Quaternion neural networkwith temporal feedback calculation: Application to cardiac vector velocity during myocardial infarction

Abstract

Quaternion neural networks have been shown to be useful in image and signal processing applications. Herein, we propose a novel architecture of a neural unit model characterized by its ability of encoding 3-dimensional past information and that facilitates the learning of velocity patterns. We evaluate the implementation of the network in a study of the cardiac vector velocity and its usefulness in early detection of patients with anterior myocardialinfarction. Experimental results show an improvement of the performance in terms of convergence speed and precision when comparing with traditional methods. Furthermore, the network shows successful results in measuring the velocity reduction that is usually observed in vectorcardiogram signals in the presence of myocardial damage. Through a linear discriminant analysis, a pair of 100% / 98% of sensitivity / specificity is met with only two velocity parameters. We conclude that this method is a very promising development for future computational tools devoted to early diagnosis of heart diseases.

Las redes neuronales cuaterniónicas han mostrado ser de gran utilidad en aplicaciones de procesamiento de señales e imágenes. En este trabajo, proponemos una arquitectura novedosa para el modelo de una unidad neuronal caracterizada por su capacidad de codificar información tridimensional temporal que facilita el aprendizaje de patrones de velocidad. Evaluamos la implementación de la red en un estudio de la velocidad del vector cardíaco y su utilidad en la detección temprana de pacientes con infarto anterior de miocardio. Los resultados experimentales muestran una mejora del rendimiento en términos de precisión y velocidad de convergencia cuando se compara con redes tradicionales. Adicionalmente, la red muestra resultados exitosos en la medición de la ralentización del vector que se observa habitualmente en las señales vectorcardiográficas en presencia de daños miocárdicos. Mediante un análisis discriminante lineal, se alcanza un par de sensibilidad / especificidad del 100% / 98% con solo dos parámetros de velocidad. Concluimos que este método es un desarrollo prometedor para futuras herramientas computacionales dedicadas al diagnóstico temprano de enfermedades cardíacas.