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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