• Repositorio Institucional Universidad de Pamplona
  • Producción Editorial Universidad de Pamplona
  • Revistas
  • Revista Colombiana de Tecnologias de Avanzada (RCTA)
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10307
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorRojas Arango, Gabriel Felipe-
    dc.contributor.authorCorredor Bedoya, Andrea Carolina-
    dc.date.accessioned2025-10-09T22:25:17Z-
    dc.date.available2025-10-09T22:25:17Z-
    dc.date.issued2025-01-01-
    dc.identifier.citationG. F. Rojas Arango y A. C. Corredor Bedoya, « Comparación de técnicas de reconstrucción de señales fonendoscópicas para el análisis de patrones acústicos cardíacos», RCTA, vol. 1, n.º 45, pp. 112–124, ene. 2025. https://doi.org/10.24054/rcta.v1i45.3257es_CO
    dc.identifier.issn1692-7257-
    dc.identifier.issn2500-8625-
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10307-
    dc.descriptionEste estudio evalúa la efectividad de diferentes técnicas de reconstrucción estadística de señales fonocardiografíca en comparación con técnicas clásicas de procesamiento. Se presenta el planteamiento del problema abordando las limitaciones actuales y las posibles ventajas de las técnicas de reconstrucción estadística de señales. El objetivo principal es determinar la precisión y utilidad clínica de estas técnicas en cuanto a la claridad de la señal a través del SNR y CF, así como explorar su potencial para una integración más amplia en la práctica clínica. La metodología empleada incluye un análisis comparativo de datos reconstruidos mediante técnicas estadísticas y procesados mediante técnicas de procesamiento relevantes, enfocándose en la claridad de la señal y la viabilidad de su implementación. Los resultados indican que ciertas técnicas de reconstrucción estadística pueden ofrecer mejoras en la claridad de la señal, con un SNR medio en PCA 17.41 dB comparado con el SNR medio en técnicas tradicionales 0.575 dB & un CF medio en PCA 10.948 mV comparado con el CF medio en técnicas tradicionales 10.880 mV. Las conclusiones sugieren que, a pesar de sus limitaciones, las técnicas de reconstrucción estadística tienen el potencial de mejorar la calidad de la señal cuando se utilizan junto con otras técnicas de procesamiento. Este estudio aporta una evaluación crítica sobre la aplicabilidad de las técnicas de reconstrucción estadística de señales fono cardiográficas y su papel en la mejora de la atención cardiovascular.es_CO
    dc.description.abstractThis study evaluates the effectiveness of different techniques of statistical reconstruction of phonocardiographic signals in comparison with classical processing techniques. The problem statement addresses the stadistical signal reconstruction limitations and the advantages of statistical signal reconstruction techniques. The aim is to determine the precision and classic usefulness of these techniques in term of the signal clarity using the SNR and CF, as well as how to explore its potential for broader integration into clinical practice. The methodology includes a comparative analysis of the reconstructed data using statistical techniques and processed using relevant processing techniques, focusing on signal clarity of the signal and the feasibility of its implementation. The results show a SNR in PCA 17.41 dB compared to the mean SNR in traditional techniques 0.575 dB & a mean CF in PCA 10.948 mV compared to CF average in traditional techniques 10,880 mV, can offer improvements in signal clarity, with advantages in term of cost and accessibility. The conclusions suggest that, the statistical reconstruction techniques have the potential to improve signal quality when combined with other processing techniques. This study provides a critical on the applicability of statistical reconstruction techniques of phonocardiographic signals and their role in improving cardiovascular care.es_CO
    dc.format.extent13es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherAldo Pardo García, Revista Colombiana de Tecnologías de Avanzada, Universidad de Pamplona.es_CO
    dc.relation.ispartofseries112;124-
    dc.subjectPCA (Análisis de Componentes Principales)es_CO
    dc.subjectTransformada de Fourieres_CO
    dc.subjectRuidos Cardiacoses_CO
    dc.subjectSeñales Fonocardiografícases_CO
    dc.subjectProcesamiento Digital de señaleses_CO
    dc.titleComparación de técnicas de reconstrucción de señales fonendoscópicas para el análisis de patrones acústicos cardíacoses_CO
    dc.title.alternativeComparison of phonendoscopic signal reconstruction techniques for pattern analysis cardiac acousticses_CO
    dc.typehttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    dc.description.editionVol. 1 Núm. 45 (2025): Enero – Junioes_CO
    dc.relation.referencesZ. Yadira and M. Hurtado, “UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA MAESTRIA Y DOCTORADO EN CIENCIAS E INGENIERÍA Captura y Despliegue de Electrocardiograma y Fonocardiograma Multi-sitio T E S I S que presenta para obtener el grado de MAESTRO EN INGENIER´IA.”. [Online]. Available: https://repositorioinstitucional.uabc.mx/bitstream/20.500. 12930/2922/1/MXL098918.pdfes_CO
    dc.relation.referencesEstefanía, “Análisis y procesamiento de la señal auscultada del corazón para el diagnóstico presuntivo de soplos cardíacos y arritmia cardíaca,” Ups.edu.ec, 2017, doi: https://dspace.ups.edu.ec/handle/123456789/14152.es_CO
    dc.relation.referencesJulian David Echeverry, Andres Felipe López, and Juan Fernando López, “Reconocimiento de valvulopatías cardíacas en señales de fonocardiografía empleando la transformada Gabor,” Scientia Et Technica, vol. XIII, no. 34, pp. 139–144, 2023. [Online]. Available: https://www.redalyc.org/articulo.oa?id=84934024es_CO
    dc.relation.referencesC. Exiga, “Dispositivo para auscultación de ruidos cardiacos.,” Tesis.ipn.mx, 2017, doi: http://tesis.ipn.mx/handle/123456789/21503.es_CO
    dc.relation.referencesLuis, “Patrones de correlación estadística entre señales electrocardiográficas y fonocardiográficas,” Unal.edu.co, 2014, doi: https://repositorio.unal.edu.co/handle/unal/318.es_CO
    dc.relation.referencesNone Liang Huiying, L. Sakari, and H. Iiro, “A heart sound segmentation algorithm using wavelet decomposition and reconstruction,” Nov. 2002, doi: https://doi.org/10.1109/iembs.1997.757028.es_CO
    dc.relation.references“Vista de Análisis de componentes principales e independientes aplicados a reducción de ruido en señales electrocardiográficas,” Utp.edu.co, 2024. https://revistas.utp.edu.co/index.php/revistaciencia/ article/view/3147/1909.es_CO
    dc.relation.referencesPedro Mayorga Cordero, J. A. Valdez, C. Druzgalski, Vesna Zeljkovic, Gilberto Chávez Gris, and M. Perez, “Expanded VAD Guided Subdivision of Cardiopulmonary Sounds,” Revista Ingeniería Biomedica, vol. 13, no. 25, pp. 25–34, 2019, doi: https://dialnet.unirioja.es/descarga/articulo/7430878.pdf.es_CO
    dc.relation.referencesM. Cesarelli, M. Ruffo, M. Romano, and P. Bifulco, “Simulation of foetal phonocardiographic recordings for testing of FHR extraction algorithms,” Computer Methods and Programs in Biomedicine, vol. 107, no. 3, pp. 513–523, Sep. 2012, doi: https://doi.org/10.1016/j.cmpb.2011.11.008.es_CO
    dc.relation.referencesP. Mayorga, G. Chavez, V. Arguelles, C. Druzgalski, and V. Zeljkovic, “Detección y extracción automática de eventos S1, S2, S3 y S4 en sonidos del corazón,” Research in Computing Science, vol. 142, no. 1, pp. 9–20, Dec. 2017, doi: https://doi.org/10.13053/rcs-142-1-1.es_CO
    dc.relation.referencesRubio Tardío, Javier, Diseño de una aplicación en Matlab para el procesado de señales de fonocardiograma — Archivo Digital UPM, Oa.upm.es, Oct. 2020, doi: https://oa.upm.es/67519/.es_CO
    dc.relation.referencesL. Orozco-Reyes, M. ángel, Elóisa García-Canseco, and R. F. Ibarra-Hernández, “Clasificación de la señal de audio cardiaco mediante la transformada de Fourier de tiempo corto y aprendizaje profundo,” Research on Computing Science, 2022. https://www.semanticscholar. org/paper/Clasificaci%C3%B3n-de-la-se%C3%B1al-de-audio-cardiaco-la-de-y-Orozco-Reyes-Ar% C3%A9valo/ ad188bb65c65ac3ff436f53f7020592156f5dbe1es_CO
    dc.relation.referencesAlvaro Joaquin Gaona and Pedro David Arini, “Aprendizaje profundo y recurrente para la segmentación de sonidos cardíacos basado en características de frecuencia instantánea,” Elektron, vol. 4, no. 2, pp. 52–57, 2020, Accessed: Feb. 13, 2024. [Online]. Available:http://elektron.fi.uba.ar/index.php/ elektron/article/view/101/198es_CO
    dc.relation.referencesP. Mayorga-Ortiz, J. A. Valdez-Gonzalez, C. Druzgalski, and V. Zeljkovic, “Detección Automática y Clasificación de Eventos en Sonidos Cardiopulmonares de Sujetos Saludables,” Redalyc (Universidad Autónoma del Estado de Mexico), Jan. 2018, doi:https://doi.org/10.17488/rmib.39.1.6.es_CO
    dc.relation.referencesF. Gómez, Juan Sebastian Osorio-Valencia, and Luisa Fernanda Cuesta-López, “Diseño y construcción de un fonocardiógrafo digital con visualización en LabVIEW,” ResearchGate, Jan. 07, 2007. https://www.researchgate.net/publication/306011663 Diseno y construccion de un fonocardiografo digital con visualizacion en LabVIEW.es_CO
    dc.relation.referencesJaime Jalomo Cuevas, I. Palomares, O. Cortez, J. de, and E. Molinar, “ESTUDIO COMPARATIVO DE Te CNICAS PARA FILTRADO DE SEñ ALES EN FONOCARDIOGRAF´IA,” Pistas Educativas, vol. 39, no. 125, 2017, Accessed: Feb. 14, 2024. [Online]. Available: https://pistaseducativas.celaya.tecnm.mx/ index.php/pistas/article/view/922/779es_CO
    dc.relation.referencesE. Alexander, “Caracterización de estados funcionales en fonocardiografía empleando análisis acústico y tecnicas de dinámica no lineal,” Unal.edu.co, 2014, doi: https://repositorio.unal.edu.co/handle/unal/2484.es_CO
    dc.relation.referencesP. Daniel, “Prototipo de aplicación móvil para tratamiento de señales del fonendoscopio electrónico FonoDX,” Unimilitar.edu.co, 2019, doi:http://hdl.handle.net/10654/32246.es_CO
    dc.relation.referencesJ. Martinez-Alajarin and J. Ruiz, “Estructura jerárquica de un sistema de diagnóstico basado en la señal fonocardiográfica,” ResearchGate, Nov. 2004. https://www.researchgate.net/publication/47515415 Estructura jerarquica de un sistema de diagnóstico basado en la senal fonocardiografica.es_CO
    dc.relation.referencesP. Argibay, “Estadística avanzada en medicina: el análisis de componentes principales.” Available: https://www1.hospitalitaliano.org.ar/multimedia/archivos/ noticias attachs/47/documentos/11019 PAG%20107-112 HI%203-9%20ICBME.pdf.es_CO
    dc.relation.referencesL.D. Avendano-Valencia, J. M. Ferrero, and G. Castellanos-Dominguez, “Improved parametric estimation of time frequency representations for cardiac murmur discrimination,” Sep. 2008, doi:https://doi.org/10.1109/cic.2008.4749001.es_CO
    dc.relation.referencesM. Rouhani and R. Abdoli, “A comparison of different feature extraction methods for diagnosis of valvular heart diseases using PCG signals,” Journal of Medical Engineering & Technology, vol. 36, no. 1, pp. 42–49, Dec. 2011, doi: https://doi.org/10.3109/03091902.2011.634946.es_CO
    dc.relation.referencesPegah Derakhshan Mehr, Nader Jafarnia Dabanloo, Gholamreza Attarodi, Keivan Maghooli, and N. Hemmati, “Diagnosis of Aortic Valve Stenosis Based on PCG Signal Using Wavelet Packet Decomposition (WPD) and Parametric Models,” Computing in cardiology, Sep. 2017, doi: https://doi.org/10.22489/cinc.2017.084-296.es_CO
    dc.relation.referencesMawloud Guermoui, Mohamed Lamine Mekhalfi, and Karim Ferroudji, “Heart sounds analysis using wavelets responses and support vector machines,” May 2013, doi: https://doi.org/10.1109/wosspa.2013.6602368es_CO
