Detección en tiempo real de fibrilación auricular en computador de placa reducida

El desarrollo de dispositivos portables, que permitan la detección en tiempo real de fibrilación auricular, requiere el uso de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente trabajo, se expone la implementación...

Full description

Autores:
Maya Gonzalez, Juan Carlos
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Escuela Colombiana de Ingeniería Julio Garavito
Repositorio:
Repositorio Institucional ECI
Idioma:
spa
OAI Identifier:
oai:repositorio.escuelaing.edu.co:001/828
Acceso en línea:
https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21549
https://repositorio.escuelaing.edu.co/handle/001/828
Palabra clave:
Redes neuronales
Computador de placa reducida
Fibrilación auricular
Algoritmos de reconocimiento Automático de patrones
Artificial neural network
Single-board computer
Atrial fibrillation
Automatic pattern recognition algorithms
Rights
closedAccess
License
Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
id ESCUELAIG2_420fc1d6f0923e19bd50ff2f159a7075
oai_identifier_str oai:repositorio.escuelaing.edu.co:001/828
network_acronym_str ESCUELAIG2
network_name_str Repositorio Institucional ECI
repository_id_str
dc.title.spa.fl_str_mv Detección en tiempo real de fibrilación auricular en computador de placa reducida
title Detección en tiempo real de fibrilación auricular en computador de placa reducida
spellingShingle Detección en tiempo real de fibrilación auricular en computador de placa reducida
Redes neuronales
Computador de placa reducida
Fibrilación auricular
Algoritmos de reconocimiento Automático de patrones
Artificial neural network
Single-board computer
Atrial fibrillation
Automatic pattern recognition algorithms
title_short Detección en tiempo real de fibrilación auricular en computador de placa reducida
title_full Detección en tiempo real de fibrilación auricular en computador de placa reducida
title_fullStr Detección en tiempo real de fibrilación auricular en computador de placa reducida
title_full_unstemmed Detección en tiempo real de fibrilación auricular en computador de placa reducida
title_sort Detección en tiempo real de fibrilación auricular en computador de placa reducida
dc.creator.fl_str_mv Maya Gonzalez, Juan Carlos
dc.contributor.advisor.spa.fl_str_mv Lopez Lopez, Juan Manuel (dir)
dc.contributor.author.spa.fl_str_mv Maya Gonzalez, Juan Carlos
dc.subject.spa.fl_str_mv Redes neuronales
Computador de placa reducida
Fibrilación auricular
Algoritmos de reconocimiento Automático de patrones
topic Redes neuronales
Computador de placa reducida
Fibrilación auricular
Algoritmos de reconocimiento Automático de patrones
Artificial neural network
Single-board computer
Atrial fibrillation
Automatic pattern recognition algorithms
dc.subject.keywords.spa.fl_str_mv Artificial neural network
Single-board computer
Atrial fibrillation
Automatic pattern recognition algorithms
description El desarrollo de dispositivos portables, que permitan la detección en tiempo real de fibrilación auricular, requiere el uso de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente trabajo, se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM), un algoritmo K vecinos más cercanos (KNN) y un modelo Hibrido, en un computador de placa reducida para obtener dicha detección automática. Como resultado, se comparan los desempeños de los algoritmos implementados en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado a su ejecución en tiempo real. La base de datos MIT-BIH AFIB es usada para el entrenamiento y validación de los algoritmos previa extracción de características relacionadas con el uso de coeficientes wavelet. Se encontraron resultados superiores al 95% en la precisión de los algoritmos mencionados y variados tiempos de respuesta entre 5.7 s y 7.1 s.
publishDate 2018
dc.date.accessioned.spa.fl_str_mv 2018-08-29T19:06:08Z
dc.date.available.spa.fl_str_mv 2018-08-29T19:06:08Z
dc.date.issued.spa.fl_str_mv 2018
dc.date.accessioned.none.fl_str_mv 2021-10-01T15:57:01Z
dc.date.available.none.fl_str_mv 2021-10-01T15:57:01Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str publishedVersion
dc.identifier.uri.spa.fl_str_mv https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21549
dc.identifier.uri.none.fl_str_mv https://repositorio.escuelaing.edu.co/handle/001/828
url https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21549
https://repositorio.escuelaing.edu.co/handle/001/828
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_14cb
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/closedAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
rights_invalid_str_mv Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
https://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv closedAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Escuela Colombiana de Ingeniería Julio Garavito
dc.publisher.program.spa.fl_str_mv Maestría en Ingeniería Electrónica
institution Escuela Colombiana de Ingeniería Julio Garavito
bitstream.url.fl_str_mv https://repositorio.escuelaing.edu.co/bitstream/001/828/1/Maya%20Gonzalez%2c%20Juan%20Carlos%20-%202018.pdf
https://repositorio.escuelaing.edu.co/bitstream/001/828/2/Autorizaci%c3%b3n%20.pdf
https://repositorio.escuelaing.edu.co/bitstream/001/828/3/license.txt
https://repositorio.escuelaing.edu.co/bitstream/001/828/8/Maya%20Gonzalez%2c%20Juan%20Carlos%20-%202018.pdf.txt
https://repositorio.escuelaing.edu.co/bitstream/001/828/10/Autorizaci%c3%b3n%20.pdf.txt
https://repositorio.escuelaing.edu.co/bitstream/001/828/9/Maya%20Gonzalez%2c%20Juan%20Carlos%20-%202018.pdf.jpg
https://repositorio.escuelaing.edu.co/bitstream/001/828/11/Autorizaci%c3%b3n%20.pdf.jpg
bitstream.checksum.fl_str_mv 38d00c67ac02d81329a2062e1d1106bb
46a365d7f80837a90fce37689c601264
5a7ca94c2e5326ee169f979d71d0f06e
5e8221d7911dec1c02bfb571221655ad
e1c06d85ae7b8b032bef47e42e4c08f9
4eaa626d10c7657015935e10852cae8c
70010d708b6d389b9b30fd3937b3a404
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Escuela Colombiana de Ingeniería Julio Garavito
repository.mail.fl_str_mv repositorio.eci@escuelaing.edu.co
_version_ 1808494274430369792
spelling Lopez Lopez, Juan Manuel (dir)42024e6a559e4b9d5dd6556536473f3e300Maya Gonzalez, Juan Carlos4b050fa423059b955a0e9008fd5fc54b6002018-08-29T19:06:08Z2021-10-01T15:57:01Z2018-08-29T19:06:08Z2021-10-01T15:57:01Z2018https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21549https://repositorio.escuelaing.edu.co/handle/001/828El desarrollo de dispositivos portables, que permitan la detección en tiempo real de fibrilación auricular, requiere el uso de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente trabajo, se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM), un algoritmo K vecinos más cercanos (KNN) y un modelo Hibrido, en un computador de placa reducida para obtener dicha detección automática. Como resultado, se comparan los desempeños de los algoritmos implementados en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado a su ejecución en tiempo real. La base de datos MIT-BIH AFIB es usada para el entrenamiento y validación de los algoritmos previa extracción de características relacionadas con el uso de coeficientes wavelet. Se encontraron resultados superiores al 95% en la precisión de los algoritmos mencionados y variados tiempos de respuesta entre 5.7 s y 7.1 s.Development of portable devices, that allows real-time detection of atrial fibrillation, requires the implementation of automatic pattern recognition algorithms and an appropriate methodology for their execution in embedded systems. In the present article, the performances of an artificial neural network, a machine vector support, a k-nearest neighbors algorithm and a hybrid classifier implemented on a single-board computer, were compared in terms of detection capacity of arrhythmia and time response associated with real-time execution. The MIT-BIH AFIB database was used to train and validate the algorithms. In advance, the extraction of parameters associated with the stationary wavelet transform was developed. Results between 95% and 97% for precision, and time responses between 5.7 s and 7.1 s were found in this research.MaestríaMagíster en Ingeniería Electrónicaapplication/pdfspaEscuela Colombiana de Ingeniería Julio GaravitoMaestría en Ingeniería ElectrónicaDerechos Reservados - Escuela Colombiana de Ingeniería Julio Garavitohttps://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/closedAccessAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)http://purl.org/coar/access_right/c_14cbRedes neuronalesComputador de placa reducidaFibrilación auricularAlgoritmos de reconocimiento Automático de patronesArtificial neural networkSingle-board computerAtrial fibrillationAutomatic pattern recognition algorithmsDetección en tiempo real de fibrilación auricular en computador de placa reducidaTrabajo de grado - Maestríainfo:eu-repo/semantics/publishedVersionTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMhttp://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALMaya Gonzalez, Juan Carlos - 2018.pdfapplication/pdf2607560https://repositorio.escuelaing.edu.co/bitstream/001/828/1/Maya%20Gonzalez%2c%20Juan%20Carlos%20-%202018.pdf38d00c67ac02d81329a2062e1d1106bbMD51open accessAutorización .pdfapplication/pdf2608289https://repositorio.escuelaing.edu.co/bitstream/001/828/2/Autorizaci%c3%b3n%20.pdf46a365d7f80837a90fce37689c601264MD52metadata only accessLICENSElicense.txttext/plain1881https://repositorio.escuelaing.edu.co/bitstream/001/828/3/license.txt5a7ca94c2e5326ee169f979d71d0f06eMD53open accessTEXTMaya Gonzalez, Juan Carlos - 2018.pdf.txtMaya Gonzalez, Juan Carlos - 2018.pdf.txtExtracted texttext/plain88441https://repositorio.escuelaing.edu.co/bitstream/001/828/8/Maya%20Gonzalez%2c%20Juan%20Carlos%20-%202018.pdf.txt5e8221d7911dec1c02bfb571221655adMD58open accessAutorización .pdf.txtAutorización .pdf.txtExtracted texttext/plain2https://repositorio.escuelaing.edu.co/bitstream/001/828/10/Autorizaci%c3%b3n%20.pdf.txte1c06d85ae7b8b032bef47e42e4c08f9MD510metadata only accessTHUMBNAILMaya Gonzalez, Juan Carlos - 2018.pdf.jpgMaya Gonzalez, Juan Carlos - 2018.pdf.jpgGenerated Thumbnailimage/jpeg5642https://repositorio.escuelaing.edu.co/bitstream/001/828/9/Maya%20Gonzalez%2c%20Juan%20Carlos%20-%202018.pdf.jpg4eaa626d10c7657015935e10852cae8cMD59open accessAutorización .pdf.jpgAutorización .pdf.jpgGenerated Thumbnailimage/jpeg11453https://repositorio.escuelaing.edu.co/bitstream/001/828/11/Autorizaci%c3%b3n%20.pdf.jpg70010d708b6d389b9b30fd3937b3a404MD511metadata only access001/828oai:repositorio.escuelaing.edu.co:001/8282021-10-01 16:31:56.333open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.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