ANÁLISIS DE LA INTERACCIÓN ENTRE EL PATRÓN …

Proyecto de grado.

Ing. Mecatrónica.

ANÁLISIS DE LA INTERACCIÓN ENTRE EL PATRÓN

RESPIRATORIO Y LA FRECUENCIA CARDÍACA, EN

PACIENTES ASISTIDOS MEDIANTE VENTILACIÓN

MECÁNICA, PARA LA ESTIMACIÓN DEL MOMENTO

ÓPTIMO EN LA EXTUBACIÓN.

Juan David Ortiz Viviescas.

U00061044

Ing. Mecatrónica.

UNAB

Proyecto de grado.

Ing. Mecatrónica.

OBJETIVO GENERAL

Diseñar un clasificador por medio de Redes

Neuronales (RN) para determinar el momento de

desconexión de pacientes asistidos mediante

ventilación mecánica.

Proyecto de grado.

Ing. Mecatrónica.

OBJETIVOS ESPECIFICOS

• Comparar algoritmos para la extracción de

características basados en técnicas estadísticas y la

transformada Wavelet discreta, para caracterizar e

interpretar el comportamiento del sistema.

• Implementar Algoritmos Genéticos y Forward Selection,

como técnicas de selección de características, para la

obtención de variables relevantes, explicativas del

sistema cardiorrespiratorio.

• Comparar los resultados de cada clasificador y

determinar cuál es el mejor diseño obtenido.

Proyecto de grado.

Ing. Mecatrónica.

JUSTIFICACIÓN

Este trabajo, se enmarca dentro de la Ingeniería

Biomédica, en el campo del análisis por

computador de señales biomédicas y ayuda al

diagnóstico mediante diferentes técnicas.

Proyecto de grado.

Ing. Mecatrónica.

Soporte ventilatorio

El soporte ventilatorio es necesario

cuando:

• Insuficiencia respiratoria aguda (IRA).

• contusión pulmonar

• oxigenación deficiente

• falla ventilatoria aguda.

• Apnea.

• Entre otras

▪ Existen diferentes modos de soporte ventilatorio:

✓ Ventilación mecánica (VM).

✓ Respiración boca a boca.

✓ Respiración con ambu.

✓ Entre otros…

Fig. 1 ventilación mecánica

Proyecto de grado.

Ing. Mecatrónica.

❖Ventilación mecánica (VM).

➢ Infecciones en el centro hospitalario (infección nocosomial),

➢ Atrofia de la musculatura respiratoria.

➢ Retención liquida secundaria a las alteraciones del metabolismo hidromineral.

➢ Riesgo de infección colonización.

➢ Necesidad de prolongar el tiempo de sedación. Otros…

ProblemaCuando la ventilacion mecanicaes descontinuada cerca de el25% de los pacientesdesconectados sufren undistress respiratoriosuficientemente grave comopara tener que ser reintubados.

Causas

• Dependencia psicológica del ventilador

• Pobre intercambio de gases

• Fallo de la bomba ventilatoria (fatiga de

músculos respiratorios)

• Entre otras.

Proyecto de grado.

Ing. Mecatrónica.

MARCO TEÓRICO

• Sistema respiratorio

Es el encargado de captar oxígeno (O2) y eliminar

el dióxido de carbono (CO2) procedente del

anabolismo celular.

Fig. 3 Diagrama sistema respiratorio Fuente [xx]Fig. 2 señal Capacidades y volúmenes pulmonares.

Proyecto de grado.

Ing. Mecatrónica.

SEÑAL DE FLUJO RESPIRATORIO• TTot : TI + TE : Duración del ciclo respiratorio.

• TI: Tiempo de inspiración

• TE: Tiempo de espiración

• VT: Volumen circulante o volumen tidal.

• TI/TTot :Fracción inspiratoria.

• VT/TI : Flujo inspirado medio.

• f/VT : Relación frecuencia-volumen tidal.

Fig. 4 señal volumen respiratorio

Proyecto de grado.

Ing. Mecatrónica.

LA SEÑAL ELECTROCARDIOGRÁFICA (ECG)

• Son señales biomédicas generadas a partir de

la actividad del músculo cardíaco.

Fig. 5 ilustración corazón Fig 6. señal electrocardiografica

Proyecto de grado.

Ing. Mecatrónica.

• WEANDB (weaning data base). La base de

datos fue obtenida en los hospitales la Santa

Creu i Sant Pau y hospital Universitario de

Getafe.

• Registro de la señal de flujo respiratorio mediante un

neumotacógrafo conectado a un tubo endotraqueal.

• Señal electrocardiográfica registrada mediante un

electrocardiógrafo de monitor de cabecera.

