Modelado analítico y basado en datos de histéresis pulmonar

Autores
Stella, Joaquín; Evangelista, Carolina Alejandra; Riva, Diego Alejandro; Puleston, Pablo Federico
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La histéresis respiratoria, observable en la diferencia de recorrido de la curva P-V entre inspiración y espiración, se acentúa en enfermedades como asma, bronquitis y SARSCOVID19. Sin embargo, los modelos tradicionales suelen tratar la compliance pulmonar como constante, omitiendo esta característica relevante. Este trabajo propone modelar la histéresis mediante un enfoque analítico, ajustando parámetros a datos reales para simular la presión pulmonar con mayor precisión. Se logró reducir errores a menos del 5% (NRMSE) y simplificar el ajuste de parámetros. Además, se exploraron redes neuronales recurrentes (RNN) para modelar dinámicamente las señales respiratorias, comparando arquitecturas para minimizar errores. Se concluye que ambos enfoques permiten simular distintos pacientes según los requerimientos específicos.
Facultad de Ingeniería
Materia
Ingeniería
Histéresis respiratoria
Ventilación mecánica
Modelo Vaiana Rosati
Redes Neuronales Recurrentes
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/186284
Acceder
id SEDICI_5c77b169792a50ddaf279f485697fc2e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/186284
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelado analítico y basado en datos de histéresis pulmonarStella, JoaquínEvangelista, Carolina AlejandraRiva, Diego AlejandroPuleston, Pablo FedericoIngenieríaHistéresis respiratoriaVentilación mecánicaModelo Vaiana RosatiRedes Neuronales RecurrentesLa histéresis respiratoria, observable en la diferencia de recorrido de la curva P-V entre inspiración y espiración, se acentúa en enfermedades como asma, bronquitis y SARSCOVID19. Sin embargo, los modelos tradicionales suelen tratar la compliance pulmonar como constante, omitiendo esta característica relevante. Este trabajo propone modelar la histéresis mediante un enfoque analítico, ajustando parámetros a datos reales para simular la presión pulmonar con mayor precisión. Se logró reducir errores a menos del 5% (NRMSE) y simplificar el ajuste de parámetros. Además, se exploraron redes neuronales recurrentes (RNN) para modelar dinámicamente las señales respiratorias, comparando arquitecturas para minimizar errores. Se concluye que ambos enfoques permiten simular distintos pacientes según los requerimientos específicos.Facultad de Ingeniería2025-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf287-292http://sedici.unlp.edu.ar/handle/10915/186284spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2565-7info:eu-repo/semantics/reference/hdl/10915/181826info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-11-12T11:15:27Zoai:sedici.unlp.edu.ar:10915/186284Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-11-12 11:15:28.277SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelado analítico y basado en datos de histéresis pulmonar
title Modelado analítico y basado en datos de histéresis pulmonar
spellingShingle Modelado analítico y basado en datos de histéresis pulmonar
Stella, Joaquín
Ingeniería
Histéresis respiratoria
Ventilación mecánica
Modelo Vaiana Rosati
Redes Neuronales Recurrentes
title_short Modelado analítico y basado en datos de histéresis pulmonar
title_full Modelado analítico y basado en datos de histéresis pulmonar
title_fullStr Modelado analítico y basado en datos de histéresis pulmonar
title_full_unstemmed Modelado analítico y basado en datos de histéresis pulmonar
title_sort Modelado analítico y basado en datos de histéresis pulmonar
dc.creator.none.fl_str_mv Stella, Joaquín
Evangelista, Carolina Alejandra
Riva, Diego Alejandro
Puleston, Pablo Federico
author Stella, Joaquín
author_facet Stella, Joaquín
Evangelista, Carolina Alejandra
Riva, Diego Alejandro
Puleston, Pablo Federico
author_role author
author2 Evangelista, Carolina Alejandra
Riva, Diego Alejandro
Puleston, Pablo Federico
author2_role author
author
author
dc.subject.none.fl_str_mv Ingeniería
Histéresis respiratoria
Ventilación mecánica
Modelo Vaiana Rosati
Redes Neuronales Recurrentes
topic Ingeniería
Histéresis respiratoria
Ventilación mecánica
Modelo Vaiana Rosati
Redes Neuronales Recurrentes
dc.description.none.fl_txt_mv La histéresis respiratoria, observable en la diferencia de recorrido de la curva P-V entre inspiración y espiración, se acentúa en enfermedades como asma, bronquitis y SARSCOVID19. Sin embargo, los modelos tradicionales suelen tratar la compliance pulmonar como constante, omitiendo esta característica relevante. Este trabajo propone modelar la histéresis mediante un enfoque analítico, ajustando parámetros a datos reales para simular la presión pulmonar con mayor precisión. Se logró reducir errores a menos del 5% (NRMSE) y simplificar el ajuste de parámetros. Además, se exploraron redes neuronales recurrentes (RNN) para modelar dinámicamente las señales respiratorias, comparando arquitecturas para minimizar errores. Se concluye que ambos enfoques permiten simular distintos pacientes según los requerimientos específicos.
Facultad de Ingeniería
description La histéresis respiratoria, observable en la diferencia de recorrido de la curva P-V entre inspiración y espiración, se acentúa en enfermedades como asma, bronquitis y SARSCOVID19. Sin embargo, los modelos tradicionales suelen tratar la compliance pulmonar como constante, omitiendo esta característica relevante. Este trabajo propone modelar la histéresis mediante un enfoque analítico, ajustando parámetros a datos reales para simular la presión pulmonar con mayor precisión. Se logró reducir errores a menos del 5% (NRMSE) y simplificar el ajuste de parámetros. Además, se exploraron redes neuronales recurrentes (RNN) para modelar dinámicamente las señales respiratorias, comparando arquitecturas para minimizar errores. Se concluye que ambos enfoques permiten simular distintos pacientes según los requerimientos específicos.
publishDate 2025
dc.date.none.fl_str_mv 2025-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
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://sedici.unlp.edu.ar/handle/10915/186284
url http://sedici.unlp.edu.ar/handle/10915/186284
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2565-7
info:eu-repo/semantics/reference/hdl/10915/181826
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
287-292
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1848605862659096576
score 12.976206

Publicaciones similares