Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías
La metodología presentada en esta tesis está basada en una recopilación de métodos, herramientas y conceptos utilizados por el grupo de Control y Procesamiento Digital de Señales en el área del análisis de complejidad para la caracterización de señales biológicas tanto en los estados de normalidad c...
- Autores:
-
Ospina Aguirre, Carolina
- Tipo de recurso:
- Fecha de publicación:
- 2011
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/7177
- Palabra clave:
- 61 Ciencias médicas; Medicina / Medicine and health
62 Ingeniería y operaciones afines / Engineering
Técnicas de dinámica no lineal, FCG, ECG, Voz, Dimensión de correlación, Exponente de Hurst, Máximo exponente de Lyapunov, Electrónica en cardiología, Bioseñales, Nonlinear Dynamics Techniques, PCG, ECG, Voice, Correlation dimension, Hurst exponent, Lyapunov exponent
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | La metodología presentada en esta tesis está basada en una recopilación de métodos, herramientas y conceptos utilizados por el grupo de Control y Procesamiento Digital de Señales en el área del análisis de complejidad para la caracterización de señales biológicas tanto en los estados de normalidad como en los de anormalidad. Dicha metodología se desarrolla sobre señales fonocardiográficas, de voz y electroencefalográficas que contienen registros normales y patológicos, en primer lugar se realiza una caracterización mediante el uso de la dimensión de correlación, el exponente de Lyapunov y el exponente de Hurst, utilizando diferentes clasificadores: clasificador de la media más cercana, clasificador cuadrático, clasificador de los k vecinos más cercanos, clasificador de Fisher y maquinas de soporte vectorial con los cuales se evalúa el rendimiento de cada conjunto de características, el rendimiento máximo de clasificación que se obtiene para las señales analizadas es de 97.6%, 90.73% y 98.5% respectivamente. Además de la caracterización se realiza un análisis comparativo entre las características de complejidad de cada clase de los tres tipos de señales, con que se encuentran diferencias significativas entre los valores de dichas características que permiten diferenciarlas tanto en los estados de normalidad como en los patológicos. Los resultados obtenidos indican que la metodología desarrollada es efectiva y viable para la caracterización e identificación de patologías en bioseñales (Texto tomado de la fuente) |
|---|