Aplicación de registro y reporte automático de parámetros fisiológicos para la trazabilidad psicofisiológica en personas post COVID-19

El presente trabajo hace parte de un proyecto general que busca desarrollar una hermaienta para identificar las secuelas neuropsicológicas y sobre el sistema nervioso autónomo en pacientes que se han recuperado de COVID-19. El objetivo del presente trabajo fue desarrollar una aplicación de escritorio que permita un seguimiento clínico instrumentado de las variables psicofisiológicas en múltiples pacientes. La aplicación se desarrolló en lenguaje Python 3.8, con base en los requerimientos acordados por los colaboradores del proyecto general. Se definieron 6 objetos, para procesar 7 bioseñales: electrocardiografía (ECG), respiración (RESP), actividad electrodérmica (EDA), temperatura (TEMP), espectroscopia en el infrarrojo cercano (fNIRS), fotopletismografía (PPG), y electromiografía (EMG). Para cada objeto se defieneron diferentes métodos con el fin de extraer características de relevancia psicofisiológica desde las señales: ECG (frecuencia cardiaca y variabilidad de la frecuencia cardiaca), RESP (frecuencia respiratoria), EDA (conductancia basal, amplitud, tiempo de elevación y tiempo de recuperación media), TEMP (máxima, media y mínima), fNIRS (saturación de oxígeno), PPG (frecuencia cardiaca y variabilidad de la frecuencia cardiaca) y EMG (media del valor RMS). Se desarrolló la interfaz de usuario con 3 ventanas: la ventana principal que permite registrar y visualizar los pacientes junto con sus datos, una ventana para adicionar medidas (adquisiciones de bioseñales, lecturas de signos vitales y pruebas psicológicas) sobre los pacientes, y una ventana para observar dichas medidas. Se validó la interfaz procesando las señales adquiridas de un voluntario sano, y particularmente se validó la detección de complejos QRS en el procesamiento de ECG, y la detección de respiraciones en el procesamiento de RESP. Se logró almacenar correctamente la información del voluntario y se extrajeron satisfactoriamente las características de las bioseñales adquiridas. Por otro lado, la detección de complejos QRS en ECG obtuvo una sensibilidad del 97.50 %, una precisión del 99.00 % y un valor-F1 del 98.24 % en la base de datos MIT/BIH Arrhythmia (n=109461 latidos). La detección de respiraciones obtuvo una sensibilidad del 94.78 %, precisión del 92.02 % y valor-F1 del 93.38 % en la base de datos BDIMC (n=7381 respiraciones)

• Autores: Moreno Escobar, Juan Sebastián
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Escuela Colombiana de Ingeniería Julio Garavito
• Repositorio: Repositorio Institucional ECI
• Idioma: spa
• OAI Identifier: oai:repositorio.escuelaing.edu.co:001/1741
• Acceso en línea: https://repositorio.escuelaing.edu.co/handle/001/1741; https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22759
• Palabra clave: Procesamiento de señales; Sofware; Psicofisiología; Trazabilidad; Ingeniería Biomédica; Procesamiento de señales; COVID-19; Psicofisiología; Sofware; Signal processing; Software; COVID-19; Psychophysiology
• Rights: closedAccess
• License: http://purl.org/coar/access_right/c_14cb