Web application to predict lung diseases from auscultation signals /
Suquilanda Pesantez, Jefferson Daniel
Web application to predict lung diseases from auscultation signals / Jefferson Daniel Suquilanda Pesantez ; tutor Markus Patricio Tellkamp Tietz - 82 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 60-68)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Las enfermedades respiratorias son una de las principales causas de muerte en todo el mundo, como la EPOC, la neumonía y las ITR en los últimos años. A pesar de que un gran número de trabajos científicos han sido mecanismos de prevención, diagnóstico y tratamiento, muchos sectores sociales no se benefician de esta investigación. Por ello, se requieren nuevos trabajos de investigación basados en herramientas informáticas, ya que de esta manera el alcance puede ser mayor. En este sentido, se propone una herramienta informática capaz de detectar enfermedades pulmonares a partir de señales de auscultación mediante el uso de redes neuronales. Para lograr este objetivo, se procesó un paquete de señales de auscultación pública utilizando filtros adaptativos y descomposición de señales EEMD; luego, las señales resultantes se utilizaron para generar tres tipos de conjuntos de datos diferentes (vectores estadísticos, espectrogramas e imágenes MFCC) que se utilizan para el entrenamiento de tres clasificadores destinados a predecir entre cinco clases: EPOC, Neumonía, RTI, BRON y Saludable. Los clasificadores entrenados son capaces de generar predicciones, las cuales se agrupan en un ensamble de clasificadores para definir una predicción final. Los clasificadores individualmente obtuvieron un desempeño significativo ya que la precisión varía de 88% a 93%. Sin embargo, el ensamble de clasificadores logró una precisión del 93,4 % y una especificidad del 96,2 %, demostrando que es un modelo más confiable. Finalmente, el algoritmo clasificador desarrollado se implementó en una aplicación web para ser utilizada desde la Internet.
Textos en inglés con resúmenes en español e inglés
Auscultación
Sonidos pulmonares
Filtro adaptativo
Espectrograma
Redes Neuronales
Ensamble de clasificadores
Auscultation
Lung sounds
Adaptive filter
Spectrogram
Neural networks
Ensemble classifier
Biomedicina--Trabajos y disertaciones académicas
Web application to predict lung diseases from auscultation signals / Jefferson Daniel Suquilanda Pesantez ; tutor Markus Patricio Tellkamp Tietz - 82 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 60-68)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Las enfermedades respiratorias son una de las principales causas de muerte en todo el mundo, como la EPOC, la neumonía y las ITR en los últimos años. A pesar de que un gran número de trabajos científicos han sido mecanismos de prevención, diagnóstico y tratamiento, muchos sectores sociales no se benefician de esta investigación. Por ello, se requieren nuevos trabajos de investigación basados en herramientas informáticas, ya que de esta manera el alcance puede ser mayor. En este sentido, se propone una herramienta informática capaz de detectar enfermedades pulmonares a partir de señales de auscultación mediante el uso de redes neuronales. Para lograr este objetivo, se procesó un paquete de señales de auscultación pública utilizando filtros adaptativos y descomposición de señales EEMD; luego, las señales resultantes se utilizaron para generar tres tipos de conjuntos de datos diferentes (vectores estadísticos, espectrogramas e imágenes MFCC) que se utilizan para el entrenamiento de tres clasificadores destinados a predecir entre cinco clases: EPOC, Neumonía, RTI, BRON y Saludable. Los clasificadores entrenados son capaces de generar predicciones, las cuales se agrupan en un ensamble de clasificadores para definir una predicción final. Los clasificadores individualmente obtuvieron un desempeño significativo ya que la precisión varía de 88% a 93%. Sin embargo, el ensamble de clasificadores logró una precisión del 93,4 % y una especificidad del 96,2 %, demostrando que es un modelo más confiable. Finalmente, el algoritmo clasificador desarrollado se implementó en una aplicación web para ser utilizada desde la Internet.
Textos en inglés con resúmenes en español e inglés
Auscultación
Sonidos pulmonares
Filtro adaptativo
Espectrograma
Redes Neuronales
Ensamble de clasificadores
Auscultation
Lung sounds
Adaptive filter
Spectrogram
Neural networks
Ensemble classifier
Biomedicina--Trabajos y disertaciones académicas