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
id |
UNACIONAL2_ddf65ebcc475646eb4c7f2f20aeddab8 |
---|---|
oai_identifier_str |
oai:repositorio.unal.edu.co:unal/7177 |
network_acronym_str |
UNACIONAL2 |
network_name_str |
Universidad Nacional de Colombia |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
dc.title.translated.Spa.fl_str_mv |
Non linear analisys of the intrinsic dynamic of biosignals in order to characterize patologies |
title |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
spellingShingle |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías 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 |
title_short |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
title_full |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
title_fullStr |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
title_full_unstemmed |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
title_sort |
Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías |
dc.creator.fl_str_mv |
Ospina Aguirre, Carolina |
dc.contributor.advisor.spa.fl_str_mv |
Castellanos Domínguez, César Germán (Thesis advisor) |
dc.contributor.author.spa.fl_str_mv |
Ospina Aguirre, Carolina |
dc.subject.ddc.spa.fl_str_mv |
61 Ciencias médicas; Medicina / Medicine and health 62 Ingeniería y operaciones afines / Engineering |
topic |
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 |
dc.subject.proposal.spa.fl_str_mv |
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 |
description |
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) |
publishDate |
2011 |
dc.date.issued.spa.fl_str_mv |
2011 |
dc.date.accessioned.spa.fl_str_mv |
2019-06-24T16:30:28Z |
dc.date.available.spa.fl_str_mv |
2019-06-24T16:30:28Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/7177 |
dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/3507/ |
url |
https://repositorio.unal.edu.co/handle/unal/7177 http://bdigital.unal.edu.co/3507/ |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y Computación Departamento de Ingeniería Eléctrica, Electrónica y Computación |
dc.relation.references.spa.fl_str_mv |
Ospina Aguirre, Carolina (2011) Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías = Non linear analisys of the intrinsic dynamic of biosignals in order to characterize patologies. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales . |
dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
institution |
Universidad Nacional de Colombia |
bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/7177/1/carolinaospinaaguirre.2011.pdf https://repositorio.unal.edu.co/bitstream/unal/7177/2/carolinaospinaaguirre.2011.pdf.jpg |
bitstream.checksum.fl_str_mv |
cfde19307bfe70f354314f6e27a9d408 dd644f3f56f311711198c13ae60d0d72 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
_version_ |
1814089421143670784 |
spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Castellanos Domínguez, César Germán (Thesis advisor)40af5ca8-3cf6-4f6d-a8b9-cd3d6b73bf61Ospina Aguirre, Carolina540e73df-0fe5-4843-8b20-c066bb9a35d63002019-06-24T16:30:28Z2019-06-24T16:30:28Z2011https://repositorio.unal.edu.co/handle/unal/7177http://bdigital.unal.edu.co/3507/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)The methodology presented is based on a collection of methods, tools and concepts used on the Group of Control and Digital Signal Processing into the complexity analysis area on characterization of Biological signals both normal and abnormality states. Such methodology is developed on phonocardiographic, voice and electroencephalografic signals containing normal and pathological records. At first, the characterization employing relation dimension, Lyapunov exponent and Hurst exponent is done by using different classifiers: nearest mean classifier, quadratic classifier, k nearest neighbor classifier, Fisher classifier and support vector machines, which evaluate each features set performance. Maximum Performance Rate obtained for the analysed signals are 97.6%, 90.73% and 98.5% respectively. Besides characterization, comparative analysis among complexity characteristics of each class over all signals is performed and significant differences among values of such characteristics are found, which allows differentiating both normal and pathological states. Results indicate that the methodology described is effective for characterization and identification of pathologies on biosignalsMaestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y ComputaciónDepartamento de Ingeniería Eléctrica, Electrónica y ComputaciónOspina Aguirre, Carolina (2011) Análisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologías = Non linear analisys of the intrinsic dynamic of biosignals in order to characterize patologies. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales .61 Ciencias médicas; Medicina / Medicine and health62 Ingeniería y operaciones afines / EngineeringTécnicas 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 exponentAnálisis no lineal de la dinámica intrinseca de las bioseñales con el fin de caracterizar patologíasNon linear analisys of the intrinsic dynamic of biosignals in order to characterize patologiesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINALcarolinaospinaaguirre.2011.pdfTesis de Maestría en Ingeniería - Automatización Industrialapplication/pdf717256https://repositorio.unal.edu.co/bitstream/unal/7177/1/carolinaospinaaguirre.2011.pdfcfde19307bfe70f354314f6e27a9d408MD51THUMBNAILcarolinaospinaaguirre.2011.pdf.jpgcarolinaospinaaguirre.2011.pdf.jpgGenerated Thumbnailimage/jpeg3343https://repositorio.unal.edu.co/bitstream/unal/7177/2/carolinaospinaaguirre.2011.pdf.jpgdd644f3f56f311711198c13ae60d0d72MD52unal/7177oai:repositorio.unal.edu.co:unal/71772024-02-15 10:47:21.412Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |