Clasificación de Estados de Actividad Física Mediante la Dinámica Temporal del Tiempo de Llegada del Pulso

Resumen

El reconocimiento de la actividad humana (HAR, por sus siglas en inglés) basado en señales fisiológicas ofrece una visión directa de la respuesta metabólica y autonómica del cuerpo. Este trabajo propone una red neuronal recurrente de memoria a corto y largo plazo (LSTM, por sus siglas en inglés) para clasificar los estados de actividad (reposo, caminar, correr) basándose exclusivamente en la dinámica temporal del tiempo de llegada del pulso (PAT, por sus siglas en inglés). Un aspecto central de este estudio es el análisis fisiológico de la variabilidad media del PAT (PAT Var Mean, por sus siglas en inglés), una métrica que refleja la modulación autonómica latido a latido. Utilizando un conjunto de datos PhysioNet de 22 individuos, analizamos cómo el género y la intensidad de la actividad afectan la estabilidad del PAT. Los resultados demuestran que las mujeres presentan una mayor variabilidad media en reposo en comparación con los hombres, pero esta variabilidad disminuye drásticamente en ambos géneros durante el ejercicio intenso debido al predominio simpático. El modelo LSTM, entrenado para capturar estas transiciones dinámicas, alcanzó una precisión del 92 %. Este enfoque demuestra que la firma temporal de PAT, cuantificada a través de su variabilidad media, es un indicador robusto del nivel de esfuerzo físico que trasciende las diferencias demográficas basales, lo que permite el desarrollo de sistemas HAR más eficientes y personalizados.