados como
serie 300 (307 al 320). Este banco de señales
in vivo comprende un total combinado de 14.636 latidos cardíacos. De los
12 sujetos, 6 presentaban antecedentes de afecciones cardíacas, 4 de ellos con
patología coronaria severa y necrosis tisular en ventrículo, por infarto agudo
de miocardio (IAM), y un total de 98 extrasístoles ventriculares (EV). Los otros
2 sujetos cardiópatas protagonizaron episodios de dolor precordial. Sin embargo
en estos últimos 2 casos, uno de ellos registró tan solo una extrasístole
ventricular en 1040 latidos normales; el
último sujeto, ninguna EV, no obstante los prolongados tiempos de registro
electrocardiográfico, que excedieron los intervalos usuales en la práctica
clínica rutinaria.
Todas
las señales de esta serie 300 fueron registradas a partir de una Derivación II
modificada (con electrodos pectorales, no en miembros) y han sido almacenadas
con el formato de las señales de la base de datos de arritmias del MIT-BIH,
compatible con la norma ISO 9660 (Moody y Mark, 2001; MIT-BIH, 2004). De esta
manera –y a los fines de nuestros estudios– aseguramos la compatibilidad entre los
registros in vivo y los del MIT-BIH.
Sistema de Adquisición: Hemos utilizado el sistema integral de
adquisición y procesamiento de señales electrocardiográficas desarrollado en
nuestro laboratorio y que fuera presentado en trabajos previos (Depiaggio y
colaboradores, 2002; Pisarello y colaboradores, 2003).
Red Neuronal Difusa: Nuestra red neuronal difusa se basa en la
arquitectura ANFIS, que utiliza técnicas de aprendizaje neuro–adaptativas. Dado
un conjunto de datos de entrada/salida,
ANFIS puede construir un sistema de inferencia que ajuste los parámetros de la
función de membresía utilizando el
algoritmo de retropropagación, permitiendo que el sistema difuso aprenda de los
datos que está modelando.
Un
red adaptativa es un red multicapa de alimentación directa, en la cual cada
nodo cumple una función particular (función de nodo) sobre las señales de
entrada al nodo, utilizando un conjunto de parámetros específicos de ese nodo.
La
forma de las funciones de nodo puede variar de nodo a nodo, según el diseño que
se elija. Por convención, y a los fines de reflejar distintas capacidades de
adaptación, se utilizan nodos circulares y cuadrados. Los nodos cuadrados
(nodos adaptables) tienen parámetros modificables. Los nodos circulares son
nodos fijos, sin modificación (Jang y Sun, 1993).
Discusión de Resultados
La
red difusa fue entrenada con la señal Nº 106 de
la Base de Datos de Arritmias del MIT-BIH, ya que presenta suficientes
muestras para el entrenamiento y para la prueba. La señal Nº 106 exhibe un
total de 2027 latidos cardíacos, de los cuales 1507 son normales y 520 son
anómalos (i.e. contracciones ventriculares prematuras).
Conclusiones
De
los valores obtenidos en nuestros ensayos se concluye que el clasificador implementado
con redes neuronales difusas no supera la performance de otros paradigmas. En
particular, los modelos multicapa de alimentación directa y de Kohonen de
codificación del vector, que presentáramos en trabajos anteriores (Barbosa y
colaboradores, 2000; Kleisinger y colaboradores, 2001), exhiben valores de
mayor eficacia clasificatoria.
No hay comentarios:
Publicar un comentario