Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/713Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Bravo Tuay, Darío Fernando. | - |
| dc.date.accessioned | 2022-05-12T19:50:24Z | - |
| dc.date.available | 2021-10-09 | - |
| dc.date.available | 2022-05-12T19:50:24Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Bravo Tuay, D. F. (2021). Desarrollo de un sistema para clasificación de patologías cardiovasculares en señales electrocardiográficas (ECG) aplicando inteligencia artificial y Cloud Computing [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/713 | es_CO |
| dc.identifier.uri | http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/713 | - |
| dc.description | Este trabajo se presenta como una alternativa tecnológica para aquellas personas que padecen de enfermedades cardiovasculares tales como disritmia cardíaca, hipertrofia ventricular, bloqueo de rama y afección valvular ya sea de forma congénita o mal cuidado de la salud por el mismo. En primer lugar, se adquieren las señales electrocardiográficas (ECG) de pacientes sanos y pacientes con dichas patologías mediante la base de datos “Physiobank”, en lo cual, se aplican técnicas de tratamiento y procesamiento de señales tales como ajuste de nivel, Transformada Rápida de Fourier (FFT), Wavelet (DCT), entropía y energía, para la posterior búsqueda de características o patrones que demuestren una diferencia de las señales y otorgar una correcta clasificación mediante la implementación Machine Learning bajo el lenguaje de programación Python empleado en Linux en relación a las patologías presentes y dar una mayor facilidad en cuanto al diagnóstico por parte del especialista, con base en lo anterior se selecciona la mejor técnica en relación a los resultados de optimización y clasificación. En segundo lugar, una vez finalizada la caracterización y clasificación de las ondas ECG se procede a aplicar estrategias de Cloud Computing para gestionar los datos almacenados en servidores remotos, procesarlos en la nube y poder obtener una respuesta como tal de la señal ingresada al sistema, por tanto, cualquier entidad podrá tener acceso al sistema de clasificación de forma gratuita para prestar el servicio. Para este caso, se trabaja en la plataforma “Pythonanywhere” el cual permite alojar código Python y ser ejecutado como un aplicativo web. | es_CO |
| dc.description.abstract | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.format.extent | 121 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona – Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.title | Desarrollo de un sistema para clasificación de patologías cardiovasculares en señales electrocardiográficas (ECG) aplicando inteligencia artificial y Cloud Computing. | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2021-07-09 | - |
| dc.relation.references | [1] Pozas G., “El electrocardiograma y su tecnología,” Educ. Medica, vol. 8, no. 24, pp. 27–31, 2008, [Online]. Available: http://www.cmzh.com.mx/media/108934/rev_24_elelectricardiogramasutecnolog ia.pdf. | es_CO |
| dc.relation.references | [2] C. V. Silva and V. G. Rojas, “Diseño e implementación de un sistema electrocardiográfico digital,” Rev. Fac. Ing., no. 55, pp. 99–107, 2010. | es_CO |
| dc.relation.references | [3] “Minimanual de ECG Ilustrado,” 2005, [Online]. Available: https://muymedico.com. | es_CO |
| dc.relation.references | [4] J. Garcia Niebla, “Errores y artefactos más comunes en la obtención del electrocardiograma,” Siacardio, vol. 1, no. 8, pp. 1–29, 15AD, [Online]. Available: http://www.siacardio.com/wp-content/uploads/2015/01/ECG-Capitulo-10- Errores-y-artefactos-comunes-en-ECG.pdf. | es_CO |
| dc.relation.references | [5] R. Sastre, Iván;Pérez, “ANATOMÍA Y FISIOLOGÍA DEL CORAZÓN,” Anatomía y Fisiol. del corazón, pp. 1–30, 2014, [Online]. Available: https://www.faeditorial.es/capitulos/infarto-miocardio.pdf. | es_CO |
| dc.relation.references | [6] J. Ramirez, “Fisiología cardiaca,” Revista Médica MD, vol. 1, no. 3, pp. 3–6, 2009. | es_CO |
