Aplicación de Técnicas de Clustering en Sonidos Adventicios para Mejorar la Interpretabilidad y Detección de Estertores

Debido a la subjetividad que involucra actualmente el proceso de auscultación pulmonar y su diagnóstico para evaluar la condición de las vías respiratorias de un paciente, este trabajo busca evaluar el desempeño de los algoritmos de clustering: k-means y DBSCAN para efectuar un análisis computacional de sonidos pulmonares con el objetivo de visualizar una representación de dichos sonidos que exalte la presencia de estertores y la energía contenida en ellos. Para este fin, se emplearon técnicas de descomposición y análisis Wavelet a diferencia del tradicional análisis en frecuencia dada la similitud entre la forma de onda de un estertor típico y la wavelet sym4. Obtenida la señal de sonido pulmonar con estertores aislados, el proceso de clustering agrupa estertores en regiones de alta presencia y ofrece una visualización que puede ser de utilidad para el diagnóstico hecho por un experto. La evaluación hecha sugiere que k-means agrupa conjuntos de estertores de forma más efectiva que DBSCAN en términos de clusters generados.

• Autores: Sosa Ramírez, Germán David; Velásquez Clavijo, Fabián
• Tipo de recurso: Article of journal
• Fecha de publicación: 2015
• Institución: Corporación Universidad de la Costa
• Repositorio: REDICUC - Repositorio CUC
• Idioma: spa
• OAI Identifier: oai:repositorio.cuc.edu.co:11323/12095
• Acceso en línea: https://hdl.handle.net/11323/12095; https://revistascientificas.cuc.edu.co/ingecuc/article/view/366
• Palabra clave: Sonido Pulmonar; Estertores; Sonidos Vesiculares; Sonidos Adventicios; Transformada Wavelet; Descomposición Wavelet; symlet; Clustering; k-means; DBSCAN; log-ennergy; Lung Sounds; Crackles; Vesicular Sounds; Adventitious Sounds; Transformed Wavelet; Decomposition Wavelet; Symlet; Clustering; k-means; DBSCAN; Log-energy
• Rights: openAccess
• License: INGE CUC - 2015