Detecting False Arrhythmias Alarms in the ICU Using a Deep Learning Approach

En el entorno de la Unidad de Cuidados Intensivos (UCI), las falsas alarmas de arritmia se convierten en una perturbación constante que genera estrés tanto para el personal médico como para los pacientes. La elevada tasa de estos informes, unida a la incapacidad de los sistemas de monitorización para discernir con precisión entre señales cardiacas normales y arritmias, compromete la calidad de la atención y pone en riesgo la salud de los pacientes. El objetivo de esta investigación fue identificar falsas alarmas utilizando redes neuronales convolucionales (CNN) entrenadas con datos de la base de datos PhysioNet Computing in Cardiology Challenge 2015. Además, exploramos la eficacia de las técnicas de aumento de datos en el entrenamiento del modelo; las métricas de evaluación del rendimiento utilizadas incluyeron la tasa de verdaderos positivos (TPR), la tasa de verdaderos negativos (TNR), la puntuación F1, el área bajo la curva (ROC) y la puntuación final del PhysioNet Computing in Cardiology Challenge 2015. Nuestros resultados sugieren que el modelo propuesto genera una reducción de la tasa de falsos negativos (FN) al 5,9 % y revelan que las técnicas de aumento de datos no tuvieron un impacto significativo en la identificación de falsas alarmas.

• Autores: Moreno Jaimes, German Dario; Ardila Garnica, Karol Milena
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: eng
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/42555
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/42555; https://noesis.uis.edu.co
• Palabra clave: Unidades de Cuidados Intensivos; Arritmias cardiacas; Falsas alarmas; Aprendizaje Profundo; Intensive Care Units; Cardiac Arrhythmia; False Alarm; Deep Learning
• Rights: openAccess
• License: Atribución-SinDerivadas 2.5 Colombia (CC BY-ND 2.5 CO)