Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas
112 páginas
- Autores:
-
Alzate Márquez Mateo
- 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:11190/6311
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/6311
- Palabra clave:
- Depresión
Coherencia fisiológica
ECG
Salud mental
Machine Learning
Respiration signal
Global coherence
Global coherence index
Machine learning
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2023
| id |
REIA2_a81d64857ea05fe7e2bfc14b8e017038 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/6311 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| title |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| spellingShingle |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas Depresión Coherencia fisiológica ECG Salud mental Machine Learning Respiration signal Global coherence Global coherence index Machine learning |
| title_short |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| title_full |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| title_fullStr |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| title_full_unstemmed |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| title_sort |
Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas |
| dc.creator.fl_str_mv |
Alzate Márquez Mateo |
| dc.contributor.advisor.none.fl_str_mv |
Torres Villa, Róbinson |
| dc.contributor.author.none.fl_str_mv |
Alzate Márquez Mateo |
| dc.subject.proposal.spa.fl_str_mv |
Depresión Coherencia fisiológica ECG Salud mental |
| topic |
Depresión Coherencia fisiológica ECG Salud mental Machine Learning Respiration signal Global coherence Global coherence index Machine learning |
| dc.subject.proposal.eng.fl_str_mv |
Machine Learning Respiration signal Global coherence Global coherence index Machine learning |
| description |
112 páginas |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-12-18T15:02:31Z |
| dc.date.available.none.fl_str_mv |
2023-12-18T15:02:31Z |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.type.none.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/11190/6311 |
| url |
https://repository.eia.edu.co/handle/11190/6311 |
| 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-SinDerivadas 4.0 Internacional (CC BY-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-SinDerivadas 4.0 Internacional (CC BY-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/6d6eeb6c-847e-40a2-92bc-03c541bb4a6f/download https://repository.eia.edu.co/bitstreams/58068bb3-e94e-4568-900b-7b387dd1abb2/download https://repository.eia.edu.co/bitstreams/8fab4c22-71ad-4a65-915a-2be1d622e5ec/download https://repository.eia.edu.co/bitstreams/813d4333-30d4-4cc0-a8ee-5cc40352a0c3/download |
| bitstream.checksum.fl_str_mv |
2264fce645ac2952653ce3f3b8fa781e 9553d4b234c79528054cdc2e1f7e6d82 977d04fedec4af0d346045f415c77012 36b6907e2883a11cbb2dbf5efef04e3b |
| 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_ |
1814100906934796288 |
| spelling |
Torres Villa, RóbinsonAlzate Márquez Mateo2023-12-18T15:02:31Z2023-12-18T15:02:31Z2023https://repository.eia.edu.co/handle/11190/6311112 páginasRESUMEN: se propone la creación de un sistema para la detección de la depresión, basado en la adquisición y procesamiento de señales de ECG y PPG, seguido por el desarrollo de un algoritmo para la clasificación y detección de patrones. El objetivo principal es lograr una clasificación precisa de un individuo en un grupo de depresión o no depresión, logrando en última instancia la detección correcta del problema mencionado. Esto se logró mediante el análisis de un conjunto de variables fisiológicas tomadas de las señales de PPG y ECG, utilizando un protocolo experimental llamado 'script-driven imagery' adaptado al paradigma actual, aplicado a individuos del Centro Médico de Alta Especialidad del Bajío T1 en León, México. Las variables utilizadas incluyen la variabilidad de la frecuencia cardíaca, el tiempo de tránsito del pulso, la frecuencia cardíaca, la señal de respiración, la coherencia fisiológica de cada una y el índice de coherencia global, así como otras variables relacionadas con la frecuencia seleccionadas en función de una revisión bibliográfica. Posteriormente, se desarrolló un programa en Python para el procesamiento y obtención de los valores de las variables mencionadas para su posterior uso en un código de aprendizaje automático. Se realizó una prueba con un modelo de aprendizaje automático múltiple para determinar que el algoritmo de clasificación binaria que mostró el mejor rendimiento fue un Bosque Aleatorio, con una sensibilidad y precisión del 76% para el grupo de validación, aunque se lograron porcentajes más altos con grupos más pequeños de individuos. También se llevó a cabo una revisión del rendimiento de las mejores características en el algoritmo para identificar qué variables pueden tener un mayor impacto al intentar detectar un estado depresivo en un individuo.ABSTRACT: the creation of a system for depression detection is proposed, based on the acquisition and processing of ECG and PPG signals, followed by the development of an algorithm for pattern classification and detection. The main goal is to achieve an accurate classification of an individual into a depression or non-depression group, ultimately achieving the correct detection of the mentioned problem. This was accomplished through the analysis of a set of physiological variables taken from PPG and ECG signals, using an experimental protocol called script-driven imagery adapted to the current paradigm, applied to individuals from the High Specialized Medical Center of Bajio T1 in Leon, Mexico. The variables to be used include heart rate variability, pulse transit time, heart rate, respiration signal, physiological coherence of each, and the global coherence index, as well as other frequency-related variables selected based on a literature review. Subsequently, a Python program was developed for processing and obtaining the values of the mentioned variables for later use in a machine learning code. A multi machine learning model test was carried just to find out that the binary classification algorithm that yielded the best performance was a Random Forest, with a sensitivity and accuracy of 76% for the validation group, although higher percentages were achieved with smaller groups of individuals. A review of the performance of the best features in the algorithm was also conducted to identify which variables can have a greater impact when attempting to detect a depressive state in an individual.PregradoIngeniero(a) Biomédico(a)application/pdfspaUniversidad EIAIngeniería BiomédicaEscuela de Ciencias de la VidaEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2023Atribución-SinDerivadas 4.0 Internacional (CC BY-ND 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicasTrabajo 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_970fb48d4fbd8a85DepresiónCoherencia fisiológicaECGSalud mentalMachine LearningRespiration signalGlobal coherenceGlobal coherence indexMachine learningPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-82553https://repository.eia.edu.co/bitstreams/6d6eeb6c-847e-40a2-92bc-03c541bb4a6f/download2264fce645ac2952653ce3f3b8fa781eMD56ORIGINALAlzateMarquezMateo_2023_SistemaDeteccionDepresion.pdfAlzateMarquezMateo_2023_SistemaDeteccionDepresion.pdfTrabajo de gradoapplication/pdf3835506https://repository.eia.edu.co/bitstreams/58068bb3-e94e-4568-900b-7b387dd1abb2/download9553d4b234c79528054cdc2e1f7e6d82MD57TEXTAlzateMarquezMateo_2023_SistemaDeteccionDepresion.pdf.txtAlzateMarquezMateo_2023_SistemaDeteccionDepresion.pdf.txtExtracted texttext/plain102048https://repository.eia.edu.co/bitstreams/8fab4c22-71ad-4a65-915a-2be1d622e5ec/download977d04fedec4af0d346045f415c77012MD58THUMBNAILAlzateMarquezMateo_2023_SistemaDeteccionDepresion.pdf.jpgAlzateMarquezMateo_2023_SistemaDeteccionDepresion.pdf.jpgGenerated Thumbnailimage/jpeg9901https://repository.eia.edu.co/bitstreams/813d4333-30d4-4cc0-a8ee-5cc40352a0c3/download36b6907e2883a11cbb2dbf5efef04e3bMD5911190/6311oai:repository.eia.edu.co:11190/63112023-12-18 10:09:18.649open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |