Modelo basado en support vector machine para la estimación de la variabilidad de la frecuencia cardíaca

El presente paper muestra el diseño, implementación y análisis de un modelo de Machine Learning (ML) para el cálculo de la Variabilidad de la Frecuencia Cardiaca (VFC). Mediante la integración de dispositivos y tecnologías de internet de las cosas, se plantea una herramienta de apoyo para personas en áreas de la salud y del deporte que requieren conocer la VFC de un individuo. La solución propuesta plantea la captura de las señales cardiacas a través de bandas pectorales que retornan la frecuencia cardiaca del sujeto, esta información es clasificada a partir de un algoritmo de SVM (Support Vector Machine), que determina si la VFC está deprimida o incrementada. La solución propuesta, presenta una eficiencia de un 90,3% y es el componente inicial para el desarrollo de una aplicación orientada al entrenamiento físico que sugiere rutinas de ejercicios con base en la VFC del individuo.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2018
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/14757
• Acceso en línea: http://hdl.handle.net/11349/14757
• Palabra clave: Variabilidad de la frecuencia cardíaca; Internet de las cosas; Maquinas de soporte vectorial; Monitores de frecuencia cardíaca; Ingeniería de Sistemas - Tesis y disertaciones académicas; Aprendizaje automático (Inteligencia artificial); Monitoreo de pacientes - Innovaciones tecnológicas; Internet de las cosas; Heart rate variability; Internet of things; Support vector machine; Heart rate monitor
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional