Heart beat parametric modeling based on Monte Carlo fitting techniques

Abstract

La síntesis de señales de Electrocardiograma (ECG) está estrechamente vinculada al proceso de modelado ya que se requiere un conocimiento preciso de los parámetros de los latidos cardíacos que se pretende modelar. El conocimiento de dichos parámetros se consigue a través de métodos de ajuste de curvas entre latidos simulados y latidos reales. Estos métodos de optimización tradicionales como puede ser el método de ajuste por cuadrados mínimos no lineal o similares, sufren la dificultad de caer en mínimos locales sobretodo cuando no se les da condiciones iniciales precisas. En el presente trabajo diseñamos un método novedoso robusto a desvíos en las condiciones iniciales basado en técnicas de Monte Carlo derivado de las ideas del Filtrado Particular. Nuestro método permite ajustar el latido cardíaco y determinar los parámetros de un modelo ya conocido en la literatura que consiste en la suma de cinco gaussianas. El método ajusta con errores muy similares al método tradicional cuando las condiciones iniciales son muy buenas, pero se consiguen mejores resultados en términos de error cuadrático cuando las condiciones iniciales se degradan lo suficiente. Se llevó a cabo la validación con señales de ECG reales tanto fisiológicas como patológicas extraídas de bases de datos internacionales

Synthesis of electrocardiogram (ECG) signals is closely linked to the modeling process since precise knowledge of the parameters of the heartbeat to be modeled is required. The knowledge of these parameters is achieved through methods of adjusting curves between simulated beats and real beats. These traditional optimization methods, such as nonlinear least squares or similar, suffer from the drawback of falling at local minima especially when the initial conditions are not given in an accurate fashion. In the present work, we have designed a novel method robust to deviations in the initial conditions based on Monte Carlo techniques derived from the ideas of the Particle Filtering. Our method allows to adjust the heart beat and to determine the parameters of a model already known in the literature that consists of the sum of five Gaussian curves. The method fits with errors very similar to the traditional method when the initial conditions are good, but better results are obtained in terms of squared error when the initial conditions are sufficiently degraded. Validation was carried out with real physiological and pathological ECG records from international databases.