Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.udec.cl/jspui/handle/11594/7147
Título : | Uso de aprendizaje de máquina para la estimación automática de presión arterial a partir de electrocardiografía y fotopletismografía. |
Autor : | Pradenas Rojas, Lorena del Carmen; supervisora de grado Larsen Lucero, Constanza Marie |
Palabras clave : | Presión Sanguinea;Innovaciones Tecnológicas;Redes Neurales (Ciencia de la Computación);Electrocardiografía;Innovaciones Tecnológicas |
Fecha de publicación : | 2017 |
Editorial : | Universidad de Concepción. |
Resumen : | La presión arterial es uno de los signos vitales más importantes del sistema cardiovascular. Actualmente hay métodos invasivos y no invasivos para medir y/o estimar la presión. En esta tesis, se usan redes neuronales artificiales (ANN) y máquinas de soporte vectorial para regresión (SVR) para estimar las presiones sistólica y diastólica desde electrocardiograma (ECG) y fotopletismograma (PPG). Se utilizó la base de datos MIMIC-II que dispone de ECG, PPG y presión arterial continua. Se trabajó con los datos de 239 pacientes adultos. Se generaron instancias de entrenamiento y prueba para los modelos de regresión. Con cada algoritmo de aprendizaje automático, se probaron 3 modelos para cada presión arterial (sistólica y diastólica), que se medían según el estándar AAMI. Los mejores resultados con ANN de error absoluto medio con desviación estándar fueron 5,7856 ± 6,4123 [mmHg] y 3,0503 ± 3,5532 [mmHg], para las presiones sistólica y diastólica, respectivamente. Con SVR, fueron 5,0893 ± 6,4563 [mmHg] y 2,6861 ± 3,6004 [mmHg], para las presiones sistólica y diastólica, respectivamente. Estos resultados son buenos de acuerdo al estándar AAMI. |
Descripción : | Tesis para optar al grado de Magíster en Ingeniería Industrial. |
URI : | http://repositorio.udec.cl/jspui/handle/11594/7147 |
metadata.dc.source.uri: | https://go.openathens.net/redirector/udec.cl?url=http://tesisencap.udec.cl/concepcion/larsen_l_c/index.html |
Aparece en las colecciones: | Ingeniería Industrial - Tesis Magister |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Resumen.pdf | 258,58 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons