Análise de Recorrência na Classificação de ECGs: Um Estudo com Modelos Profundos e Clássicos

A detecção precoce de arritmias a partir de eletrocardiogramas (ECGs) pode ser decisiva para o tratamento de doenças cardiovasculares, que ainda são a principal causa de mortes no mundo. Muitos trabalhos têm explorado técnicas de processamento de sinais e aprendizado de máquina neste problema, havendo já iniciativas que empregam gráfioos de recorrência para a caracterização dos sinais cardíacos. Porém, poucos trabalhos realizaram uma comparação mais ampla com outras estratégias de representação dos ECGs junto a diferentes classificadores. Neste trabalho, aplicamos a análise de recorrência para descrever os ECGs da base MIT-BIH ARR, avaliando seu impacto sobre modelos tradicionais e profundos (e.g., ResNet) de classificação. Além disso, avaliamos também as representações temporais e os espectrogramas (SPGs). Os resultados obtidos indicam que TS com k-vizinhos mais próximos alcançaram a melhor F-medida (0,7980), enquanto os gráficos de distância (DPs) com KNN fornecem a maior precisão e especificidade, além de superarem consistentemente os desempenhos atingidos com os gráficos de recorrência (RPs).