    dc.relation.referencesO. El Badlaoui, A. Benba, and A. Hammouch, “Novel PCG Analysis Method for Discriminating Between Abnormal and Normal Heart Sounds,” IRBM, vol. 41, no. 4, pp. 223–228, Aug. 2020,doi:https://doi.org/10.1016/j.irbm.2019.12.003.es_CO
    dc.relation.referencesM. Imani and H. Ghassemian, “Curve fitting, filter bank and wavelet feature fusion for classification of PCG signals,” May 2016, doi:https://doi.org/10.1109/iraniancee.2016.7585518.es_CO
    dc.relation.referencesOmid Dehghan Manshadi and S. mihandoost, “Murmur identification and outcome prediction in phonocardiograms using deep features based on Stockwell transform,” Scientific Reports, vol. 14, no. 1, Mar. 2024, doi: https://doi.org/10.1038/s41598-024-58274-6.es_CO
    dc.relation.referencesW. Yang et al., “Diagnosis of cardiac abnormalities based on phonocardiogram using a novel fuzzy matching feature extraction method,” BMC Medical Informatics and Decision Making, vol. 22, no. 1, Sep. 2022, doi:https://doi.org/10.1186/s12911-022-01976-6.es_CO
    dc.relation.referencesY. Chen, B. Su, W. Zeng, C. Yuan, and B. Ji, “Abnormal heart sound detection from unsegmented phonocardiogram using deep features and shallow classifiers,” Multimedia Tools and Applications, vol. 82, no. 17, pp. 26859–26883, Jan. 2023, doi:https://doi.org/10.1007/s11042-022-14315-8.es_CO
    dc.relation.references“Precision Diagnosis: An Automated Method for Detecting Congenital Heart Diseases in Children From Phonocardiogram Signals Employing Deep Neural Network,” Umng.edu.co, 2014, doi: https://doi.org/10.1109/ACCESS.2024.3395389.es_CO
    dc.relation.referencesS. Li, F. Li, S. Tang, and W. Xiong, “A Review of Computer-Aided Heart Sound Detection Techniques,” BioMed Research International, vol. 2020, pp. 1–10, Jan. 2020, doi:https://doi.org/10.1155/2020/5846191.es_CO
    dc.relation.referencesT. H. Chowdhury, K. N. Poudel and Y. Hu,”Time-Frequency Analysis, Denoising, Compression, Segmentation, and Classification of PCG Signals,¨ın IEEE Access, vol. 8, pp. 160882-160890, 2020, doi: 10.1109/ACCESS.2020.3020806.es_CO
    dc.relation.referencesE.-S. A. El-Dahshan, M. M. Bassiouni, S. Sharvia, and A.-B. M. Salem, “PCG signals for biometric authentication systems: An in-depth review,” vol. 41, p. 100420, 2021, doi: 10.1016/j.cosrev.2021.100420.es_CO
    dc.relation.referencesS. Shukla, S. K. Singh, and D. Mitra, “An efficient heart sound segmentation approach using kurtosis and zero frequency filter features,” vol. 57, p. 101762, 2020, doi: 10.1016/j.bspc.2019.101762. [Online]. Available: https://www.sciencedirect.com/science/article/pii/ S174680941930343Xes_CO
    dc.relation.referencesCastro, T. T. V. Vinhoza, S. S. Mattos, and M. T. Coimbra, “Heart sound segmentation of pediatric auscultations using wavelet analysis,” presented at the 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2013, pp. 3909–3912, doi:10.1109/EMBC.2013.6610399.es_CO
    dc.relation.referencesF. Beritelli and S. Serrano, “Biometric Identification Based on Frequency Analysis of Cardiac Sounds,” IEEE Transactions on Information Forensics and Security, vol. 2, no. 3, pp. 596–604, Sep. 2007, doi:https://doi.org/10.1109/tifs.2007.902922.es_CO
    dc.relation.referencesS. M. Debbal and F Bereksi-Reguig, “Computerized heart sounds analysis,” Computers in Biology and Medicine, vol. 38, no. 2, pp. 263–280, Feb. 2008, doi:https://doi.org/10.1016/j.compbiomed.2007.09.006.es_CO
    dc.relation.referencesSumeth Yuenyong, A. Nishihara, Waree Kongprawechnon, and Kanokvate Tungpimolrut, “A framework for automatic heart sound analysis without segmentation,” BioMedical Engineering OnLine, vol. 10, no. 1, pp. 13–13, Jan. 2011, doi: https://doi.org/10.1186/1475-925x-10-13.es_CO
    dc.relation.referencesPiskorowski, Jacek. (2010). Digital -Varying Notch IIR Filter With Transient Suppression. Instrumentation and Measurement, IEEE Transactions on. 59. 866 - 872. 10.1109/TIM.2009.2026605.es_CO
