Rede Neural IncResU-Net para Inferência de Sinais Eletrocardiograma a partir de Sinais Fotopletismograma

Abstract

O eletrocardiograma (ECG) é um exame médico que mede a atividade elétrica do coração, enquanto o fotopletismograma (PPG) mede as alterações no volume sanguíneo por meio de tecnologia baseada em luz. Embora ambos os métodos sejam usados para monitorar a frequência cardíaca, o ECG é considerado o método padrão ouro para o diagnóstico de doenças cardíacas porque fornece informações adicionais sobre o funcionamento do coração. Apesar dos esforços para integrar a detecção de ECG em dispositivos vestíveis para monitoramento cardíaco contínuo e confiável, os sensores PPG são atualmente a principal solução viável. Este trabalho propõe um método denominado PPG2ECG, baseado no mapeamento entre domínio, aplicando um conjunto de filtros de convolução, utilizando uma arquitetura de rede neural U-net Inception, para inferir sinais ECG a partir de sinais PPG. Para avaliar a eficácia do método proposto, foram adotadas duas estratégias de avaliação, baseadas em modelos personalizados e generalizados. Os resultados obtidos demonstraram valores médios de erros médio quadráticos de 0,015 e 0,026, respectivamente.