Examinando por Materia "extracción de características"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónSólo datos
    Caracterización de sonidos deglutorios adquiridos mediante auscultación cervical en sujetos sanos y con disfagia.
    (Fondo Editorial EIA - Universidad EIA, 2022-06-01) Betancur Rengifo, Juan Pablo; Restrepo Uribe, Juan Pablo; Pérez Giraldo, Estefania; Orozco Duque, Andrés
    La deglución es un acto de alta complejidad neuromuscular debido a que intervienen más de 30 pares musculares y 5 pares craneales en un periodo corto de tiempo. Esta se divide en 4 etapas: pre oral, oral, orofaríngea y esofágica, una alteración en el desarrollo normal de alguna de estas fases puede desarrollar un síntoma secundario a enfermedades neuromusculares y neurogénicas que se conoce como disfagia, esta puede traer consigo muchas dificultades para quien la padece, entre esta neumonía bronquial, desnutrición, deshidratación o incluso la muerte por asfixia. La identificación de características que ayuden a reconocer dicho síntoma, además de describir correctamente el proceso deglutorio, es de gran importancia ya que los métodos existentes son invasivos. La auscultación cervical es una técnica mediante la cual se puede obtener información del cierre glótico en el proceso deglutorio por medio de señales de audio, y que puede ser analizada de manera off line. El objetivo de este estudio es evaluar diferentes métodos de caracterización de señales de auscultación cervical y desarrollar un modelo de aprendizaje automático con sonidos de eventos deglutorios segmentados de forma manual para clasificar entre sujetos de control y pacientes con disfagia orofaríngea. Los resultados mostraron, con una exactitud máxima de 75 %, que por medio de señales de auscultación cervical es posible identificar sujetos con disfagia, de igual manera se logró identificar que la potencia media de los segmentos deglutorios fue la característica con mejor rendimiento (curva ROC) y una distribución diferente entre clases según la prueba de U-Mann-Whitney, para discriminar entre sanos y pacientes en diferentes actividades deglutorias.
  • Miniatura
    PublicaciónAcceso abierto
    Sistema de Reconocimiento de Patrones de Señales Electrocardiográficas para el Monitoreo Remoto de Pacientes
    (Universidad EIA, 2016) Moreno Hincapié, Gustavo Andrés
    Las enfermedades cardiovasculares son una de las principales causas de muerte a nivel mundial. Para la detección de las diferentes arritmias se requiere del conocimiento avanzado de un médico especialista en el área. Sin embargo, la cantidad de especialistas existentes no son suficientes para prestar una atención inmediata a la mayoría de la población con presencia de una anomalía cardíaca. Es por ello que, en este proyecto se creó una herramienta diagnóstica que permite clasificar 4 tipos de arritmias cardíacas: ritmo sinusal normal, bigeminismo ventricular, taquicardia ventricular y taquicardia supraventricular. Para la adquisición de estas señales se utilizó un simulador de pacientes MPS-450 de Fluke, un dispositivo para la lectura de la señal ECG y una tarjeta de adquisición de datos NI myRIO. La señal se adquirió en la derivación DII, los datos se variaron en amplitud, se adicionaron diferentes tipos de ruidos: muscular, línea eléctrica a 60 Hz, respiración y línea de base. Para el pre-procesamiento de la señal, se implementó la transformada de Fourier con el fin de identificar los componentes frecuenciales de la señal, para luego filtrar el ruido en la señal y posteriormente extraer el conjunto de características pertenecientes al dominio de la frecuencia. Se seleccionaron 10 características, de las cuales por medio del análisis de nuevos componentes principales (PCA) se logró obtener una reducción de dimensionalidad a 3 nuevos componentes. A partir de este nuevo conjunto de características, se implementó un modelo de clasificación supervisado que se basa en el método no paramétrico de k-vecinos más cercanos (KNN) y se logró obtener un modelo de predicción con una fiabilidad real entre 98.27% y 99.97%, una sensibilidad y especificidad del 96.77% y 100% respectivamente, además de un tiempo de predicción en promedio de 12 microsegundos por cada muestra. A su vez se creó un sistema de monitoreo remoto que permite el envío de la predicción hecha por el sistema y los registros electrocardiográficos a una base de datos y la visualización de los mismos en un PC de escritorio o portátil o en una aplicación móvil.