    dc.relation.referencesMondal, P. Bhattacharya, and G. Saha, “An automated tool for localization of heart sound components S1, S2, S3 and S4 in pulmonary sounds using Hilbert transform and Heron’s formula,” SpringerPlus, vol. 2, no. 1, Oct. 2013, doi: https://doi.org/10.1186/2193-1801-2-512.es_CO
    dc.relation.referencesUkil and U. K. Roy, “Smart cardiac health management in IoT through heart sound signal analytics and robust noise filtering,” presented at the 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), 2017, pp. 1–5, doi: 10.1109/PIMRC.2017.8292659.es_CO
    dc.relation.referencesF. Mokeddem and S. M. Debbal, “Comparative study between linear filter and discrete wavelet transform for denoising heart sounds signals,” presented at the 2018 International Conference on Electrical Sciences and Technologies in Maghreb (CISTEM), 2018, pp. 1–5, doi: 10.1109/CISTEM.2018.8613448.es_CO
    dc.relation.referencesS. K. Ghosh, R. K. Tripathy, and P. R. N, “Evaluation of Performance Metrics and Denoising of PCG Signal using Wavelet Based Decomposition,” presented at the 2020 IEEE 17th India Council International Conference (INDICON), 2020, pp. 1–6, doi: 10.1109/INDICON49873.2020.9342464.es_CO
    dc.relation.referencesB. Kambhampati and B. Ramkumar, “Automatic Detection and Classification of Systolic and Diastolic Profiles of PCG Corrupted Due to Limitations of Electronic Stethoscope Recording,” vol. 21, no. 4, pp. 5292–5302, 2021, doi: 10.1109/JSEN.2020.3028373.es_CO
    dc.relation.references“Noise/spike detection in phonocardiogram signal as a cyclic random process with non-stationary period interval,” Computers in Biology and Medicine, vol. 43, no. 9, pp. 1205–1213, Sep. 2013, doi: https://doi.org/10.1016/j.compbiomed.2013.05.020.es_CO
    dc.relation.referencesM. K. Zia, B. Griffel, and J. L. Semmlow, “Robust detection of background noise in phonocardiograms,” presented at the 2011 1st Middle East Conference on Biomedical Engineering, 2011, pp. 130–133, doi: 10.1109/MECBME.2011.5752082.es_CO
    dc.relation.referencesH. Naseri and M. R. Homaeinezhad, “Detection and Boundary Identification of Phonocardiogram Sounds Using an Expert Frequency-Energy Based Metric,” Annals of Biomedical Engineering, vol. 41, no. 2, pp. 279–292, Sep. 2012, doi:https://doi.org/10.1007/s10439-012-0645-x.es_CO
    dc.relation.referencesJ. P. Ramos, P. Carvalho, and M. Coimbra, “Towards a time-feature independent phonocardiogram segmentation,” presented at the 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2013, pp.2116–2119, doi: 10.1109/EMBC.2013.6609951.es_CO
    dc.relation.referencesS. Daliman and A. Z. Sha’ameri, ”Time-frequency analysis of heart sounds using windowed and smooth windowed Wigner-ville distribution,”Seventh International Symposium on Signal Processing and Its Applications, 2003. Proceedings., Paris, France, 2003,pp. 625-626 vol.2, doi: 10.1109/ISSPA.2003.1224958.es_CO
    dc.relation.referencesP. Ordunez et al., “HEARTS en las Americas: innovaciones para mejorar el manejo de la hipertensión y del riesgo cardiovascular en la atención primaria,” Revista Panamericana de Salud Pública, vol. 46, p. 1, Oct. 2022, doi: https://doi.org/10.26633/rpsp.2022.197.es_CO
    dc.relation.referencesOliveira, J., Renna, F., Costa, P., Nogueira, M., Oliveira,A. C., Elola, A., Ferreira, C., Jorge, A., Bahrami Rad, A., Reyna, M., Sameni, R., Clifford, G., & Coimbra, M. (2022). The CirCor DigiScope Phonocardiogram Dataset (version 1.0.3). PhysioNet. https://doi.org/10.13026/tshs-mw03es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Revista Colombiana de Tecnologias de Avanzada (RCTA)

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Art12_V1_N45_2025_esp.pdfArt12_V1_N45_2025_esp829,77 kBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.