Clasificación de la Enfermedad de Parkinson Utilizando Señales Cardiovasculares

Abstract

El presente trabajo tiene como objetivo identificar la presencia de la enfermedad de Parkinson (EP) utilizando señales cardiovasculares las cuales provienen de una base de datos que contiene los registros de electrocardiograma (ECG) y fotopletismografía (PPG) de 12 sujetos control y 12 pacientes con EP correspondientes a un protocolo experimental que incluye maniobras respiratorias y de cambio de postura. Índices convencionales de l variabilidad de la frecuencia cardíca (VFC), además de índices de análisis geométricos y no lineales fueron calculados para ser utilizados como entrada en el clasificador denominado como máquina de soporte vectorial (SVM), donde se empleó eliminación recursiva de características (RFE) para retener las más importantes. Adicionalmente, las series de intervalos RR (diferencia en tiempo entre las ondas R adyacentes de la se~nal de ECG) se utilizaron como secuencias de entrada en una red neuronal basada en LSTM bidireccional (BLSTM). Los resultados ilustran que con las características de VFC seleccionadas se obtiene un porcentaje de exactitud en el conjunto de prueba del 100% utilizando SVM en todas las maniobras. Además, el mayor porcentaje de exactitud en los datos de prueba usando BLSTM es del 75% correspondiente a la maniobra de respiración controlada.