| dc.relation.references | [7] P. Acosta, A. Álvarez, J. Betancourt, J. Cabrales, and N. Ascencio, Electrocardiografía, Primera Ed. Bogotá. | es_CO |
| dc.relation.references | [8] D. E. Mohrman and L. J. Heller, Fisiología Cardiovascular. 2007. | es_CO |
| dc.relation.references | [9] B. E. V. Angarita et al., “Arritmias.” | es_CO |
| dc.relation.references | [10] D. S, “Transformada Discreta de Fourier (DFT).” [Online]. Available: https://sites.google.com/site/dson978/signals-systems/discrete-fourier-transform. | es_CO |
| dc.relation.references | [11] G. Pazmiño Castillo and R. M. García Oquendo, “La transformada de Fourier y su aplicación en el procesamiento de imágenes,” Tsafiqui, no. 1, p. 7, 2008, doi: 10.29019/tsafiqui.v0i1.23. | es_CO |
| dc.relation.references | [12] K. Najarian and R. Splinter, Biomedical Signal and Image Processing. CRC Press, Taylor & Francis Group, 2006. | es_CO |
| dc.relation.references | [13] J. Semnmlow, Biosignal and Medical Image Processing. CRC Press, Taylor & Francis Group, 2009. | es_CO |
| dc.relation.references | [14] M. Larrota, “Aplicación de la transformada wavelet discreta en el filtrado de señales bioeléctricas,” Umbral Científico, no. 5, pp. 92–98, 2004. | es_CO |
| dc.relation.references | [15] “La Transformada Wavelet.” [Online]. Available: http://bibing.us.es/proyectos/abreproy/11511/fichero/PFC+Silvia+Blasco+Vadillo %252FCapítulo+9+-+Anexo+2.pdf+. | es_CO |
| dc.relation.references | [16] B. Medina, J. E. Sierra, and A. B. Ulloa, “Técnicas de extracción de características de señales EEG en la imaginación de movimiento para sistemas BCI,” Espacios, vol. 39, no. 22, pp. 36–48, 2018, [Online]. Available: https://www.revistaespacios.com/a18v39n22/18392236.html. | es_CO |
| dc.relation.references | [17] G. Garg, V. Singh, and A. P. Mittal, “Wrapper Based Wavelet Feature Optimization for EEG Signals.” doi: 10.1007/s13534-012-0044-0. | es_CO |
| dc.relation.references | [18] B. A. Medina and R. Alvarez López, “Caracterización de Señales EEG mediante Wavelet Packet y Entropía Difusa para Tareas de Imaginación Motora,” Ingeniería, vol. 22, no. 2, p. 226, 2017, doi: 10.14483/udistrital.jour.reving.2017.2.a04. | es_CO |
| dc.relation.references | [19] E. Neira, “MODELO DE IDENTIFICACIÓN DE LOCUTOR EN ENTORNOS GSM, APLICACIÓN EN COLOMBIA,” Universidad Macional de Colombia, 2010. | es_CO |
| dc.relation.references | [20] A. Ramiro and V. Alvarado, “Machine Learning para Todos Aldo Valdez Alvarado,” ResearchGate, no. January 2019, 2020, doi: 10.13140/RG.2.2.13786.70086. | es_CO |
| dc.relation.references | [21] G. Betancourt, “LAS MÁQUINAS DE SOPORTE VECTORIAL (SVMs),” Sci. Tech., vol. XI, pp. 67–72, 2005, [Online]. Available: https://www.redalyc.org/pdf/849/84911698014.pdf. | es_CO |
| dc.relation.references | [22] L. Gonzalez, “Naïve Bayes.” https://aprendeia.com/naive-bayes-teoria-machinelearning/. | es_CO |
| dc.relation.references | [23] M. Quintero and A. Edgar, Alternativas de Uso de la Tierra para los Llanos Orientales de Colombia. pp. 1–46. | es_CO |
| dc.relation.references | [24] L. Gonzalez, “Arbóles de Decisión - Clasificación.” https://aprendeia.com/arbolesde-decision-clasificacion-teoria-machine-learning/. | es_CO |
| dc.relation.references | [25] A. Youssef, “Exploring Cloud Computing Services and Applications,” J. Emerg. SC-CER96940 Universidad de Pamplona Pamplona - Norte de Santander - Colombia Tels: (7) 5685303 - 5685304 - 5685305 - Fax: 5682750 www.unipamplona.edu.co “Formando líderes para la construcción de un nuevo país en paz” 120 Trends Comput. …, vol. 3, no. 6, pp. 838–847, 2012, [Online]. Available: http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Exploring+Clou d+Computing+Services+and+Applications#0. | es_CO |
| dc.relation.references | [26] N. Quintero and A. Fuentes, “Computacion En La Nube,” pp. 46–51, 2014. | es_CO |
| dc.relation.references | [27] “Cloud Computing La revolución tecnológica para las empresas.” [Online]. Available: https://systemsgroup.es/noticias-it/cloud-computing/32212/. | es_CO |
| dc.relation.references | [28] T. Cardiovasc, “Listado de Aplicacion IA en cardiología,” vol. 70, no. December 2016. pp. 2016–2017, 2017. | es_CO |