– Protocolo de extubación: Prueba de tubo en T.

– Tiempo de registro 30 minutos.

- Condición 1 (éxito) 33 pacientes

- Condición 2 (Fracaso) 33 pacientes.

BASE DE DATOS

Proyecto de grado.

Ing. Mecatrónica.

TÉCNICAS DE PROCESAMIENTO DE

DATOS

ESTADISTICOS• Media.

• Desviación Estandar

• Moda

• Rango Intercuartil

• Oblicuidad

• Varianza

• Curtosis

Proyecto de grado.

Ing. Mecatrónica.

Transformada Wavelet Discreta

Permite el uso de intervalos grandes de tiempo en

aquellos segmentos en los que se requiere mayor

precisión en baja frecuencia, y regiones mas

pequeñas donde se requiere información en alta

frecuencia.

TÉCNICAS DE PROCESAMIENTO DE

DATOS

fig. 7 descomposición transformada Wavelet

Proyecto de grado.

Ing. Mecatrónica.

PRUEBA U THE MANN WHITNEY

• La prueba U the Mann-Whitney se usa para

comprobar la heterogeneidad de dos muestras

ordinales.

• Permite determinar un índice en el cual la

señal que obtenga un resultado mayor a 0.05.

Se descartara debido a que es relevante en la

clasificación del sistema.

Frank Wilcoxon

Proyecto de grado.

Ing. Mecatrónica.

K FOLD CROSS VALIDATION

Este método se utiliza para disminuir el sesgo del

porcentaje de clasificación mejorando la

generalización del sistema

TECNICAS DE GENERALIZACION

Fig. 7 tecnica K FOLD CROSS VALIDATION

Proyecto de grado.

Ing. Mecatrónica.

SELECCIÓN DE

CARACTERÍSTICAS

• FORWARD SELECTION (FS).

• ALGORITMOS GENÉTICOS (AG).

Proyecto de grado.

Ing. Mecatrónica.

FORWARD SELECTION (FS)

Fig. 8 Forward selection

Escribir descripcion

Proyecto de grado.

Ing. Mecatrónica.

ALGORITMOS GENÉNTICOS (AG).

Los AG son métodos adaptativos que pueden

usarse para resolver problemas de búsqueda y

optimización. Están basados en el proceso

genético de los organismos vivos. A lo largo de las

generaciones, las poblaciones evolucionan en la

naturaleza de acorde con los principios de la

selección natural y la supervivencia de los mas

fuertes, postulado por Darwin (1859).

Proyecto de grado.

Ing. Mecatrónica.

TECNICAS DE CLASIFICACIÓN

Algoritmo utilizado para asignar un elemento

entrante no etiquetado en una categoría concreta

conocida. Dicho algoritmo, permite pues, ordenar

o disponer por clases elementos entrantes, a partir

de cierta información característica de éstos.

Fig. 9 clasificación

Proyecto de grado.

Ing. Mecatrónica.

REDES NEURONALES (RNs)

Son un paradigma de aprendizaje y procesamiento

automático inspirado en la forma en que funciona

el sistema nervioso de los animales. Se trata de

un sistema de interconexión de neuronas que colaboran

entre sí para producir un estímulo de salida.

TECNICAS DE CLASIFICACIÓN

Fig. 10 Red neuronal

Proyecto de grado.

Ing. Mecatrónica.

METODOLOGÍA DESARROLLO DEL

PROYECTO

Procesamiento de datos

Reducción de dimensionalidad

Clasificación con RN

Fig. 11 Metodología del proyecto

Proyecto de grado.

Ing. Mecatrónica.

DESARROLLO DEL PROYECTO

Comenzando con la metodología propuesta se

desarrolla un script que integre la base de datos

Weandb con el software Matlab®.

Paciente #

Buscar en las

carpetas las

señales

Etiquetar señales

Importa y organizar

en matrices

Ttot

f/VT

RR

Fig. 12 diagrama integración con Matlab.

Proyecto de grado.

Ing. Mecatrónica.

OBTENCION ESTADISTICOS SERIE

RESPIRATORIA

Procesamiento de datos

Fig. 13 obtención estadístico

Proyecto de grado.

Ing. Mecatrónica.

• Diferentes estudios para el análisis de las señales

respiratorias en pacientes durante el proceso de

extubación han sido realizados, donde se ha

demostrado la pertinencia de utilizar la serie respiratoria

TTot como variable relevante en la retirada de la VM,

debido a su dependencia lineal de las series

respiratorias TI y TE [54-57]. En [58,59] resaltan el

índice de tobin (F/VT) como uno de los más usados en

la clínica por su buen valor predictivo y su buena

reproducibilidad, sin requerir de la colaboración del

paciente ni de instrumentación adicional.

OBTENCION ESTADISTICOS SERIE

RESPIRATORIA

Proyecto de grado.

Ing. Mecatrónica.

ESTADISTICOS SERIE RESPIRATORIANumero de entrada Variable

1 Media Ttot

2 Desviación Ttot

3 Moda Ttot

4 Rango Intercuartil Ttot

5 Oblicuidad Ttot

6 Varianza Ttot

7 Curtosis Ttot

8 Media f/VT

9 Desviación f/VT

10 Moda f/VT

11 Rango intercuartil f/VT

12 Oblicuidad f/VT

13 Varianza f/VT

14 Curtosis f/VTTabla 1. relación numérica de las variables

Proyecto de grado.

Ing. Mecatrónica.

ESTADÍSTICO SERIE RESPIRATORIA

Ttot.

Señal Ttot

Condición

1 Media Moda Varianza Curtosis Oblicuidad Desviación

R.

Intercuartil

Media total1,5963±

0,5835

1,4629±

0,5398

0,3918±

0,5744

28,6034±

38,446

2,866±

3,1505

0,5144±

0,3566

0,3981±

0,265

Condición

2

Media total1,2318±

0,3540

1,1750±

0,3452

0,3201±

0,5778

41,372±

68,2051

3,5077±

4,2945

0,4309±

0,3666

0,247±

0,1391

Tabla 2. estadísticos serie respiratoria Ttot

Proyecto de grado.

Ing. Mecatrónica.

ESTADÍSTICOS SERIE RESPIRATORIA f/VT

Señal f/VT

Condición 1 Media Moda Varianza Curtosis Oblicuidad Desviación

R.

Intercuartil

Media total 0,1012417±

0,0939099

0,0525977±

0,0339127

0,0042604±

0,0162986

13,383279±

16,329632

1,8920194±

1,8871578

0,0397516±

0,0517708

0,0316787±

0,0238318

Condición 2

Media total

0,1684392±

0,220257

0,0777221±

0,0862261

0,0134082±

0,0466798

22,849543±

25,127385

2,697587±

2,2541422

0,0628963±

0,0972227

0,0527398±

0,075326

Tabla 3. estadísticos señal f/VT

Proyecto de grado.

Ing. Mecatrónica.

BUSQUEDA EXHAUSTIVA

0 50 100 150 20051

52

53

54

55

56

57

X: 88

Y: 56.73

Porcentaje de Clasificación vs Numero de Neuronas

Numero de Neuronas

Porc

enta

je d

e C

lasi

ficació

n

X: 106

Y: 56.23

traingdx

trainrp

0 50 100 150 20050

51

52

53

54

55

56

57

X: 136

Y: 56.81

Porcentaje de Clasificación vs Numero de Neuronas

Numero de Neuronas

Porc

enta

je d

e C

lasi

ficació

n

X: 84

Y: 56.35

trainlm

trainrb

Algoritmo Numero de neuronas Porcentaje

Early Stopping

Traingdx 88 56.73% ± 0.063

Trainrp 106 56.23% ± 0.075

Trainlm 136 56.35% ± 0.124

Regularización Bayesiana

Trainrb 84 56.81% ± 0.065

Tabla 4. resultados búsqueda exhaustiva

Fig. 14 resultados búsqueda exhaustiva

Proyecto de grado.

Ing. Mecatrónica.

SELECCIÓN DE CARACTERISTICAS-

ESTADISITICOS SERIE RESPIRATORIA.

Fig. 15 selección de características estadísticos

Proyecto de grado.

Ing. Mecatrónica.

RESULTADOS ESTADÍSTICOS

FORWARD SELECTION- RN

0 5 10 1550

55

60

65

70

75

80

X: 3

Y: 73.33

Forward selection

Numero de Variables

Porc

enta

je d

e C

lasific

ació

n

X: 6

Y: 75

X: 5

Y: 73.33

X: 2

Y: 73.33

traingdx

trainrp

trainlm

trainbr

Algoritmo Variable Porcentaje

Early Stopping

Traingdx 14-8-9-6-11-1 75% ± 0.033

Trainrp 13-6-5 73.3% ± 0.022

Trainlm 8-4-11-14-3 73.3% ± 0.103


Trainrb 8-13 73.3% ± 0.18

Tabla 5 resultados FS estadísticos.

Fig 16 grafica resultados FS

Proyecto de grado.

Ing. Mecatrónica.

RESULTADOS ESTADISTICOS

AG -NNAlgoritmo Variable Porcentaje

Early Stopping

Traingdx 8-10-13 77% ± 0.063

Trainrp 2-10-13 71.66% ± 0.075

Trainlm 3-5-8-9-12 76.67% ± 0.124


Trainrb 1-2-6-7-12-13 77% ± 0.065

Tabla 6. resultados AG estadísticos.

Proyecto de grado.

Ing. Mecatrónica.

TRANSFORMADA WAVELET

En esta fase se implemento la transformada wavelet como

técnica de procesamiento de datos.

En este proyecto se utilizo la familia Bior ortogonal [xxx ]

para realizar la descomposición por niveles de los

pacientes de la base de datos Weandb.

xxxxx

Fig. 17 transformada wavelet familia biortogonal.

Proyecto de grado.

Ing. Mecatrónica.

SELECCIÓN TRANSFORMADA

WAVELET DISCRETA

Se seleccióna la Bior 3.3

que obtuvo un índice = 0.1715 Fig. 18 selección Wavelet.

Proyecto de grado.

Ing. Mecatrónica.

OBTENCION WAVELET SERIE

RESPIRATORIA

Fig. 19 obtención estadísticos wavelet

Proyecto de grado.

Ing. Mecatrónica.

Entrada Variable Entrada Variable

1 Media p_cA3_Ttot33 8 Media p_cd2_f/Vt

2 Desviación p_cA3_Ttot33 9 Desviación p_cd2_f/Vt

3 Moda p_cA3_Ttot33 10 Moda p_cd2_f/Vt

4 R. intercuartil p_cA3_Ttot33 11 R. intercuartil p_cd2_f/Vt

5 Oblicuidad p_cA3_Ttot33 12 Oblicuidad p_cd2_f/Vt

6 Varianza p_cA3_Ttot33 13 Varianza p_cd2_f/Vt

7 Curtosis p_cA3_Ttot33 14 Curtosis p_cd2_f/Vt


RESPIRATORIA

Tabla 7. relación numérica variables Wavelet.

Proyecto de grado.

Ing. Mecatrónica.

Ttot- condición 1 -ca3

Media Moda Varianza curtosis oblicuidad desviación

rango

intercuartil

Media total

0,2498±

0,0467

5,2398±

3,3394

0,0374±

0,0251

0,2383±

0,0854

0,0392±

0,0238

0,5984±

0,9352

0,0020±

0,0028

Ttot- condición 2 -ca3

Media total

0,2193±

0,0286

7,5981±

7,1267

0,0332±

0,0314

0,2056±

0,0349

0,0272±

0,0162

0,8001±

1,6060

0,0021±

0,0052

f/VT- condición 1 -CD3

Media total

0,4192±

0,0013

7,9211±

5,6772

0,0127±

0,0191

0,4128±

0,0170

0,0085±

0,0076

-0,0390±

1,3060

0,0005±

0,0022

f/VT- condición 2 -CD3

Media total

0,4190±

0,0018

10,3242±

6,0453

0,0159±

0,0193

0,4041±

0,0490

0,0113±

0,0165

-0,1273±

1,3754

0,0006±

0,0014

WAVELET SERIE RESPIRATORIA

Tabla 8. Resultados estadísticos Wavelet.

Proyecto de grado.

Ing. Mecatrónica.

RESULTADOS BUSCADA

EXHAUSTIVA

Algoritmo Numero de

neuronas

Porcentaje

Early Stopping

Traingdx 88 66.66% ± 0.63

Trainrp 53 65% ± 0.05

Trainlm 100 63.2% ± 0.24


Trainrb 80 68.1% ± 0.06

Tabla 9. resultados búsqueda exhaustiva

Proyecto de grado.

Ing. Mecatrónica.


WAVELET SERIE RESPIRATORIA.

Fig. 20 selección de características wavelet

Proyecto de grado.

Ing. Mecatrónica.

RESULTADOS WAVELET FORWARD

SELECTION- RN

0 5 10 1550

55

60

65

70

75

80

X: 2

Y: 72.33

Forward selection

Numero de Variables

Por

cent

aje

de C

lasi

ficac

ión

X: 3

Y: 70

X: 5

Y: 71.67

X: 2

Y: 73.33

traingdx

trainrp

trainlm

trainbr


Early Stopping

Traingdx 14-2 72.33% ± 0.066

Trainrp 6-3-8 70% ± 0.024

Trainlm 8-3-9-10-6 71.67% ± 0.123


Trainrb 8-14 73.3% ± 0.19

Tabla 10. resultados FS Wavelet

Fig 21 grafica resultados FS Wavelet

Proyecto de grado.

Ing. Mecatrónica.

