Szymon Sieciński

Aplikacja internetowa lista zadań. Rozwój jest kontynuowany w ramach Daj Się Poznać 2017

Migotanie przedsionków jest najczęściej występującym na świecie zaburzeniem rytmu
serca. Charakteryzuje się nieskoordynowaną pracą przedsionków serca, połączoną z naj-
częściej niemiarową pracą komór. Chociaż migotanie przedsionków nie stanowi bezpo-
średniego zagrożenia życia, wpływa jego jakość z powodu zmian anatomicznych w sercu
oraz zaburzeń hemodynamiki i krzepliwości krwi. Istnieje wiele metod klasyfikacji mi-
gotania przedsionków, jednakże ich skuteczność wymaga poprawy.
Zaproponowany klasyfikator wykonuje detekcję epizodów migotania przedsionków
na podstawie testu Shapiro-Wilka rozkładu ∆RR (różnic między kolejnymi odstępami
RR) o zadanym poziomie istotności testu oraz wielkości analizowanego segmentu wy-
konywany na cyfrowym zapisie elektrokardiogramu. Metoda ta wykorzystuje detek-
cję QRS z użyciem algorytmu Pana i Tompkinsa, wyznaczenie ∆RR, podział sygnału
na nienakładające się segmenty o określonej szerokości oraz wykonywanie testu Shapiro-
Wilka dla każdego segmentu sygnału.
Klasyfikator został zaimplementowany jako wielowarstwowa aplikacja internetowa
w języku Python z interfejsem użytkownika jako Single Page Application (SPA) z wy-
korzystaniem HTML5, CSS3, JavaScript i AngularJS. Wykorzystanie architektury wie-
lowarstwowej pozwoliło na elastyczne podejście do projektowania, rozwijania i utrzy-
mywania aplikacji.
Zauważono, że zwiększenie poziomu istotności α oraz wielkości segmentu analizy
wzrasta specyficzność, dodatnia wartość predykcyjna i trafność, natomiast czułość
i ujemna wartość predykcyjna maleje. Dla sygnałów bez epizodów migotania przedsion-
ków (205, 208, 215 oraz 220 z bazy danych mitdb) uzyskana liczba TP oraz Se są równe
zero, natomiast dla sygnału zawierającego wyłącznie migotanie przedsionków (sygnał
07162 z bazy afdb) liczba TN, FP oraz wartość Se i NPV są równe zero. Na podstawie
parametrów jakości klasyfikacji oraz kształtu krzywych ROC można stwierdzić, że kla-
syfikacja do jednej z klas (epizod AF i brak epizodu AF) nie jest losowa. Optymalne
wartości parametrów α i w dla wykorzystywanej grupy sygnałów wynoszą 0,01 i 50
oraz pozwalają na uzyskanie czułości równej 0,700308, specyficzności równej 0,693437
oraz dodatniej wartości predykcyjnej równej 0,538125.
Opracowana aplikacja działa poprawnie na komputerze klasy PC oraz na urządze-
niach mobilnych, jej interfejs użytkownika jest przejrzysty. Wyniki klasyfikacji są przed-
stawione jako funkcja o przebiegu zbliżonym do prostokątnego, gdzie wartość równa
jeden oznacza wystąpienie epizodu migotania przedsionków.