Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial

96 páginas

Autores:
Awad Pérez, Karina
Saldarriaga Echeverri, Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad EIA .
Repositorio:
Repositorio EIA .
Idioma:
spa
OAI Identifier:
oai:repository.eia.edu.co:11190/6069
Acceso en línea:
https://repository.eia.edu.co/handle/11190/6069
Palabra clave:
Inteligencia artificial
Electrocardiografía
Fibrilación auricular
Artificial intelligence
Electrocardiography
Atrial fibrillation
Rights
openAccess
License
Derechos Reservados - Universidad EIA, 2023
id REIA2_07553aa3180480ff85661bf40d9610d1
oai_identifier_str oai:repository.eia.edu.co:11190/6069
network_acronym_str REIA2
network_name_str Repositorio EIA .
repository_id_str
dc.title.spa.fl_str_mv Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
title Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
spellingShingle Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
Inteligencia artificial
Electrocardiografía
Fibrilación auricular
Artificial intelligence
Electrocardiography
Atrial fibrillation
title_short Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
title_full Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
title_fullStr Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
title_full_unstemmed Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
title_sort Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial
dc.creator.fl_str_mv Awad Pérez, Karina
Saldarriaga Echeverri, Felipe
dc.contributor.advisor.none.fl_str_mv Torres Villa, Robinson Alberto
Camacho Cogollo, Javier Enrique
dc.contributor.author.none.fl_str_mv Awad Pérez, Karina
Saldarriaga Echeverri, Felipe
dc.subject.proposal.spa.fl_str_mv Inteligencia artificial
Electrocardiografía
Fibrilación auricular
topic Inteligencia artificial
Electrocardiografía
Fibrilación auricular
Artificial intelligence
Electrocardiography
Atrial fibrillation
dc.subject.proposal.eng.fl_str_mv Artificial intelligence
Electrocardiography
Atrial fibrillation
description 96 páginas
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-08-15T20:27:52Z
dc.date.available.none.fl_str_mv 2023
2023-08-15T20:27:52Z
dc.date.issued.none.fl_str_mv 2023
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.none.fl_str_mv Text
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repository.eia.edu.co/handle/11190/6069
url https://repository.eia.edu.co/handle/11190/6069
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Derechos Reservados - Universidad EIA, 2023
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Derechos Reservados - Universidad EIA, 2023
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad EIA
dc.publisher.program.none.fl_str_mv Ingeniería Biomédica
dc.publisher.faculty.none.fl_str_mv Escuela de Ciencias de la Vida
dc.publisher.place.none.fl_str_mv Envigado (Antioquia, Colombia)
publisher.none.fl_str_mv Universidad EIA
institution Universidad EIA .
bitstream.url.fl_str_mv https://repository.eia.edu.co/bitstreams/d8742641-9ab6-4725-aabd-dc01c45af1eb/download
https://repository.eia.edu.co/bitstreams/13a249c1-13bc-4d51-82b6-761e90254e95/download
https://repository.eia.edu.co/bitstreams/cae9b408-f4b1-479c-b935-7116ea481c64/download
https://repository.eia.edu.co/bitstreams/01bbcfd5-ce22-4326-8b87-47e669deae73/download
bitstream.checksum.fl_str_mv da9276a8e06ed571bb7fc7c7186cd8fe
67347f07dda76ac3f8a5b3c7509e7060
e9bede41a06de3a08981539c0f2fe674
c790260a1d5b624e5c8d17433dbaf5bf
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad EIA
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814100892335472640
spelling Torres Villa, Robinson AlbertoCamacho Cogollo, Javier EnriqueAwad Pérez, KarinaSaldarriaga Echeverri, Felipe2023-08-15T20:27:52Z20232023-08-15T20:27:52Z2023https://repository.eia.edu.co/handle/11190/606996 páginasRESUMEN: la fibrilación auricular es el tipo de arritmia más común a nivel mundial, y ha sido considerada como un problema de salud pública por sus niveles de prevalencia. Esta cardiopatía puede derivar en complicaciones de alto riesgo como accidentes cerebrovasculares o infartos, que no solo ponen la vida del paciente en riesgo, sino que aumentan considerablemente las cargas económicas para empresas contributivas del régimen de salud. Conjuntamente, la fibrilación auricular se asocia con comorbilidades comunes como la hipertensión o la diabetes. Actualmente la patología es diagnosticada a partir de registros de electrocardiografía, que son tomados por un tiempo limitado, por lo que el evento podría no quedar consignado. En este trabajo se propone un sistema de detección de fibrilación auricular basado en inteligencia artificial, con el fin de abordar el problema desde una aproximación preventiva y así disminuir la ocurrencia de eventos adversos. En primer lugar, se realizó un preprocesamiento de señales de electrocardiografía y extracción de 23 características basadas en variabilidad cardíaca. La calidad de las señales fue evaluada antes y después del preprocesamiento. Posteriormente se hizo el procesamiento y análisis de los datos extraídos para entrenar modelos de aprendizaje de máquinas como SVM, Regresión Logística, RF, entre otros, ajustando sus hiperparámetros. Los modelos fueron evaluados y validados externamente con otro conjunto de señales mediante métricas como sensibilidad, precisión y exactitud; obteniendo para los cinco mejores modelos una exactitud superior al 92 %. Se eligió uno de los modelos con mejor desempeño y se evaluó el poder predictivo de cada característica en la clasificación que otorgaba el modelo, además, se redujo su dimensionalidad a solo 5 características. Este modelo fue evaluado nuevamente para determinar el efecto de reducir la dimensionalidad. Finalmente, fue embebido en un microcontrolador y probado con un simulador de pacientes, demostrando que es posible implementar el algoritmo de inteligencia artificial en un dispositivo con capacidad computacional limitada.ABSTRACT: Atrial fibrillation (AF) is the most common type of arrhythmia worldwide. Due to its prevalence rates, it has been considered a public health problem. AF can lead to high-risk complications, such as strokes or heart attacks, which endanger the patient's life. Additionally, people with comorbidities such as hypertension or diabetes frequently suffer from AF. Currently, the pathology is diagnosed using limited-duration electrocardiography records, which may not capture the arrhythmic event. In this work we propose an artificial intelligence-based AF detection system that could help prevent further complications. Initially, electrocardiography signals were pre-processed and 23 features based on heart rate variability were extracted. Signal quality was evaluated before and after pre-processing. Subsequently, the extracted data was processed, analyzed, and used to train Machine Learning models such as SVM, Logistic Regression, RF, among others, adjusting their hyperparameters. The models were evaluated and externally validated with another set of signals using metrics such as recall, precision, and accuracy. The top five models achieved an accuracy of over 92%. One of the best performance models was selected, and the predictive power of each feature in the model's classification was evaluated. Furthermore, the dimensionality was reduced to only five features. This model was re-evaluated to determine the effect of reducing dimensionality. Finally, it was embedded in a microcontroller and tested with a patient simulator, demonstrating the possibility of implementing an Artificial Intelligence algorithm in a device with limited computational capacity.PregradoIngeniero(a) Biomédico(a)application/pdfspaUniversidad EIAIngeniería BiomédicaEscuela de Ciencias de la VidaEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2023Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificialTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inteligencia artificialElectrocardiografíaFibrilación auricularArtificial intelligenceElectrocardiographyAtrial fibrillationLICENSElicense.txtlicense.txttext/plain; charset=utf-82515https://repository.eia.edu.co/bitstreams/d8742641-9ab6-4725-aabd-dc01c45af1eb/downloadda9276a8e06ed571bb7fc7c7186cd8feMD56ORIGINALAwadKarina_SaldarriagaFelipe_2023_SistemaDeteccionFibrilacion.pdfTrabajo de gradoapplication/pdf2783879https://repository.eia.edu.co/bitstreams/13a249c1-13bc-4d51-82b6-761e90254e95/download67347f07dda76ac3f8a5b3c7509e7060MD57TEXTAwadKarina_SaldarriagaFelipe_2023_SistemaDeteccionFibrilacion.pdf.txtAwadKarina_SaldarriagaFelipe_2023_SistemaDeteccionFibrilacion.pdf.txtExtracted texttext/plain102694https://repository.eia.edu.co/bitstreams/cae9b408-f4b1-479c-b935-7116ea481c64/downloade9bede41a06de3a08981539c0f2fe674MD58THUMBNAILAwadKarina_SaldarriagaFelipe_2023_SistemaDeteccionFibrilacion.pdf.jpgAwadKarina_SaldarriagaFelipe_2023_SistemaDeteccionFibrilacion.pdf.jpgGenerated Thumbnailimage/jpeg5597https://repository.eia.edu.co/bitstreams/01bbcfd5-ce22-4326-8b87-47e669deae73/downloadc790260a1d5b624e5c8d17433dbaf5bfMD5911190/6069oai:repository.eia.edu.co:11190/60692023-09-12 03:00:52.045open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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