RESULTADOS WAVELET-

ALGORITMOS GENÉTICOS-R.N


Early Stopping

Traingdx 14-8-9-6-11 75% ± 0.022

Trainrp 2-14 72.5% ± 0.077

Trainlm 8-4-11-14-3 73.33% ± 0.54


Trainrb 8-14 73.33% ± 0.065

Tabla 11. resultados AG wavelet

Proyecto de grado.

Ing. Mecatrónica.

INTERACCION

CARDIORRESPIRATORIA

Estas dos señales presentan un fenómeno que durante la

inspiración el ritmo cardíaco aumenta y durante la

espiración disminuye, conocido como la arritmia

sinorrespiratoria[ref].

Fig. 22 sistema cardiorrespiratorio.

Proyecto de grado.

Ing. Mecatrónica.

INTERPOLACION

0 20 40 60 80 100 120 140 1600.5

1

1.5

2

2.5

3Paciente 1 señal TOT

tiempo

TO

T

señal interpolada

señal original

0 20 40 60 80 100 120 140 160200

400

600

800

1000

1200

1400

1600

1800

2000

2200Paciente 1 señal RR

tiempo

RR

señal interpolada

señal original

0 20 40 60 80 100 120 140 1600.06

0.08

0.1

0.12

0.14

0.16

0.18Paciente 1 señal f/VT

tiempo

f/V

T

señal interpolada

señal original

20 40 60 80 100 120 140 160 180450

500

550

600

650

700

750

Paciente 36 señal RR

tiempo

RR

señal interpolada

señal original

0 20 40 60 80 100 120 140 160 180

0.8

1

1.2

1.4

1.6

1.8

2Paciente 36 señal TOT

tiempo

TO

T

señal interpolada

señal original

0 20 40 60 80 100 120 140 160 1800.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

Paciente 36 señal f/VT

tiempo

f/V

T

señal interpolada

señal original

Interpolación cuadrática

Muestreada 2 Hz

Se utiliza para estandarizar los tiempos de muestreo en las señales y

Numero de muestras de la señal Respiratorias y cardiacas.

Fig 23. graficas interpolación señales RR, f/VT, Ttot

Proyecto de grado.

Ing. Mecatrónica.

ERROR MEDIO CUADRATICO

PACIENTE Ttot f/VT RR Ttot f/VT RR

CONDICION 1 CONDICION 2

1 0,88518 0,16950 3,56576 3,72992 0,08863 0,57060

2 7,78418 0,44124 0,60587 8,36489 0,63175 0,34828

3 0,69647 2,12893 2,37342 3,51999 0,20866 0,44802

4 1,67361 0,14321 8,09468 1,73834 0,01965 55,91692

5 5,79053 0,19562 1,39922 1,31699 0,01097 0,43255

6 1,65603 0,05747 1,32497 8,04138 0,61093 1,18988

7 0,09694 0,01207 1,02630 1,56302 0,09334 2,55042

8 1,84961 0,11651 0,66605 2,48253 0,00783 0,08013

9 1,71473 0,08066 0,06478 2,66607 0,00808 0,10491

10 1,03086 0,04130 0,50460 2,84387 0,29531 0,65195

11 0,57866 0,52911 1,69000 0,33949 0,03418 1,15494

12 0,19857 0,70697 0,00190 1,91628 0,11119 2,01806

13 3,99747 0,65862 0,12215 0,20436 0,07067 0,59688

14 2,98142 0,27462 0,30852 0,35695 0,01378 0,00523

15 4,12519 0,18286 1,78077 0,61615 0,16805 0,15501

16 1,65836 0,46089 1,60471 0,04508 0,09194 0,56905

17 2,46129 0,65283 2,65917 0,33401 0,13478 0,01526

18 4,53552 1,14889 0,28652 1,47681 2,17478 1,14832

19 3,31943 0,18927 0,65113 1,15657 0,66206 0,44683

20 0,67407 0,29741 0,45352 6,58069 0,63218 0,01296

21 1,47681 0,97004 2,71572 0,25111 0,04392 0,29682

22 4,57313 0,43067 0,22286 5,91596 9,45191 2,02300

23 3,63452 0,94508 0,13785 0,87076 1,08641 0,17779

24 2,91965 0,04074 1,07214 0,38624 0,66578 2,08039

25 3,65490 0,08261 1,33853 69,82036 3,46226 1,43161

26 5,71668 0,03561 2,64008 4,43954 9,39827 1,78359

27 5,80321 0,26981 0,84801 0,62819 0,07839 1,54200

28 2,08800 0,31364 0,02975 3,13934 0,40847 1,07539

29 2,97330 0,53785 0,68543 3,73802 0,06307 0,41254

30 4,44585 0,48385 4,18039 1,21826 0,05963 0,57358

31 1,89489 0,40211 0,19613 1,91933 0,45889 1,75372

32 1,69852 0,25302 0,18946 0,45361 0,18508 0,29146

33 4,30113 0,15978 0,07243 2,89228 0,13778 0,57889

PROMEDIO 2,81481 0,40645 1,31857 2,81481 0,40645 1,31857

ERROR MEDIO CUADRATICO INTEPOLACION

Tabla 12. resultados error medio cuadrático.

Proyecto de grado.

Ing. Mecatrónica.

OBTENCION ESTADISITICOS SERIE

CARDIRRESPIRATORIA

Fig. 24 obtención estadísticos serie cardiorrespiratoria

Proyecto de grado.

Ing. Mecatrónica.

Entrada Variable Entrada Variable Entrada Variable

1 Media Ttot 8 Media f/VT 15 Media RR

2 Desviación Ttot 9 Desviación f/VT 16 Desviación RR

3 Moda Ttot 10 Moda f/VT 17 Moda RR

4 R. intercuartil Ttot 11 R. intercuartil f/VT 18 R. intercuartil RR

5 Oblicuidad Ttot 12 Oblicuidad f/VT 19 Oblicuidad RR

6 Varianza Ttot 13 Varianza f/VT 20 Varianza RR

7 Curtosis Ttot 14 Curtosis f/VT 21 Curtosis RR

OBTENCION ESTADISITICOS SERIE

CARDIORRESPIRATORIA

Tabla 13. relación numérica variables estadísticos serie cardiorrespiratorio

Proyecto de grado.

Ing. Mecatrónica.

Ttot- condición 1

Media Moda Varianza Curtosis Oblicuidad Desviación

rango

intercuartil

Media total 0,19964 0,37155 0,27297 0,52225 0,08061 0,01135 0,0424475

Desviación 0,12461 0,23952 0,2379 0,1867 0,06242 0,01827 0,0348464

Ttot- condición 2

Media total 0,15131 0,28744 0,29695 0,51309 0,09864 0,04649 0,0632427

Desviación 0,17368 0,17231 0,28937 0,2362 0,18984 0,1742 0,1747341

f/VT- condición 1

Media total 0,06051 0,08617 0,07749 0,31055 0,04134 0,00462 0,0306594

Desviación 0,0787 0,09317 0,09522 0,15795 0,05292 0,01514 0,0343012

f/VT- condición 2

Media total 0,14847 0,12689 0,13428 0,32112 0,08763 18,5635 0,1372649

Desviación 0,21189 0,2181 0,2126 0,14681 0,04933 12,5836 0,2012687

RR- condición 1

Media total 0,5458 0,98535 0,09417 0,73687 0,03491 0,03043 0,0322807

Desviación 0,16634 0,00759 0,1555 0,12047 0,1709 0,1714 0,1710828

RR- condición 2

Media total 0,48257 0,95474 0,08376 0,70938 0,01094 0,00124 0,0065854

Desviación 0,2134 0,16891 0,17408 0,15244 0,0335 0,00486 0,0196466

ESTADÍSTICO SERIE

CARDIORRESPIRATORIA

Tabla 8. Resultados estadísticos serie cardiorrespiratoria.

Proyecto de grado.

Ing. Mecatrónica.

SELECCIÓN DE CARACTERISTICAS-ESTADISITICOS

SERIE CARDIORRESPIRATORIA.

Fig. 25 selección de características estadísticos serie cardiorrespiratoria.

Proyecto de grado.

Ing. Mecatrónica.

FS AGAlgoritmo Variable Porcentaje

Early Stopping

Traingdx 8-12-20-2 79% ± 0.72


Trainrb 7-8-13-14-20 77.67% ± 0.32


Early Stopping

Traingdx 4-21-16-19-8-

10

75% ± 0.112


Trainrb 8-6-15-20 71.167%

± 0.32

RESULTADOS SELECCIÓN DE CARACTERISTICAS-

ESTADISITICOS SERIE CARDIORRESPIRATORIA.

Tabla 9. resultados FS cardiorrespiratoria

Tabla 10. resultados AG cardiorrespiratoria

Proyecto de grado.

Ing. Mecatrónica.


CARDIORRESPIRATORIA

Fig. 26 obtención estadísticos Wavelet serie cardiorrespiratoria

Proyecto de grado.

Ing. Mecatrónica.

Entrada Variable Entrada Variable Entrada Variable

1 Media p_cA3_Ttot33 8 Media p_cd2_fVt 15 Media p_cA3_RR33

2 Desviación p_cA3_Ttot33 9 Desviación p_cd2_fVt 16 Desviación p_cA3_RR33

3 Moda p_cA3_Ttot33 10 Moda p_cd2_fVt 17 Moda p_cA3_RR33

4 R. intercuartil p_cA3_Ttot33 11 R. intercuartil p_cd2_fVt 18 R. intercuartil p_cA3_RR33

5 Oblicuidad p_cA3_Ttot33 12 Oblicuidad p_cd2_fVt 19 Oblicuidad p_cA3_RR33

6 Varianza p_cA3_Ttot33 13 Varianza p_cd2_fVt 20 Varianza p_cA3_RR33

7 Curtosis p_cA3_Ttot33 14 Curtosis p_cd2_fVt 21 Curtosis p_cA3_RR33


CARDIRRESPIRATORIA

Tabla 11. relación numérica variable Wavelet cardiorrespiratorio

Proyecto de grado.

Ing. Mecatrónica.

RR- condición 1 -ca3

media Moda varianza curtosis Oblicuidad desviación

rango

intercuartil

media total 0,24407 7,02065 0,03369 0,21584 0,03013 0,47652 0,00203

desviación 0,06159 6,94793 0,02997 0,0889 0,02688 1,48739 0,00309

RR- condición 2 -ca3

media total 0,22462 4,52366 0,02424 0,20232 0,02712 -0,4179 0,00115

desviación 0,07225 3,29689 0,02374 0,08916 0,02461 0,95383 0,00220

WAVELET SERIE CARDIORRESPIRATORIA

Tabla 12. Resultados estadísticos serie cardiorrespiratoria.

Proyecto de grado.

Ing. Mecatrónica.


WAVELET SERIE CARDIORRRESPIRATORIA.

Fig. 27 selección de características estadísticos serie cardiorrespiratoria Wavelet.

Proyecto de grado.

Ing. Mecatrónica.

Forward Selection


Early Stopping

Traingdx 4-21-16-19-8-10 75% ± 0.112


Trainrb 8-2-15-20 71.167% ± 0.32

Algoritmos Genéticos


Early Stopping

Traingdx 2-8-13-18-20 78.2% ± 0.72


Trainrb 8-20-18-2 77.67% ± 0.32

RESULTADOSSELECCIÓN DE

CARACTERISTICAS- WAVELET SERIE

CARDIORRRESPIRATORIA.

Tabla 13. Resultados selección de características serie cardiorrespiratoria Wavelet.

Proyecto de grado.

Ing. Mecatrónica.

CONCLUSIONES

Proyecto de grado.

Ing. Mecatrónica.

Algoritmo Variable de señales Ttot y f/VT Porcentaje

Forward Selection

Early Shopping

Traingdx Curtosis f/VT-Media f/VT-Desv. f/VT-

Varianza Ttot-R. Inter. f/VT-Media Ttot

75% ± 0.033


Trainrb1 Media f/VT-Varianza f/VT 73.33% ± 0.18


Early Shopping

Traingdx Media f/VT-Moda f/VT-Varianza f/VT 77% ± 0.063


Trainrb1 Media Ttot-Desv Ttot –Varianza Ttot-

Curtosis Ttot-Oblicuidad f/VT-Varianza f/VT

77% ± 0.065

Wavelet señales Ttot ca3 y f/VT CD3

Forward Selection

Early Stopping

Traingdx Curtosis f/vt-Desviación Ttot 72.33% ± 0.066


Trainrb Media f/VT Curtosis f/VT 73.3% ± 0.19


Early Stopping

Traingdx Curtosis f/vt-Media f/VT- 75% ± 0.022


Trainrb Deviación f/VT – Varianza Ttot - R.

Intercuartil

73.33% ± 0.065

Tabla 14. mejores porcentajes de clasificación serie respiratoria

Proyecto de grado.

Ing. Mecatrónica.

• Las RN´s son una técnica sofisticada capaz de modelar

funciones complejas de diversas índoles.

Conjuntamente apoyado con la técnica FS y AG

permite Obtener un buen conjunto de características

para el cual nos permite mejorar notablemente los

resultados del sistema.

• Al comparar los dos métodos de selección de

características se determina que es mejor utilizar AG en

el análisis del sistemas respiratorio ya este proporciona

los mejores porcentajes de clasificación. se observa que

en la mayoría de los casos el algoritmo Traingdx

proporciona los mejores porcentajes de clasificación.

Proyecto de grado.

Ing. Mecatrónica.

• Al encontrar la moda de las variables que se mantienen en cada

clasificación de los resultados obtenidos al aplicar FS y AG se

observa que las variables más usadas en los clasificadores luego

de aplicar la selección de características son la Media f/VT,

Varianza f/VT y la Varianza Ttot, y que la combinación de estas se

encuentra presentes en los mejores resultados de clasificación. De

igual manera el proceso que realiza la red neuronal no es

determinístico, y por ser un proceso de aleatorización podrá realiza

la combinación de diferentes variables pero se percibe la presencia

al menos una de estas variables en cada uno de los resultados

obtenidos.

