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

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

Full description

Autores:: Maya Gonzalez, Juan Carlos

Tipo de recurso:: Article of journal

Fecha de publicación:: 2022

Institución:: Universidad EIA .

Repositorio:: Repositorio EIA .

Idioma:: spa

id	REIA2_3d4bff5de22283c1a227996a9d9f8c3b
oai_identifier_str	oai:repository.eia.edu.co:11190/5180
network_acronym_str	REIA2
network_name_str	Repositorio EIA .
repository_id_str
dc.title.spa.fl_str_mv	Detección en tiempo real de fibrilación auricular en computador de placa reducida
dc.title.translated.eng.fl_str_mv	Real-time detection of atrial fibrillation on single board computer
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 Atrial fibrillation artificial neural network (ANN) hybrid classifier k-nearest neighbors algorithm (KNN) single-board computer support vector machine (SVM) static wavelet transform Computador de placa reducida Fibrilación auricular K vecinos más cercanos (KNN) red neuronal artificial (ANN) máquina de soporte vectorial (SVM) Transformada Wavelet Estacionaria
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.author.spa.fl_str_mv	Maya Gonzalez, Juan Carlos
dc.subject.eng.fl_str_mv	Atrial fibrillation artificial neural network (ANN) hybrid classifier k-nearest neighbors algorithm (KNN) single-board computer support vector machine (SVM) static wavelet transform
topic	Atrial fibrillation artificial neural network (ANN) hybrid classifier k-nearest neighbors algorithm (KNN) single-board computer support vector machine (SVM) static wavelet transform Computador de placa reducida Fibrilación auricular K vecinos más cercanos (KNN) red neuronal artificial (ANN) máquina de soporte vectorial (SVM) Transformada Wavelet Estacionaria
dc.subject.spa.fl_str_mv	Computador de placa reducida Fibrilación auricular K vecinos más cercanos (KNN) red neuronal artificial (ANN) máquina de soporte vectorial (SVM) Transformada Wavelet Estacionaria
description	El desarrollo de dispositivos portables, que permita la detección en tiempo real de fibrilación auricular, requiere la implementación de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente artículo se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM) y un algoritmo de K vecinos más cercanos (KNN) en un computador de placa reducida para así comparar su desempeño en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado en 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 parámetros asociados a la transformada wavelet estacionaria. Se encontraron resultados entre el 92% y 97% para la sensibilidad y especificidad de los algoritmos mencionados y tiempos de respuesta variados entre 6 s y 7,1 s
publishDate	2022
dc.date.accessioned.none.fl_str_mv	2022-06-01 00:00:00 2022-06-17T20:21:34Z
dc.date.available.none.fl_str_mv	2022-06-01 00:00:00 2022-06-17T20:21:34Z
dc.date.issued.none.fl_str_mv	2022-06-01
dc.type.spa.fl_str_mv	Artículo de revista
dc.type.eng.fl_str_mv	Journal article
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/article
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv	Text
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/ARTREF
dc.type.coarversion.spa.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_6501
status_str	publishedVersion
dc.identifier.issn.none.fl_str_mv	1794-1237
dc.identifier.uri.none.fl_str_mv	https://repository.eia.edu.co/handle/11190/5180
dc.identifier.doi.none.fl_str_mv	10.24050/reia.v19i38.1565
dc.identifier.eissn.none.fl_str_mv	2463-0950
dc.identifier.url.none.fl_str_mv	https://doi.org/10.24050/reia.v19i38.1565
identifier_str_mv	1794-1237 10.24050/reia.v19i38.1565 2463-0950
url	https://repository.eia.edu.co/handle/11190/5180 https://doi.org/10.24050/reia.v19i38.1565
