Examinando por Materia "ECG"

Mostrando 1 - 6 de 6
  • Miniatura
    PublicaciónAcceso abierto
    Dispositivo para la medición del índice de coherencia global
    (Universidad EIA, 2020) Isaza Arias, David Santiago; Torres Villa, Róbinson
    RESUMEN: Actualmente la sociedad se encuentra bajo estímulos constantes los cuales pueden inducir estrés, y este estrés conlleva a diferentes patologías cardiacas, respiratoria y en algunos casos en problemas psicológicos como depresión y ansiedad. El índice de coherencia global es un numero adimensional que nos permite evaluar el nivel de estrés en el cual se encuentra una persona; para encontrar el índice de coherencia global, se necesita tener 4 señales fisiológica: ECG, PPG, PTT y respiración. Se desarrolla un dispositivo portable, con un AFE de referencia max86150 y con una tarjeta de desarrollo teensy 3.5, obteniendo la señal de ECG en dos puntos junto con la señal de PPG. Se realiza un sistema de estimación para el índice de coherencia global, en donde a partir de la señal de ECG derivamos encontramos la señal de respiración del dispositivo, y junto con la señal de PTT (encontrada a partir de la señal de ECG y PPG) se encuentra el índice de coherencia global. Se obtiene un dispositivo funcional, que permite el cálculo del índice de coherencia global. Se realiza el cálculo del índice de coherencia global verificando el correcto funcionamiento del equipo.
  • Miniatura
    PublicaciónAcceso abierto
    Dispositivo para la Monitorización Remota de Bomberos
    (Universidad EIA, 2016) Osorno Valencia, Johnathan
    El siguiente trabajo de grado presenta el esquema de desarrollo de un prototipo, cuya función permite monitorear en una ubicación remota la señal de electrocardiografía de los bomberos durante el desarrollo de las operaciones de atención a emergencias, con el propósito de conocer en tiempo real su condición física. El procedimiento de diseño y desarrollo del prototipo se fundamentó en la metodología de diseño de producto propuesta por Karl T. Ulrich, y el concepto del método de diseño centrado en el usuario, este proceso estuvo acompañado de etapas de prueba e implementación de secciones del prototipo para adquirir el conocimiento en relación con las tecnologías a seleccionar, y otro tipo de tecnologías existentes, la elaboración de este conjunto de actividades se empleó para determinar los conceptos de solución propuestos. Las etapas de prueba e implementación que se desarrollaron fueron el montaje de un circuito ECG de prueba empleando el amplificador de instrumentación AD620, búsqueda y selección del sistema de comunicación, búsqueda y selección de la unidad de procesamiento del nodo sensor, diseño y construcción del circuito del nodo sensor a partir de la implementación del sistema de comunicación transmisor, una unidad de procesamiento, y un ECG empleando el amplificador de instrumentación INA333, soldadura de los componentes y prueba del circuito, programación de la unidad de procesamiento del transmisor y receptor, diseño CAD de los componentes del nodo sensor, diseño CAD y construcción del ensamble que contiene el circuito, programación de la interfaz de usuario, e implementación de un código para calcular el ritmo cardíaco del ECG transmitido. Los resultados del trabajo de grado obtenidos fueron la construcción y puesta a prueba del ECG, puesta a prueba de los módulos de transmisión, puesta a prueba del nodo sensor completo, visualización del ECG transmitido en pantalla. Adicionalmente, se realizaron ocho ejercicios con el sistema completo, los cuales consistían en la transmisión del ECG a diferentes distancias, y bajo diferentes condiciones. En ellos se observó que en la mayoría de los casos hubo perdida de información, y el ritmo cardíaco calculado de la información rara vez concordaba con el ritmo cardíaco de la información enviada.
  • Miniatura
    PublicaciónAcceso abierto
    Semillero de procesamiento y detección de patrones en señales 2024-1
    (Universidad EIA, 2024) Alzate Márquez, Mateo; Gallón Duque, Santiago; Gutiérrez Noguera, Santiago; Jaramillo Codina, Alejandra Sofía; Zuluaga Gómez, Isabella; Castaño López, Juan Carlos
    RESUMEN: en el semillero de procesamiento de señales se utilizó una base de datos de estímulos emocionales por realidad virtual ya existente en donde se utilizaron señales de electrocardiograma (ECG). La base de datos contenía registros de 34 personas sometidas a 12 diferentes estímulos de realidad virtual (VR), clasificados como "felices" o "tristes", después se procesaron las señales usando Python y diversas librerías, comenzando con la limpieza y normalización de datos, seguida de la eliminación de ruido mediante el método IModPoly y un filtro pasa bajas de Butterworth y junto a esto se calcularon la frecuencia cardíaca y su variabilidad, la coherencia fisiológica y la entropía de Shannon como características de esta señal. Luego, se implementaron modelos de machine learning (KNN, MLP, SVM) para clasificar los estados emocionales, optimizando parámetros mediante GridSearchCV y evaluando los modelos con técnicas estándar de clasificación y gráficos SHAP para interpretar la importancia de las características. El ejercicio arrojó resultados como el análisis comparativo que mostró que el modelo KNN tuvo el mejor rendimiento con un área bajo la curva ROC de 0.71, seguido por MLP y SVM, ambos con un área de 0.61, también un análisis de las características demostró que las más influyentes fueron la coherencia fisiológica y la frecuencia cardíaca. Finalmente se concluyó que el modelo KNN fue el más adecuado para el conjunto de datos, mientras que MLP y SVM mostraron potencial en escenarios específicos con más datos y separación clara entre clases. El semillero estuvo constituido de sesiones explicativas y creativas donde se creó código de programación para resolver el problema planteado en el objetivo general.
