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
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/556286
Acceder
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:UNC2025-10-16T09:28:55Zoai: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:25722025-10-16 09:28:55.833Repositorio 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_ 1846143342118699008
score 12.712165

Publicaciones similares