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	A. A. Basaif, S. Aljunid, N. Sabri, M. I. Omer, and M. Salim, “Design and implementation of an embedded system to analysis an ecg signal for heart diagnosis system,” Journal of Theoretical and Applied Information Technology, vol. 91, no. 2, p. 289, 2016. A. L. Goldberger, L. A. Amaral, L. Glass, J. M. Hausdorff, P. C. Ivanov, R. G. Mark, J. E. Mietus, G. B. Moody, C.-K. Peng, and H. E. Stanley, “Physiobank, physiotoolkit, and physionet,” Circulation, vol. 101, no. 23, pp. e215–e220, 2000. DOI: 10.1161/01.CIR.101.23.e215 C. Rodriguez, J. Gallego, I. D. Mora, A. Orozco-Duque, and J. Bustamante, “Clasificación de latidos de contracción ventricular prematura basados en métodos de aprendizaje no supervisado” Revista Ingeniería Biomédica, vol. 8, no. 15, p. 51, 2014. DOI: 0.24050/19099762.n15.2014.608 D. Batista and A. Fred, “Spectral and time domain parameters for the classification of atrial fibrillation,” in Proceedings of the International Conference on Bio-inspired Systems and Signal Processing - Volume 1: BIOSIGNALS, (BIOSTEC 2015), 2015, pp. 329–337. D. F. Ransohoff, “Rules of evidence for cancer molecular-marker discovery and validation,” Nature Reviews Cancer, vol. 4, no. 4, p. 309, 2004. DOI: 10.1038/nrc1322 D. J. Gladstone, R. Spring et al., “Atrial fibrillation in patients with cryptogenic stroke,” New England Journal of Medicine, vol. 370, no. 26, pp. 2467–2477, 2014. DOI: 10.1056/NEJMoa1311376 D. I. Vanegas-Cadavid, “Uso del monitor cardiaco implantable en fibrilación auricular,” Revista Colombiana de Cardiología, vol. 23, pp. 34–39, 2016. DOI: 10.1016/j.rccar.2016.10.031 G. Mora-Pabón, “Utilidad del monitor externo de eventos en el tratamiento del paciente con fibrilación auricular,” Revista Colombiana de Cardiología, vol. 23, pp. 40–43, 2016. DOI:10.1016/j.rccar.2016.11.005 H. W. Lim, Y. W. Hau, C. W. Lim, and M. A. Othman, “Artificial intelligence classification methods of atrial fibrillation with implementation technology,” Computer Assisted Surgery, vol. 21, no. sup1, pp. 154–161, 2016. DOI: 10.1080/24699322.2016.1240303 J. J. Carvajal, C. Clavijo, L. J. Bautista, and G. Mora, “Características clínicas de pacientes llevados a monitoría externa de eventos,” Revista Colombiana de Cardiología, vol. 21, no. 5, pp. 278–283, 2014. DOI: 10.1016/j.rccar.2013.11.001 J. Pérez-Rodon, J. Francisco-Pascual, N. Rivas-G´andara, I. Roca-Luque, N. Bellera, and A` . Moya-Mitjans, “Cryptogenic stroke and role of loop recorder,” Journal of Atrial Fibrillation, vol. 7, no. 4, 2014. DOI: 10.4022/jafib.1178. J. Vogler, G. Breithardt, and L. Eckardt, “Bradiarritmias y bloqueos de la conducción,” Revista Española de Cardiología, vol. 65, no. 7, pp. 656–667, 2012. DOI: 10.1016/j.recesp.2012.01.025 L. Villa-Rodríguez, J. D. Lemos-Duque et al., “Desarrollo de un holter digital con grabación de eventos y software de visualización,” Revista ingeniería biomédica, 2014. DOI: 10.24050/19099762.n7.2010.84 M. A. Rockx, J. S. Hoch, and Klein, “Is ambulatory monitoring for “community-acquired” syncope economically attractive? A cost-effectiveness analysis of a randomized trial of external loop recorders versus Holter monitoring,” American heart journal, vol. 150, no. 5, pp. 1065–e1, 2005. DOI: 10.1016/j.ahj.2005.08.003 M. R. Homaeinezhad, S. Atyabi, E. Tavakkoli, H. N. Toosi, A. Ghaffari, and R. Ebrahimpour, “Ecg arrhythmia recognition via a neuro-svm–knn hybrid classifier with virtual qrs image-based geometrical features,” Expert Systems with Applications, vol. 39, no. 2, pp. 2047– 2058, 2012. DOI:10.1016/j.eswa.2011.08.025 N. Larburu, T. Lopetegi, and I. Romero, “Comparative study of algorithms for atrial fibrillation detection,” in Computing in Cardiology, 2011. IEEE, 2011, pp. 265–268. P. Zimetbaum and A. Goldman, “Ambulatory arrhythmia monitoring,” Circulation, vol. 122, no. 16, pp. 1629 – 1636, 2010. DOI: 10.1161/CIRCULATIONAHA.109.925610 Q. He, B. Segee, and V. Weaver, “Raspberry pi 2 b gpu power, performance, and energy implications,” in Computational Science and Computational Intelligence (CSCI), 2016 International Conference on. IEEE, 2016, pp. 163–167. DOI: 10.1109/CSCI.2016.0038 R. Colloca, A. E. Johnson, L. Mainardi, and G. D. Clifford, “A support vector machine approach for reliable detection of atrial fibrillation events,” in Computing in Cardiology Conference (CinC), 2013. IEEE, 2013, pp.1047–1050. R. J. Martis, U. R. Acharya, and H. Adeli, “Current methods in electrocardiogram characterization,” Computers in biology and medicine, vol. 48, pp. 133–149, 2014. DOI: 10.1016/j.compbiomed.2014.02.012 S. Asgari, A. Mehrnia, and M. Moussavi, “Automatic detection of atrial fibrillation using stationary wavelet transform and support vector machine,” Computers in biology and medicine, vol. 60, pp. 132–142, 2015. DOI: 10.1016/j.compbiomed.2015.03.005 S. Mittal, C. Movsowitz, and J. S. Steinberg, “Ambulatory external electrocardiographic monitoring: focus on atrial fibrillation,” Journal of the American College of Cardiology, vol. 58, no. 17, pp. 1741–1749, 2011. DOI: 10.1016/j.jacc.2011.07.026. S. Sovilj, G. Rajsman, and R. Magjarevi´c, “Ecg based prediction of atrial fibrillation using support vector classifier,” AUTOMATIKA: Journal of Automation, Measurement, Electronics, Computing and Communications, vol. 52, no. 1, pp. 58–67, 2011. DOI: 10.1080/00051144.2011.11828404 S. Raj, S. Luthra, and K. C. Ray, “Development of handheld cardiac event monitoring system,” IFACPapersOnLine, vol. 48, no. 4, pp. 71–76, 2015. DOI: 10.1016/j.ifacol.2015.07.010 T. Jeon, B. Kim, M. Jeon, and B.-G. Lee, “Implementation of a portable device for real-time ecg signal analysis,” Biomedical engineering online, vol. 13, no. 1, p. 160, 2014. DOI:10.1186/1475-925X-13-160. W. contributors, “K-nearest neighbors algorithm wikipedia the free encyclopedia,” 2018, [Online; accessed 9-October-2021]. [Online]. Available: https://en.wikipedia.org/w/index.php?title=K-nearest neighbors algorithm&oldid=827389390
dc.relation.bitstream.none.fl_str_mv	https://revistas.eia.edu.co/index.php/reveia/article/download/1565/1475
dc.relation.citationedition.spa.fl_str_mv	Núm. 38 , Año 2022 : .
dc.relation.citationendpage.none.fl_str_mv	14
dc.relation.citationissue.spa.fl_str_mv	38
dc.relation.citationstartpage.none.fl_str_mv	3823 pp. 1
dc.relation.citationvolume.spa.fl_str_mv	19
dc.relation.ispartofjournal.spa.fl_str_mv	Revista EIA
dc.rights.spa.fl_str_mv	Revista EIA - 2022
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Revista EIA - 2022 https://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Fondo Editorial EIA - Universidad EIA
dc.source.spa.fl_str_mv	https://revistas.eia.edu.co/index.php/reveia/article/view/1565
institution	Universidad EIA .
bitstream.url.fl_str_mv	https://repository.eia.edu.co/bitstreams/790e3d87-bd6e-4b23-8046-794c2fda3efc/download
bitstream.checksum.fl_str_mv	0cab44ff75de3734599fcaa19354bc38
bitstream.checksumAlgorithm.fl_str_mv	MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad EIA
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1814100872723955712
spelling	Maya Gonzalez, Juan Carlos4b050fa423059b955a0e9008fd5fc54b3002022-06-01 00:00:002022-06-17T20:21:34Z2022-06-01 00:00:002022-06-17T20:21:34Z2022-06-011794-1237https://repository.eia.edu.co/handle/11190/518010.24050/reia.v19i38.15652463-0950https://doi.org/10.24050/reia.v19i38.1565El desarrollo de dispositivos portables, que permita la detección en tiempo real de fibrilación auricular, requiere la implementación de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente artículo se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM) y un algoritmo de K vecinos más cercanos (KNN) en un computador de placa reducida para así comparar su desempeño en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado en 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 parámetros asociados a la transformada wavelet estacionaria. Se encontraron resultados entre el 92% y 97% para la sensibilidad y especificidad de los algoritmos mencionados y tiempos de respuesta variados entre 6 s y 7,1 sDevelopment 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 92 % and 97 % for sensitivity and specificity, and time responses between 6 s and 7.1 s were found in this research.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2022https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1565Atrial fibrillationartificial neural network (ANN)hybrid classifierk-nearest neighbors algorithm (KNN)single-board computersupport vector machine (SVM)static wavelet transformComputador de placa reducidaFibrilación auricularK vecinos más cercanos (KNN)red neuronal artificial (ANN)máquina de soporte vectorial (SVM)Transformada Wavelet EstacionariaDetección en tiempo real de fibrilación auricular en computador de placa reducidaReal-time detection of atrial fibrillation on single board computerArtículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85A. A. Basaif, S. Aljunid, N. Sabri, M. I. Omer, and M. Salim, “Design and implementation of an embedded system to analysis an ecg signal for heart diagnosis system,” Journal of Theoretical and Applied Information Technology, vol. 91, no. 2, p. 289, 2016. A. L. Goldberger, L. A. Amaral, L. Glass, J. M. Hausdorff, P. C. Ivanov, R. G. Mark, J. E. Mietus, G. B. Moody, C.-K. Peng, and H. E. Stanley, “Physiobank, physiotoolkit, and physionet,” Circulation, vol. 101, no. 23, pp. e215–e220, 2000. DOI: 10.1161/01.CIR.101.23.e215 C. Rodriguez, J. Gallego, I. D. Mora, A. Orozco-Duque, and J. Bustamante, “Clasificación de latidos de contracción ventricular prematura basados en métodos de aprendizaje no supervisado” Revista Ingeniería Biomédica, vol. 8, no. 15, p. 51, 2014. DOI: 0.24050/19099762.n15.2014.608 D. Batista and A. Fred, “Spectral and time domain parameters for the classification of atrial fibrillation,” in Proceedings of the International Conference on Bio-inspired Systems and Signal Processing - Volume 1: BIOSIGNALS, (BIOSTEC 2015), 2015, pp. 329–337. D. F. Ransohoff, “Rules of evidence for cancer molecular-marker discovery and validation,” Nature Reviews Cancer, vol. 4, no. 4, p. 309, 2004. DOI: 10.1038/nrc1322 D. J. Gladstone, R. Spring et al., “Atrial fibrillation in patients with cryptogenic stroke,” New England Journal of Medicine, vol. 370, no. 26, pp. 2467–2477, 2014. DOI: 10.1056/NEJMoa1311376 D. I. Vanegas-Cadavid, “Uso del monitor cardiaco implantable en fibrilación auricular,” Revista Colombiana de Cardiología, vol. 23, pp. 34–39, 2016. DOI: 10.1016/j.rccar.2016.10.031 G. Mora-Pabón, “Utilidad del monitor externo de eventos en el tratamiento del paciente con fibrilación auricular,” Revista Colombiana de Cardiología, vol. 23, pp. 40–43, 2016. DOI:10.1016/j.rccar.2016.11.005 H. W. Lim, Y. W. Hau, C. W. Lim, and M. A. Othman, “Artificial intelligence classification methods of atrial fibrillation with implementation technology,” Computer Assisted Surgery, vol. 21, no. sup1, pp. 154–161, 2016. DOI: 10.1080/24699322.2016.1240303 J. J. Carvajal, C. Clavijo, L. J. Bautista, and G. Mora, “Características clínicas de pacientes llevados a monitoría externa de eventos,” Revista Colombiana de Cardiología, vol. 21, no. 5, pp. 278–283, 2014. DOI: 10.1016/j.rccar.2013.11.001 J. Pérez-Rodon, J. Francisco-Pascual, N. Rivas-G´andara, I. Roca-Luque, N. Bellera, and A` . Moya-Mitjans, “Cryptogenic stroke and role of loop recorder,” Journal of Atrial Fibrillation, vol. 7, no. 4, 2014. DOI: 10.4022/jafib.1178. J. Vogler, G. Breithardt, and L. Eckardt, “Bradiarritmias y bloqueos de la conducción,” Revista Española de Cardiología, vol. 