Rapid detection of cardiac pathologies by neural networks using ECG signals (1D) and sECG images (3D): exploratory study with 6-channel ECG /
Aguiar Salazar, Evelyn Dayana
Rapid detection of cardiac pathologies by neural networks using ECG signals (1D) and sECG images (3D): exploratory study with 6-channel ECG / Evelyn Dayana Aguiar Salazar ; tutor Diego Alfonso Almeida Galárraga - 76 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 64-67)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Normalmente, la detección de patologías cardíacas se realiza mediante señales unidimensionales del electrocardiograma o con imágenes en 2D (bidimensionales). Cuando se trabaja con señales del electrocardiograma se puede representar en el dominio del tiempo y la frecuencia (señales en 1D). Sin embargo, esta técnica puede presentar dificultades como el elevado coste de los servicios sanitarios privados o el tiempo que tarda el sistema sanitario público en derivar al paciente al cardiólogo. Además, la variedad de patologías cardíacas (más de 20 tipos), es un problema en el diagnóstico de la enfermedad. Por otro lado, una de las técnicas poco exploradas para este diagnóstico es la electrocardiografía de superficie (sECG). Los sECG son imágenes en 3D (dos dimensiones en el espacio y una en el tiempo). En primer lugar, se construyó un electrocardiógrafo de 6 canales para registrar las señales precordiales del corazón. Posteriormente, se desarrollaron dos modelos, LSTM y ResNet34 NN, que mostraron una alta precisión, 98,71% y 93,64% respectivamente. Se realizaron mediciones en dos pacientes voluntarios en las que ambos modelos tuvieron éxito. El presente estudio propone las bases para el desarrollo de un software de ayuda a la decisión (DSS, por sus siglas en inglés) basado en modelos de aprendizaje automático.
Textos en inglés con resúmenes en español e inglés
Imágenes sECG
Redes Neuronales
Electrocardiógrafo 6-ch
MATLAB
Python
sECG images
Neural networks
6-channels electrocardiograph
Biomedicina--Trabajos y disertaciones académicas
Rapid detection of cardiac pathologies by neural networks using ECG signals (1D) and sECG images (3D): exploratory study with 6-channel ECG / Evelyn Dayana Aguiar Salazar ; tutor Diego Alfonso Almeida Galárraga - 76 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 64-67)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Normalmente, la detección de patologías cardíacas se realiza mediante señales unidimensionales del electrocardiograma o con imágenes en 2D (bidimensionales). Cuando se trabaja con señales del electrocardiograma se puede representar en el dominio del tiempo y la frecuencia (señales en 1D). Sin embargo, esta técnica puede presentar dificultades como el elevado coste de los servicios sanitarios privados o el tiempo que tarda el sistema sanitario público en derivar al paciente al cardiólogo. Además, la variedad de patologías cardíacas (más de 20 tipos), es un problema en el diagnóstico de la enfermedad. Por otro lado, una de las técnicas poco exploradas para este diagnóstico es la electrocardiografía de superficie (sECG). Los sECG son imágenes en 3D (dos dimensiones en el espacio y una en el tiempo). En primer lugar, se construyó un electrocardiógrafo de 6 canales para registrar las señales precordiales del corazón. Posteriormente, se desarrollaron dos modelos, LSTM y ResNet34 NN, que mostraron una alta precisión, 98,71% y 93,64% respectivamente. Se realizaron mediciones en dos pacientes voluntarios en las que ambos modelos tuvieron éxito. El presente estudio propone las bases para el desarrollo de un software de ayuda a la decisión (DSS, por sus siglas en inglés) basado en modelos de aprendizaje automático.
Textos en inglés con resúmenes en español e inglés
Imágenes sECG
Redes Neuronales
Electrocardiógrafo 6-ch
MATLAB
Python
sECG images
Neural networks
6-channels electrocardiograph
Biomedicina--Trabajos y disertaciones académicas