Diseño de un sistema de procesamiento y caracterización de potenciales ECG para la clasificación de arritmias cardiacas, mediante el uso de técnicas de aprendizaje automático supervisadas

Autores/as

  • Hermes Andrés Ayala Cucas Estudiante del Programa de Ingeniería Mecatrónica Universidad Mariana
  • Edison Alexander Mora Piscal Estudiante del Programa de Ingeniería Mecatrónica Universidad Mariana
  • Dagoberto Mayorca Torres Asesor y Docente del Programa de Ingeniería Mecatrónica Universidad Mariana
  • Angie Ximena Ortiz Chamorro Estudiante de Maestría en Epidemiología Universidad Mariana

Resumen

Uno de los principales propósitos de la formación como ingenieros mecatrónicos es atender las necesidades y problemáticas de la sociedad, apoyados en las áreas de las ciencias computacionales. Esta nota describe los avances preliminares del diseño del proyecto Sistema de procesamiento y caracterización de potenciales ECG, con el fin de clasificar arritmias cardiacas mediante uso de técnicas de aprendizaje automático supervisadas, un sistema que permite monitorear y brindar señales de alarma ante situaciones de 8 tipos de arritmias cardiacas.

Referencias bibliográficas

Álvarez, M. (2016). Procesamiento de señales de electrocardiografía en equipos portables mediante estrategias de inteligencia artificial [tesis de pregrado, Universidad Nacional de Córdoba]. Repositorio Digital UNC. https://rdu.unc.edu.ar/handle/11086/4316

García, A. (2017). Análisis y procesamiento de la señal auscultada del corazón para el diagnóstico presuntivo de soplos cardiacos y arritmia cardíaca [tesis de pregrado, Universidad Politécnica Salesiana sede Cuenca]. Repositorio Institucional. https://dspace.ups.edu.ec/handle/123456789/14152

Isin, A. & Ozdalili, S. (2017). Cardiac arrhythmia detection using deep learning. Procedia Computer Science, 120, 268-275. https://doi.org/10.1016/j.procs.2017.11.238

Ministerio de Salud. (s.f.). Enfermedades cardiovasculares. https://www.minsalud.gov.co/salud/publica/PENT/Paginas/enfermedades-cardiovasculares.aspx

Organización Mundial de la Salud. (2017). Enfermedades cardiovasculares. https://www.who.int/es/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds)

Romero, J. (2015). Análisis de Señales Electrocardiográficas usando técnicas de procesamiento digital [tesis de pregrado, Universidad Oberta de Catalunya]. Archivo Digital. http://openaccess.uoc.edu/webapps/o2/bitstream/10609/40186/6/jlorenzoroTFC0115memoria.pdf

Sannino, G. & De Pietro, G. (2018). A deep learning approach for ECG-based heartbeat classification for arrhythmia detection. Future Generation Computer Systems, 86, 446-455. https://doi.org/10.1016/j.future.2018.03.057

Villagrán, C. (2017). Clasificación automática de latidos de un electrocardiograma utilizando aprendizaje profundo [tesis de maestría, Universidad de Concepción]. Repositorio Dspace. http://repositorio.udec.cl/xmlui/handle/11594/2541

Xiang, Y., Lin, Z. & Meng, J. (2018). Automatic QRS complex detection using two-level convolutional neural network. BioMedical Engineering Online, 17(1), 1-17. https://doi.org/10.1186/s12938-018-0441-4

Cómo citar

Ayala Cucas, H. A., Mora Piscal, E. A., Mayorca Torres, D., & Ortiz Chamorro, A. X. (2021). Diseño de un sistema de procesamiento y caracterización de potenciales ECG para la clasificación de arritmias cardiacas, mediante el uso de técnicas de aprendizaje automático supervisadas. Boletí­n Informativo CEI, 8(2), 204–210. Recuperado a partir de https://revistas.umariana.edu.co/index.php/BoletinInformativoCEI/article/view/2710

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2021-12-15