| dc.relation.references | [29] S. Sahoo, M. Mohanty, S. Behera, and S. K. Sabut, “ECG beat classification using empirical mode decomposition and mixture of features,” J. Med. Eng. Technol., vol. 41, no. 8, pp. 652–661, 2017, doi: 10.1080/03091902.2017.1394386. | es_CO |
| dc.relation.references | [30] Q. Li, C. Rajagopalan, and G. D. Clifford, “A machine learning approach to multilevel ECG signal quality classification,” Comput. Methods Programs Biomed., vol. 117, no. 3, pp. 435–447, 2014, doi: 10.1016/j.cmpb.2014.09.002. | es_CO |
| dc.relation.references | [31] U. R. Acharya et al., “A deep convolutional neural network model to classify heartbeats,” Comput. Biol. Med., vol. 89, no. August, pp. 389–396, 2017, doi: 10.1016/j.compbiomed.2017.08.022. | es_CO |
| dc.relation.references | [32] Ö. Yıldırım, P. Pławiak, R. S. Tan, and U. R. Acharya, “Arrhythmia detection using deep convolutional neural network with long duration ECG signals,” Comput. Biol. Med., vol. 102, no. August, pp. 411–420, 2018, doi: 10.1016/j.compbiomed.2018.09.009. | es_CO |
| dc.relation.references | [33] B. R. de Oliveira, C. C. E. de Abreu, M. A. Q. Duarte, and J. Vieira Filho, “Geometrical features for premature ventricular contraction recognition with analytic hierarchy process based machine learning algorithms selection,” Comput. Methods Programs Biomed., vol. 169, pp. 59–69, 2019, doi: 10.1016/j.cmpb.2018.12.028. | es_CO |
| dc.relation.references | [34] J. Díaz, J. Fernández, and E. Guerrero, “Diagnóstico automático del síndrome coronario agudo utilizando un sistema multiagente basado en redes neuronales,” Rev. Colomb. Cardiol., vol. 24, no. 3, pp. 1–6, 2017, doi: http://dx.doi.org/10.1016/j.rccar.2016.11.010. | es_CO |
| dc.relation.references | [35] C. D. E. L. Adulto, L. Morales Muñoz, G. Quintana, and L. F. Niño, “Modelo computacional para la identificación de endofenotipos y clasificación de pacientes con artritis reumatoide a partir de datos genéticos, serológicos y clínicos, utilizando técnicas de inteligencia computacional,” Rev. Colomb. Reumatol., vol. SC-CER96940 Universidad de Pamplona Pamplona - Norte de Santander - Colombia Tels: (7) 5685303 - 5685304 - 5685305 - Fax: 5682750 www.unipamplona.edu.co “Formando líderes para la construcción de un nuevo país en paz” 121 22, no. 2, pp. 90–103, 2015, doi: 10.1016/j.rcreu.2015.05.005. | es_CO |
| dc.relation.references | [36] J. J. Sprockela, J. J. Diaztagleb, W. Alzatec, and E. González, “Redes neuronales en el diagnóstico del infarto agudo de miocardio,” vol. 21, no. 4, 2014. | es_CO |
| dc.relation.references | [37] GERMAN ARLEY PORTILLA GONZÁLEZ, “DESARROLLO DE UN SISTEMA PARA CLASIFICACIÓN DE CARACTERES OBTENIDOS DE SEÑALES ELECTROENCEFALOGRAFÍCAS (EEG) APLICADO EN PACIENTES CON AFASIA MOTRIZ.,” Universidad de Pamplona, 2017. | es_CO |
| dc.relation.references | [38] A. Lizcano-Portilla, L. Mendoza, and Z. Nieto-Sánchez, “Procesamiento de señales cerebrales provenientes de estímulos visuales y auditivos utilizando análisis wavelet y redes neuronales artificiales,” Rev. UIS Ing., vol. 19, no. 2, pp. 119–125, 2020, doi: 10.18273/revuin.v19n2-2020013. | es_CO |
| dc.relation.references | [39] E. Arias, L. García, O. Gualdrón González, and R. Corrêa, “Redes neuronales artificiales en conducción de calor multidimensional transitorio,” Rev. UIS Ing., vol. 2, no. 1, pp. 51–61, 2003. | es_CO |
| dc.relation.references | [40] “Base datos physiobank.” [Online]. Available: https://archive.physionet.org/physiobank/. | es_CO |
| dc.relation.references | [41] “Pythonanywhere.” 2019, [Online]. Available: https://opensofty.com/es/2019/11/8/los-mejores-ides-basados-en-la-nube-parapython/. | es_CO |
| dc.relation.references | [42] J. Muñoz, “Que es Flask.” 2017, [Online]. Available: https://openwebinars.net/blog/que-es-flask/. | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería en Telecomunicaciones | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Bravo_2021_TG.pdf | Bravo_2021_TG | 3,11 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.