Proyecto de grado.

Ing. Mecatrónica.

Variable de señales Ttot y f/VT RR Porcentaje

Forward Selection

Early Stoping

Traingdx Media f/VT-Oblicuidad f/VT-Varianza RR-

Desviación Ttot

79% ± 0.72


Trainrb1 Media f/VT-Desviación Ttot-Curtosis f/VT-

Varianza RR

77.67% ± 0.063


Early Stoping

Traingdx Media f/VT-Curtosis f/VT-Curtosis RR 74% ± 0.61


Trainrb1 Curtosis f/VT Oblicuidad f/VT Varianza RR

Curtosis RR

75% ± 0.35

Wavelet señales Ttot ca3 y f/VT CD3 RR

Forward Selection

Early Stoping

Traingdx R. intercuartil Ttot-Curtosis RR-Desviación RR-

Oblicuidad RR-Media f/VT-Moda f/VT

75% ± 0.112


Trainrb Media f/VT-Varianza TOT-Media RR-Varianza

RR

71.167% ± 0.3


Early Stoping

Traingdx Desviación Ttot-Media f/VT-Varianza f/VT-R.

intercuartil RR-Varianza RR

78.2% ± 0.72


Trainrb Media f/VT-Varianza RR-Oblicuidad RR-

Desviación-Ttot

77.67% ± 0.32

Tabla 15. mejores porcentajes de clasificación serie cardiorrespiratoria.

Proyecto de grado.

Ing. Mecatrónica.

• Se puede observar que al aplicar la transformada wavelet con las

señales respiratorias no se observan resultados positivos, se

obtiene inferiores porcentajes de clasificación a los obtenidos al

aplicar los estadísticos, y al encontrar la moda se resaltan las

siguiente variables Media p_cd2 f/VT y Curtosis p_cd2 f/VT, los dos

métodos de selección de característica se presenta la combinación

de ellos dos, pero de igual manera por sí solo no arrojan el mejor

resultado.

• Al incluir la serie RR se obtiene un aumento en los

porcentajes de clasificación (+2%) respecto al mejor

resultado obtenido al analizar las señales del sistema

respiratorio (Ttot, f/VT), lo cual nos resalta la importancia

interacción del sistema cardiorrespiratorio.

• Estudio posterior

Proyecto de grado.

Ing. Mecatrónica.

BIBLIOGRAFIA • [1] west j. fisiologia respiratoria. Editorial medica panamericana. Sexta edición,

Buenos aires, 2004.

• [2] f frutos i alia m r lorenzo j garcía pardo m nolla j ibáñez j p tirapu s macias j blanco s benito a

anzueto a esteban (2003). Utilización de la ventilación mecánica en 72 unidades de cuidados intensivos en

España, medicina intensiva vol. 27 núm. 1 pág. 1-12

• [3] cristancho, g. w. (2003). Fundamentos de la fisioterapia respiratoria y ventilación mecánica manual moderna:

419-435.

• [4] b. Giraldo, member, ieee, c. Arizmendi, member, ieee, e. Romero, r. alquezar, p. caminal,s. benito, d, (2006).

Ballesteros patients on weaning trials classified with neural networks and features selection procedings of the

28th ieee embs annual international conference isbn 1-4244-0033-3/06_ ieee.

• [5] b. giraldo, member, ieee, a. garde, c. arizmendi, member, ieee, r. jané, member, ieee,s. benito, i. diaz, d.

ballesteros, (2006). support vector machine classification applied on weaning trials patients procedings of the

28th ieee embs annual international conference isbn 1-4244-0033-3/06/_ieee,

• [6] pere caminal , beatriz giraldo, haritz zabaleta , montserrat vallverdu , salvador benito , d ballesteros , l lópez-

rodriguez , a esteban , m baumert , andreas voss, (2005) joint symbolic dynamic analysis of cardiorespiratory

interactions in patients on weaning trials. a: 27th annual international conference of the ieee engineering in

medicine and biology society p. 1-4.

• [7]. dirk cysark, arndt büssing (2005) cardiorrespiratory symchronization during zenial s meditation eur j appl

physiol, 95: 88-95

• [8] benito s. net a., (1990). “función pulmonar en paciente ventilado”. ed.doyma. barcelona-españa

ANÁLISIS DE LA INTERACCIÓN ENTRE EL PATRÓN …

Documents

Transcript of ANÁLISIS DE LA INTERACCIÓN ENTRE EL PATRÓN …