Bibliographic Review of methods of detection of Ventricular Fibrillation based on ECG signals / José Andrés Tacuri Pineda ; tutor, Marisa Graciela Salum
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2020Descripción: 64 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular ()Ingeniero/a Biomédico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020 Resumen: La fibrilación ventricular es una de las arritmias más peligrosas, porque causa un ritmo cardíaco caótico que puede provocar un paro cardíaco que conduce a la muerte súbita en las personas. Por ello, detectar esta enfermedad a tiempo le da al médico especialista la posibilidad de tratarla y aumenta la esperanza de vida del paciente. El objetivo de este trabajo de investigación es recopilar los diferentes métodos de detección de fibrilación ventricular que se pueden obtener a partir de la señal ECG de bases de datos como: IEEEexplore, ScienceDirect, Scopus, etc., destacando el trabajo de los últimos 10 años, en base a la relevancia del tema, las credenciales de los autores y la objetividad. Los métodos de detección de fibrilación ventricular se basan en características o patrones que se encuentran en las señales de ECG que permiten reconocerlas entre las señales de otras arritmias. Sin embargo, los métodos han evolucionado y se combinan con algoritmos de inteligencia artificial como redes neuronales y técnicas de aprendizaje automático para mejorar la detección de FV. Los resultados se evalúan utilizando bases de datos que cubren diferentes rangos de edad y pacientes hospitalarios y extra hospitalarios, como las bases de datos de arritmias y arritmias ventriculares del MIT-BIH y la base de datos de taquiarritmia ventricular de la Universidad de Creigton; y los parámetros que validan estos resultados son la sensibilidad, especificidad y precisión. Entre los métodos de mejor rendimiento para la detección de fibrilación ventricular se encuentran los algoritmos que presentan el pre procesamiento de la señal de ECG en el que se elimina gran parte del ruido. Esto facilita la fase de búsqueda de características o patrones dentro del ECG de señal y finalmente la detección de fibrilación ventricular basada en métodos de aprendizaje automático con una sensibilidad y especificidad promedio entre el 80% y el 90%.
| Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECBI0052 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000297 |
Trabajo de integración curricular ()Ingeniero/a Biomédico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020
Incluye referencias bibliográficas (páginas 53-64)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
La fibrilación ventricular es una de las arritmias más peligrosas, porque causa un ritmo cardíaco caótico que puede provocar un paro cardíaco que conduce a la muerte súbita en las personas. Por ello, detectar esta enfermedad a tiempo le da al médico especialista la posibilidad de tratarla y aumenta la esperanza de vida del paciente. El objetivo de este trabajo de investigación es recopilar los diferentes métodos de detección de fibrilación ventricular que se pueden obtener a partir de la señal ECG de bases de datos como: IEEEexplore, ScienceDirect, Scopus, etc., destacando el trabajo de los últimos 10 años, en base a la relevancia del tema, las credenciales de los autores y la objetividad. Los métodos de detección de fibrilación ventricular se basan en características o patrones que se encuentran en las señales de ECG que permiten reconocerlas entre las señales de otras arritmias. Sin embargo, los métodos han evolucionado y se combinan con algoritmos de inteligencia artificial como redes neuronales y técnicas de aprendizaje automático para mejorar la detección de FV. Los resultados se evalúan utilizando bases de datos que cubren diferentes rangos de edad y pacientes hospitalarios y extra hospitalarios, como las bases de datos de arritmias y arritmias ventriculares del MIT-BIH y la base de datos de taquiarritmia ventricular de la Universidad de Creigton; y los parámetros que validan estos resultados son la sensibilidad, especificidad y precisión. Entre los métodos de mejor rendimiento para la detección de fibrilación ventricular se encuentran los algoritmos que presentan el pre procesamiento de la señal de ECG en el que se elimina gran parte del ruido. Esto facilita la fase de búsqueda de características o patrones dentro del ECG de señal y finalmente la detección de fibrilación ventricular basada en métodos de aprendizaje automático con una sensibilidad y especificidad promedio entre el 80% y el 90%.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.