65, no. 7, pp. 656–667, 2012. DOI: 10.1016/j.recesp.2012.01.025 L. Villa-Rodríguez, J. D. Lemos-Duque et al., “Desarrollo de un holter digital con grabación de eventos y software de visualización,” Revista ingeniería biomédica, 2014. DOI: 10.24050/19099762.n7.2010.84 M. A. Rockx, J. S. Hoch, and Klein, “Is ambulatory monitoring for “community-acquired” syncope economically attractive? A cost-effectiveness analysis of a randomized trial of external loop recorders versus Holter monitoring,” American heart journal, vol. 150, no. 5, pp. 1065–e1, 2005. DOI: 10.1016/j.ahj.2005.08.003 M. R. Homaeinezhad, S. Atyabi, E. Tavakkoli, H. N. Toosi, A. Ghaffari, and R. Ebrahimpour, “Ecg arrhythmia recognition via a neuro-svm–knn hybrid classifier with virtual qrs image-based geometrical features,” Expert Systems with Applications, vol. 39, no. 2, pp. 2047– 2058, 2012. DOI:10.1016/j.eswa.2011.08.025 N. Larburu, T. Lopetegi, and I. Romero, “Comparative study of algorithms for atrial fibrillation detection,” in Computing in Cardiology, 2011. IEEE, 2011, pp. 265–268. P. Zimetbaum and A. Goldman, “Ambulatory arrhythmia monitoring,” Circulation, vol. 122, no. 16, pp. 1629 – 1636, 2010. DOI: 10.1161/CIRCULATIONAHA.109.925610 Q. He, B. Segee, and V. Weaver, “Raspberry pi 2 b gpu power, performance, and energy implications,” in Computational Science and Computational Intelligence (CSCI), 2016 International Conference on. IEEE, 2016, pp. 163–167. DOI: 10.1109/CSCI.2016.0038 R. Colloca, A. E. Johnson, L. Mainardi, and G. D. Clifford, “A support vector machine approach for reliable detection of atrial fibrillation events,” in Computing in Cardiology Conference (CinC), 2013. IEEE, 2013, pp.1047–1050. R. J. Martis, U. R. Acharya, and H. Adeli, “Current methods in electrocardiogram characterization,” Computers in biology and medicine, vol. 48, pp. 133–149, 2014. DOI: 10.1016/j.compbiomed.2014.02.012 S. Asgari, A. Mehrnia, and M. Moussavi, “Automatic detection of atrial fibrillation using stationary wavelet transform and support vector machine,” Computers in biology and medicine, vol. 60, pp. 132–142, 2015. DOI: 10.1016/j.compbiomed.2015.03.005 S. Mittal, C. Movsowitz, and J. S. Steinberg, “Ambulatory external electrocardiographic monitoring: focus on atrial fibrillation,” Journal of the American College of Cardiology, vol. 58, no. 17, pp. 1741–1749, 2011. DOI: 10.1016/j.jacc.2011.07.026. S. Sovilj, G. Rajsman, and R. Magjarevi´c, “Ecg based prediction of atrial fibrillation using support vector classifier,” AUTOMATIKA: Journal of Automation, Measurement, Electronics, Computing and Communications, vol. 52, no. 1, pp. 58–67, 2011. DOI: 10.1080/00051144.2011.11828404 S. Raj, S. Luthra, and K. C. Ray, “Development of handheld cardiac event monitoring system,” IFACPapersOnLine, vol. 48, no. 4, pp. 71–76, 2015. DOI: 10.1016/j.ifacol.2015.07.010 T. Jeon, B. Kim, M. Jeon, and B.-G. Lee, “Implementation of a portable device for real-time ecg signal analysis,” Biomedical engineering online, vol. 13, no. 1, p. 160, 2014. DOI:10.1186/1475-925X-13-160. W. contributors, “K-nearest neighbors algorithm wikipedia the free encyclopedia,” 2018, [Online; accessed 9-October-2021]. [Online]. Available: https://en.wikipedia.org/w/index.php?title=K-nearest neighbors algorithm&oldid=827389390https://revistas.eia.edu.co/index.php/reveia/article/download/1565/1475Núm. 38 , Año 2022 : .14383823 pp. 119Revista EIAPublicationOREORE.xmltext/xml2531https://repository.eia.edu.co/bitstreams/790e3d87-bd6e-4b23-8046-794c2fda3efc/download0cab44ff75de3734599fcaa19354bc38MD5111190/5180oai:repository.eia.edu.co:11190/51802023-07-25 16:45:15.171https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2022metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com

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

Publicaciones similares