Entrenamiento de una red neuronal convolucional por transferencia de conocimiento para la clasificación de sonidos respiratorios

La salud es uno de los elementos más relevantes para el desarrollo de una vida de calidad, estar sano debería formar parte del estilo de vida en general y es por eso que uno de los Objetivos de Desarrollo Sostenible (ODS) es garantizar una vida sana y promover el bienestar para todos en todas las edades. El diagnóstico de enfermedades es un proceso inferencial, inicia con la anamnesis para obtener un cuadro clínico, destinado a definir la posible enfermedad, esto hace que sea una tarea compleja, en las enfermedades respiratorias se tienen como herramienta la auscultación que depende en gran medida de la experiencia y formación acústica que se limita a un juicio subjetivo de los médicos o exámenes con herramientas sofisticadas y costosas como la radiografía de tórax. Este trabajo presenta un enfoque para realizar la clasificación de sonidos respiratorios mediante modelos de Aprendizaje Profundo (Deep Learning) que extraigan características importantes a partir de espectrogramas de una señal de audio que podrían ayudar a los médicos a reconocer sonidos pulmonares anormales lo cual hace que el diagnóstico sea más económico y accesible.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/29001
• Acceso en línea: http://hdl.handle.net/11349/29001
• Palabra clave: Diagnóstico; Auscultación; Redes neuronales convolucionales; Deep learning; Ingeniería en Control - Tesis y disertaciones académicas; Procesamiento digital de imágenes; Redes de neuronas artificiales; Transferencia de conocimiento; Ronquido; Diagnosis; Auscultation; Convolutional neural network; Deep learning
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional