Use of phonocardiograms to extract knowledge from heartbeats

Abstract

[en] In clinical cardiology, the QT interval is an important marker for determining arrhythmia risk and has typically been assessed using electrocardiograms (ECGs). However, due to the expense and complexity of the technology, ECG monitoring may be prohibitive in some situations. This thesis investigates the feasibility of measuring the QT interval using phonocardiogram (PCG) data, which provides a more accessible and non-invasive alternative. The project evaluates a database of 409 simultaneous ECG and PCG recordings. PCG features including S1, S2, Systole, and Diastole durations are recovered using hand-corrected annotations as well as the Springer segmentation technique. The project develops two predictive models: a Bayesian-optimized support vector machine (SVM) regression model and an explicit multiple linear regression model[es] En cardiología clínica, el intervalo QT es un marcador importante para determinar el riesgo de arritmia y tradicionalmente se ha evaluado mediante electrocardiogramas (ECGs). Sin embargo, debido al coste y la complejidad de la tecnología, el monitoreo con ECG puede ser prohibitivo en algunas situaciones. Esta tesis investiga la viabilidad de medir el intervalo QT utilizando datos de fonocardiogramas (PCG), que ofrecen una alternativa más accesible y no invasiva. El proyecto evalúa una base de datos de 409 registros simultáneos de ECG y PCG. Las características del PCG, incluidas las duraciones de S1, S2, sístole y diástole, se extraen utilizando tanto anotaciones corregidas manualmente como el algoritmo de segmentación de Springer. Se desarrollaron dos modelos predictivos: un modelo de regresión con máquinas de vectores de soporte (SVM) con optimización bayesiana y un modelo de regresión lineal múltiple explícito.