  • Miniatura
    PublicaciónAcceso abierto
    Semillero de investigación Bioinstrumentación 2024-2
    Cristhian Felipe Patiño Zambrano; Juan José Arcila Trejos; Mateo Tobón Gallego; Fabian Andrés Vásquez Pino; Camila Velásquez Díaz; Gabriela Sofia Rivera Curiel
    Monitor electrónico de señales fisiológicas y signos vitales, tales como electrocardiografía y frecuencia cardiaca.
  • Miniatura
    PublicaciónAcceso abierto
    Semillero de investigación de procesamiento y deteccion de patrones en señales 2024-2
    (Universidad EIA, 2024) Alzate Márquez, Mateo; Albino Pérez, Mary Leidy; Arcila Trejos, Juan José; Tobón Gallego, Mateo; Jaramillo, Alejandra Sofía
    RESUMEN: En el semillero del semestre 2024_2 se explora la clasificación de estados emocionales de "Felicidad" y "Tristeza" utilizando un modelo Random Forest entrenado con datos de señales de ECG obtenidas mediante estímulos musicales. Siguiendo el protocolo descrito en "Automatic ECG-Based Emotion Recognition in Music Listening" de Hsu et al. y empleando la Geneva Emotional Music Scale (GEMS), se realizó un experimento con participantes saludables de entre 15 y 25 años. Las señales se adquirieron utilizando la plataforma MAXREFDES104 Health Sensor en un entorno controlado, con dos listas de reproducción diseñadas para evocar emociones felices y tristes. El preprocesamiento, la extracción de características y el análisis se llevaron a cabo en Python, logrando una precisión del 75% mediante validación cruzada estratificada. A pesar de las limitaciones del conjunto de datos, los resultados destacan el potencial de las señales de ECG para el reconocimiento emocional en áreas como la psicología, la educación y la robótica asistencial. Los trabajos futuros se enfocarán en ampliar el conjunto de datos y explorar modelos avanzados, como redes neuronales convolucionales, para mejorar la precisión y robustez.
  • Miniatura
    PublicaciónAcceso abierto
    Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas
    (Universidad EIA, 2023) Alzate Márquez Mateo; Torres Villa, Róbinson
    RESUMEN: se propone la creación de un sistema para la detección de la depresión, basado en la adquisición y procesamiento de señales de ECG y PPG, seguido por el desarrollo de un algoritmo para la clasificación y detección de patrones. El objetivo principal es lograr una clasificación precisa de un individuo en un grupo de depresión o no depresión, logrando en última instancia la detección correcta del problema mencionado. Esto se logró mediante el análisis de un conjunto de variables fisiológicas tomadas de las señales de PPG y ECG, utilizando un protocolo experimental llamado 'script-driven imagery' adaptado al paradigma actual, aplicado a individuos del Centro Médico de Alta Especialidad del Bajío T1 en León, México. Las variables utilizadas incluyen la variabilidad de la frecuencia cardíaca, el tiempo de tránsito del pulso, la frecuencia cardíaca, la señal de respiración, la coherencia fisiológica de cada una y el índice de coherencia global, así como otras variables relacionadas con la frecuencia seleccionadas en función de una revisión bibliográfica. Posteriormente, se desarrolló un programa en Python para el procesamiento y obtención de los valores de las variables mencionadas para su posterior uso en un código de aprendizaje automático. Se realizó una prueba con un modelo de aprendizaje automático múltiple para determinar que el algoritmo de clasificación binaria que mostró el mejor rendimiento fue un Bosque Aleatorio, con una sensibilidad y precisión del 76% para el grupo de validación, aunque se lograron porcentajes más altos con grupos más pequeños de individuos. También se llevó a cabo una revisión del rendimiento de las mejores características en el algoritmo para identificar qué variables pueden tener un mayor impacto al intentar detectar un estado depresivo en un individuo.