Sistema de Reconocimiento de Patrones de Señales Electrocardiográficas para el Monitoreo Remoto de Pacientes

Moreno Hincapié, Gustavo Andrés

Publicación:
Sistema de Reconocimiento de Patrones de Señales Electrocardiográficas para el Monitoreo Remoto de Pacientes

dc.contributor.author	Moreno Hincapié, Gustavo Andrés
dc.date.accessioned	2024-05-21T15:24:15Z
dc.date.available	2024-05-21T15:24:15Z
dc.date.issued	2016
dc.description	129 páginas	spa
dc.description.abstract	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.	spa
dc.description.degreelevel	Maestría
dc.description.degreename	Magister En Ingeniería Biomédica
dc.identifier.uri	https://repository.eia.edu.co/handle/11190/6600
dc.language.iso	spa
dc.publisher	Universidad EIA
dc.publisher.faculty	Escuela de Ciencias de la Vida
dc.publisher.place	Envigado, Antioquia
dc.publisher.program	Maestría en Ingeniería Biomédica
dc.rights	Derechos Reservados - Univesidad EIA - 2016
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposal	electrocardiografía	spa
dc.subject.proposal	arritmia cardíaca	spa
dc.subject.proposal	extracción de características	spa
dc.subject.proposal	máquina de aprendizaje	spa
dc.subject.proposal	validación cruzada	spa
dc.subject.proposal	sensibilidad	spa
dc.subject.proposal	especificidad	spa
dc.title	Sistema de Reconocimiento de Patrones de Señales Electrocardiográficas para el Monitoreo Remoto de Pacientes	spa
dc.type	Trabajo de grado - Maestría
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/masterThesis
dc.type.redcol	http://purl.org/redcol/resource_type/TM
dc.type.version	info:eu-repo/semantics/publishedVersion
dspace.entity.type	Publication