Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional
- Autores
- Álvarez, Marcos; Díaz Dávila, Laura; Riva, Guillermo
- Año de publicación
- 2017
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Díaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Riva, Guillermo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Riva, Guillermo. Universidad Tecnológica Nacional, Facultad Regional Córdoba. GInTEA; Argentina
Los dispositivos portátiles para monitoreo cardiológico adquieren y almacenan todos los datos de electrocardiografía de un paciente por 24 horas, los cuales ´ son analizados posteriormente por el profesional médico. Sin embargo, ciertas anomalías cardíacas se producen esporadicamente y no son registradas. Además, es de gran importancia pre procesar los datos adquiridos en tiempo real para filtrar datos y generar alarmas. Sin embargo, esto impone el uso de estrategias computacionales simples para dispositivos portátiles con recursos limitados. Este trabajo presenta el ´ desarrollo de un algoritmo que permite a dispositivos portátiles de electrocardiografía hacer más eficiente el almacenamiento/transmisión de datos respecto a los equipos de monitoreo tradicionales. El algoritmo realiza filtrado y segmentación de la señal basado en transformaciones sencillas y la detección de picos. Luego, los latidos son descompuestos en 5 características mediante Análisis de Componentes Independientes, y clasificados mediante Maquina de Vectores ´ de Soportes de una clase. La clasificación utilizada es binaria ´ (latidos normales o anormales), no permitiendo especificar patologías, pero reduciendo los datos. El algoritmo fue probado con 20500 latidos normales y 6500 anormales, reduciendo el almacenamiento/transmisión de datos un 64 %, ´ con 99 % de precisión. Se verificación robustez al ruido sobre la ´ detección y clasificación de los latidos, y se realizó una prueba ´ de concepto para validar la propuesta.
Fil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Díaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Riva, Guillermo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Riva, Guillermo. Universidad Tecnológica Nacional, Facultad Regional Córdoba. GInTEA; Argentina
Ciencias de la Computación - Materia
-
ECG
Signal Processing
Classification
SVM - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/556286
Ver los metadatos del registro completo
id |
RDUUNC_de093ca2dd303a976a2ed07101529607 |
---|---|
oai_identifier_str |
oai:rdu.unc.edu.ar:11086/556286 |
network_acronym_str |
RDUUNC |
repository_id_str |
2572 |
network_name_str |
Repositorio Digital Universitario (UNC) |
spelling |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacionalÁlvarez, MarcosDíaz Dávila, LauraRiva, GuillermoECGSignal ProcessingClassificationSVMFil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Díaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Riva, Guillermo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Riva, Guillermo. Universidad Tecnológica Nacional, Facultad Regional Córdoba. GInTEA; ArgentinaLos dispositivos portátiles para monitoreo cardiológico adquieren y almacenan todos los datos de electrocardiografía de un paciente por 24 horas, los cuales ´ son analizados posteriormente por el profesional médico. Sin embargo, ciertas anomalías cardíacas se producen esporadicamente y no son registradas. Además, es de gran importancia pre procesar los datos adquiridos en tiempo real para filtrar datos y generar alarmas. Sin embargo, esto impone el uso de estrategias computacionales simples para dispositivos portátiles con recursos limitados. Este trabajo presenta el ´ desarrollo de un algoritmo que permite a dispositivos portátiles de electrocardiografía hacer más eficiente el almacenamiento/transmisión de datos respecto a los equipos de monitoreo tradicionales. El algoritmo realiza filtrado y segmentación de la señal basado en transformaciones sencillas y la detección de picos. Luego, los latidos son descompuestos en 5 características mediante Análisis de Componentes Independientes, y clasificados mediante Maquina de Vectores ´ de Soportes de una clase. La clasificación utilizada es binaria ´ (latidos normales o anormales), no permitiendo especificar patologías, pero reduciendo los datos. El algoritmo fue probado con 20500 latidos normales y 6500 anormales, reduciendo el almacenamiento/transmisión de datos un 64 %, ´ con 99 % de precisión. Se verificación robustez al ruido sobre la ´ detección y clasificación de los latidos, y se realizó una prueba ´ de concepto para validar la propuesta.Fil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Díaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Riva, Guillermo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Riva, Guillermo. Universidad Tecnológica Nacional, Facultad Regional Córdoba. GInTEA; ArgentinaCiencias de la Computación2017info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/556286spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:41:41Zoai:rdu.unc.edu.ar:11086/556286Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:41:41.448Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
