Desarrollo e implementación de un algoritmo de aprendizaje automático para la reconstrucción de imágenes electrocardiográficas (ECGI).

Abstract

El presente estudio se enfoca en la implementación de algoritmos de aprendizaje automático de regresión para el procesamiento de señales temporales de ECG, con el fin de optimizar su rendimiento mediante la selección y ajuste de hiperparámetros. Este enfoque permite diseñar un algoritmo que pueda abordar el problema inverso de la electrocardiografía de manera eficaz, proporcionando resultados precisos y confiables. El diseño del algoritmo comprende varias etapas, desde la selección de la base de datos hasta la validación de la funcionalidad y el rendimiento del sistema de reconstrucción de imágenes electrocardiográficas. Se hacen pruebas iniciales con distintos métodos de regresión, evaluando métricas de calidad de imagen para comparar su rendimiento y seleccionar el modelo óptimo. La implementación de hiperparámetros se realiza para mejorar aún más el rendimiento del modelo seleccionado, utilizando técnicas como GridSearch para encontrar la mejor combinación de parámetros. Finalmente, se valida el modelo con conjuntos de datos adicionales para garantizar su eficacia en la reconstrucción de señales ECGI.