dc.title.none.fl_str_mv |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
title |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
spellingShingle |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional Álvarez, Marcos ECG Signal Processing Classification SVM |
title_short |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
title_full |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
title_fullStr |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
title_full_unstemmed |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
title_sort |
Procesamiento de señales electrocardiográficas en equipos portátiles mediante estrategias online de inteligencia computacional |
dc.creator.none.fl_str_mv |
Álvarez, Marcos Díaz Dávila, Laura Riva, Guillermo |
author |
Álvarez, Marcos |
author_facet |
Álvarez, Marcos Díaz Dávila, Laura Riva, Guillermo |
author_role |
author |
author2 |
Díaz Dávila, Laura Riva, Guillermo |
author2_role |
author author |
dc.subject.none.fl_str_mv |
ECG Signal Processing Classification SVM |
topic |
ECG Signal Processing Classification SVM |
dc.description.none.fl_txt_mv |
Fil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. Fil: Díaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. Fil: Riva, Guillermo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. Fil: Riva, Guillermo. Universidad Tecnológica Nacional, Facultad Regional Córdoba. GInTEA; Argentina Los dispositivos portátiles para monitoreo cardiológico adquieren y almacenan todos los datos de electrocardiografía de un paciente por 24 horas, los cuales ´ son analizados posteriormente por el profesional médico. Sin embargo, ciertas anomalías cardíacas se producen esporadicamente y no son registradas. Además, es de gran importancia pre procesar los datos adquiridos en tiempo real para filtrar datos y generar alarmas. Sin embargo, esto impone el uso de estrategias computacionales simples para dispositivos portátiles con recursos limitados. Este trabajo presenta el ´ desarrollo de un algoritmo que permite a dispositivos portátiles de electrocardiografía hacer más eficiente el almacenamiento/transmisión de datos respecto a los equipos de monitoreo tradicionales. El algoritmo realiza filtrado y segmentación de la señal basado en transformaciones sencillas y la detección de picos. Luego, los latidos son descompuestos en 5 características mediante Análisis de Componentes Independientes, y clasificados mediante Maquina de Vectores ´ de Soportes de una clase. La clasificación utilizada es binaria ´ (latidos normales o anormales), no permitiendo especificar patologías, pero reduciendo los datos. El algoritmo fue probado con 20500 latidos normales y 6500 anormales, reduciendo el almacenamiento/transmisión de datos un 64 %, ´ con 99 % de precisión. Se verificación robustez al ruido sobre la ´ detección y clasificación de los latidos, y se realizó una prueba ´ de concepto para validar la propuesta. Fil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. Fil: Díaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. Fil: Riva, Guillermo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. Fil: Riva, Guillermo. Universidad Tecnológica Nacional, Facultad Regional Córdoba. GInTEA; Argentina Ciencias de la Computación |
description |
Fil: Álvarez, Marcos. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/556286 |
url |
http://hdl.handle.net/11086/556286 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
reponame_str |
Repositorio Digital Universitario (UNC) |
collection |
Repositorio Digital Universitario (UNC) |
instname_str |
Universidad Nacional de Córdoba |
instacron_str |
UNC |
institution |
UNC |
repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
repository.mail.fl_str_mv |
oca.unc@gmail.com |
_version_ |
1844618908317777920 |
score |
13.070432 |